Отрывок: items())) plt.plot(x_modif_test_errors, y_modif_test_errors, 'b', label='Modified') x_int = [int(x_tick) for x_tick in plt.xticks()[0]] # force int type of X plt.xticks(x_int[1:]) # remove 0 elem from list - empty plt.xlabel('Training dataset size') 62 plt.ylabel('Test error') plt.legend(loc='upper left') plt.show() def run_heart_iterations(): learning_rate = 7e-4 func_num = 4 c = None cf = 0.93 cg = 0.925 ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Назарова Е. А. | ru |
dc.contributor.author | Куликовских И. М. | ru |
dc.contributor.author | Графкин А. В. | ru |
dc.contributor.author | Министерство образования и науки Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.contributor.author | Институт информатики | ru |
dc.contributor.author | математики и электроники | ru |
dc.coverage.spatial | алгоритмы обучения | ru |
dc.coverage.spatial | классификация объектов | ru |
dc.coverage.spatial | когнитивные карты | ru |
dc.coverage.spatial | RIF-эффекты | ru |
dc.coverage.spatial | нечеткая логика | ru |
dc.coverage.spatial | нечеткая логическая регрессия | ru |
dc.creator | Назарова Е. А. | ru |
dc.date.issued | 2018 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20180625130939 | ru |
dc.identifier.citation | Назарова, Е. А. Нечеткий алгоритм обучения на основе эффекта забывания, вызванного извлечением информации : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / Е. А. Назарова ; рук. работы И. М. Куликовских; рец. А. В. Графкин ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, математики и. - Самара, 2018. - on-line | ru |
dc.description.abstract | Объектом исследования являются модели классической и нечеткой логистической регрессии.Цель работы: разработка нечеткого алгоритма обучения на основе эффекта забывания, вызванного извлечением информации.В процессе работы были использованы теория вероятностей и теория нечетких множеств.В результате работы были проанализированы и реализованы: классическая логистическая регрессия, логистическая регрессия, расширенная на основе когнитивной карты, нечеткая логистическая регрессия S. Pourahmad, новая модель нечеткой логистической регрессии, расширенной на основе когнитивной карты.Эффективность работы заключается в программной реализации моделей логистической регрессии и описании новой модели нечеткой логистической регрессии с нечеткими параметрами. | ru |
dc.format.extent | Электрон. дан. (1 файл : 2,5 Мб) | ru |
dc.title | Нечеткий алгоритм обучения на основе эффекта забывания, вызванного извлечением информации | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.4 | ru |
dc.textpart | items())) plt.plot(x_modif_test_errors, y_modif_test_errors, 'b', label='Modified') x_int = [int(x_tick) for x_tick in plt.xticks()[0]] # force int type of X plt.xticks(x_int[1:]) # remove 0 elem from list - empty plt.xlabel('Training dataset size') 62 plt.ylabel('Test error') plt.legend(loc='upper left') plt.show() def run_heart_iterations(): learning_rate = 7e-4 func_num = 4 c = None cf = 0.93 cg = 0.925 ... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Назарова_Елена_Андреевна_Нечеткий_алгоритм_обучения.pdf | 2.57 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.