Пастухов Алексей Андреевич Алгоритм формирования представительской выборки с применением кластеризации для обучения искусственной нейронной сети

Краткое описание

Пастухов Алексей Андреевич Алгоритм формирования представительской выборки с применением кластеризации для обучения искусственной нейронной сети
ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ
кандидат наук Пастухов Алексей Андреевич
ОГЛАВЛЕНИЕ

Введение

1. Анализ существующих решений предварительной обработки данных перед обучением нейронной сети и постановка задачи исследования

1.1. Анализ проблемы задачи предварительной обработки данных перед обучением нейронной сети

1.2. Обзор существующих методов предобработки данных

1.2.1. Совместная нормировка: выбеливание входов

1.2.2. Метод главных компонент

1.2.2.1. Описание метода

1.2.2.2. Применение метода главных компонент к задаче подготовки данных для обучения нейронной сети типа многослойный персептрон

1.2.3. Box-counting алгоритмы

1.2.4. Другие методы статистического анализа

1.2.5. Применение кластеризации

1.3. Постановка задачи исследования

1.4. Выводы по главе

2. Разработка алгоритма предварительной обработки данных для обучения нейронной сети типа многослойный персептрон на базе кластеризации

2.1. Сравнительный анализ алгоритмов кластеризации

2.2. Описание самоорганизующихся карт Кохонена

2.3. Описание алгоритма предварительной обработки данных на базе самоорганизующихся карт Кохонена

2.4. Демонстрация применения алгоритма

2.5. Выводы по главе

3. Проведение численных экспериментов по обучению нейронной сети типа многослойный персептрон с использованием алгоритма предобработки данных

3.1. Планирование эксперимента

3.2. Обучение многослойного персептрона на данных, сформированных с применением алгоритма SOM

3.3. Обучение многослойного персептрона на данных, сформированных с применением алгоритма K-MEANS

3.4. Обучение многослойного персептрона на данных, сформированных с применением алгоритма C-MEANS

3.5. Обучение многослойного персептрона на данных, сформированных с применением иерархического дерева кластеров

3.6. Обучение многослойного персептрона на данных, сформированных с применением алгоритма и оценки выборочных констант Липшица

3.7. Оценка эффективности разработанного алгоритма

3.8. Выводы по главе

4. Построение нейросетевой прогностической модели с применением алгоритма предварительной

обработки данных

4.1. Этапы построения нейросетевой прогностической модели

4.2. Применение нейронной сети и алгоритма предобработки данных на основе кластеризации для прогнозирования параметров данных, используемых для решения задачи отождествления объектов на виртуальном боевом пространстве при неполной априорной информации

4.2.1. Постановка задачи прогнозирования параметров данных для решения задачи отождествления объектов на виртуальном боевом пространстве

4.2.2. Выбор архитектуры нейронной сети типа многослойный персептрон и формирование представительской выборки

4.2.3. Обучение нейронной сети без предобработки

4.2.4. Обучение нейронной сети с применением алгоритма предобработки на базе самоорганизующихся карт Кохонена

4.2.5. Сравнение результатов обучения

4.3. Выводы по главе 101 Заключение. 103 Список литературы 104 Приложение