Отрывок: В качестве стартовых значений были взяты следующие значения: learning rate = 0,002 количество слоев нейронов = 3 количество нейронов в одном слое = 300 количество итераций обучения = 10 На первом шаге сравнения исследуем зависимость качества прогнозирования модели от количества нейронов в одном слое. Ниже приведены 3 таблицы с результатами для значений 300, 100 и 700 соответственно. Таблица 2 – Результат прогнозирования при количестве нейронов равном 300 ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Беляев Н. Д. | ru |
dc.contributor.author | Лезин И. А. | ru |
dc.contributor.author | Столбова А. А. | ru |
dc.contributor.author | Министерство науки и высшего образования 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 | прогнозирование | ru |
dc.coverage.spatial | автоматизированные системы | ru |
dc.coverage.spatial | TENSORFLOW | ru |
dc.coverage.spatial | WINDOWSFORM | ru |
dc.coverage.spatial | медицинские расходы | ru |
dc.coverage.spatial | рекуррентные нейронные сети | ru |
dc.coverage.spatial | машинное обучение | ru |
dc.creator | Беляев Н. Д. | ru |
dc.date.issued | 2019 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20191023114227 | ru |
dc.identifier.citation | Беляев, Н. Д. Прогнозирование медицинских расходов на основе машинного обучения : вып. квалификац. работа по направлению подгот. 09.03.01 "Информатика и вычислительная техника" (уровень бакалавриата) / Н. Д. Беляев ; рук. работы И. А. Лезин ; нормоконтролер А. А. Столбова ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, мат. - Самара, 2019. - on-line | ru |
dc.description.abstract | В данной выпускной квалификационной работе рассматривается прогнозирование медицинских расходов при помощи рекуррентной нейронной сети LSTM.Целью работы является создание приложения, позволяющего загружать наборы данных для обучения модели или осуществле | ru |
dc.format.extent | Электрон. дан. (1 файл : 1,2 Мб) | ru |
dc.title | Прогнозирование медицинских расходов на основе машинного обучения | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.032.26 | ru |
dc.textpart | В качестве стартовых значений были взяты следующие значения: learning rate = 0,002 количество слоев нейронов = 3 количество нейронов в одном слое = 300 количество итераций обучения = 10 На первом шаге сравнения исследуем зависимость качества прогнозирования модели от количества нейронов в одном слое. Ниже приведены 3 таблицы с результатами для значений 300, 100 и 700 соответственно. Таблица 2 – Результат прогнозирования при количестве нейронов равном 300 ... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Беляев_Никита_Дмитриевич_Прогнозирование_медицинских_расходов.pdf | 1.25 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.