Новые робастные эффективные статистические методы обработки сигналов и изображений в стохастических системах

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 17-11-01049

НазваниеНовые робастные эффективные статистические методы обработки сигналов и изображений в стохастических системах

Руководитель Пергаменщиков Сергей Маркович, Доктор физико-математических наук

Организация финансирования, регион федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский Томский государственный университет" , Томская обл

Конкурс №18 - Конкурс 2017 года «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами»

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-213 - Обработка и анализ изображений и сигналов

Ключевые слова выбор модели, адаптивное непараметрическое оценивание, неасимптотические точные оракульные неравенства, робастные риски, эффективное оценивание, улучшенное оценивание, последовательный анализ, усеченное последовательное оценивание, регрессионные модели, статистическая обработка и анализ изображений и сигналов, томография, последовательное обнаружение моментов разладок, процедура обнаружения Ширяева – Робертса

Код ГРНТИ27.35.33

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
В проекте разрабатываются и исследуются новые эффективные робастные статистические методы статистической обработки (сжатие, восстановление, обнаружение, различение, оценка динамических параметров) сигналов и изображений, описываемых стохастическими дифференциальными и стохастическими разностными уравнениями. В непрерывном времени в проекте рассматриваются регрессионные модели с шумами, содержащие полумарковские процессы, регрессионные модели с шумами, задаваемыми негауссовскими процессами Орнштейна–Уленбека со скачками, а также изучаются диффузионные эргодические однородные процессы. В дискретном времени изучаются задачи оценивания функций регрессии многих переменных и томографические модели, т.е. когда наблюдение функций осуществляется через преобразование Радона на фоне помех. Также в проекте рассматриваются задачи наискорейшего обнаружения разладок и сигналов в различных постановках для общих статистических моделей с зависимыми наблюдениями, при этом разрабатываются оптимальные процедуры в минимаксном смысле в классе решающих процедур с фиксированными вероятностями ложных тревог. Планируется изучение задач обнаружения как с известными, так и с неизвестными распределениями после моментов разладок. Статистические задачи в проекте изучаются на основе метода выбора моделей для адаптивной непараметрической идентификации и с помощью метода усеченного последовательного оценивания для параметрических задач. В проекте планируется разработать новые адаптивные процедуры выбора моделей, основанные на взвешенных улучшенных оценках наименьших квадратов со специально подобранными коэффициентами, обеспечивающие асимптотическую эффективность. Применение метода улучшенного оценивания, известного как феномен Стейна, для параметрических моделей регрессии в непрерывном времени стало возможно благодаря работам Пчелинцева (2013) и Конева, Пергаменщикова и Пчелинцева (2014), которые предложили соответствующие модификации известной процедуры Стейна для работы с шумами, содержащие импульсные компоненты. В проекте будет применяться этот метод к процедурам выбора моделей с заменой оценок наименьших квадратов на их улучшенные версии. Это позволит значительно улучшить неасимптотическое качество оценивания процедур выбора моделей. Процедура выбора моделей означает адаптивное правило выбора лучшей оценки (в смысле точного оракульного неравенства) в выбранном семействе проекционных оценок. Точное оракульное неравенство означает оценивание сверху риска процедуры выбора модели минимальным риском по выбранному семейству оценок, умноженный на коэффициент, стремящийся к единице с ростом длительности наблюдений. Такие неравенства позволяют доказывать эффективность процедур без знания регулярности оцениваемой функции, то есть в адаптивном смысле. Подобные процедуры и методы получения точных оракульных неравенств были разработаны Гальчуком и Пергаменщиковым (2009) для дискретных гетероскедастических регрессионных моделей с независимыми наблюдениями, затем Коневым и Пергаменщиковым (2012, 2015) для регрессионных моделей в непрерывном времени с быстро затухающей зависимостью в наблюдениях. В проекте планируется развивать методы выбора моделей Гальчука и Пергаменщикова для многомерных регрессионных моделей с последующим применением к проблеме томографии. Следует отметить, что на сегодняшний день не существует результатов по адаптивному минимаксному оцениванию для томографических моделей в дискретном времени, необходимых для использования в реальных практических расчетах. Кроме того, в проекте будут разработаны и исследованы процедуры выбора моделей для адаптивного непараметрического оценивания в регрессионных моделях в непрерывном времени с шумами, содержащими скачкообразные компоненты, определяемые полумарковскими процессами. Такие модели позволяют сохранить зависимость в наблюдениях на длительных временных интервалах, что значительно расширяет круг возможных применений статистических методов обработки. В частности, указанные модели дают возможность оценивать сигналы при воздействии на них продолжительных импульсных шумовых воздействий или “контрсигналов”. Заметим также, что введение дополнительных шумовых компонент в модель, описывающих разные типы зависимостей и импульсные возмущения, ставит вопрос о зависимости качества оценивания разрабатываемых статистических процедур от изменения распределений вводимых шумовых компонент, то есть естественным образом возникает вопрос об устойчивости (робастности) предлагаемых методов. Поэтому качество процедур оценивания в проекте исследуется для робастных рисков, введенных Гальчуком и Пергаменщиковым (2006) для непараметрических задач. Это позволяет получать процедуры оценивания, обладающие устойчивыми точностными характеристиками по отношению к изменению распределений шумовых воздействий в достаточно широких пределах. Такие процедуры обеспечивают высокую помехоустойчивость синтезируемых на их основе алгоритмов. Основные результаты по непараметрическому оцениванию в проекте направлены на получение точных неасиптотических оракульных неравенств. Для этого развивается специальная техника стохастического исчисления, основанная на методах теории восстановления, позволяющая изучать “скачкообразное поведение” полумарковских процессов. Далее, для применения техники выбора моделей для непараметрического оценивания для диффузионных процессов используется методы усеченного последовательного оценивания, развитые Гальчуком и Пергаменщиковым (2006) для непараметрических моделей. Усеченные последовательные ядерные процедуры оценивания в точках позволяют осуществлять переход от диффузионных процессов к регрессионным схемам в дискретном времени и применить затем метод выбора моделей. В технической части проекта на основе развитых подходов планируется предложить новые, более эффективные, по сравнению с известными, системы мониторинга сложных сигналов и стохастические системы передачи информации, обладающие повышенной скрытностью и помехоустойчивостью.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Пчелинцев Е.А., Пергаменщиков С.М. Oracle inequalities for the stochastic differential equations Statistical Inference for Stochastic Processes, Volume 21, Issue 2, pp 469–483 (год публикации - 2018)
10.1007/s11203-018-9180-1

