| 000 | 08907nla2a2200565 4500 | ||
|---|---|---|---|
| 001 | 315496 | ||
| 005 | 20231029225513.0 | ||
| 035 | _a(RuTPU)RU\TPU\book\340932 | ||
| 090 | _a315496 | ||
| 100 | _a20160302d2016 k y0rusy50 ca | ||
| 101 | 0 | _arus | |
| 102 | _aRU | ||
| 135 | _adrgn ---uucaa | ||
| 181 | 0 | _ai | |
| 182 | 0 | _ab | |
| 200 | 1 |
_aПрименение нейросетевых алгоритмов для решения задачи восстановления двумерных геополей _fП. А. Каковкин, А. А. Друки |
|
| 203 |
_aТекст _cэлектронный |
||
| 215 | _a1 файл (1.1 Mb) | ||
| 230 | _aЭлектронные текстовые данные (1 файл : 1.1 Mb) | ||
| 300 | _aЗаглавие с титульного листа | ||
| 320 | _a[Библиогр.: с. 40-41 (20 назв.)] | ||
| 330 | _aАктуальность исследования обусловлена необходимостью разработки алгоритмов и программных средств, позволяющих повысить эффективность пространственного анализа и восстановления двумерных геополей. Цель работы: разработка алгоритмов и программных средств, позволяющих повысить эффективность восстановления двумерных геополей по не регулярной сети точечных данных; проведение экспериментальных исследований эффективности разработанных алгоритмов и сравнение с существующими аналогами. Методы исследования. Для решения поставленной задачи применяются методы искусственного интеллекта, методы реализации искусственных нейронных сетей и генетических алгоритмов, комитетные методы - для решения задач классификации, математическое моделирование, теория вероятностей и математическая статистика с использованием программного обеспечения VisualStudio и Surfer. Результаты. Для восстановления геополей по нерегулярной сети точечных данных было решено использовать методы искусственного интеллекта, так как данная область исследований на сегодняшний день является одной из наиболее интенсивно развивающихся. Таким образом, для решения поставленной задачи был разработан алгоритм, основанный на искусственных нейронных сетях. Алгоритм представляет собой последовательность действий, состоящую из семи шагов. Для восстановления геополя применяются несколько нейронных сетей прямого распределения типа персептрон, работающих по методу бэггинга (bagging). На основе предложенного алгоритма разработано программное приложение, позволяющее выполнять восстановление геополей по нерегулярной сети точечных данных. Выполнено экспериментальное исследование эффективности разработанного алгоритма и проведено сравнение с результатами работы метода обратно-взвешенных расстояний. Проведенные исследования показали, что результаты работы предложенного алгоритма превышают эффективность работы метода обратно-взвешенных расстояний. | ||
| 330 | _aThe relevance of the research is caused by the necessity to develop algorithms and software to increase the efficiency of the spatial analysis and two-dimensional geofields recovery. The main aim of the study is to develop the algorithms and software to increase the efficiency of two-dimensional geofields recovery on irregular grid point data; to carry out the experimental studies to determine the effectiveness of the developed algorithms and to compare them with the existing analogues. The methods used in the study. To solve the task the authors have applied the methods of artificial intelligence, methods of implementation of artificial neural networks and genetic algorithms; the committee methods are applied to solve the classification problems, mathematical modeling, probability theory and mathematical statistics with the help of software Visual Studio and MatLab. The results. The artificial intelligence methods were used for restoring geofields on irregular grid point data, as this area of research is one of the most intensively developing now. The algorithm based on artificial neural networks was developed to solve the problem. The algorithm is a sequence of actions. It consists of seven steps. The multiple neural networks of direct distribution, such as perceptron, which operate according to the bagging method, are used to restore geofield. The software application that allows solving the assigned task is developed on the basis of the proposed algorithm. The authors carried out the experimental study of the algorithm effectiveness and compared the results obtained with the results of the inverse distance-weighted method. The carried out studies shown that the results of the proposed algorithm operation are higher than the operating efficiency of the inverse-distance weighted method. | ||
| 337 | _aAdobe Reader | ||
| 453 |
_tApplication of artificial neural networks for solving the problem of two-dimensional geofields reconstruction _otranslation from Russian _fP. A. Kakovkin, A. A. Druki _cTomsk _nTPU Press _d2015- _d2016 _aKakovkin, Pavel Aleksandrovich |
||
| 453 | _tBulletin of the Tomsk Polytechnic University. Geo Assets Engineering | ||
| 453 | _tVol. 327, № 2 | ||
| 461 | 1 |
_0(RuTPU)RU\TPU\book\312844 _x2413-1830 _tИзвестия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов _fНациональный исследовательский Томский политехнический университет (ТПУ) _d2015- |
|
| 463 | 1 |
_0(RuTPU)RU\TPU\book\340833 _tТ. 327, № 2 _v[С. 35-43] _d2016 |
|
| 610 | 1 | _aэлектронный ресурс | |
| 610 | 1 | _aгеоинформатика | |
| 610 | 1 | _aгеополя | |
| 610 | 1 | _aвосстановление | |
| 610 | 1 | _aгеостатистика | |
| 610 | 1 | _aметоды | |
| 610 | 1 | _aкросс-валидация | |
| 610 | 1 | _aискусственные нейронные сети | |
| 610 | 1 | _aтруды учёных ТПУ | |
| 610 | _ageoinformatics | ||
| 610 | _ageofields reconstruction | ||
| 610 | _ageostatistical methods | ||
| 610 | _across-validation | ||
| 610 | _aartificial neural networks | ||
| 700 | 1 |
_aКаковкин _bП. А. _gПавел Александрович _6z01712 |
|
| 701 | 1 |
_aДруки _bА. А. _cспециалист в области информатики и вычислительной техники _cассистент Томского политехнического университета, инженер _f1985- _gАлексей Алексеевич _2stltpush _3(RuTPU)RU\TPU\pers\28638 _6z02712 |
|
| 712 | 0 | 2 |
_aНациональный исследовательский Томский политехнический университет (ТПУ) _bИнститут кибернетики (ИК) _bКафедра вычислительной техники (ВТ) _h126 _2stltpush _3(RuTPU)RU\TPU\col\18699 _6z01700 |
| 712 | 0 | 2 |
_aНациональный исследовательский Томский политехнический университет (ТПУ) _bИнститут кибернетики (ИК) _bКафедра вычислительной техники (ВТ) _h126 _2stltpush _3(RuTPU)RU\TPU\col\18699 _6z02701 |
| 801 | 2 |
_aRU _b63413507 _c20170925 _gPSBO |
|
| 856 | 4 | _uhttp://earchive.tpu.ru/bitstream/11683/8990/3/Bulletin_TPU-2016-v327-i2-03.pdf | |
| 942 | _cCF | ||