Таблица | Карточка | RUSMARC | |
Разрешенные действия: Прочитать Загрузить (0,6 Мб) Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
Представлена обобщенная информация о возможных видах предварительной обработки исходных данных и эффективности такой обработки для обучения моделей, основанных на нейронных сетях. В зависимости от задач моделирования и особенностей предметной области могут быть выбраны различные сочетания обработки исходной выборки, а также различные виды активационных функций и архитектуры нейронных сетей. Эффективность предобработки исходных данных показана на нейросетевых моделях энергетических характеристик центробежных компрессоров. Исключение выбросов в выборке и нормализация исходных данных позволили повысить точность модели на 1,5 % по сравнению с моделью, обученной на ненормализованных данных.
The paper presents generalized information on possible methods for preliminary processing of initial data and the efficiency of these methods for training neural network models. Differentcombinations for processing the initial sample, as well as different types of activation functions and architecture of neural networkscan be selecteddepending on the simulation goals and the specifics of the subject area. The efficiency of preliminary data processing has been established with neural network models of energy characteristics of centrifugal compressors. Eliminating outliers in the experimental data and normalizing the initial data allowedto increase the accuracy of the model by 1,5 % compared with the model trained on non-normalized data.
Права на использование объекта хранения
Статистика использования
Количество обращений: 355
За последние 30 дней: 6 Подробная статистика |