Автор: Горбаченко Владимир Иванович

Название:01.03.02 Прикладная математика и информатика (4 года - для поступивших до 2014 г.)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Преподаватель
Дата издания:2015
Дата загрузки:03.08.2017
Издательство:ПГУ
Название:01.03.02 Прикладная математика и информатика профиль Системное программирование и компьютерные технологии (для поступивших до 2014 года)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Преподаватель
Дата издания:2015
Дата загрузки:03.08.2017
Издательство:ПГУ
Название:График УП по направлению 01.04.02. "Прикладная математика и информатика" Магистерская программа "Математическое и программное обеспечение вычислительных машин"
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Преподаватель
Аннотация:График УП по направлению 01.04.02. "Прикладная математика и информатика" Магистерская
Дата издания:2015
Дата загрузки:26.03.2018
Издательство:ПГУ
Название: Характеристика ОП 01.04.02 "Прикладная математика и информатика" (магистерская программа "Математическое и программное обеспечение вычислительных машин")
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Учащийся
Дата издания:2015
Дата загрузки:21.03.2018
Издательство:ПГУ
Название:Учебный план по направлению 01.04.02 "Прикладная математика и информатика" магистерская программа "Математическое и программное обеспечение вычислительных машин"
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Аннотация:Учебный план по направлению 01.04.02 "Прикладная математика и информатика"
Дата издания:2015
Дата загрузки:16.03.2018
Издательство:ПГУ
Название:Характеристика ОП 01.03.02 Прикладная математика и информатика
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Преподаватель
Аннотация:Характеристика ОП
Дата издания:2015
Дата загрузки:07.12.2017
Издательство:ПГУ
Название:Календарный учебный график 01.03.02 Прикладная математика и информатика ПрофильСистемное программирование и компьютерные технологии
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Учащийся
Аннотация:Календарный план 01.03.02 Прикладная математика и информатика
Дата издания:2015
Дата загрузки:15.03.2018
Издательство:ПГУ
Название:Руководство по подготовке и защите магистерской диссертации по направлению "прикладная математика и информатика"
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебное пособие (в т.ч. электронное)
Целевое назначение:Учебное
Целевая аудитория:Учащийся
Дата издания:2011
Дата загрузки:16.02.2019
Издательство:ПГПУ
Название:График УП 01.03.02 Прикладная математика и информатика (2014)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Преподаватель
Дата издания:2018
Дата загрузки:19.03.2018
Издательство:ПГУ
Название:Учебный план по направлению 01.03.02 Прикладная математика и информатика (2014)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Преподаватель
Дата издания:2018
Дата загрузки:20.03.2018
Издательство:ПГУ
Название:График УП 01.03.02 Прикладная математика и информатика (2014)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Преподаватель
Дата издания:2018
Дата загрузки:20.03.2018
Издательство:Изд. ПГУ
Название:Календарный учебный график 09.06.01 Информатика и вычислительная техника (очная)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2018
Дата загрузки:07.04.2018
Издательство:ПГУ
Название:Учебный план по направлению продготовки 09.06.01 Информатика и вычислительная техника (очная)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебные материалы
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2018
Дата загрузки:10.12.2018
Издательство:ПГУ
Название:Календарный учебный график 09.06.01 Информатика и вычислительная техника (очная)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2018
Дата загрузки:08.04.2018
Издательство:ПГУ
Название:
Тематика:
Вид ресурса:
Тип ресурса:
Дата загрузки:
Название:Характеристика ОП 09.06.01 "Информатика и вычислительная техника" (направленность "Теоретические основы информатики")
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебная программа
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2018
Дата загрузки:10.12.2018
Издательство:ПГУ
Название:Учебный план 01.03.02 Прикладная математика и информатика (с 2015 г.)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2018
Дата загрузки:22.03.2018
Издательство:ПГУ
Название:Характеристика ОПОП 01.03.02 Прикладная математика и информатика (перех.)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2018
Дата загрузки:26.03.2018
Издательство:ПГУ
Название:Характеристика ОПОП 01.03.02 "Прикладная математика и информатика" (перех.)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2018
Дата загрузки:26.03.2018
Издательство:ПГУ
Название:ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ: НЕЧЕТКИЕ СИСТЕМЫ И СЕТИ 2-е изд., испр. и доп. Учебное пособие для вузов
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебное пособие (в т.ч. электронное)
Целевое назначение:Учебное
Целевая аудитория:Учащийся
Аннотация:Учебное пособие посвящено основам нечетких систем и сетей. В нем даны основные характеристики нечетких множеств и нечеткой логики, раскрыто понятие нечетких нейронных (гибридных) сетей, представлены алгоритмы нечеткого вывода и оптимизации нечеткой нейронной сети. Книга содержит большое количество иллюстративного материала, который способствует лучшему усвоению материалов учебного пособия.