2. Повзун М. А., Пчелинцев В. А., Пчелинцев Е. А. Метод выбора модели для оценивания непараметрической регрессии с шумами Леви по дискретным наблюдениям Сборник статей международной научной конференции «Робастная статистика и финансовая математика – 2018» (09-11 июля 2018 г.). Томск: Издательский Дом ТГУ, 2018., C. 64-71 (год публикации - 2018)

3. Чернояров О.В., Сальникова А.В., Костылев В.И. The statistical properties of the probabilistic distributions generated by gamma statistics Proceedings of the 2018 International Conference on Computer Modeling, Simulation and Algorithm (CMSA 2018), Vol. 151, P. 258-262 (год публикации - 2018)
10.2991/cmsa-18.2018.59

4. Пчелинцев Е.А., Перелевский С.С., Макарова И.А. Improved nonparametric estimation of the drift in diffusion processes Uchenye Zapiski Kazanskogo Universiteta. Seriya Fiziko-Matematicheskie Nauki, vol. 160, no. 2, pp. 364-372 (год публикации - 2018)

5. Чернояров О.В., Фаульгабер А.Н., Сальникова А.В. Features of the distribution of the estimate of the time of arrival of the random radio pulse with inexactly known duration Proceeding of the 2018 4th International Conference on Frontiers of Signal Processing (ICFSP 2018). France, Poitiers. (год публикации - 2018)

6. Аркун У., Бруа Ж.-И., Пергаменщиков С. М. Sequential model selection method for a nonparametric autoregression Сборник статей международной научной конференции «Робастная статистика и финансовая математика – 2018» (09-11 июля 2018 г.). Томск: Издательский Дом ТГУ, 2018., C. 4-8. (год публикации - 2018)

