Отрывок: В качестве стартовых значений были взяты следующие значения:  learning rate = 0,002  количество слоев нейронов = 3  количество нейронов в одном слое = 300  количество итераций обучения = 10 На первом шаге сравнения исследуем зависимость качества прогнозирования модели от количества нейронов в одном слое. Ниже приведены 3 таблицы с результатами для значений 300, 100 и 700 соответственно. Таблица 2 – Результат прогнозирования при количестве нейронов равном 300 ...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorБеляев Н. Д.ru
dc.contributor.authorЛезин И. А.ru
dc.contributor.authorСтолбова А. А.ru
dc.contributor.authorМинистерство науки и высшего образования 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.spatialпрогнозированиеru
dc.coverage.spatialавтоматизированные системыru
dc.coverage.spatialTENSORFLOWru
dc.coverage.spatialWINDOWSFORMru
dc.coverage.spatialмедицинские расходыru
dc.coverage.spatialрекуррентные нейронные сетиru
dc.coverage.spatialмашинное обучениеru
dc.creatorБеляев Н. Д.ru
dc.date.issued2019ru
dc.identifierRU\НТБ СГАУ\ВКР20191023114227ru
dc.identifier.citationБеляев, Н. Д. Прогнозирование медицинских расходов на основе машинного обучения : вып. квалификац. работа по направлению подгот. 09.03.01 "Информатика и вычислительная техника" (уровень бакалавриата) / Н. Д. Беляев ; рук. работы И. А. Лезин ; нормоконтролер А. А. Столбова ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, мат. - Самара, 2019. - on-lineru
dc.description.abstractВ данной выпускной квалификационной работе рассматривается прогнозирование медицинских расходов при помощи рекуррентной нейронной сети LSTM.Целью работы является создание приложения, позволяющего загружать наборы данных для обучения модели или осуществлеru
dc.format.extentЭлектрон. дан. (1 файл : 1,2 Мб)ru
dc.titleПрогнозирование медицинских расходов на основе машинного обученияru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpartВ качестве стартовых значений были взяты следующие значения:  learning rate = 0,002  количество слоев нейронов = 3  количество нейронов в одном слое = 300  количество итераций обучения = 10 На первом шаге сравнения исследуем зависимость качества прогнозирования модели от количества нейронов в одном слое. Ниже приведены 3 таблицы с результатами для значений 300, 100 и 700 соответственно. Таблица 2 – Результат прогнозирования при количестве нейронов равном 300 ...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Беляев_Никита_Дмитриевич_Прогнозирование_медицинских_расходов.pdf1.25 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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