Дата издания:2017
Дата загрузки:10.11.2018
Издательство:Юрайт
Название:Интеллектуальные системы: нечеткие системы и сети
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебное пособие (в т.ч. электронное)
Целевое назначение:Учебное
Целевая аудитория:Учащийся
Аннотация:Учебное пособие посвящено основам нечетких систем и сетей. В нем даны основные характеристики нечетких множеств и нечеткой логики, раскрыто понятие нечетких нейронных (гибридных) сетей, представлены алгоритмы нечеткого вывода и оптимизации нечеткой нейронной сети. Книга содержит большое количество иллюстративного материала, который способствует лучшему усвоению материалов учебного пособия.
Дата издания:2018
Дата загрузки:12.11.2018
Издательство:Юрайт
Название:A new method for predicting survival and estimating uncertainty in trauma patients
Тематика:медицина
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Для оценки тяжести травм и повреждений в настоящее время используется «золотой» стандарт Trauma and Injury Severity Score (TRISS), предназначенный для скрининга состояния пациента с целью предсказания вероятности выживания. Однако использование этого стандарта в течение более чем 40 лет выявило ряд проблем: первое — необъяснимую флуктуацию предсказанных значений, вызванную агрегированием скрининговых тестов, второе — недостаточную точность оценки интервалов неопределенности, в которых распределены предсказания. Для снижения негативного влияния этих факторов нами разработан новый метод и сделан доступным для практиков в виде web-калькулятора. Метод использует байесовскую методологию статистического вывода, которая теоретически позволяет достичь максимальной точности предсказаний, являясь, однако, вычислительно сложной в реализации. Метод был реализован и верифицирован нами на выборке данных, включающей 571 148 пациентов, зарегистрированных в US National Trauma Data Bank (NTDB), с числом травм от 1 до 20. Распределение пациентов по группам по числу травм: 1-я группа — 174 647 пациентов имели 1 травму, 2-я группа — 381 137— от 2 до 10 травм и 3-я группа 15 364 — от 11 до 20 травм. Доли выживших в каждой категории были 0,977, 0,953 и 0,831 соответственно. Предложенный нами метод улучшил точность предсказаний на 0,04%, 0,36% и 3,64% (значимость p<0,05) для каждой указанной группы. Критерий Хосмер-Лемешоу показал значительное улучшение калибрации новой модели. Интервалы неопределенности 2σ были снижены с 0,628 до 0,569 для пациентов 2-й группы и с 1,227 до 0,930 для пациентов 3-й группы (p<0,005). Новый метод показал статистически значимое улучшение как точности предсказания выживания, так и точности оценки интервалов неопределенности. Наибольшее улучшение достигается для пациентов 3-й группы. Метод сделан доступным для практиков как web-калькулятор http://www.traumacalc.org.
Дата издания:2017
Дата загрузки:17.11.2018
Издательство:Научно-исследовательский институт им. Н. В. Склифосовского Департамента здравоохранения города Москвы
ИР получен из базы данных "Scopus" автоматически
Название:Efficient Solving of Boundary Value Problems Using Radial Basis Function Networks Learned by Trust Region Method
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:A method using radial basis function networks (RBFNs) to solve boundary value problems of mathematical physics is presented in this paper. The main advantages of mesh-free methods based on RBFN are explained here. To learn RBFNs, the Trust Region Method (TRM) is proposed, which simplifies the process of network structure selection and reduces time expenses to adjust their parameters. Application of the proposed algorithm is illustrated by solving two-dimensional Poisson equation.
