Автоматика и телемеханика
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор
Правила для авторов
Загрузить рукопись

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS


Автомат. и телемех.:
Год:
Том:
Выпуск:
Страница:
Найти




Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация

Автоматика и телемеханика, 2018, выпуск 11, страницы 106–122
DOI: https://doi.org/10.31857/S000523100002747-5 (Mi at14974) 		 
Эта публикация цитируется в 5 научных статьях (всего в 5 статьях)

Управление в технических системах

Энтропийная редукция размерности в задачах рандомизированного машинного обучения

Ю. С. Попковabc, Ю. А. Дубновacd, А. Ю. Попковae

a Институт системного анализа Федерального исследовательского центра "Информатика и управление" РАН, Москва
b Брауде Колледж университета Хайфы, Кармиель, Израиль
c Национальный исследовательский университет "Высшая школа экономики", Москва
d Московский физико-технический институт
e Российский университет дружбы народов, Москва
PDF полного текста (645 kB) Список цитирования (5)
Список литературы:
PDF
HTML
DOI: https://doi.org/10.31857/S000523100002747-5
Аннотация: Предлагается метод редукции признакового пространства до заданных размеров, ориентированный на задачи рандомизированного машинного обучения и основанный на процедуре “прямого” и “обратного” проектирования (метод DIP). Матрицы-“проекторы” определяются максимизацией относительной энтропии. Информационные потери при редукции признакового пространства предлагается оценивать абсолютной ошибкой, вычисляемой с использованием функции Кульбака–Ляйблера (метод SRC). Приводится пример, иллюстрирующий указанные методы.
Ключевые слова: энтропия, относительная энтропия, операторы проектирования, матричные производные, градиентный метод, прямые и обратные проекции.
Финансовая поддержка Номер гранта
Российский фонд фундаментальных исследований 17-07-00286_а
17-29-03119_офи_м
Работа выполнена при поддержке Российского фонда фундаментальных исследований (проекты 17-07-00286, 17-29-03119).
Статья представлена к публикации членом редколлегии: П. С. Щербаков

Поступила в редакцию: 24.01.2018
Англоязычная версия:
Automation and Remote Control, 2018, Volume 79, Issue 11, Pages 2038–2051
DOI: https://doi.org/10.1134/S0005117918110085
Реферативные базы данных:
Тип публикации: Статья
Образец цитирования: Ю. С. Попков, Ю. А. Дубнов, А. Ю. Попков, “Энтропийная редукция размерности в задачах рандомизированного машинного обучения”, Автомат. и телемех., 2018, № 11, 106–122; Autom. Remote Control, 79:11 (2018), 2038–2051
Цитирование в формате AMSBIB
\RBibitem{PopDubPop18}
\by Ю.~С.~Попков, Ю.~А.~Дубнов, А.~Ю.~Попков
\paper Энтропийная редукция размерности в задачах рандомизированного машинного обучения
\jour Автомат. и телемех.
\yr 2018
\issue 11
\pages 106--122
\mathnet{http://mi.mathnet.ru/at14974}
\crossref{https://doi.org/10.31857/S000523100002747-5}
\elib{https://elibrary.ru/item.asp?id=36486556}
\transl
\jour Autom. Remote Control
\yr 2018
\vol 79
\issue 11
\pages 2038--2051
\crossref{https://doi.org/10.1134/S0005117918110085}
\isi{https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=Publons&SrcAuth=Publons_CEL&DestLinkType=FullRecord&DestApp=WOS_CPL&KeyUT=000450516900008}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-85056757243}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/at14974
  • https://www.mathnet.ru/rus/at/y2018/i11/p106
    • Эта публикация цитируется в следующих 5 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    		Автоматика и телемеханика
    Статистика просмотров:
    Страница аннотации:309
    PDF полного текста:54
    Список литературы:44
    Первая страница:18
     
      Обратная связь:
    		  Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024