The method of evaluation informativeness variables of neural network models of systems and processes in data uncertainty
Keywords:
artificial neural networks which are trained; estimation of informativeness variables of mathematical models; reduction of dimension; priori uncertainty of data
Abstract
The method of estimation of informativeness (importance) variables of diagnostic system models which are derived from the learning machine theory of artificial neural networks (ANN) was developed. Comparison of the quality of approximation of data using linear (linear multiple regression) and nonlinear (in the form of unidirectional and radial-basic trainees ANN) models were conducted. Evaluation of informativeness of controlled state variable of biomedical system elements (MBS) were obtained based on the accuracy of their measurements using linear and nonlinear diagnostic models.
Downloads
Download data is not yet available.
References
Загоруйко Н.Г. Прикладные методы анализа данных и знаний / Н.Г. Загоруйко. – Новосибирск: ИМ СО РАН, 1999. – 270 с.
Дюкова Е.В. Построение распознающих процедур на базе элементарных классификаторов / Е.В. Дюкова, Н.В. Песков. – Математические вопросы кибернетики. – 2005. – № 14. – С.57-92.
Колесникова С.И. Методы анализа информативности разнотипных признаков / С.И. Колесникова // Вестник Томского государственного университета. – 2009. – № 1 (6). – С.69-80
Айвазян С.А. Прикладная статистика и основы эконометрики –Учебник для вузов / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022с.
Гублер Е.В., Генкин А.А. Применение непараметрических критериев статистики в медико-биологических исследованиях.– Ленинград: «Медицина» Ленинградское отделение, 1973. – 144 с.
Taguchi G. The Mahalanobis–Taguchi Strategy. A pattern technology system / Taguchi G., Jugulum R. – New York: John Wiley & Sons, 2002. – 235 p.
Биргер И.А. Техническая диагностика / И.А. Биргер. – М. : Машиностроение, 1978. – 240 с.
Хайкин С. Нейронные сети: полный курс. – М: Издательский дом «Вильямс», 2006. –1104 с.
Антонян И.М. Усовершенствованный метод и информационная технология решения задачи классификации состояния элементов сложных систем / И.М. Антонян, В.А. Горячая, А.И. Зеленский, Е.М.Угрюмова // Вісник Харківського національного університету. Збірник наукових праць. Серія: «Математичне моделювання. Інформаційні технології. Автоматизовані системи управління». – 2013. – Випуск 22 (№1063). – С. 5-16.
Гайдышев И. Анализ и обработка данных: специальный справочник / И.Гайдышев. – СПб. : Питер, 2001. – 752 с.
Стрижов В.В. Методы выбора регрессионных моделей / В.В. Стрижов, Е.А. Крымова. – М.: ВЦ РАН, 2010. – 60 с
Дубровин В.И. Оценка значимости признаков на основе нейронных сетей в задачах диагностики и распознавания / В.И. Дубровин, С.А. Субботин // Техническая диагностика. – 2002. – № 1 (3). – С.66-72.
Системное совершенствование элементов сложных технических систем на основе концепции обратных задач [Текст]: монография/ В.Е. Стрелец, А.А. Трончук, Е.М. Угрюмова и др.; под общ. ред. М.Л. Угрюмова. – Х.: Нац. аэрокосм. ун-т им. Н. Е. Жуковского «Харьк. авиац. ин-т», 2013. – 148 с.
Дюкова Е.В. Построение распознающих процедур на базе элементарных классификаторов / Е.В. Дюкова, Н.В. Песков. – Математические вопросы кибернетики. – 2005. – № 14. – С.57-92.
Колесникова С.И. Методы анализа информативности разнотипных признаков / С.И. Колесникова // Вестник Томского государственного университета. – 2009. – № 1 (6). – С.69-80
Айвазян С.А. Прикладная статистика и основы эконометрики –Учебник для вузов / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022с.
Гублер Е.В., Генкин А.А. Применение непараметрических критериев статистики в медико-биологических исследованиях.– Ленинград: «Медицина» Ленинградское отделение, 1973. – 144 с.
Taguchi G. The Mahalanobis–Taguchi Strategy. A pattern technology system / Taguchi G., Jugulum R. – New York: John Wiley & Sons, 2002. – 235 p.
Биргер И.А. Техническая диагностика / И.А. Биргер. – М. : Машиностроение, 1978. – 240 с.
Хайкин С. Нейронные сети: полный курс. – М: Издательский дом «Вильямс», 2006. –1104 с.
Антонян И.М. Усовершенствованный метод и информационная технология решения задачи классификации состояния элементов сложных систем / И.М. Антонян, В.А. Горячая, А.И. Зеленский, Е.М.Угрюмова // Вісник Харківського національного університету. Збірник наукових праць. Серія: «Математичне моделювання. Інформаційні технології. Автоматизовані системи управління». – 2013. – Випуск 22 (№1063). – С. 5-16.
Гайдышев И. Анализ и обработка данных: специальный справочник / И.Гайдышев. – СПб. : Питер, 2001. – 752 с.
Стрижов В.В. Методы выбора регрессионных моделей / В.В. Стрижов, Е.А. Крымова. – М.: ВЦ РАН, 2010. – 60 с
Дубровин В.И. Оценка значимости признаков на основе нейронных сетей в задачах диагностики и распознавания / В.И. Дубровин, С.А. Субботин // Техническая диагностика. – 2002. – № 1 (3). – С.66-72.
Системное совершенствование элементов сложных технических систем на основе концепции обратных задач [Текст]: монография/ В.Е. Стрелец, А.А. Трончук, Е.М. Угрюмова и др.; под общ. ред. М.Л. Угрюмова. – Х.: Нац. аэрокосм. ун-т им. Н. Е. Жуковского «Харьк. авиац. ин-т», 2013. – 148 с.
Published
2015-05-29
How to Cite
Антонян, И. М., Горячая, В. А., Зеленский, А. И., & Угрюмова, Е. М. (2015). The method of evaluation informativeness variables of neural network models of systems and processes in data uncertainty. Bulletin of V.N. Karazin Kharkiv National University, Series «Mathematical Modeling. Information Technology. Automated Control Systems», 26(1156), 5-16. Retrieved from https://periodicals.karazin.ua/mia/article/view/14209
Issue
Section
Статті
