Аннотация:
Развивается дискретный подход в теории рандомизированного машинного обучения, ориентированный на применение к нелинейным моделям. Формулируется задача энтропийного оценивания распределений вероятностей и шумов измерений для дискретных нелинейных моделей. Рассматриваются вопросы, связанные с применением таких моделей к задачам прогнозирования, в частности проблеме генерации энтропийно-оптимальных распределений. Демонстрация предложенных методов проводится на решении задачи прогнозирования общего количества инфицированных SARS-CoV-2 в Германии в 2020 г.
Образец цитирования:
А. Ю. Попков, “Рандомизированное машинное обучение нелинейных моделей с применением к прогнозированию развития эпидемического процесса”, Автомат. и телемех., 2021, № 6, 149–168; Autom. Remote Control, 82:6 (2021), 1049–1064
\RBibitem{Pop21}
\by А.~Ю.~Попков
\paper Рандомизированное машинное обучение нелинейных моделей с применением к прогнозированию развития эпидемического процесса
\jour Автомат. и телемех.
\yr 2021
\issue 6
\pages 149--168
\mathnet{http://mi.mathnet.ru/at15582}
\crossref{https://doi.org/10.31857/S0005231021060064}
\elib{https://elibrary.ru/item.asp?id=46900663}
\transl
\jour Autom. Remote Control
\yr 2021
\vol 82
\issue 6
\pages 1049--1064
\crossref{https://doi.org/10.1134/S0005117921060060}
\isi{https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=Publons&SrcAuth=Publons_CEL&DestLinkType=FullRecord&DestApp=WOS_CPL&KeyUT=000672497000006}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-85109866950}
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/at15582
https://www.mathnet.ru/rus/at/y2021/i6/p149
Эта публикация цитируется в следующих 5 статьяx:
А. Ю. Попков, Ю. А. Дубнов, Ю. С. Попков, “Энтропийно-рандомизированное оценивание параметров нелинейной динамической модели по наблюдениям зависимого процесса”, Челяб. физ.-матем. журн., 9:1 (2024), 144–159
Yuri Dubnov, Alexey Popkov, Yuri Popkov, Matvey Kuprianov, Vladimir Polyschuk, Andrey Melnikov, Yuri Polyschuk, “Spatiotemporal analysis of the termokarst lakes evolution using remote sensing and randomized machine learning and forecasting”, Russian Journal of Earth Sciences, 2024, 1
Thales Rangel Ferreira, Luiz Alberto Beijo, Gilberto Rodrigues Liska, Giulia Eduarda Bento, “MODELAGEM BAYESIANA DA TEMPERATURA MÁXIMA DO AR EM DIVINÓPOLIS-MG”, NAT, 12:3 (2024), 449
А. Ю. Попков, Ю. А. Дубнов, Ю. С. Попков, “Рандомизированное машинное обучение и прогнозирование нелинейных динамических моделей c применением к эпидемиологической модели SIR”, Информатика и автоматизация, 21:4 (2022), 659–677 [A. Popkov, Yu. Dubnov, Yu. Popkov, “Randomized machine learning and forecasting of nonlinear dynamic models applied to SIR epidemiological model”, Informatics and Automation, 21:4 (2022), 659–677]
Ю. С. Попков, Ю. А. Дубнов, А. Ю. Попков, “Прогнозирование развития эпидемии COVID-19 в странах Европейского союза с использованием энтропийно-рандомизированного подхода”, Информатика и автоматизация, 20:5 (2021), 1010–1033 [Y. Popkov, Y. Dubnov, A. Popkov, “Forecasting development of COVID-19 epidemic in European Union using entropy-randomized approach”, Informatics and Automation, 20:5 (2021), 1010–1033]
Цитирование в формате AMSBIB
Обратная связь: