Отрывок: Всего получено 715 наблюдений, из которых нарушения имели место в 143 случаях (20%). Исследовалось влияние отбора показателей, доли тестовой выборки и метода обучения на качество классификации по F-мере на тестовой части выборки. В рассматриваемом примере отбор значимых показателе...
Название : Мультиклассовая классификация для диагностики функционирования сложных технических систем
Авторы/Редакторы : Кувайскова
Ю. Е.
Ломовцева Н. А.
Клячкин В. Н.
Дата публикации : 2022
Библиографическое описание : Кувайскова,, Ю. Е. Мультиклассовая классификация для диагностики функционирования сложных технических систем / Ю. Е. Кувайскова,, Н. А. Ломовцева, В. Н. Клячкин // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 5: Науки о данных / под ред. А. В. Куприянова. - 2022. - С. 050242.
Аннотация : Диагностика функционирования сложных технических систем часто сводится к разделению состояния объекта на несколько классов: исправное состояние и различные типы неисправностей. С помощью разработанной программы проводится мультиклассовая классификация методами машинного обучения. В качестве примера рассмотрены особенности диагностики компьютерной системы.
Другие идентификаторы : RU\НТБ СГАУ\492122
Ключевые слова: F-мера
диагностика функционирования систем
мультиклассовая классификация
кроссвалидация
сложные технические системы
тестовые выборки
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Размер Формат  
ИТНТ-2022. Том 5. Науки о данных/978-5-7883-1793-9_2022-050242.pdf882.65 kBAdobe PDFПросмотреть/Открыть
Показать полное описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.