ИВМ СО РАН Поиск 
Ресурсы :: диссертации
институт
структура
сотрудники
конференции
семинары
ученый совет
совет молодых ученых
профсоюз
техническая база
история
фотогалерея

исследования
разработки
экспедиции
эл. архив
годовые отчеты

ссылки
библиотека
документы
адреса и телефоны

метеостанция
 

Нейросетевой анализ в геоинформационных системах.

А. А. Россиев
Диссертация на соискание ученой степени кандидата-физико математических наук, 2000 г

Скачать

Текст диссертации [pdf, 805 Kb, in russian]

Аннотация

Описывается метод моделирования неполных данных с помощью последовательности кривых, обобщающий метод главных компонент. Обсуждаются три версии метода:

  • линейный — с моделированием данных последовательностью линейных многообразий малой размерности;
  • квазилинейный — с построением «главных кривых» (или «главных поверхностей»), однозначно проектируемых на линейные главные компоненты;
  • существенно нелинейный — основанный на построении «главных кривых» («главных струн и балок») с использованием вариационного принципа; итерационная реализация этого метода близка методу самоорганизующихся карт Кохонена.

Все полученные зависимости, кроме линейной, нуждаются в экстраполяции, которая производится с помощью формул Карлемана. Метод трактуется как построение нейросетевого конвейера, решающего следующие задачи:

  • заполнение пробелов в данных;
  • ремонт данных — корректировка значений исходных данных так, чтобы наилучшим образом работали построенные модели;
  • построение вычислителя, заполняющего пробелы в поступающей на вход строке данных (в предположении, что данные о новых объектах связаны теми же самыми отношениями, что и в исходной таблице).

Разработанная технология предназначена для решения широкого спектра задач, связанных с обработкой неполных данных. Она реализована в программных продуктах FAMaster и ModelAnalyzer.