РИД
№ 621112300081-1SuprvisedPCA – Формирование главных компонент под задачу классификации с учителем
23.11.2021
Предложенный авторами метод главных компонент под задачу классификации с учителем позволяет отобрать линейные комбинации исходных атрибутов, оптимизируя баланс между максимизацией дисперсии признаков и их полезности для решения задачи классификации с учителем. Основная идея SuprvisedPCA состоит в максимизации дисперсии точек из разных классов, свойственную обычному методу главных компонент, и одновременно в введении притяжении точек одного класса. Таким образом, формируемые главные компоненты «отталкивают» проекции точек разных классов и «притягивают» проекции точек, принадлежащих одному классу.
ГРНТИ
28.23.37 Нейронные сети
28.23.02 Общие проблемы искусственного интеллекта
27.47.23 Математические проблемы искусственного интеллекта
Ключевые слова
алгоритм
нейронные сети
искусственный интеллект
Детали
Тип РИД
Программа для ЭВМ
Сферы применения
Программа для ЭВМ относится к области кибернетики и может быть использована для разработки систем искусственного интеллекта.
Ожидается
Исполнитель
Исполнители
Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского».
Заказчик
МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Похожие документы
Оценивание эффективности методов распознавания образов и кластерного анализа на основе семейств вероятностных моделей
0.828
ИКРБС
Построение оптимальных оценок с помощью метода адаптивных весов в задачах обучения с размеченными и неразмеченными данными
0.827
Диссертация
Создание методов обучения распознаванию образов с сублинейной вычислительной сложностью в больших массивах данных
0.823
ИКРБС
Разработка и исследование высокопроизводительных метода и алгоритмов классификации объектов в условиях параметрической неопределенности и пересечения классов на основе методологии с системной максимизацией энтропии
0.823
Диссертация
Методы и вычислительно эффективные алгоритмы компьютерного зрения и анализа мультимодальных данных
0.821
НИОКТР
Разработка методов анализа и прогнозирования поведения многофакторной системы на основе интуиционистской нечеткой логики
0.820
Диссертация
Вычислительно эффективные алгоритмы машинного обучения на основе новых метрик ансамблевого сходства в условиях неполноты обучающей информации
0.819
ИКРБС
Разработка и исследование методов классификации и построения зависимостей по неоднородным экспериментальным данным в условиях параметрической и структурной неопределенности
0.817
ИКРБС
Высокопроизводительное программное средство для решения задачи двухклассового распознавания SVM по методу среднего решающего правила с «умными выборками»
0.816
РИД
Программа выбора признаков на основе оптимизации агрегации ранжирующих функций в задачах классификации для ЭВМ
0.816
РИД