Отрывок: Большие значения коэффициента будут соответствовать большому значению шага коррекции. При этом алгоритм будет работать быстрее (то есть для поиска минимума функции ошибки потребуется меньше итераций). Однако может снизиться Секция 8. Информационные технологии и анализ данных 301 точность настройки модели на минимум функции ошибки, что потенциально увеличит ошибку обучения. Малые значения коэффициента соответствуют меньшему шагу коррекции весов. В этом случ...
Название : Прогнозирование цен на недвижимость с применением многослойного персептрона
Авторы/Редакторы : Нехожин О. С.
Лезина И. В.
Дата публикации : 2023
Библиографическое описание : Нехожин, О. С. Прогнозирование цен на недвижимость с применением многослойного персептрона / О. С. Нехожин, И. В. Лезина // XVII Королевские чтения : Всерос. молодеж. науч. конф. с междунар. участием, посвящ. 35-летию со дня первого полета МТКС "Энергия –Буран", (3–5 окт. 2023 г.). : [материалы конф.] : в 2 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т) ; [науч. ред. М. А. Шлеенков]. - Самара : Изд-во Самар. ун-та, 2023. - Т. 1. - С. 300-302.
Другие идентификаторы : RU\НТБ СГАУ\544759
Ключевые слова: алгоритм обратного распространения ошибки
коэффициент несовпадения Тейла
многослойные персептроны
машинное обучение
подправленная выборочная дисперсия
оценка прогноза сети
нейронные сети
прогнозирование цен на недвижимость
цены на недвижимость
среднеквадратическое отклонение
Располагается в коллекциях: Королевские чтения

Файлы этого ресурса:
Файл Размер Формат  
978-5-7883-1957-5_2023-300-302.pdf328.23 kBAdobe PDFПросмотреть/Открыть
Показать полное описание ресурса Просмотр статистики
Поделиться:



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