Информационная система "Конференции"

Тезисы докладов

Автоассоциативные нейронные сети - обучаемые с учителем многослойные персептроны, содержащие внутренний "узкий" слой и обучаемые воспроизводить на своем выходе входные сигналы, - являются одним из методов построения нелинейных главных компонент для сжатия данных, визуализации данных в пространстве меньшей размерности, восстановления "скрытых" параметров (от которых зависят наблюдаемые переменные проблемной области).

На базе данных по климату и растительности на территории Сибири проверяется возможность порождения таких скрытых параметров при использовании только характеристик климата в качестве обучающих переменных. С использованием критерия scatter separability в исходном пространстве климатических факторов и в пространстве сгенерированных скрытых параметров изучается компактность группировок точек, соответствующих различным качественным состояниям (разные сектора континентальности и ландшафтные зоны, ареалы произрастания различных лесообразователей,...). Иными словами, делается попытка сгенерировать переменные, обладающие лучшими прогностическими способностями для некоторого набора номинальных признаков, чем набор исходных значений климатических показателей.

Примечание. Тезисы докладов публикуются в авторской редакции

Ваши комментарии Обратная связь

[Головная страница] [Конференции]

© 1996-2000, Институт вычислительных технологий СО РАН, Новосибирск
© 1996-2000, Сибирское отделение Российской академии наук, Новосибирск
    Дата последней модификации: 06-Jul-2012 (11:45:15)