Текущий выпуск Номер 2, 2026 Том 18

Все выпуски

Результаты поиска по 'регрессия':
Найдено статей: 22
  1. От редакции
    Компьютерные исследования и моделирование, 2019, т. 11, № 2, с. 201-203
    Просмотров за год: 29.
  2. От редакции
    Компьютерные исследования и моделирование, 2023, т. 15, № 2, с. 229-233
  3. От редакции
    Компьютерные исследования и моделирование, 2021, т. 13, № 3, с. 455-457
  4. От редакции
    Компьютерные исследования и моделирование, 2022, т. 14, № 3, с. 521-523
  5. От редакции
    Компьютерные исследования и моделирование, 2025, т. 17, № 4, с. 525-528
  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. 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.
  9. Востриков Д.Д., Конин Г.О., Лобанов А.В., Матюхин В.В.
    Влияние конечности мантиссы на точность безградиентных методов оптимизации
    Компьютерные исследования и моделирование, 2023, т. 15, № 2, с. 259-280

    Безградиентные методы оптимизации, или методы нулевого порядка, широко применяются в обучении нейронных сетей, обучении с подкреплением, а также в промышленных задачах, где доступны лишь значения функции в точке (работа с неаналитическими функциями). В частности, метод обратного распространения ошибки в PyTorch работает именно по этому принципу. Существует общеизвестный факт, что при компьютерных вычислениях используется эвристика чисел с плавающей точкой, и из-за этого возникает проблема конечности мантиссы.

    В этой работе мы, во-первых, сделали обзор наиболее популярных методов аппроксимации градиента: конечная прямая/центральная разность (FFD/FCD), покомпонентная прямая/центральная разность (FWC/CWC), прямая/центральная рандомизация на $l_2$ сфере (FSSG2/CFFG2); во-вторых, мы описали текущие теоретические представления шума, вносимого неточностью вычисления функции в точке: враждебный шум, случайный шум; в-третьих, мы провели серию экспериментов на часто встречающихся классах задач, таких как квадратичная задача, логистическая регрессия, SVM, чтобы попытаться определить, соответствует ли реальная природа машинного шума существующей теории. Оказалось, что в реальности (по крайней мере на тех классах задач, которые были рассмотрены в данной работе) машинный шум оказался чем-то средним между враждебным шумом и случайным, в связи с чем текущая теория о влиянии конечности мантиссы на поиск оптимума в задачах безградиентной оптимизации требует некоторой корректировки.

    Ключевые слова: конечность мантиссы, безградиентные методы оптимизации, аппроксима- ция градиента, градиентный спуск, квадратичная задача, логистическая регрессия.
  10. Михеев А.В., Казаков Б.Н.
    Новый метод точечной оценки параметров парной регрессии
    Компьютерные исследования и моделирование, 2014, т. 6, № 1, с. 57-77

    Описывается новый метод отыскания параметров однофакторной регрессионной модели: метод наибольшего косинуса. Реализация метода предполагает разделение параметров модели на две группы. Параметры первой группы, отвечающие за угол между вектором экспериментальных данных и вектором регрессионной модели, определяются по максимуму косинуса угла между этими векторами. Во вторую группу входит масштабный множитель. Он определяется «спрямлением» зависимости координат вектора экспериментальных данных от координат вектора регрессионной модели. Исследована взаимосвязь метода наибольшего косинуса с методом наименьших квадратов. Эффективность метода проиллюстрирована примерами из физики.

    Ключевые слова: парная регрессия, точечная оценка, метод наименьших квадратов, двухэкспоненциальная кинетика люминесценции, температура кипения воды, удельное электрическое сопротивление, модель Блоха–Грюнайзена.
    Просмотров за год: 2. Цитирований: 4 (РИНЦ).
Страницы: 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