АВТОМАТИЗИРОВАННОЕ ФОРМИРОВАНИЕ ПРИЗНАКОВОГО ПРОСТРАНСТВА В НЕЙРОСЕТЕВОМ МОДЕЛИРОВАНИИ : доклад, тезисы доклада | Научно-инновационный портал СФУ

АВТОМАТИЗИРОВАННОЕ ФОРМИРОВАНИЕ ПРИЗНАКОВОГО ПРОСТРАНСТВА В НЕЙРОСЕТЕВОМ МОДЕЛИРОВАНИИ : доклад, тезисы доклада

Перевод названия: AUTOMATED FORMATION OF FEATURE SPACE IN NEURAL NETWORK MODELING

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

Конференция: Решетневские чтения; Красноярск; Красноярск

Год издания: 2019

Ключевые слова: neural network, feature space design, categorization of data, нейронная сеть, проектирование признакового пространства, категоризация данных

Аннотация: Работа посвящена вопросам нейросетевого моделирования и повышению эффективности формирования нейросетевых моделей за счет автоматизации формирования признакового пространства путем категоризации данных. Производится сравнение предложенных алгоритмов проектирования признакового пространства. The paper deals with questions of neural network modeling and improving the efficiency of neural network models formation by automating the formation of the feature space by data categorization. The results of the model construction using the proposed algorithms of feature space design are compared.

Ссылки на полный текст

Издание

Журнал: Решетневские чтения

Выпуск журнала: Часть 2

Номера страниц: 188-189

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

Авторы

  • Мальцева О. 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)
  • Под общей редакцией Ю.Ю. Логинова

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.