7. Белтайеф С., Чернояров О. В., Пергаменщиков С. М. Sharp oracle inequalities for the nonparametric signal estimation in the Lévy regression model Сборник статей международной научной конференции «Робастная статистика и финансовая математика – 2018» (09-11 июля 2018 г.). Томск: Издательский Дом ТГУ, 2018., C.9-19 (год публикации - 2018)

8. Догадова Т. В., Васильев В. А. Adaptive optimal prediction of Ornstein-Uhlenbeck type processes Сборник статей международной научной конференции «Робастная статистика и финансовая математика – 2018» (09-11 июля 2018 г.). Томск: Издательский Дом ТГУ, 2018., C. 31-37 (год публикации - 2018)

9. Конев В. В., Назаренко Б. Н. On uniform asymptotic normality of sequential estimates of the parameters in unstable autoregression Сборник статей международной научной конференции «Робастная статистика и финансовая математика – 2018» (09-11 июля 2018 г.). Томск: Издательский Дом ТГУ, 2018., C.38-47 (год публикации - 2018)

10. Политис Д. Н., Воробейчиков С. Э., Васильев В. А. Optimal parameter estimation of Pareto type model Сборник статей международной научной конференции «Робастная статистика и финансовая математика – 2018» (09-11 июля 2018 г.). Томск: Издательский Дом ТГУ, 2018., C.48-53 (год публикации - 2018)

11. Абдурасулзода Д., Губин В. Н. Комбинированный подход для оценки функции надежности Сборник статей международной научной конференции «Робастная статистика и финансовая математика – 2018» (09-11 июля 2018 г.). Томск: Издательский Дом ТГУ, 2018., C. 54-59 (год публикации - 2018)

12. Пчелинцев Е.А., Перелевский С.С. Оценивание функции сноса в диффузионных процессах Теория вероятностей и ее применения, т. 64, вып. 1 (год публикации - 2019)

13. Васильев В.А. Optimal parameter estimation of an autoregression by observations with additive noise Теория вероятностей и ее применения, Т. 64, №1. (год публикации - 2019)

14. Догадова Т.В., Васильев В.А. Adaptive prediction of non-Gaussian Ornstein-Uhlenbeck process Вестник Томского государственного университета. Управление, вычислительная техника и информатика, N 43. C. 26 - 32. (год публикации - 2018)
10.17223/19988605/43/3

15. Догадова Т.В., Васильев В.А. Adaptive Prediction of Non-Gaussian Ornstein-Uhlenbeck Process Новые информационные технологии в исследовании сложных структур : материалы Двенадцатой конф. с междунар. участием, 4-8 июня 2018 г. Томск: Издательский Дом ТГУ, C.110-111. (год публикации - 2018)

16. Захаров А.В., Чернояров О.В., Сальникова А.В., Фаульгабер А.Н. The distribution of the absolute maximum of the discontinuous stationary random process with Raileigh and Gaussian components Engineering Letters, Vol. 27, № 1. P. 53-65 (год публикации - 2019)

17. Чернояров О.В., Трифонов А.П., Сальникова А.В., Захаров А.В. Probability characteristics of the absolute maximum of the discontinuous homogeneous Gaussian random field International Review on Modelling and Simulations, Vol. 11, № 5. P. 267-277 (DOI: https://doi.org/10.15866/iremos.v11i5.15019) (год публикации - 2018)
10.15866/iremos.v11i5.15019

18. Чернояров О.В., Сальникова А.В., Гольпайегани Л.А., Захаров А.В. The radio signal phase estimate efficiency under the fast fades 12th International Conference ELEKTRO 2018, 2018 ELEKTRO Conference Proceedings (год публикации - 2018)
10.1109/ELEKTRO.2018.8398327

19. Пергаменщиков С.М., Тартаковский А.Г. Asymptotically Optimal Pointwise and Minimax Changepoint Detection for General Stochastic Models With a Composite Post-Change Hypothesis Journal of Multivariate Analysis, Vol. 174 (DOI: 10.1016/j.jmva.2019.104541) (год публикации - 2019)
10.1016/j.jmva.2019.104541