Дата издания:2018
Дата загрузки:17.11.2018
Издательство:Hindawi
ИР получен из базы данных "Scopus" автоматически
Название:Learning Radial Basis Function Networks with the Trust Region Method for Boundary Problems
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:We consider the solution of boundary value problems of mathematical physics with neural networks of a special form, namely radial basis function networks. This approach does not require one to construct a difference grid and allows to obtain an approximate analytic solution at an arbitrary point of the solution domain. We analyze learning algorithms for such networks. We propose an algorithm for learning neural networks based on the method of trust region. The algorithm allows to significantly reduce the learning time of the network.
Дата издания:2018
Дата загрузки:17.11.2018
Издательство:Springer
ИР получен из базы данных "Scopus" автоматически
Название:Совершенствование алгоритмов обучения сетей радиальных базисных функций для решения задач аппроксимации
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Перспективным инструментом решения задач аппроксимации, в том числе задач бессеточной аппроксимации, являются сети радиальных базисных функций, которые представляют специальный вид нейронных сетей. Решение задачи формируется в процессе обучения сети. Но в настоящее время отсутствуют быстрые и достаточно простые алгоритмы обучения сетей радиальных базисных функций. Цель данного исследования - разработка и экспериментальное исследование новых быстрых алгоритмов обучения сетей радиальных базисных функций при решении задач аппроксимации. Материалы и методы. Реализация поставленных задач достигнута за счет использования для обучения сетей радиальных базисных функций современных ускоренных градиентных методов первого порядка и адаптации метода Левенберга - Марквардта. Результаты. Для обучения сетей радиальных базисных функций впервые разработаны алгоритмы на основе методов первого порядка: градиентный спуск с импульсом (импульсный метод), алгоритм ускоренного градиента Нестерова и RMSProp в сочетании с ускоренным градиентом Нестерова. Показаны преимущества последовательной настройки параметров в каждом итерационном цикле обучения сети. Разработана реализация метода Левенберга - Марквардта для обучения сетей радиальных базисных функций. Получены формулы для расчета параметров сетей при реализации алгоритмов. Даны рекомендации по выбору параметров обучения сетей. Показана связь между методом Левенберга - Марквардта и методом доверительных областей. Таким образом, алгоритмом Левенберга - Марквардта можно достичь тех же результатов, что и более сложным алгоритмом метода доверительных областей. Создан комплекс программ в системе MatLab, реализующий разработанные алгоритмы. Проведены экспериментальные исследования разработанных алгоритмов. Выводы. Для решения задач аппроксимации на сетях радиальных базисных функций можно рекомендовать адаптированный в работе алгоритм Левенберга - Марквардта. Если в алгоритме Левенберга - Марквардта возникают проблемы с плохой обусловленностью системы линейных алгебраических уравнений, то можно рекомендовать алгоритм ускоренного градиента Нестерова.
Дата издания:2017
Дата загрузки:17.11.2018
Издательство:Общество с ограниченной ответственностью "Центр анализа и развития кластерных систем" (Пенза)
Название:FUNDAMENTAL SOLUTIONS METHOD FOR COUPLED MATHEMATICAL MODELS OF HEAT AND MASS TRANSFERS
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Журнал
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2018
Дата загрузки:19.11.2018
Издательство: ACADEMIC PUBLICATIONS, LTD.; HTTPS://IJPAM.EU
Название:Новые информационные технологии и системы : сб. науч. ст. XV Междунар. науч.-техн. конф., посвящ. 75-летию Пенз. гос. ун-та
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Издания, выпущенный под собственной редакцией (сборники научных трудов)
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Изложены проблемы в области аппаратно-программного обеспечения информа-ционно-вычислительных систем и систем управления, систем автоматизированного проектирования. Рассматриваются вопросы управления в социальных, экономических и технических системах. Представлены современные технологии хранения и обработки данных, информационные технологии в образовании. Обсуждаются вопросы информа-ционной безопасности вычислительных систем и сетей, интеллектуальных систем и ма-шинного обучения, сетей ЭВМ и телекоммуникаций. Издание предназначено для инженеров и научных работников, а также обучаю-щихся старших курсов, интересующихся вопросами современных информационных технологий.
