Вестник Южно-Уральского государственного университета. Серия «Математическое моделирование и программирование»
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Правила для авторов
Загрузить рукопись

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Вестн. ЮУрГУ. Сер. Матем. моделирование и программирование:
Год:
Том:
Выпуск:
Страница:
Найти






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


Вестник Южно-Уральского государственного университета. Серия «Математическое моделирование и программирование», 2020, том 13, выпуск 4, страницы 66–80
DOI: https://doi.org/10.14529/mmp200406
(Mi vyuru572)
 

Эта публикация цитируется в 4 научных статьях (всего в 4 статьях)

Программирование

Prediction of the integrated indicator of quality of a new object under the conditions of multicollinearity of reference data
[Предсказание интегрального индикатора качества нового объекта в условиях мультиколлинеарности референтных данных]

S. B. Achlyustin, A. V. Melnikov, R. A. Zhilin

Institute of the Ministry of Internal Affairs, Voronezh, Russian Federation
Список литературы:
Аннотация: Предсказание состояния нового объекта при недостатке известных характеристик и оценок показателей качества ряда изученных объектов (множества референтных данных) зачастую приводит к проблеме мультиколлинеарности исходных данных. Предлагаются три способа преодоления этой проблемы, относящиеся к сфере data mining: использование гребневой (ridge) регрессии, обучение с учителем двухслойной нейронной сети, последовательная адаптация однослойной нейронной сети и сравниваются их характеристики. В методе гребневой регрессии введение регуляризирующего слагаемого в уравнение МНК дает приближенное решение с достаточной степенью точности. Недостатком использования двухслойной нейронной сети «feed-forward backprop» и процедуры обучения с учителем « train» является то, что настроенные веса нейронной сети принимают хаотичные (и даже отрицательные) значения, что противоречит обычной практике экспертизы. Выявлены следующие особенности: значительный разброс весов и смещений нейронной сети, неоднозначность решения за счет выбора случайных начальных условий, сильная зависимость от алгоритма обучения. Для преодоления этого недостатка предложен переход к последовательной адаптации однослойной нейронной сети с фиксацией смещений нейронов на нулевом уровне.
Ключевые слова: экспертиза объектов, прогнозирование, множественная регрессия, гребневая регрессия, регуляризация, нейронная сеть, обучение модели, адаптация.
Поступила в редакцию: 23.07.2019
Тип публикации: Статья
УДК: 004.891
MSC: 68T05, 62J07, 68Q32
Язык публикации: английский
Образец цитирования: S. B. Achlyustin, A. V. Melnikov, R. A. Zhilin, “Prediction of the integrated indicator of quality of a new object under the conditions of multicollinearity of reference data”, Вестн. ЮУрГУ. Сер. Матем. моделирование и программирование, 13:4 (2020), 66–80
Цитирование в формате AMSBIB
\RBibitem{AchMelZhi20}
\by S.~B.~Achlyustin, A.~V.~Melnikov, R.~A.~Zhilin
\paper Prediction of the integrated indicator of quality of a new object under the conditions of multicollinearity of reference data
\jour Вестн. ЮУрГУ. Сер. Матем. моделирование и программирование
\yr 2020
\vol 13
\issue 4
\pages 66--80
\mathnet{http://mi.mathnet.ru/vyuru572}
\crossref{https://doi.org/10.14529/mmp200406}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/vyuru572
  • https://www.mathnet.ru/rus/vyuru/v13/i4/p66
  • Эта публикация цитируется в следующих 4 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Статистика просмотров:
    Страница аннотации:158
    PDF полного текста:57
    Список литературы:33
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024