С 17 марта 2020 г. для образовательных ресурсов Электронной библиотеки СПбПУ установлен особый режим их использования

Детальная информация

Название: Робастные алгоритмы классификации данных, полученные группой роботов, с использованием множеств весов // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Сер.: Информатика. Телекоммуникации. Управление: научное издание. – 2019. – Т. 12, № 1
Авторы: Попов Сергей Геннадьевич; Уткин Лев Владимирович; Заборовский Владимир Сергеевич
Организация: Санкт-Петербургский политехнический университет Петра Великого
Выходные сведения: Санкт-Петербург: Изд-во Политехн. ун-та, 2019
Коллекция: Общая коллекция
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
Тип документа: Статья, доклад
Язык: Русский
DOI: 10.18721/JCSTCS.12105
Права доступа: Свободный доступ из сети Интернет (чтение, печать, копирование)

Разрешенные действия: Прочитать

Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

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 Авторизованные пользователи Прочитать Печать Загрузить
-> Интернет Анонимные пользователи Прочитать

Статистика использования документа

stat Количество обращений: 94
За последние 30 дней: 10
Подробная статистика