ЧИСЛЕННЫЙ ВЕРОЯТНОСТНЫЙ ПОДХОД ДЛЯ АГРЕГАЦИИ ДАННЫХ И МОДЕЛИРОВАНИЯ ПОВЕДЕНИЯ СЛОЖНЫХ СИСТЕМ : доклад, тезисы доклада | Научно-инновационный портал СФУ

ЧИСЛЕННЫЙ ВЕРОЯТНОСТНЫЙ ПОДХОД ДЛЯ АГРЕГАЦИИ ДАННЫХ И МОДЕЛИРОВАНИЯ ПОВЕДЕНИЯ СЛОЖНЫХ СИСТЕМ : доклад, тезисы доклада

Перевод названия: NUMERICAL PROBABILITY APPROACH FOR DATA AGGREGATION AND MODELING OF CONDUCT OF COMPLEX SYSTEMS

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

Конференция: Робототехника и искусственный интеллект; Железногорск; Железногорск

Год издания: 2017

Ключевые слова: робототехника, численный вероятностный анализ, регрессионный анализ, кусочно-полиномиальные модели, функции плотности

Аннотация: В работе рассмотрен новый подход регрессионного моделирования, использующий агрегированные данные, представленные в виде функций плотности. Рассмотрены подходы к повышению надежности агрегации эмпирических данных: повышение точности и оценки погрешности. Обсуждаются различные виды математических моделей агрегирования данных. Для построения регрессионных моделей предлагается использовать процедуры представления данных на основе кусочно-полиномиальных моделей. Предлагаются новые подходы моделирования функциональных зависимостей на основе сплайн агрегаций. A new regression modeling approach using aggregated data presented in the form of density functions is considered. Approaches to increasing the reliability of aggregation of empirical data are considered: increasing accuracy and estimating errors. Various types of mathematical models of data aggregation are discussed. For the con- struction of regression models, it is proposed to use data representation procedures based on piecewise polynomial models. New approaches to modeling functional dependencies based on spline aggregations are proposed.

Ссылки на полный текст

Издание

Журнал: Робототехника и искусственный интеллект

Номера страниц: 165-171

Издатель: ЛИТЕРА-принт

Авторы

Вхождение в базы данных

Информация о публикациях загружается с сайта службы поддержки публикационной активности СФУ. Сообщите, если заметили неточности.

Вы можете отметить интересные фрагменты текста, которые будут доступны по уникальной ссылке в адресной строке браузера.