• ВХОД
  •  

    Полное описание

    Адёркина, Анастасия Александровна. Разработка автоматизированного программного инструмента на основе методов машинного обучения для решения задач радиопланирования на участках метрополитена / А. А. Адёркина, А. С. Синицын. - DOI 10.31799/1684-8853-2022-5-32-39. - Текст : непосредственный // Информ.-упр. системы : научный журнал. - 2022. - N 5. - С. 32-39. - Библиогр. в конце ст. - ISSN 1684-8853.

    ГРНТИ УДК
    28.23004.8
    28.23.25004.85

    Рубрики:
    Искусственный интеллект
    Машинное обучение
    Метрополитен

    Кл.слова (ненормированные): машинное обучение -- потери мощности сигнала -- алгоритмы предсказания -- точность алгоритма -- базовая станция -- цифровая карта местности
    Аннотация: Введение: современный подход к радиопланированию обеспечивает пассажирам метрополитена бесперебойный доступ к сети Интернет благодаря использованию специальной модели распространения сигнала, которая вычисляет величины потерь мощности сигнала при его распространении между передатчиком и приемником на линиях метрополитена. Недостатком модели является высокая вычислительная сложность. Цель: разработать алгоритм предсказания величин потерь мощности сигнала с использованием методов машинного обучения, характеризующийся высокой точностью и низкой вычислительной сложностью. Результаты: анализ методов машинного обучения выявил, что максимально возможную точность при решении поставленной задачи обеспечивает метод случайного леса. Разработана структура данных для обучения выбранного метода и предсказания величин потерь мощности сигнала, содержащая параметры цифровой карты линий метрополитена. Сформирован ряд допущений при разработке итогового алгоритма: задача решается методом классификации, предсказываемые значения являются целыми числами. Разработан алгоритм предсказания величин потерь мощности сигнала, не использующий модель распространения напрямую, что снизило вычислительную сложность и уменьшило время выполнения задач радиопланирования при сохранении высокой точности предсказания. Практическая значимость: благодаря использованию методов машинного обучения в разработанных алгоритмах время выполнения задач радиопланирования сократилось с нескольких дней до нескольких часов с сохранением точности, что позволяет обрабатывать большее количество заказов по радиопланированию или же сокращать время работы инженеров на выполнение такого же количества заказов, что приводит к финансовой выгоде.
    Доп. точки доступа:
    Синицын, А.С.

    Экз-ры полностью 1c0ee1afd4f59f665e1161d2d78cce28/2022/5
    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): -091664-498758)

    Шифр в сводном ЭК: 646d1ff4a2bb8f6be24f1549b1c732f3




    Заказ фрагмента документа ₽