Введение
Актуальность темы.
Цель работы. Основные задачи
Основные положения, выносимые на защиту.
Научная новизна
Практическая значимость
Апробация работы.
Публикации.
Краткое содержание диссертационной работы
1 Обзор литературы.
1.1 Терминология.
1.2 Понятие размерности данных.
1.3 Проблема понижения размерности данных
1.3.1 Описание проблемы понижения размерности данных
1.3.2 Проблемы, с которыми помогает бороться понижение размерности
1.3.2.1 Проблема проклятия размерности
1.3.2.2 Проблема интерпретации исходных данных.
1.3.2.3 Проблема получения исходных данных.
1.3.3 Подходы к рассмотрению проблемы понижения размерности данных
1.3.4 Некоторые эмпирические рекомендации при проведении понижения
размерности данных.
1.3.5 Понижение размерности данных применительно к задачам, отличным от
задач регрессии
1.3.6 Понижение размерности данных применительно к другим классам
адаптивных алгоритмов
1.3.7 Ряд актуальных проблем из области понижения размерности.
1.3.8 Некоторые сопутствующие алгоритмы.
1.4 Искусственные Нейронные Сети ИНС
1.4.1 Модель нейрона.
1.4.2 Многослойный персептрон
1.4.2.1 Задача нелинейной регрессии
1.4.2.2 Проблемы построения нсйросетевой модели
1.5 Методы анализа существенности входных признаков. Используемые алгоритмы
1.5.1 Понятие существенности входных признаков.
1.5.2 Алгоритмы оценки.
1.5.2.1 Корреляционный анализ
1.5.2.2 Кроссэнтропийный анализ.
1.5.2.3 Семейство алгоритмов Анализ Весов Нейронной Сети.
1.5.2.4 Линейная регрессия.
1.5.2.5 Нейронные Сети с Общей Регрессией
1.5.3 Алгоритмы отбора.
1.5.3.1 Алгоритм последовательного добавления признаков
1.5.3.2 Алгоритм последовательного исключения признаков
1.5.3.3 Алгоритм отсечения по порогу.
1.5.3.4 Алгоритм использования случайно сгенерированных признаков
1.5.3.5 Алгоритм множественных запусков
1.5.3.6 Алгоритм заданного числа наилучших признаков.
1.5.4 Комбинированные алгоритмы
1.5.4.1 Метод Группового Учета Аргументов МГУА.
1.5.4.2 Генетическое программирование
1.5.5 О сравнении методов АСВП.
2 Модельные и эталонные задачи.
2.1 Тривиальные модельные задачи
2.1.1 Цель исследования
2.1.2 Постановка задачи и предобработка данных.
2.1.3 Полученные качественные выводы
2.1.4 Выводы
2.2 Задача Фридмана
2.2.1 Цель исследован ия
2.2.2 Предобработка данных
2.2.3 Рассматриваемые методы АСВП и алгоритмы. Их особенности.
2.2.4 Полученные результаты.
2.3 Эталонные задачи небольшие наборы данных
2.3.1 Цель исследования.
2.3.2 Предобработка данных
2.3.3 Полученные результаты.
2.3.4 Выводы
2.4 Эталонные задачи большие наборы данных
2.4.1 Полученные результаты.
2.5 Положения, выносимые на защиту
3 Методика построения И НС
3.1 Постановка задачи отбора наиболее существенных признаков.
3.1.1 Формальное описание методики
3.2 Разработанная методика. Представление методики в виде блоксхемы.
3.2.1 Преимущества использования методики.
3.2.1.1 Оценки временных и вычислительных выигрышей.
3.2.2 Критерии для включения новых методов АСВ в методику.
3.2.3 Совместное использование корреляционного анализа и кроссэнтропийного
анализа
3.2.4 Специальный случаи применения методики анализа существенности для 4х
ступенчатого алгоритма анализа многомерных временных рядов
3.3 Алгоритм параллельного обучения МСП с одним скрытым слоем
3.3.1 Описание алгоритма
3.3.2 Особенности реализации алгоритма с помощью технологии СГОА
3.3.3 Полученные результаты
3.4 Выводы
3.4.1 Положения, выносимые на защиту.
4 Применение разработанной методики для решения прикладных задач.
4.1 Задача прогнозирования геомагнитного ПБиндекса.
4.1.1 Физическая постановка задачи.
4.1.2 Математическая постановка задачи.
4.1.3 Предобработка данных.
4.1.4 Полученные результаты
4.1.5 Сравнение полученных результатов с результатами других авторов.
4.1.6 Положения, выносимые на защиту.
4.2 Задача восстановления распределения электропроводности участка земной коры
4.2.1 Математическая постановка задачи.
4.2.2 Алгоритмические особенности метода.
4.2.3 Схема построения нейросетевой модели.
4.2.4 Предобработка данных
4.2.5 Полученные результаты.
4.2.5.1 Результаты решения задачи для модели 5.0.
4.2.5.2 Результаты решения задачи для других моделей.
4.2.6 Выводы
4.2.7 Положения, выносимые на защиту
4.3 Оценка токсичности химических веществ применительно к бактериям Т.
РупАотнэ.
4.3.1 Постановка задачи.
4.3.2 Предобработка данных .
4.3.3 Полученные результаты.
4.3.4 Выводы
5 Программный комплекс
5.1 Выводы. Положения, выносимые на защиту
Заключение.
Благодарности.
Список литературы
- Київ+380960830922