Отрывок: items())) plt.plot(x_modif_test_errors, y_modif_test_errors, 'b', label='Modified') x_int = [int(x_tick) for x_tick in plt.xticks()[0]] # force int type of X plt.xticks(x_int[1:]) # remove 0 elem from list - empty plt.xlabel('Training dataset size') 62 plt.ylabel('Test error') plt.legend(loc='upper left') plt.show() def run_heart_iterations(): learning_rate = 7e-4 func_num = 4 c = None cf = 0.93 cg = 0.925 ...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorНазарова Е. А.ru
dc.contributor.authorКуликовских И. М.ru
dc.contributor.authorГрафкин А. В.ru
dc.contributor.authorМинистерство образования и науки Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.contributor.authorИнститут информатикиru
dc.contributor.authorматематики и электроникиru
dc.coverage.spatialалгоритмы обученияru
dc.coverage.spatialклассификация объектовru
dc.coverage.spatialкогнитивные картыru
dc.coverage.spatialRIF-эффектыru
dc.coverage.spatialнечеткая логикаru
dc.coverage.spatialнечеткая логическая регрессияru
dc.creatorНазарова Е. А.ru
dc.date.issued2018ru
dc.identifierRU\НТБ СГАУ\ВКР20180625130939ru
dc.identifier.citationНазарова, Е. А. Нечеткий алгоритм обучения на основе эффекта забывания, вызванного извлечением информации : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / Е. А. Назарова ; рук. работы И. М. Куликовских; рец. А. В. Графкин ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, математики и. - Самара, 2018. - on-lineru
dc.description.abstractОбъектом исследования являются модели классической и нечеткой логистической регрессии.Цель работы: разработка нечеткого алгоритма обучения на основе эффекта забывания, вызванного извлечением информации.В процессе работы были использованы теория вероятностей и теория нечетких множеств.В результате работы были проанализированы и реализованы: классическая логистическая регрессия, логистическая регрессия, расширенная на основе когнитивной карты, нечеткая логистическая регрессия S. Pourahmad, новая модель нечеткой логистической регрессии, расширенной на основе когнитивной карты.Эффективность работы заключается в программной реализации моделей логистической регрессии и описании новой модели нечеткой логистической регрессии с нечеткими параметрами.ru
dc.format.extentЭлектрон. дан. (1 файл : 2,5 Мб)ru
dc.titleНечеткий алгоритм обучения на основе эффекта забывания, вызванного извлечением информацииru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.4ru
dc.textpartitems())) plt.plot(x_modif_test_errors, y_modif_test_errors, 'b', label='Modified') x_int = [int(x_tick) for x_tick in plt.xticks()[0]] # force int type of X plt.xticks(x_int[1:]) # remove 0 elem from list - empty plt.xlabel('Training dataset size') 62 plt.ylabel('Test error') plt.legend(loc='upper left') plt.show() def run_heart_iterations(): learning_rate = 7e-4 func_num = 4 c = None cf = 0.93 cg = 0.925 ...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Назарова_Елена_Андреевна_Нечеткий_алгоритм_обучения.pdf2.57 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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