Дата издания:2018
Дата загрузки:22.11.2018
Издательство:Изд. ПГУ
Название:
Тематика:
Вид ресурса:
Тип ресурса:
Дата загрузки:
Название:Проблемы информатики в образовании, управлении, экономике и технике: Сборник статей XVII Международной научно-технической конференции / Под ред. В. И. Горбаченко, В. В. Дрождина
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Издания, выпущенный под собственной редакцией (сборники научных трудов)
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2017
Дата загрузки:24.11.2018
Издательство:Приволжский Дом знаний
Название:Обучение сетей радиальных базисных функций методом Левенберга-Марквардта
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Разработана реализация метода Левенберга-Марквардта для обучения сетей радиальных базисных функций. Даны рекомендации по выбору параметров обучения сетей. Показана связь между методом Левенберга-Марквардта и методом доверительных областей. Создан комплекс программ в системе MATLAB, реализующий разработанный алгоритм. Проведены экспериментальные исследования разработанного алгоритма.
Дата издания:2017
Дата загрузки:24.11.2018
Издательство:Приволжский Дом знаний
Название:Адаптация метода Левенберга-Марквардта для обучения сетей радиальных базисных функций
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Разработана реализация метода Левенберга - Марквардта обучения сетей радиальных базисных функций. Даны рекомендации по выбору параметров обучения сетей. Создан комплекс программ в системе MATLAB, реализующий разработанные алгоритмы. Проведены экспериментальные исследования разработанных алгоритмов.
Дата издания:2017
Дата загрузки:24.11.2018
Издательство:Издательство ПГУ
Название:Обучение сетей радиальных базисных функций методом Нестерова при решении краевых задач математической физики
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2018
Дата загрузки:24.11.2018
Издательство:Изд. ПГУ
Название:Обучение методом доверительных областей сетей радиальных базисных функций при решении краевых задач
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Рассматривается решение краевых задач математической физики на нейронных сетях специального вида — сетях радиальных базисных функций. Рассматриваемый подход не требует построения разностной сетки и позволяет получить приближенное аналитическое решение в произвольной точке области решения. Проведен анализ алгоритмов обучения таких сетей. Предлагается алгоритм обучения сетей на основе метода доверительных областей. Алгоритм позволяет существенно сократить время обучения сети.
Дата издания:2018
Дата загрузки:24.11.2018
Издательство:Российская академия наук
Название:Решение краевых задач на сетях радиальных базисных функций
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2018
Дата загрузки:24.11.2018
Издательство:Институт вычислительного моделирования СО РАН (Красноярск)
Название:Решение обратных краевых задач на сетях радиальных базисных функций
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Предлагается унифицированный алгоритм решения обратных краевых задач на сетях радиальных базисных функций. Решение задач основано на обучении сетей. Рассмотрены особенности решения различных видов обратных задач.
Дата издания:2018
Дата загрузки:19.11.2019
Издательство:Приволжский Дом знаний
Название:Применение методов нейроуправления в ПТК ""Урал Атом" — концепции и перспективы
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Промышленность
Аннотация:Рассматривается применение пропорционально-интегрально-дифференциальных регуляторов с использованием нечеткой логики и нейронных сетей.
Дата издания:2018
Дата загрузки:24.11.2018
Издательство:Приволжский Дом знаний
Название:
Тематика:
Вид ресурса:
Тип ресурса:
Дата загрузки:
Название:ПРЕДВАРИТЕЛЬНОЕ ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ ДЛЯ ДИАГНОСТИКИ ПОСЛЕОПЕРАЦИОННЫХ ОСЛОЖНЕНИЙ ПРИ ЖЕЛЧНОКАМЕННОЙ БОЛЕЗНИ
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Преподаватель
Аннотация:На материале Пензенской областной клинической больницы имени Н.Н. Бурденко о пациентах с желчнокаменной болезнью исследованы нейросетевые методы для диагностики послеоперационных осложнений. Была подобрана оптимальная архитектура сети, ошибка которой составила 0,99 %. On the material from the Penza regional clinical hospital named after N.N. Burdenko about patients with cholelithiasis, neural network methods for the diagnosis of postoperative complications are investigated. The optimal network architecture was chosen, the error of which was 0.99%.
