Детальная информация

Название 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
Авторы Подольская Анна Владимировна
Научный руководитель Никифоров Игорь Валерьевич
Организация Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения Санкт-Петербург, 2018
Коллекция Выпускные квалификационные работы ; Общая коллекция
Тематика Нейронные сети ; Программирования языки ; автокодеры
УДК 004.032.26 ; 004.438
Тип документа Выпускная квалификационная работа магистра
Тип файла Другой
Язык Русский
Уровень высшего образования Магистратура
Код специальности ФГОС 09.04.04
Группа специальностей ФГОС 090000 - Информатика и вычислительная техника
Ссылки Отзыв руководителя ; Рецензия
DOI 10.18720/SPBPU/2/v18-5988
Права доступа Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи RU\SPSTU\edoc\58537
Дата создания записи 30.11.2018

Разрешенные действия

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

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

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.

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все
Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ
Прочитать Печать Загрузить
Интернет Анонимные пользователи

Количество обращений: 127 
За последние 30 дней: 0

Подробная статистика