• ВХОД

    •  

    Полное описание

    Ерохин, Виктор Викторович. Влияние зашумленных данных на решение задач классификации при использовании различных методов машинного обучения / В. В. Ерохин, Л. В. Бунина. - DOI 10.36871/2618-9976.2024.01.003. - Текст : непосредственный // Мягкие измерения и вычисления : научный журнал. - 2024. - Т. 74, N 1. - С. 25-35. - Библиогр. в конце ст. - ISSN 2618-9976.

    ГРНТИ УДК
    28.23004.8
    28.23.37004.032.26

    Рубрики:
    Искусственный интеллект
    Нейронные сети

    Кл.слова (ненормированные): кластеризация -- моделирование -- искусственная нейронная сеть -- прогнозирование -- нечеткое дерево решений -- логистическая регрессия
    Аннотация: Большое внимание в научных публикациях уделяется будущему потенциалу классификации объектов для различных областей деятельности человека. Правильный выбор методов машинного обучения в задачах классификации с большим количеством зашумленных данных является актуальным не только для практического, но и для научного использования. В задачах классификации сочетание анализа изображений и машинного обучения имитирует процесс идентификации объекта(ов) и помогает исследователю эффективно решать прикладные задачи с применением машинного обучения. Но в большинстве задач классификаций имеются неконтролируемые и случайные зашумленные входные данные, которые приводят к сбоям и неточностям при решении таких задач. Следовательно, модель классификации, разработанная на основе узкоспециализированного датасета, скорее всего, будет работать приемлемо с другими подобными датасетами только в том случае, если модель сможет справиться с зашумленностью входных данных. В статье сравнивается производительность модели машинного обучения: нечеткие ассоциативные правила, нечеткие деревья решений, искусственные нейронные сети и логистическая регрессия. Исследуется, как эти модели решают задачи классификации в условиях зашумленных входных данных. Результаты исследования показали, что модели нечетких деревьев решений являются самыми устойчивыми к зашумленным входным данным при решении задач классификации.
    Доп. точки доступа:
    Бунина, Людмила Владимировна

    Экз-ры полностью ae68f6dc2fcb364fbef5c0c3c49c2cc6/2024/74/1
    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): -323659-785014)

    Шифр в сводном ЭК: 698b1be18ce9dd93b94185629d921953




    Заказ фрагмента документа ₽