Разработка метода цензурирования выборок для построения нейромоделей - Статья

бесплатно 0
4.5 130
Формирование выборок для решения задачи автоматизации диагностики хронического обструктивного бронхита. Разработка программного обеспечения, реализующее предложенные показатели, проведение экспериментов по исследованию их свойств. Качество нейромодели.

Скачать работу Скачать уникальную работу

Чтобы скачать работу, Вы должны пройти проверку:


Аннотация к работе
Восточно-Европейский журнал передовых технологий ISSN 1729-3774 5/4 (71 ) 2014 Оценка координат астероида на дискретном изображении [Текст] / А. М.Теория статистических выводов [Текст]: пер. с англ. Numbered-Residuals Statistics For Observatory Codes [Electronic resource] / Available at: http://www. minorplanetcenter.net/iau/special/residuals2.txt Запропоновано метод формування навчальних вибірок, який дозволяє охарактеризувати індивідуальну інформативність зразків відносно центрів і меж інтервалів ознак. Це дозволяє автоматизувати аналіз вибірки і її поділ на підвибірки, і, як наслідок, скоротити розмірність навчальних даних. Предложен метод формирования обучающих выборок, позволяющий охарактеризовать индивидуальную информативность экземпляров относительно центров и границ интервалов признаков.Раздельная реализация данных процедур на основе trialчных методов приводит к существенным затратам времени, поскольку при таком подходе информация о выборке, получаемая в результате промежуточных вычислений в одной процедуре, как правило, не используется в другой. Пусть задана исходная выборка в виде набора прецедентов , где x={xs}, xs - s-й экземпляр выборки, x={xj}, xs={xsj}, xj={xsj}, xsj - значение j-го диагностического признака xj, характеризующее экземпляр xs, y={ys}, ys - значение выходного признака, сопоставленное экземпляру xs, s=1, 2, ..., S, S - число экземпляров в исходной выборке, j=1, 2, ..., N, N - число диагностических признаков, характеризующих выборку. Данные методы в зависимости от стратегии формирования решений разделяют на методы с добавлением (incremental methods) [4-6] (последовательно добавляют экземпляры из исходной выборки в формируемую подвыборку) и методы с удалением (decremental methods) [7, 8] (последовательно удаляют экземпляры из исходной выборки, получая в итоге подвыборку). Также отдельно выделяют методы фильтрации шума (noise filtering methods) [9, 10] (удаляют экземпляры, метки классов которых не совпадают с метками большинства соседних экземпляров), методы конденсации (condensation methods) [11, 12] (добавляют экземпляры из исходной выборки в формируемую подвыборку, если они несут новую информацию, но не добавляют, если они имеют те же метки классов, что и соседние с ними экземпляры) и методы на основе стохастического поиска [11, 13, 14] (случайным образом формируют подвыборку из исходной выборки, возможно перебирая некоторое множество вариантов и отбирая наилучший из них). Среди данных методов выделяют методы на основе кластер-анализа (cluster analisys based methods) [15, 16] (заменяют исходную выборку центрами ее кластеров), методы преобразования сжатием (data squashing methods) [17] (заменяют экземпляры исходной выборки на получаемые на их основе искусственные прототипы, имеющие веса) и нейросетевые методы (neural network based metods) [18, 19] (на основе исходной выборки обучают нейронную сеть, из которой затем извлекают центры кластеров как экземпляры формируемой подвыборки).

Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность
своей работы


Новые загруженные работы

Дисциплины научных работ





Хотите, перезвоним вам?