ДонНТУ   Портал магистров

Библиотека материалов по теме выпускной работы

    Тематические статьи

  1. Восстановление пропущенных данных в эмпирических таблицах

    Авторы: В.И. Васильев, А.И. Шевченко

    Описание:Рассматривается задача восстановления пропущенных данных в эмпирических таблицах. В качестве рабочего инструмента используется метод предельных упрощений, основанный на базовых положениях теории редукции, а также метод аналогий.

    Источник: Научно-технический журнал «Искусственный интеллект» №3 (2003), С. 317 – 324

  2. Эволюционный метод восстановления пропусков в данных

    Автор: В.Е. Снитюк

    Описание: В статье выполнен анализ моделей и методов, предназначенных для восстановления отсутствующих данных. Предложен эволюционный метод, базирующийся на композиции использования нейронной сети и генетического алгоритма. Технология восстановления пропусков не требует выполнения ограничений, связанных с линейностью модели, распределением параметров и других.

    Источник: Сборник трудов VI-й Межд. конф. «Интеллектуальный анализ информации». Киев, 2006, С. 262 – 271 

  3. Выбор метода восстановления пропущенных данных для оценки сердечно-сосудистой деятельности подростков

    Авторы: А.И. Бых, Е.В. Высоцкая, Л.И.Рак 

    Описание: В статье дана сравнительная характеристика двум методам импутации пропущенных данных, необходимых для оценки деятельности сердечной сосудистой системы и диагностики хронической сердечной недостаточности у детей и подростков с патологией миокарда.

    Источник: Восточно-Европейский журнал передовых технологий «Информационные  технологии», № 45 (2010), С. 4 – 7

  4. Сеточный подход к построению взвешенных обучающих выборок w-объектов в адаптивных системах распознавания

    Автор: Е.В. Волченко

    Описание: В работе рассматривается проблема формирования эффективных обучающих выборок в адаптивных системах распознавания. Предложен метод построения взвешенных выборок w-объектов на основе сеточного подхода.

    Источник: Сборник  научных трудов «Информатика и моделирование» № 36. Харьков, 2011, С. 12 – 22

  5. Метод эффективного расчета матрицы ближайших соседей для полнотекстовых документов

    Авторы: М.С. Агеев, Б.В. Добров

    Описание: В данной работе будут рассмотрены несколько алгоритмов вычисления матрицы близости: очевидный метод расчета «в лоб», методы, описанные в литературе, и разработанный авторами эффективный алгоритм. Этот алгоритм позволяет рассчитать матрицу 100 ближайших соседей для 1.54миллионной коллекции документов за 1 неделю работы кластера из четырех обычных компьютеров (3 GHz CPU, 2 Gb RAM), что примерно на порядок быстрее, чем наилучший из известных методов.

    Источник: Вестник Санкт-Петербургского университета «Информатика», сер. 10. 2011. Вып. 3,  72 – 84

  6. Меры сходства, компактности, информативности и однородности обучающей выборки

    Авторы: Н.Г. Загоруйко, И.А. Борисова, В.В. Дюбанов, О.А. Кутненко

    Описание: В статье описывается, как с помощью функции конкурентного сходства (FRiS- функции) можно оценивать сходство между объектами и образами, получать количественные меры компактности образов, информативности признакового пространства и однородности обучающей  выборки. Представлен  опыт  использования  предлагаемых мер  для  решения задач распознавания и прогнозирования количественной переменной.

    Источник: Труды Всероссийской Конференции «Знания-Онтологии-Теории» (ЗОНТ-09), Новосибирск, 2009, Том I, С. 93 – 102

  7. Методы восстановления пропусков в массивах данных

    Авторы: В.В. Круглов, И.В. Абраменкова

    Описание: В данной работе делается сравнительный анализ существующих методов восстановления пропущенных значений в массивах (рядах, таблицах) данных, в том числе с практической проверкой восстанавливающей способности наиболее известных алгоритмов.

    Источник: Международный журнал «Программные продукты и системы» №2 за 2005 год. [24.06.05] 

  8. О синтезе факторов в искусственных нейронных сетях

    Автор: Н.А. Игнатьев

    Описание: В статье рассматривается синтез факторов (комбинированных признаков) разнотипных признаковых пространств с целью построения нейронной сети с минимальной конфигурацией для корректных (не делающих ошибок) на обучающей выборке алгоритмов решения задач распознавания с учителем, дается формальное объяснение некоторых деталей процесса принятия решения. 

    Источник: Журнал института вычислительных технологий Сибирского отделения Российской академии наук «Вычислительные технологии» Том 10, № 3, 2005, С. 32 – 38

  9. Оптимизация предобработки данных: константа Липшица обучающей выборки и свойства обученных  нейронных  сетей

    Автор: В.Г. Царегородцев

    Описание: Рассмотрена  задача  целенаправленной  предобработки  обучающей  выборки  для ускорения  обучения  нейросети.  Индикатором  сложности  выборки  служит  значение константы  Липшица  выборки.  Для  базы  реальных  данных,  линейной  и  нелинейной предобработок  независимых  признаков  показана  зависимость  свойств  обученных нейронных сетей от величины константы Липшица выборки. 

    Источник: Журнал «Нейрокомпьютеры: разработка, применение» №7, 2003. №7., С. 3 – 8

    10. Переводы статей

  10. Работа с пропущенными данными

    Автор: Alan C. Acock

    Автор перевода: Ю.Г. Шкарпеткина

    Описание: Неоптимальная стратегия для пропущенных данных может привести к смещенным оценкам, искаженной статистической информации, и неправильным выводам. После рассмотрения традиционных подходов, в качестве альтернативного подхода рассматривают условный. Показано влияние на пропущенные данные для линейной модели, а также приведен ряд рекомендаций. Чтобы избежать пропущенных данных изложенные методы предлагают существенные улучшения по сравнению с традиционными подходами.

    Источник (англ.): Journal of Marriage and Family 67 (November 2005): 1012–1028