Отрывок: линейном базисе с предварительным шкалированием данных [1]; 2) Метод проекций на латентные структуры – линейная регрессия в пространстве главных компонент задачи с учетом меток [2]; 3) Случайный лес – алгоритм машинного обучения, представляющий собой комитет решающих деревьев, в рамках которого строятся несколько сотен деревьев решений по обучающим бутстреп-выборкам [3]; 4) Градиентный бустинг - метод, идея которого заключается в итеративном построении функции аппроксимации, представляющ...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorСарманова О. Э.ru
dc.contributor.authorЛаптинский К. А.ru
dc.contributor.authorХмелева М. Ю.ru
dc.contributor.authorБуриков С. А.ru
dc.contributor.authorДоленко С. А.ru
dc.contributor.authorДоленко Т. А.ru
dc.coverage.spatialизмерение PHru
dc.coverage.spatialводородный показатель средыru
dc.coverage.spatialбиомедицинаru
dc.coverage.spatialтемпература водных средru
dc.coverage.spatialоптическая спектроскопияru
dc.coverage.spatialприкладные обратные задачиru
dc.coverage.spatialметоды машинного обученияru
dc.coverage.spatialфлуоресцентная спектроскопияru
dc.coverage.spatialуглеродные наносенсорыru
dc.coverage.spatialуглеродные точкиru
dc.creatorСарманова О. Э., Лаптинский К. А., Хмелева М. Ю., Буриков С. А., Доленко С. А., Доленко Т. А.ru
dc.date.issued2021ru
dc.identifierRU\НТБ СГАУ\466232ru
dc.identifier.citationУглеродные наносенсоры и методы машинного обучения для одновременного измерения pH и температуры водных сред / О. Э. Сарманова, К. А. Лаптинский, М. Ю. Хмелева, С. А. Буриков, С. А. Доленко, Т. А. Доленко // Информационные технологии и нанотехнологии (ИТНТ-2021) : сб. тр. по материалам VII Междунар. конф. и молодеж. шк. (г. Самара, 20-24 сент.) : [в 3 т.] / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изображений РАН - фил. ФНИЦ "Кристаллография и фотоника РАН. - Самаpа : Изд-во Самар. ун-та, 2021Т. 3: Искусственный интеллект и науки о данных. - 2021. - С. 032332.ru
dc.language.isorusru
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2021) : сб. тр. по материалам VII Междунар. конф. и молодеж. шк. (г. Самара, 20-24 сент.) : [в 3 т.].ru
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2021). - Т. 3 : Искусственный интеллект и науки о данныхru
dc.titleУглеродные наносенсоры и методы машинного обучения для одновременного измерения pH и температуры водных средru
dc.typeTextru
dc.citation.spage032332ru
dc.citation.volume3ru
dc.textpartлинейном базисе с предварительным шкалированием данных [1]; 2) Метод проекций на латентные структуры – линейная регрессия в пространстве главных компонент задачи с учетом меток [2]; 3) Случайный лес – алгоритм машинного обучения, представляющий собой комитет решающих деревьев, в рамках которого строятся несколько сотен деревьев решений по обучающим бутстреп-выборкам [3]; 4) Градиентный бустинг - метод, идея которого заключается в итеративном построении функции аппроксимации, представляющ...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Размер Формат  
82paper032332.pdf242.54 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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