Пошук академічних текстів

Інформація × Реєстраційний номер 2119U007823, Матеріали видань та локальних репозитаріїв Категорія Опубліковано, Стаття Назва роботи МЕТОДИ СИНТЕЗУ МОДЕЛЕЙ КІЛЬКІСНИХ ЗАЛЕЖНОСТЕЙ В БАЗІСІ ДЕРЕВ РЕГРЕСІЇ, ЩО РЕАЛІЗУЮТЬ КЛАСТЕР-РЕГРЕСІЙНУ АПРОКСИМАЦІЮ ЗА ПРЕЦЕДЕНТАМИ Автор Субботін С. О.Subbotin S. A. Дата публікації 01-10-2019 Постачальник інформації Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") Першоджерело https://ric.zp.edu.ua/article/view/184628 Видання National University "Zaporizhzhia Polytechnic" Опис Актуальність. Для прийняття рішень в технічних застосуваннях, як правило, необхідно мати модель, що дозволяє прогнозувати стан керованого об’єкта або процесу. Об’єктом дослідження є процес побудови моделей залежностей за спостереженнями. Предметом дослідження є методи побудови кількісних залежностей за спостереженнями на основі кластеррегресійної апроксимації. Мета роботи – спрощення моделей кластер-регресійної апроксимації шляхом непрямої реалізації кластер-аналізу в процесі побудови моделі.Метод. Запропоновано метод деревовидної кластер-регресійної апроксимації, який для заданої навчальної вибірки будуєдерево для ієрархічної кластеризації екземплярів, листові вузли якого відповідають кластерам, для кожного кластера будує часткову модель залежності за екземплярами навчальної вибірки, що потрапили у кластер, прагнучи забезпечити найменшу складність моделі і використовує набір найбільш інформативних ознак найменшої довжини. Це дозволяє забезпечити прийнятну точність моделі, високі рівні інтерпретабельності й узагальнення даних, знизити складність моделі, спростити її реалізацію при послідовній організації обчислень.Результати. Розроблено програмне забезпечення, що реалізує запропонований метод деревовидної кластер-регресійної апроксимації. Розроблений метод і програмне забезпечення, що його реалізує, досліджені під час вирішення практичних завдань прогнозування. Проведені експерименти підтвердили працездатність розробленого математичного забезпечення і дозволяють рекомендувати його для використання на практиці.Висновки. На відміну від традиційних методів побудови регресійних моделей, які будують модель на основі функції, єдиної форми для усього простору ознак, запропонований метод формує ієрархічну комбінацію часткових моделей. На відміну від відомих методів побудови дерев регресії, листові вузли яких містять усереднені значення вихідної ознаки для кластерів, запропонований метод формує дерево, що складається з часткових моделей для кластерів, що дозволяє забезпечити більшу точність моделі. Додано в НРАТ 2026-02-09 Закрити