▲
Черкесск

Предварительная оценка прагматической ценности информации в задаче классификации на основе глубоких нейронных сетей

Предварительная оценка прагматической ценности информации в задаче классификации на основе глубоких нейронных сетей фото
В МАГАЗИН
  • Найдено в: Литрес
  • Обновлено: 28.05.2026
Найти похожие на AliExpress

в Джум в CDEK.Shopping    +   

Книга "Предварительная оценка прагматической ценности информации в задаче классификации на основе глубоких нейронных сетей"

Авторы: В. П. Мешалкин

Издатель: Синергия

Серия: Прикладная информатика. Научные статьи

Год издания 2021

Описание

Предложен метод предварительной оценки прагматической ценности информации в задаче классификации состояния объекта на основе глубоких рекуррентных сетей долгой краткосрочной памяти. Цель проводимого исследования состояла в разработке метода прогноза состояния контролируемого объекта при минимизации количества используемых прогностических параметров, достигаемой с помощью предварительной оценки прагматической ценности информации. Это особенно актуальная задача в условиях обработки больших данных, характеризуемых не только значительными объемами поступающей информации, но и скоростью ее поступления и полиформатностью. Генерация больших данных сейчас происходит практически во всех сферах деятельности, что обусловлено широким внедрением в них Интернета вещей. Метод реализуется двухуровневой схемой обработки входной информации: на первом уровне применяется алгоритм машинного обучения «случайный лес», который имеет значительно меньшее количество настраиваемых параметров, чем рекуррентная нейронная сеть, используемая на втором уровне для окончательной и более точной классификации состояния контролируемого объекта или процесса. Выбор «случайного леса» обусловлен его способностью к оценке важности переменных в задачах регрессии и классификации. Это используется при определении прагматической ценности входной информации на первом уровне схемы обработки данных. Для этого выбирается параметр, который отражает указанную ценность в каком-либо смысле, и на основе ранжирования входных переменных по уровню важности осуществляется их отбор для формирования обучающих наборов данных для рекуррентной сети. Алгоритм предложенного метода обработки данных с предварительной оценкой прагматической ценности информации реализован в программе на языке MatLAB и показал свою работоспособность в эксперименте на модельных данных.

Характеристики

Еще в этой категории

744 ₽
🏪 Литрес
165 ₽
🏪 Литрес
826 ₽
🏪 Литрес
413 ₽
🏪 Литрес
247 ₽
🏪 Литрес
247 ₽
🏪 Литрес
826 ₽
🏪 Литрес
1 323 ₽
🏪 Литрес

Другие интернет-магазины

каталог интернет-магазина Красный Карандаш
каталог интернет-магазина PlayToday
каталог интернет-магазина Weissgauff
каталог интернет-магазина Tefal
каталог интернет-магазина Bestwatch
каталог интернет-магазина Евродом
каталог интернет-магазина Bask
каталог интернет-магазина Polaris
каталог интернет-магазина Спортмастер
каталог интернет-магазина GamePark
каталог интернет-магазина SELA
каталог интернет-магазина Aroma-Butik
каталог интернет-магазина Сантехника Тут
каталог интернет-магазина Ножиков
каталог интернет-магазина Kiko Milano
каталог интернет-магазина AKBMag
каталог интернет-магазина УчМет
каталог интернет-магазина GroupPrice
каталог интернет-магазина Zippo
каталог интернет-магазина YVES ROCHER