Distributed Data Mining, Проект обрабатывает разные статистические базы данных Налаштування

[Rilian]

Проект "Distributed Data Mining"

----------------------------------------------------------------------------------------------------------

• Официальный сайт
• Официальная страница команды "Ukraine"
• Официальная статистика по команде "Ukraine"
• Статистика на Free-DC по команде "Ukraine"
• Статистика BoincStats по команде "Ukraine"
• Статус серверов проекта

----------------------------------------------------------------------------------------------------------
ТОП-20 участников:
[img_]картинка[/img_]
----------------------------------------------------------------------------------------------------------
Дата основания команды - 02.03.2010 Капитан - distributed.org.ua
----------------------------------------------------------------------------------------------------------
Для присоединения к команде Украины:
0. Убедитесь что на компьютере установлена Java ( http://www.java.com/download )
1. Загрузите BOINC менеджер (Если его у Вас еще нет!)
2. Перейдите в "расширенный вид"
3. Выберите сервис ---> добавить проект
4. Введите адрес проекта http://ddm.nicoschlitter.de/DistributedDataMining/
5. Введите свои регистрационные данные.
6. Найдите нашу команду. Она называется Ukraine и адрес ее статистики вы могли видеть выше.
7. Если есть доступные для загрузки задания Вы их получите и начнете расчеты.
----------------------------------------------------------------------------------------------------------
Новичкам: статья со скриншотами, как поставить и настроить BOINC-менеджер
----------------------------------------------------------------------------------------------------------
Полезная информация:
Для идентификации пользователя в BOINC могут служить 2 вещи:
1) пара e-mail/пароль
2) межпроектный идентификационный ID (Cross-project ID) - 32значное шестнадцатиричное число.

Если Вы пожелаете подключится ещё и к другому BOINC-проекту, то помните: чтобы не плодить новых аккаунтов при подключении к новому проекту или команде, нужно обязательно везде регистрироваться с одним и тем же Именем и EMAIL. если при регистрации в проекте указать другой e-mail , BOINC создаст новый аккаунт с тем же именем! В этом случае рекомендуется зайти во все ваши аккаунты и во все проекты и где надо поменять емейл на нужный. Через некоторое время ваши аккаунты сольются в один с одним cross-project-id.
----------------------------------------------------------------------------------------------------------


О проекте:

Проект обрабатывает разные статистические базы данных.

Stock Price Prediction предсказывает развитие индекса DAX и Dow Jones.

Temporal Dynamics of the Last.fm Music Platform изучает изменения музыкальных вкусов пользователей Last.fm за последние 2 года.

Temporal Evolution of Communities in the Enron Email Data Set исследует причины падения корпорации Enron, изучая публичную базу данных корпоративных емейлов (переписки) сотрудников.

Подробнее на английском в спойлере:

(Show/Hide)

DistributedDataMining (dDM) is the name of a research project that uses Internet-connected computers to do research in the area of Time Series Analysis and Social Network Analysis.

Time Series Prediction

Stock Price Prediction (active)



Part of our research is devoted to Time Series Analysis. Our focus is on forecasting economic time series such as DAX and Dow Jones. At first, we focused on the application of artificial neural networks to forecast time series. A detailed description on this approach, the design of the experimental setting as well as the results are presented in [5]. Later on, we applied support vector machines to avoid the high computational complexity of neural networks. The resulting forecasts are equally impressive even though the necessary computational costs can be decreased significantly. In 2008, we published two related studies [6] and [7].

We extended our studies by using various learning algorithms in order to determine there applicability for stock price prediction. After analyzing the obtained results we made two important observations: (i) the influence of the learning algorithm is much lower than expected, but instead (ii) the training window size has a stronger impact on the quality of the prediction. Since, so far, temporal effects are rarely addressed in the literature, we concentrate in our dDM-project on the study of these temporal aspects in time series analysis.

Social Network Analysis



Tanja Falkowski proposed DenGraph - a density-based graph clustering algorithm [1]. This algorithm is deployable for - among other things - Social Network Analysis. The following studies were part of her PhD theses that is published as a book.

Temporal Dynamics of the Last.fm Music Platform (temporarily suspended)

In this application we applied DenGraph-IO to detect and observe changes in the music listening behaviour of Last.fm users during a period of two years. The aim was to see, whether the proposed clustering technique detects meaningful communities and evolutions [2], [3]. read more

Temporal Evolution of Communities in the Enron Email Data Set (finished)

The collapse of Enron, a U.S. company honored in six consecutive years by "Fortune" as "America's Most Innovative Company", caused one of the biggest bankruptcy cases in US-history. To investigate the case, a data set of approximately 1.5 million e-mails sent or received by Enron employees was published by the Federal Energy Regulatory Commission. We've used the processing power of dDM to analyze the temporal evolution of communities extracted from these email correspondences [4]. read more

References

1. Falkowski T. Community Analysis in Dynamic Social Networks. Goettingen: Sierke Verlag; 2009.
2. Schlitter N, Falkowski T. Mining the Dynamics of Music Preferences from a Social Networking Site. In: Proceedings of the 2009 International Conference on Advances in Social Network Analysis and Mining. Athens: IEEE Computer Society; 2009. p. 243-8.
3. Falkowski T, Schlitter N. Analyzing the Music Listening Behavior and its Temporal Dynamics Using Data from a Social Networking Site. Zurich; 2008.
4. Falkowski T. Community Analysis in Dynamic Social Networks. Goettingen: Sierke Verlag; 2009.
5. Schlitter N. Analyse und Prognose ökonomischer Zeitreihen: Neuronale Netze zur Aktienkursprognose. Saarbrücken: VDM Verlag Dr. Müller; 2008.
6. Schlitter N. A Case Study of Time Series Forecasting with Backpropagation Networks. In: Steinmüller J, Langner H, Ritter M, Zeidler J, editors. 15 Jahre Künstliche Intelligenz an der TU Chemnitz. Chemnitz: Techn. Univ. Chemnitz, Fak. für Informatik; 2008. p. 203-17. (Chemnitzer Informatik-Berichte).
7. Möller M, Schlitter N. Analyse und Prognose ökonomischer Zeitreihen mit Support Vector Machines. In: Steinmüller J, Langner H, Ritter M, Zeidler J, editors. 15 Jahre Künstliche Intelligenz an der Fakultät für Informatik. Chemnitz: Techn. Univ. Chemnitz, Fak. für Informatik; 2008. p. 189-201. (Chemnitzer Informatik-Berichte).

Ссылки по теме:
Time Series Analysis
Social Network Analysis

График ППД команды "Ukraine"


Це повідомлення відредагував nikelong: Mar 18 2012, 01:24

[whynot]

Перенесіть до завершених -- не витримало оновлення Drupl'у