Отрывок: Тогда рассмотрим следующие способы агрегирования (объединения) результатов базовых моделей. 3.1. Агрегирование по среднему значению В этом случае Информационные технологии и нанотехнологии - 2017 Наука о данных 1765 M Y Y M m m j meanAK j 1_ , (6) где meanAK jY _ – результат агрегир...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Клячкин, В.Н. | - |
dc.contributor.author | Кувайскова, Ю.Е. | - |
dc.contributor.author | Жуков, Д.А. | - |
dc.date.accessioned | 2017-05-25 13:46:31 | - |
dc.date.available | 2017-05-25 13:46:31 | - |
dc.date.issued | 2017 | - |
dc.identifier | Dspace\SGAU\20170523\64147 | ru |
dc.identifier.citation | Клячкин В.Н. Использование агрегированных классификаторов при технической диагностике на базе машинного обучения / В.Н. Клячкин, Ю.Е. Кувайскова, Д.А. Жуков // Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017) - Самара: Новая техника, 2017. - С. 1763-1766. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Ispolzovanie-agregirovannyh-klassifikatorov-pri-tehnicheskoi-diagnostike-na-baze-mashinnogo-obucheniya-64147 | - |
dc.description.abstract | При решении задач технической диагностики объекта с применением машинного обучения проводится бинарная классификация состояния объекта: объекты подразделяются на исправные и неисправные с помощью моделей, полученным по обучающим выборкам. Качество классификации, которое определяет эффективность машинного обучения, зависит от ряда факторов: объема исходной выборки, метода машинного обучения, способа разделения выборки на обучающую и контрольную части, отбора значимых показателей и других. Иногда целесообразно воспользоваться агрегированными методами классификации, которые представляют собой объединенные результаты базовых методов классификации. Для нахождения наилучшего агрегированного метода используется перебор всевозможных базовых наборов. | ru |
dc.description.sponsorship | Исследование выполнено при финансовой поддержке РФФИ, проекты №16-48-732002 и №16-38-00211мол_а. | ru |
dc.language.iso | rus | ru |
dc.publisher | Новая техника | ru |
dc.subject | бинарная классификация | ru |
dc.subject | исправное и неисправное состояние | ru |
dc.subject | агрегированные методы | ru |
dc.title | Использование агрегированных классификаторов при технической диагностике на базе машинного обучения | ru |
dc.type | Article | ru |
dc.textpart | Тогда рассмотрим следующие способы агрегирования (объединения) результатов базовых моделей. 3.1. Агрегирование по среднему значению В этом случае Информационные технологии и нанотехнологии - 2017 Наука о данных 1765 M Y Y M m m j meanAK j 1_ , (6) где meanAK jY _ – результат агрегир... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
paper 317_1763-1766.pdf | Основная статья. Раздел: Наука о данных | 594.52 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.