Текущий выпуск Номер 3, 2024 Том 16

Все выпуски

Результаты поиска по 'критерий':
Найдено статей: 74
  1. От редакции
    Компьютерные исследования и моделирование, 2021, т. 13, № 1, с. 5-8
  2. От редакции
    Компьютерные исследования и моделирование, 2021, т. 13, № 5, с. 879-881
  3. От редакции
    Компьютерные исследования и моделирование, 2022, т. 14, № 1, с. 5-7
  4. От редакции
    Компьютерные исследования и моделирование, 2023, т. 15, № 3, с. 485-489
  5. От редакции
    Компьютерные исследования и моделирование, 2023, т. 15, № 5, с. 1099-1101
  6. От редакции
    Компьютерные исследования и моделирование, 2024, т. 16, № 1, с. 5-10
  7. Никулин В.Н.
    О разложении матриц при помощи метода стохастического градиентного спуска в приложении к задаче направляемой классификации микрочипов
    Компьютерные исследования и моделирование, 2013, т. 5, № 2, с. 131-140

    Многомерные данные, при использовании значительно большего количества признаков относительно меньшего числа наблюдений, порождают хорошо известную проблему переопределённой задачи. В связи с этим, представляется целесообразным описание данных в терминах меньшего числа мета-признаков, которые вычисляются при помощи так называемых матричных факторизаций. Такие факторизации способствуют уменьшению случайного шума при сохранении наиболее существенной информации. Три новых и взаимосвязанных метода предложены в этой статье: 1) факторизационный механизм градиентного спуска с двумя (согласно размерности микрочипа) гибкими и адаптируемыми параметрами обучения, включая явные формулы их автоматического пересчета, 2) непараметрический критерий для отбора количества факторов, и 3) неотрицательная модификация градиентной факторизации, которая не требует дополнительных вычислительных затрат в сравнении с базовой моделью. Мы иллюстрируем эффективность предложенных методов в приложении к задаче направляемой классификации данных в области биоинформатики.

    Ключевые слова: матричная факторизация, ненаправляемое обучение, количество факторов, непараметрический критерий, неотрицательность, оставить одного извне, классификация.
    Цитирований: 4 (РИНЦ).
  8. Горшенин А.К.
    О применении асимптотических критериев для определения числа компонент смеси вероятностных распределений
    Компьютерные исследования и моделирование, 2012, т. 4, № 1, с. 45-53

    В статье демонстрируется практическая эффективность применения асимптотически наиболее мощных критериев проверки гипотез о числе компонент смеси в моделях добавления и расщепления компонент. Тестовые данные представляют собой выборки из различных конечных смесей нормальных законов. Проводится сравнение результатов для разнообразных уровней значимости и весов.

    Ключевые слова: конечная смесь нормальных распределений, асимптотически наиболее мощный критерий.
    Просмотров за год: 1. Цитирований: 2 (РИНЦ).
  9. Тихов М.С., Бородина Т.С.
    Математическая модель и компьютерный анализ критериев однородности зависимости «доза–эффект»
    Компьютерные исследования и моделирование, 2012, т. 4, № 2, с. 267-273

    Данная работа посвящена сравнению двух критериев однородности: критерия χ2, основанного на таблицах сопряженности признаков 2 × 2, и критерия однородности, основанного на асимптотических распределениях суммируемых квадратичных уклонений оценок функции распределения в модели зависимости «доза–эффект». Оценка мощности критериев производится при помощи компьютерного моделирования. Для построения функций эффективности используется метод ядерной оценки регрессии, основанный на оценке Надарая–Ватсона.

    Ключевые слова: модель зависимости «доза–эффект», непараметрический метод ядерной оценки регрессии, оценка Надарая–Ватсона, критерии однородности.
    Просмотров за год: 6.
  10. Ракчеева Т.А.
    Критерии и сходимость фокусной аппроксимации
    Компьютерные исследования и моделирование, 2013, т. 5, № 3, с. 379-394

    Исследуются методы решения задачи фокусной аппроксимации — приближения по точечно заданной гладкой замкнутой эмпирической кривой многофокусными лемнискатами. Анализируются критерии и сходимость разработанных методов приближения, как в вещественной, так и в комплексной интерпретации. Доказывается топологическая эквивалентность используемых критериев.

    Ключевые слова: кривые, аппроксимация, лемнискаты, фокусы, критерий близости кривых, базис, форма, инвариант, алгоритм, степени свободы.
    Просмотров за год: 2.
Страницы: предыдущая следующая последняя »

Журнал индексируется в Scopus

Полнотекстовая версия журнала доступна также на сайте научной электронной библиотеки eLIBRARY.RU

Журнал входит в систему  Российского индекса научного цитирования.

Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science

Международная Междисциплинарная Конференция "Математика. Компьютер. Образование"

Международная Междисциплинарная Конференция МАТЕМАТИКА. КОМПЬЮТЕР. ОБРАЗОВАНИЕ.

Copyright © 2009–2024 Институт компьютерных исследований