Дата издания:2018
Дата загрузки:27.11.2018
Издательство:Автономная некоммерческая научно-образовательная организация «Приволжский Дом знаний»
Название:Учебный план 09.06.01 Информатика и вычислительная техника Теоретические основы информатики Заочно
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебные материалы
Целевое назначение:Учебное
Целевая аудитория:Преподаватель
Дата издания:2018
Дата загрузки:12.12.2018
Издательство:Изд. ПГУ
Название:Application of parametric identification method and radial basis function networks for solution of inverse boundary value problems
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Дата издания:2017
Дата загрузки:06.11.2019
ИР получен из базы данных "Scopus" автоматически
Название:Solving boundary value problems of mathematical physics using radial basis function networks
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Дата издания:2017
Дата загрузки:06.11.2019
ИР получен из базы данных "Scopus" автоматически
Название:Investigation of neural and fuzzy neural networks for diagnosis of endogenous intoxication syndrome in patients with chronic renal failure
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Дата издания:2016
Дата загрузки:06.11.2019
ИР получен из базы данных "Scopus" автоматически
Название:Neural network technique in some inverse problems of mathematical physics
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Дата издания:2016
Дата загрузки:06.11.2019
ИР получен из базы данных "Scopus" автоматически
Название:Propagation limits for a slow wave of optical breakdown in a fiber light guide
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Дата издания:2010
Дата загрузки:06.11.2019
ИР получен из базы данных "Scopus" автоматически
Название:Учебный план 01.03.02 Прикладная математика и информатика (ФГОС++)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебные материалы
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2019
Дата загрузки:11.11.2019
Издательство:Изд. ПГУ
Название:ОПОП 01.03.02 Прикладная математика и информатика (ФГОС++)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебная программа
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2019
Дата загрузки:11.11.2019
Издательство:Издательство ПГУ
Название:ОПОП 01.04.02 Прикладная математика и информатика (ФГОС++)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебная программа
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2019
Дата загрузки:12.11.2019
Издательство:Издательство ПГУ
Название:Учебный план 01.04.02 Прикладная математика и информатика (Шахты)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебная программа
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2019
Дата загрузки:12.11.2019
Издательство:Издательство ПГУ
Название:Учебный план 01.03.02 Прикладная математика и информатика (Шахты)
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебная программа
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2019
Дата загрузки:12.11.2019
Издательство:Издательство ПГУ
Название:
Тематика:
Вид ресурса:
Тип ресурса:
Дата загрузки:
Название:Learning Radial Basis Functions Networks in Solving Boundary Value Problems
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:The authors considered the solution of boundary problems, arising from objects modeling with distributed parameters, of radial basis functions networks. The gradient algorithms analysis for learning radial basis functions networks when solving boundary value problems is carried out. The widely used the first order method-the gradient method descent does not provide high learning rate and the solution accuracy. The fastest of the second order method - the method of trust regions is very complicated. Developed implementations of the first order method-the accelerated Nesterov gradient and the second order method Levenberg-Marquardt for learning radial basic functions networks in solving boundary value problems. A comparison is made of the Levenberg- Marquardt methods and trust regions for learning radial basis functions networks. The results are presented of solving model problem using the developed methods. The Levenberg-Marquardt method, with a simpler implementation, showed the results compared with the fastest method of the second order - the method of trust regions.
Дата издания:2019
Дата загрузки:17.11.2019
Издательство:Proceedings - 2019 International Russian Automation Conference
ИР получен из базы данных "Scopus" автоматически
Название:Radial Basis Function Networks Learning to Solve Approximation Problems
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:The purpose of the paper is the development and experimental study of new fast learning algorithms for radial basis function networks in solving approximation problems. To learn radial basis function networks, algorithms based on first-order methods have been developed for the first time: gradient descent with a pulse, Nesterov’s accelerated gradient algorithm and RMSProp in combination with Nesterov’s accelerated gradient. The advantages of sequential adjustment of parameters in each iterative cycle of network training are shown. The implementation of the Levenberg-Marquardt method for training radial basis function networks has been developed. With the help of the Levenberg-Marquardt method, the same results can be achieved as with the more complex algorithm of the method of trust regions. The developed algorithms have been experimentally studied.
