Детальная информация

Попов, Сергей Геннадьевич. Робастные алгоритмы классификации данных, полученные группой роботов, с использованием множеств весов [Электронный ресурс] / С. Г. Попов, Л. В. Уткин, В. С. Заборовский. — Электрон. текстовые дан. (1 файл : 296 Кб) // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Сер.: Информатика. Телекоммуникации. Управление, 2019. – Т. 12, № 1. — Загл. с титул. экрана. — Электронная версия печатной публикации. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Текстовый файл. — Adobe Acrobat Reader 7.0. — <URL:http://dx.doi.org/10.18721/JCSTCS.12105>. — <URL:http://elib.spbstu.ru/dl/2/j19-291.pdf>.

Дата создания записи: 09.09.2019

Тематика: Радиоэлектроника; Искусственный интеллект. Экспертные системы; роботы; модель Дирихле; Дирихле модель; робастные алгоритмы; группы роботов; электромагнитный анализ; синтезаторы частот; robots; Dirichlet model; model Dirichlet; robust algorithms; group of robots; electromagnetic analysis; frequency synthesizers

УДК: 004.8

ББК: 32.813

Коллекции: Общая коллекция

Ссылки: DOI

Разрешенные действия: Прочитать Загрузить (296 Кб) Для чтения документа необходим Flash Player

Группа: Анонимные пользователи

Сеть: Локальная сеть ИБК СПбПУ

Аннотация

Предложено три адаптивных робастных алгоритма обучения системы группы роботов при условии, что каждое наблюдение, полученное роботами, является многозначным, состоящим из нескольких элементов. Причина многозначных данных заключается в том, что роботы в системе предоставляют различные измерения в качестве одного наблюдения или в один момент времени. В основе алгоритмов – множества весов или интервальные веса определенного вида для всех элементов обучающего множества. Кроме того, для формализации многозначных данных и модификации весов в процессе получения новых данных рекомендовано использование интервальной модели Дирихле. Первый алгоритм – это модификация метода опорных векторов, учитывающая многозначные данные. Второй алгоритм – модификация алгоритма AdaBoost для многозначных данных. Третий алгоритм – комбинация AdaBoost и интервальной модели Дирихле. Все алгоритмы являются робастными и используют минимаксную стратегию принятия решений.

Proposed three adaptive robust learning algorithm of the system of group of robots under the condition that each observation received by the robot, is multi-valued, consisting of several elements. The reason for the multivalued data is that the system works by providing different dimensions as a single observation or at a single point in time. The algorithms are based on sets of weights or interval weights of a certain type for all elements of the training set. In addition, the use of the Dirichlet interval model is recommended for the formalization of multivalued data and modification of weights in the process of obtaining new data. The first algorithm is a modification of the support vector machine that takes into account multivalued data. The second algorithm is a modification of the AdaBoost algorithm for multivalued data. The third algorithm is a combination of AdaBoost and the Dirichlet interval model. All algorithms are robust and use a minimax decision-making strategy.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
-> Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Все Прочитать Печать Загрузить

Статистика использования документа

stat Количество обращений: 61
За последние 30 дней: 11
Подробная статистика