Сибирский федеральный университет

Перевод названия: FEATURE ENGINEERING ALGORITHMS FOR NEURAL NETWORK CLASSIFICATION

Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций

Конференция: Решетневские чтения; Красноярск; Красноярск

Год издания: 2019

Ключевые слова: neural networks, genetic algorithm, Principal Component analysis, feature selection, feature engineering, нейронные сети, генетический алгоритм, метод главных компонент, отбор признаков, конструирование признаков

Аннотация: Рассматриваются два способа формирования признаков, а также влияние синтетических признаков на нейросетевую классификацию. Предлагается использовать двухкритериальный эволюционный алгоритм NSGA2 для минимизации количества используемых признаков и максимизации точности классификации. Другой подход к конструированию признаков - PCA, находящий пространство признаков меньшей размерности на основе разброса данных. The article researches two ways of forming features and influence of synthetic features on neural network classification. It is proposed to use the NSGA2 two-criteria evolutionary algorithm to minimize the number of the used features and to maximize the classification accuracy. Another approach to feature engineering is PCA, which finds a lower dimension feature space according to data dispersion.

Журнал: Решетневские чтения

Выпуск журнала: Часть 2

Номера страниц: 182-183

Издатель: Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева"

• Лазовская М. А. (Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева)
• Липинский Л. В. (Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева)

• РИНЦ (eLIBRARY.RU)