С 17 марта 2020 г. для ресурсов (учебные, научные, материалы конференций, статьи из периодических изданий, авторефераты диссертаций, диссертации) ЭБ СПбПУ, обеспечивающих образовательный процесс, установлен особый режим использования. Обращаем внимание, что ВКР/НД не относятся к этой категории.

Details

Title: Модель автокодера при интервальных и многозначных данных: выпускная квалификационная работа магистра: 09.04.04 - Программная инженерия ; 09.04.04_01 - Технология разработки и сопровождения качественного программного продукта
Creators: Подольская Анна Владимировна
Scientific adviser: Никифоров Игорь Валерьевич
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2018
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: Нейронные сети; Программирования языки; автокодеры
UDC: 004.032.26; 004.438
Document type: Master graduation qualification work
Language: Russian
Speciality code (FGOS): 09.04.04
Speciality group (FGOS): 090000 - Информатика и вычислительная техника
Links: Отзыв руководителя; Рецензия
DOI: 10.18720/SPBPU/2/v18-5988
Rights: Свободный доступ из сети Интернет (чтение, печать, копирование)

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В работе рассматривается новая модель автокодера при интервальных или многозначных обучающих данных. Первая идея, лежащая в основе автокодера, базируется на преобразовании интервальной ошибки реконструкции (функции потерь), определенной на расширенном множестве точных обучающих данных. Обучающее множество интервальных данных расширяется, но каждый новый точечный элемент обучающего множества имеет неизвестную вероятность. Вторая идея – это робастная стратегия принятия решений, заключающаяся в том, что автокодер минимизирует верхнюю границу ожидаемых потерь на множестве параметров нейронной сети. В результате модель была реализована на языке python. Автокодер может использоваться для уменьшения размерности и точного робастного представления интервальных данных. Приведенные численные эксперименты на примере разработанной модели и рассмотренных существующих методов анализа интервальных данных иллюстрируют эффективность интервального автокодера.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users Read Print Download
-> Internet Anonymous

Usage statistics

stat Access count: 123
Last 30 days: 1
Detailed usage statistics