Текущий выпуск Номер 4, 2026 Том 18

Все выпуски

Результаты поиска по 'информация':
Найдено статей: 143
  1. От редакции
    Компьютерные исследования и моделирование, 2023, т. 15, № 6, с. 1415-1418
  2. От редакции
    Компьютерные исследования и моделирование, 2024, т. 16, № 2, с. 245-248
  3. От редакции
    Компьютерные исследования и моделирование, 2024, т. 16, № 4, с. 821-823
  4. От редакции
    Компьютерные исследования и моделирование, 2025, т. 17, № 3, с. 385-387
  5. От редакции
    Компьютерные исследования и моделирование, 2025, т. 17, № 4, с. 525-528
  6. От редакции
    Компьютерные исследования и моделирование, 2025, т. 17, № 5, с. 757-760
  7. От редакции
    Компьютерные исследования и моделирование, 2025, т. 17, № 6, с. 1033-1035
  8. От редакции
    Компьютерные исследования и моделирование, 2026, т. 18, № 4, с. 741-745
  9. 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).
  10. Стёпкин А.В.
    Использование коллектива агентов для распознавания графа
    Компьютерные исследования и моделирование, 2013, т. 5, № 4, с. 525-532

    В работе рассматривается задача распознавания графов коллективом агентов. Два агента-исследователя одновременно передвигаются по графу, считывают и изменяют метки элементов графа, передают необходимую информацию агенту-экспериментатору, который строит представление исследуемого графа. Построен алгоритм распознавания линейной (от числа вершин графа) временной сложности, квадратичной емкостной сложности и коммуникационной сложности равной O(n2·log(n)), где n — число вершин графа. Для распознавания два, передвигающиеся по графу, агента используют по две различные краски (всего три краски). Алгоритм основан на методе обхода графа в глубину.

    Ключевые слова: распознавание графа, коллектив агентов.
    Просмотров за год: 4. Цитирований: 2 (РИНЦ).
Страницы: « первая 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.

Website Copyright © 2009–2026 Институт компьютерных исследований