Текущий выпуск Номер 4, 2026 Том 18

Все выпуски

Результаты поиска по 'обучение':
Найдено статей: 135
  1. От редакции
    Компьютерные исследования и моделирование, 2024, т. 16, № 5, с. 1037-1040
  2. От редакции
    Компьютерные исследования и моделирование, 2024, т. 16, № 6, с. 1341-1343
  3. От редакции
    Компьютерные исследования и моделирование, 2025, т. 17, № 1, с. 5-7
  4. От редакции
    Компьютерные исследования и моделирование, 2025, т. 17, № 4, с. 525-528
  5. От редакции
    Компьютерные исследования и моделирование, 2025, т. 17, № 5, с. 757-760
  6. От редакции
    Компьютерные исследования и моделирование, 2026, т. 18, № 1, с. 5-8
  7. От редакции
    Компьютерные исследования и моделирование, 2026, т. 18, № 2, с. 205-208
  8. От редакции
    Компьютерные исследования и моделирование, 2026, т. 18, № 3, с. 557-560
  9. От редакции
    Компьютерные исследования и моделирование, 2026, т. 18, № 4, с. 741-745
  10. 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).
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