20. Пчелинцев Е.А., Пчелинцев В.А., Пергаменщиков С.М. Improved robust model selection methods for the Levy nonparametric regression in continuous time Journal of Nonparametric Statistics, Volume 31, Issue 3, 3 July 2019, Pages 612-628 (DOI: 10.1080/10485252.2019.1609672) (год публикации - 2019)
10.1080/10485252.2019.1609672

21. Фурдринье Д., Пергаменщиков С.М. Sharp non asymptotic oracle inequalities for non parametric computerized tomography model Cornell University (год публикации - 2019)

22. Чернояров О.В., Сальникова А.В., Корчагин Ю.Е., Фаульгабер А.Н. The estimate of the time parameters of a radio signal with unknown initial phase Proceeding of the International Conference on Innovations in Engineering, Technology and Sciences (ICIETS), 1-5 (год публикации - 2018)

23. Пергаменщиков С.М. и др. Sequential Model Selection Method for Nonparametric Autoregression Sequential Analysis (год публикации - 2019)

24. Пергаменщиков С.М. и др. Quickest change-point detection in time series with unknown distributions Proceedings of the 31st European Modeling and Simulation Symposium, EMSS 2019, Lisbon, p. 29-33 (год публикации - 2019)

25. Пергаменщиков С.М., Тартаковский А.Г. Asymptotically optimal pointwise and minimax change-point detection for general stochastic models with a composite post-change hypothesis Journal of Multivariate Analysis, Vol. 174, P. 1-21. (год публикации - 2019)
j.jmva.2019.104541

26. Пчелинцев Е.А., Пергаменщиков С.М., Марчокова М, Adaptive robust efficient methods for periodic signal processing observed with colours noises Advances in Electrical and Electronic Engineering, Vol. 17, No 3. P. 270-274 (год публикации - 2019)
10.15598/aeee.v17i3.3132

27. Пчелинцев Е. А. , Пергаменщиков С. М. Improved model selection method for an adaptive estimation in semimartingale regression models Tomsk State University Journal of Mathematics and Mechanics, No. 58. P. 14-31 (год публикации - 2019)
10.17223/19988621/58/2

28. Пчелинцев Е.А. и др. Asymptotically efficient estimation of a drift coefficient in diffusion processes Proceedings of the International Workshop "Applied Methods of Statistical Analysis". 2019. Novosibirsk State Technical University Publisher, Novosibirsk, Russia. (год публикации - 2019)

29. Пчелинцев Е.А., Пергаменщиков С.М. Model selection method for efficient signals processing from discrete data Proceedings of the 31st European Modeling and Simulation Symposium (EMSS 2019), P. 90-95 (год публикации - 2019)

30. Васильев В.А. и др. Estimating smoothness and optimal bandwidth for probability density functions Mathematical Methods of Statistics, P. 1-24 (год публикации - 2020)

31. Пчелинцев Е.А., Перелевский С.С. Адаптивное эффективное оценивание функции в гетероскедастичной регрессии Вестн. Том. гос. ун-та. Управление, вычислительная техника и информатика (год публикации - 2019)

32. Пчелинцев Е.А., Пергаменщиков С.М., Повзун М.А. Improved estimation via model selection method for semimartingale regressions based on discrete data Bernoulli, P. 1-38 (год публикации - 2020)

33. Буркатовская Ю.Б., Васильев В.А. Parameter Estimation with Guaranteed Accuracy for AR(1) by Noised Observations Proceedings of the International Workshop "Applied Methods of Statistical Analysis". 2019. Novosibirsk State Technical University Publisher, Novosibirsk, Russia., P. 219-226 (год публикации - 2019)

34. Догадова Т.В., Васильев В.А. Adaptive prediction of Ornstein-Uhlenbeck process by observations with additive noise Proceedings of the International Workshop "Applied Methods of Statistical Analysis". 2019. Novosibirsk State Technical University Publisher, Novosibirsk, Russia., P. 212-218 (год публикации - 2019)

35. Сальникова А.В. и др. Determination of the dynamic vehicle model parameters by means of computer vision Communications - Scientific Letters of the University of Zilina, Vol. 21, no. 3, P. 28-34 (год публикации - 2019)