Дата издания:2019
Дата загрузки:19.11.2019
Издательство:IAEM Publication
Название:
Тематика:
Вид ресурса:
Тип ресурса:
Дата загрузки:
Название:Решение краевых задач на сетях радиальных базисных функций
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2018
Дата загрузки:17.11.2019
Издательство:Издательство ПГУ
Название:Обучение методом Левенбер-га Марквардта сетей радиальных базисных функций при решении краевых задач
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2018
Дата загрузки:17.11.2019
Издательство:Издательство ПГУ
Название:Обучение сетей радиальных базисных функций методом Левенберга-Маркварда при решении краевых задач
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2019
Дата загрузки:17.11.2019
Издательство:Московский государственный психолого-педагогический университет
Название:Решение краевых задач математической физики с помощью сетей радиальных базисных функций
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2019
Дата загрузки:17.11.2019
Издательство:Издательство ПГУ
Название:Нейронная сеть глубокой архитектуры для диагностики послеоперационных осложнений аппендицита
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2019
Дата загрузки:17.11.2019
Издательство:Пермский государственный национальный исследовательский университет
Название:Применение сетей радиальных базисных функций для решение обратных краевых задач математической физики
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2019
Дата загрузки:17.11.2019
Издательство:Издательство ПГУ
Название:XIX Международная научно—техническая конференция "Проблемы информатики в образовании, управлении, экономике и технике"
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Научная конференция с очным участием (с публикацией сборника в РИНЦ)
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2019
Дата загрузки:18.11.2019
Издательство:Пенза : ПДЗ
Название:Improving algorithms for learning of radial basis functions networks for approximation problems and solving partial differential equations
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:The learning of radial basis functions networks for solving approximation problems and partial differential equations is considered. Realizations of the accelerated gradient of Nesterov and Levenberg-Marquardt were proposed for learning networks, which made it possible to significantly reduce the training time.
Дата издания:2019
Дата загрузки:18.11.2019
Издательство:International Conference on Applied and Engineering Mathematics
ИР получен из базы данных "Scopus" автоматически
Название:Digital Model for Diagnosis of Postoperative Complications in Medicine Using Bioinformatics: Evaluate and Predict the Patient's Condition
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Digital models are needed in medicine using bioinformatics for diagnosis and prediction. Such models are especially needed in personalized medicine using bioinformatics. In this area, it is necessary to evaluate and predict the patient's condition from a priori knowledge obtained from other patients. Therefore, a new direction appeared - predictive medicine using bioinformatics. Predictive medicine, or “in silico medicine” is the use of computer modelling and intelligent technologies in the diagnosis, treatment and prevention of diseases. Using predictive medicine, the doctor can determine the likelihood of the development of certain diseases and choose the optimal treatment using bioinformatics. Predictive medicine begins to be applied in surgery. The prognosis in surgery consists in the preoperative evaluation of various surgical interventions and in the evaluation of possible outcomes of surgical interventions.
Дата издания:2019
Дата загрузки:26.11.2020
Издательство:IGI Global, Hershey, PA, USA
Название:График УП 01.04.02 Прикладная математика и информатика ФГОС++
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебная программа
Целевое назначение:Учебное
Целевая аудитория:Абитуриент
Дата издания:2019
Дата загрузки:21.11.2019
Издательство:Изд. ПГУ
Название:НЕЙРОННАЯ СЕТЬ ГЛУБОКОЙ АРХИТЕКТУРЫ ДЛЯ ДИАГНОСТИКИ ПОСЛЕОПЕРАЦИОННЫХ ОСЛОЖНЕНИЙ АППЕНДИЦИТА
Тематика:медицина
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:В статье проведено исследование нейронных сетей прямого распространения глубокой архитектуры. Для выбора признаков предложен метод, обеспечивающих стабильную метрику качества работы сети и основанный на использовании минимального межквартильного размаха F1-меры. Для повышения точности классификации предложено применение повышающего (overcomplete) автоэнкодера.
