Детальная информация
| Название | Обобщение IU-алгоритма для задачи восстановления регрессии с эпсилон-нечувствительной функцией потерь: выпускная квалификационная работа бакалавра: направление 01.03.02 «Прикладная математика и информатика» ; образовательная программа 01.03.02_01 «Математическое моделирование и искусственный интеллект» |
|---|---|
| Авторы | Добрецова Елизавета Викторовна |
| Научный руководитель | Кадырова Наталья Олеговна |
| Организация | Санкт-Петербургский политехнический университет Петра Великого. Физико-механический институт |
| Выходные сведения | Санкт-Петербург, 2024 |
| Коллекция | Выпускные квалификационные работы ; Общая коллекция |
| Тематика | машиное обучение ; регрессия ; машина опорных векторов ; SVM ; он-лайн обучение ; IU-алгоритм восстановления регрессии с эпсилон-нечувствительной функцией потерь ; machine learning ; regression ; support vector machine ; on-line support vector machine regression ; iu-algorithm of regression recovery with epsilon-insensitive loss function |
| Тип документа | Выпускная квалификационная работа бакалавра |
| Тип файла | |
| Язык | Русский |
| Уровень высшего образования | Бакалавриат |
| Код специальности ФГОС | 01.03.02 |
| Группа специальностей ФГОС | 010000 - Математика и механика |
| DOI | 10.18720/SPBPU/3/2024/vr/vr24-5113 |
| Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Ключ записи | ru\spstu\vkr\30259 |
| Дата создания записи | 10.07.2024 |
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 данной работе рассмотрен и изучен метод решения задачи восстановления однофакторной регрессии с использованием IU-алгоритма, являющегося обобщением IU-алгоритма для решения задачи бинарной классификации. Представлены основные концепции в области обучения машин опорных векторов. Рассмотрен IU-алгоритм решения задачи бинарной классификации, а также подробно исследовано и изучено обобщение данного алгоритма применительно к задаче восстановления регрессии с эпсилон-нечувствительной функцией потерь. Проведены численные эксперименты для построения прогноза истинной зависимости на модельных данных.
In this paper, a method for solving the problem of recovering one-factor regression using the IU algorithm, which is a generalization of the IU algorithm for solving the problem of binary classification, is considered and studied. Basic concepts in the field of training support vector machines are presented. The IU algorithm for solving the binary classification problem is considered, and the generalization of this algorithm in relation to the problem of regression recovery with an epsilon-insensitive loss function is examined and studied in detail. Numerical experiments were carried out to predict the true dependence on model data.
| Место доступа | Группа пользователей | Действие |
|---|---|---|
| Локальная сеть ИБК СПбПУ | Все |
|
| Интернет | Авторизованные пользователи СПбПУ |
|
| Интернет | Анонимные пользователи |
|
- ВВЕДЕНИЕ
- ГЛАВА 1. МЕТОД ОПОРНЫХ ВЕКТОРОВ ДЛЯ РЕШЕНИЯ ЗАДАЧИ РЕГРЕССИИ
- 1.1 Общая постановка задачи обучения с учителем
- 1.2 Структурная минимизация риска
- 1.3 Метод опорных векторов
- 1.4 Постановка задачи восстановления регрессии с эпсилон-нечувствительной функцией потерь
- Глава 2. IU-АЛГОРИТМ ПОСТРОЕНИЯ МАШИНЫ ОПОРНЫХ ВЕКТОРОВ
- 2.1 IU-алгоритм решения задачи бинарной классификации
- 2.2 Обобщение IU-классификации для задачи восстановления регрессии с эпсилон-нечувствительной функцией потерь
- 2.2.1 Описание IUR-алгоритма
- Глава 3. ЧИСЛЕННЫЕ ЭКСПЕРИМЕНТЫ
- 3.1 Данные без шума
- 3.2 Зашумленные данные
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
- Приложение 1. Блок-схема IU-алгоритма для решения задачи восстановления регрессии с эпсилон-нечувствительной функцией потерь
Количество обращений: 4
За последние 30 дней: 1