36. Сальникова А.В. и др. The system of facial recognition in the infrared range Communications - Scientific Letters of the University of Zilina, Vol. 22, no. 1, P. 3-9. (год публикации - 2020)

37. Сальникова А.В. Synthesis and analysis of the algorithms for discriminating the signals by arrival time in the presence of modulating interference International Review of Electrical Engineering, P. 1-11 (год публикации - 2019)

38. Сальникова А.В. The fast digital algorithm for measuring the parameters of the random processes 2019 International Seminar on Electron Devices Design and Production (SED): proceedings. Prague, Czech Republic, 2019., P. 1-5 (год публикации - 2019)
10.1109/SED.2019.8798448

39. Сальникова А.В. и др. Simulation of the measurer of the time of appearance and the average power of the random pulse signal 2019 5th International Conference on Frontiers of Signal Processing (ICFSP 2019): proceedings. Marseille, France, 2019., P. 105-110 (год публикации - 2019)

40. Сальникова А.В. и др. A simple method for increasing the equal-amplitude non-uniform linear thinned array directivity 2019 5th International Conference on Frontiers of Signal Processing (ICFSP 2019): proceedings. Marseille, France, 2019., P. 117-120 (год публикации - 2019)

41. Сальникова А.В. и др. The hardware implementation of the multi-position signal digital demodulators Proceedings of the 31st European Modeling and Simulation Symposium (EMSS 2019), P. 54-58 (год публикации - 2019)

42. Жирардан В., Конев В.В., Пергаменщиков С.М. Optimal Robust Information-Based Quick Detection in Autoregressive Models with Unknown Post-Change Distributions IEEE Transactions on Information Theory, P. 1-13 (год публикации - 2020)

43. Буркатовская Ю.Б., Васильев В.А. Truncated parameter estimation of AR(1) process with additive noise Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2019». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, P. 5-10. (год публикации - 2019)

44. Гальчук Л.И., Пергаменщиков С.М. Sharp Oracle Inequalities for Drift Estimation Problems from Discrete Data Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2019». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, P. 20-25 (год публикации - 2019)

45. Пчелинцев Е.А. Improved model selection for estimation in semimartingale regression from discrete data Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2019». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, P. 36-42 (год публикации - 2019)

46. Повзун М.А., Пчелинцев Е.А., Пергаменщиков С.М. Efficient Nonparametric Estimation of Square-integrable Functions in Continuous Time Regression Models Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2019». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, P. 43-48 (год публикации - 2019)

47. Жуман А.Б., Пчелинцев Е.А. Оценивание непараметрической регрессии с полумарковскими шумами Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2019». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, С. 67-74 (год публикации - 2019)

48. Перелевский С.С., Пчелинцев Е.А. Асимптотически эффективное оценивание коэффициента сноса в диффузионных процессах Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2019». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, С. 75-82 (год публикации - 2019)

49. Гальчук Л.И., Пергаменщиков С.М. Non asymptotic sharp oracle inequalities for high dimensional ergodic diffusion models Stochastic Processes and their Applications (год публикации - 2020)

50. Сальникова А.В. и др. A Method for Calculating the Characteristics of Leaky Wave Antennas Implemented on the Basis of Open Comb Transmission Lines International Journal on Communications Antenna and Propagation (год публикации - 2020)

51. Васильев В.А., Догадова Т.В. Адаптивное оптимальное прогнозирование многомерных диффузионных процессов Теория вероятностей и ее применения, Том 62 (4), 805-806 (год публикации - 2017)

52. Чернояров О.В., Трифонов А.П., Сальникова А.В., Захаров А.В. Probability Characteristics of the Absolute Maximum of the Discontinuous Homogeneous Gaussian Random Field Pakistan Journal of Statistics and Operation Research (год публикации - 2018)

53. Пергаменщиков С.М. и др. Second-order differential equations with random perturbations and small parameters Proceedings of the Royal Society of Edinburgh Section A: Mathematics, 147 (4), 763–779 (год публикации - 2017)
10.1017/S0308210516000354

