Полное описание

Ивашко, Анна Антоновна. Модель машинного обучения для определения оптимальной стратегии в онлайн-аукционе / А. А. Ивашко, Г. Р. Сафонов. - DOI 10.15622/ia.22.1.6. - Текст : непосредственный // Информатика и автоматизация : научный, научно-образовательный журнал с базовой специализацией в области информатики, автоматизации, робототехники, прикладной математики и междисциплинарных исследований. - 2023. - Том 22, N 1. - С. 146-167. - Библиогр. в конце ст. - ISSN 2713-3192.

ГРНТИ	УДК
28.23	004.8
28.23.25	004.85
28.23.37	004.032.26

Рубрики:
Искусственный интеллект
Нейронные сети
Машинное обучение
Аукционы

Кл.слова (ненормированные): машинное обучение -- аукцион -- задача наилучшего выбора -- смесь нормальных распределений -- em-алгоритм
Аннотация: В работе рассмотрено применение модели машинного обучения для определения оптимальной стратегии пользователя для победы в аукционе на покупку товара/услуги с использованием задачи наилучшего выбора. Применение модели наилучшего выбора позволяет участникам аукциона определить стратегию, которая минимизирует ожидаемую стоимость товара/услуги на основе функции распределения его цен. На практике наиболее часто цены на товар, услугу или ресурс имеют распределение, близкое к нормальному или к смеси нормальных распределений. Возникают задачи определения числа компонент смеси нормальных распределений и определения ее параметров. Одним из распространенных методов для определения числа компонент смеси распределений является BIC критерий. Оценить неизвестные параметры смеси нормальных распределений при фиксированном числе компонент можно с помощью EM-алгоритма, однако временные затраты на оценку параметров данным методом возрастают как при увеличении объёма выборки, так и при увеличении числа рассматриваемых компонент смеси. Разработана классификационная модель машинного обучения на основе сверточной нейронной сети для автоматизации и ускорения процесса определения числа компонент смеси нормальных распределений и оценки ее параметров. Приведены результаты тренировки и тестирования модели машинного обучения. Проведено сравнение применения разработанной модели с другими алгоритмами, не использующими нейронные сети. Результаты показывают, что предложенная модель позволяет эффективно определить наиболее подходящее число компонент для смеси нормальных распределений и уменьшает скорость вычисления параметров распределения при применении EM-алгоритма. Модель машинного обучения может быть применена в различных областях, например, в финансовом анализе или для определения оптимальной стратегии в аукционе на аренду вычислительного ресурса.
Доп. точки доступа:
Сафонов, Георгий Романович


Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -751138-740527)

Шифр в сводном ЭК: b639624bce0d5a90a3ecbee3264df59a

Заказать
Заказ фрагмента документа ₽