BSTU DSpace logo

Please use this identifier to cite or link to this item: http://dspace.bstu.ru/jspui/handle/123456789/119
Full metadata record
DC FieldValueLanguage
dc.contributor.authorМакаров, А. Н.-
dc.date.accessioned2018-04-16T08:10:15Z-
dc.date.available2018-04-16T08:10:15Z-
dc.date.issued2018-
dc.identifier.urihttp://dspace.bstu.ru/jspui/handle/123456789/119-
dc.descriptionМакаров А.Н. Статистическая значимость прогнозирования результатов производственного процесса с помощью искусственной нейронной сети / А. Н. Макаров // Вестник БГТУ им. В. Г. Шухова. - 2018. - №3. - С. 117-123.ru_RU
dc.description.abstractВ результате проведенного исследования организации производственного процесса по созда- нию кровельных конструкций жилых многоэтажных зданий разработана искусственная нейронная сеть (ИНС), цель которой прогнозировать уровень производительности труда при заданных зна- чениях организационных факторов. Одной из главных задач на пути к ней является обучение ИНС по прецедентам выборки, извлеченной из объекта исследования. В виду недостатка обучающих дан- ных главной проблемой является определение условий статистической значимости прогнозов мо- дели, обученной на выборке ограниченной длины. Данная статья посвящена решению указанной про- блемы в рамках проведенного исследования. В работе использованы положения статистической теории обучения, использующие понятие размерности Вапника-Червоненкиса для описания слож- ности обучающего множества, а также подходы вероятностно-корректной в смысле аппрокси- мации модели обучения. Описаны технологии статистического бутстрэпа и бэггинга, позволяющие расширить имеющуюся обучающую выборку и увеличить точность прогнозирования. Обучение ИНС проводится с помощью компьютерного эксперимента с использованием языка программиро- вания Python. Получена оценка границ теоретической длины обучающей выборки, необходимой для получения с помощью ИНС результатов внутри заданного доверительного интервала ɛ=0,2 с уров- нем надежности 0,95. Извлеченная выборка преобразована на порядок, сопоставимый с теорети- ческой нижней границей. Произведено обучение ИНС с определением средней квадратической ошибки (MSE) на контрольной выборке, которая составила MSE=0,18. В статье определены теоретические границы сложности обучающего множества необходимого для обеспечения заданного уровня статистической значимости. При обучении ИНС на выборке, порядок которой увеличен в соответствии с полученным теоретически, достигнута ошибка прогнозирования на контрольных данных внутри заданного доверительного интервала.ru_RU
dc.language.isootherru_RU
dc.publisherИздательство БГТУ им. В. Г. Шуховаru_RU
dc.subjectискусственная нейронная сетьru_RU
dc.subjectмашинное обучениеru_RU
dc.subjectорганизация производстваru_RU
dc.subjectдлина обучающей выборкиru_RU
dc.subjectразмерность Вапника-Червоненкисаru_RU
dc.subjectстатистический бутстрэпru_RU
dc.subjectбэггингru_RU
dc.titleСтатистическая значимость прогнозирования результатов производственного процесса с помощью искусственной нейронной сетиru_RU
dc.typeArticleru_RU
Appears in Collections:2018 год

Files in This Item:
File Description SizeFormat 
17. Макаров.pdf485.74 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.