54. Асотов Д.В., Сальникова А.В., Матвеев Б.В., Чернояров О.В. The Algorithms for the Ray Tracing Based on the Analytical Solutions 2017 2nd International Conference on Mechatronics, Control and Automation Engineering (MCAE2017): proceedings. Shenzhen, China, 186-191 (год публикации - 2017)
10.12783/dtetr/mcae2017/15961

55. Сальникова А.В., Чернояров О.В., Голпайегани Л.А., Захаров А.В. The Radio Signal Phase Estimate Efficiency under the Fast Fades 12th International Conference «ELEKTRO2018»: proceedings. Mikulov, Czech Republic (год публикации - 2018)

56. Пчелинцев Е.А., Пчелинцев В.А., Пергаменщиков С.М. Improved estimation of a function in continuous regression with semimartingale noise Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2017». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, 24-29 (год публикации - 2017)

57. Пчелинцев Е.А., Перелевский С.С., Макарова И.А. Estimation of a drift function in diffusion processes Ученые записки казанского университета. Серия: физико-математические науки, 1-8 (год публикации - 2018)

58. Политис Д.Н., Васильев В.А., Воробейчиков С.Э. Adaptive estimation of heavy-tailed distributions Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2017». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, 30-35 (год публикации - 2017)

59. Пчелинцев Е. А., Филимонова Ю. О. Исследование качества моделей временных рядов с применением бутстрап-методов Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2017». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, 81-86 (год публикации - 2017)

60. Догадова Т.В., Васильев В.А. Adaptive prediction of continuous-time processes Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2017». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, 12-16 (год публикации - 2017)

61. Пергаменщиков С.М. и др. Model selection for a semi-Markov continuous time regression observed in the discrete time moments Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2017». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, 5-11 (год публикации - 2017)

62. Пергаменщиков С.М., и др. Model selection for the robust efficient signal processingobserved with small Lévy noise Annals of the Institute of Statistical Mathematics, P. 1-31 (DOI: 10.1007/s10463-019-00726-2) (год публикации - 2019)
10.1007/s10463-019-00726-2

63. Макарова И. А., Пчелинцев Е. А. Об оценивании функции сноса в диффузионных процессах Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2017». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, 61-67 (год публикации - 2017)

64. Губин В.Н. Вычисление среднего времени работы системы с использованием свойств оптимальных стратегий Сборник статей международной научной конференции «Робастная статистика и финансовая математика - 2017». Под ред. С.М. Пергаменщикова, Е.А. Пчелинцева. Издательский Дом Томского государственного университета, 36-41 (год публикации - 2017)

65. Политис Д.Н., Васильев В.А., Воробейчиков С.Э. Adaptive Estimation of Heavy Tail Distributions with Application to Hall Model Nonparametric Statistics. Springer Proceedings in Mathematics & Statistics, vol 250. P. 159-169 (DOI: 10.1007/978-3-319-96941-1_11) (год публикации - 2018)
10.1007/978-3-319-96941-1_11

66. Пчелинцев Е. А. Адаптивное оценивание в непрерывной регрессии с условно-гауссовскими шумами Леви Теория вероятностей и ее применения, Том 62 (4), 824-825 (год публикации - 2017)

67. Трифонов А.П., Сальникова А.В., Захаров А.В., Чернояров О.В., Рожкова Д.С. The Asymptotic Distributions of the Absolute Maximum of the Generalized Wiener Random Field International Journal of Applied Engineering Research, Vol. 12, no. 18. - P. 7912-7919 (год публикации - 2017)

68. Пергаменщиков С.М. и др. Robust adaptive efficient estimation for a semi-Markov continuous time regression from discrete data Cornell University, 1-37 (год публикации - 2018)

69. Повзун М.А., Пчелинцев Е.А. Оценивание параметров регрессии с зависимыми шумами Вестн. Томск. гос. ун-та. Матем. и мех., № 49, С. 43–51 (год публикации - 2017)
10.17223/19988621/49/4

Публикации

23. Пергаменщиков С.М. и др. Sequential Model Selection Method for Nonparametric Autoregression Sequential Analysis (год публикации - 2019)

Публикации

23. Пергаменщиков С.М. и др. Sequential Model Selection Method for Nonparametric Autoregression Sequential Analysis (год публикации - 2019)