ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ СЕВЕРО-КАВКАЗСКИЙ РЕГИОН. 2020; 3: 22-26
http://dx.doi.org/10.17213/1560-3644-2020-3-22-26
РОБАСТНЫЕ НЕЙРОННЫЕ СЕТИ ДЛЯ ПРОГНОЗИРОВАНИЯ НА ОСНОВЕ КРИТЕРИЯ ТЕЙЛА – СЕНА
Сташкова Ольга Витальевна – ст. преподаватель, кафедра «Информатка и программная инженерия», Приднестровский государственный университет им. Т.Г. Шевченко, г. Рыбница, Приднестровье. E-mail: stashkova.ola@mail.ru
Аннотация
Описаны нейронные сети и методы их обучения на основе эффективных модификаций метода Тейла – Сена для получения робастных оценок в случае множественной как линейной, так и нелинейной регрессии. Приводятся примеры, подтверждающие высокие вычислительные качества предложенных моделей и методов.
Ключевые слова: нейронные сети; обучение; прогнозирование; статистика; оценки; регрессия; робастность.
Полный текст: [in elibrary.ru]
Ссылки на литературу
- Хампель Ф., Рончетти Э., Рауссеу П., Штаэль В. Робастность в статистике. Подход на основе функций влияния = Robust statistics: the approach based on influence functions. М.: Мир, 1989.
- Шестопал О.В., Сташкова О.В. Использование искусственных нейронных сетей для восстановления пропусков в массиве исходных данных // Изв. вузов. Сев.-Кавк.
регион. Техн. науки. 2017. № 1(193). С. 37 – 43. - Шестопал О.В. Робастные методы получения адекватных статистических моделей // Изв. вузов. Сев.-Кавк. регион. Техн. науки. 2018. № 1(197). С. 18 – 23.
- Бодянский Е.В., Винокурова Е.А. Робастный алгоритм обучения радиально-базисной адаптивной фаззи-вэйвлет-нейронной сети. «АСАУ». 2007. № 11(31).
- Царегородцев В.Г. Робастная целевая функция с допуском на точность решения для нейросети-предиктора // Нейрокомпьютеры: разработка, применение. 2003. № 12.
- Neural Network Software, About NeuroSolutions URL: http://www.neuroproject.ru/aboutproduct.php
- Hornik K., Stinchcombe M., White H. Multilayer feedforward networks are universal approximators // Neural Network. 1989. Vol. 2. 366 р.
- Хайкин С. Нейронные сети: полный курс = Neural Networks: A Comprehensive Foundation. 2-е изд. М.: Вильямс, 2006.
- Снитюк В.Е. Эволюционный метод восстановления пропусков в данных: cб. тр. VI-й Межд. конф. «Интеллек-туальный анализ информации», Киев, 2006 г. С. 262 – 271.
- Мартышенко С.Н. Методы восстановления пропусков в данных, представленных в различных измерительных шкалах // Территория новых возможностей. 2013. №4 (22). С. 242 – 255.