Дата издания:2019
Дата загрузки:22.11.2019
Издательство:Пермский государственный национальный исследовательский университет
Название:Solving Equations Describing Processes in a Piecewise Homogeneous Medium on Radial Basis Functions Networks
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2020
Дата загрузки:25.11.2020
Издательство:Springer
ИР получен из базы данных "Scopus" автоматически
Название:The Solution of Approximation Problems on RBF Networks Learned by the Levenberg Marquardt Method
Тематика:физико-математические науки
Вид ресурса:электронное немультимедийное издание
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2020
Дата загрузки:23.11.2020
Издательство:IEEE
ИР получен из базы данных "Scopus" автоматически
Название:Моделирование объектов с распределенными параметрами на нейронных сетях
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Предмет и цель работы. Применение специального вида нейронных сетей — сетей радиальных базисных функций является перспективным направлением решения краевых задач, являющихся моделями объектов с распределенными параметрами. Применение таких нейронных сетей сдерживается отсутствием быстрых и простых алгоритмов обучения. Целью работы является совершенствование алгоритмов обучения сетей радиальных базисных функций при решении краевых задач, позволяющих сократить время решения задачи. Методы. Анализ градиентных алгоритмов обучения сетей радиальных базисных функций показал перспективность разработки новых алгоритмов обучения, основанных на методах оптимизации Нестерова и Левенберга-Марквардта. Результаты. Разработаны алгоритмы обучения сети на основе методов Нестерова и Левенберга-Марквардта, отличающиеся учетом специфики архитектуры сети и аналитическим вычислением параметров. Алгоритм на основе метода Левенберга-Марквардта достиг на модельной задаче малой погрешности за число итераций, равное числу итераций алгоритма на основе метода доверительных областей, но проще этого алгоритма, так как не требует решения на каждой итерации задачи условной оптимизации. Выводы. Разработан быстрый алгоритм обучения сетей радиальных базисных функций, предназначенных для моделирования объектов с распределенными параметрами.
Дата издания:2019
Дата загрузки:09.11.2020
Издательство:Модели, системы, сети в экономике, технике, природе и обществе
Название:Deep Neural Networks in the Diagnosis of Postoperative Complications of Acute Appendicitis
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Монография, изданная другими издательствами (наличие ISBN); Коллективная монография
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Digital models are needed in medicine for diagnosis and prediction. Such models are especially needed in personalized medicine. In this area, it is necessary to evaluate and predict the patient's condition from a priori knowledge obtained from other patients. Therefore, a new direction of predictive medicine appeared. Predictive medicine, or “in silicon medicine” is the use of computer modeling and intelligent technologies in the diagnosis, treatment, and prevention of diseases. Using predictive medicine, the doctor can determine the likelihood of the development of certain diseases and choose the optimal treatment. Predictive medicine begins to be applied in surgery. The prognosis in surgery consists in the preoperative evaluation of various surgical interventions and in the evaluation of possible outcomes of surgical interventions.
Дата издания:2019
Дата загрузки:25.11.2020
Издательство:IGI Global, Hershey, PA, USA
Название:Improving Algorithms for Learning Radial Basic Functions Networks to Solve the Boundary Value Problems
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Монография, изданная другими издательствами (наличие ISBN); Коллективная монография
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Digital twins are widely used in modern industry. A digital twin is a computer model that copies the behavior of a physical object. Digital twins of objects with distributed parameters are mathematically boundary value problems for partial differential equation. Traditionally, such problems are solved by finite difference and finite element methods, which require a complex grid construction procedure. The numerical solution of boundary value problems employs mesh less methods that do not require grid construction. Among mesh fewer methods, projection methods that use radial basis functions (RBFs) as basic functions are popular. Methods using RBF allow us to obtain a differentiable solution at any point in the solution domain, applicable to problems of arbitrary dimension with complex computational domains. When solving the problem, the parameters of the basic functions are selected, and the weights are calculated so that the residuals obtained after the substitution of the approximate solution at the test points in the equation are zero.
Дата издания:2019
Дата загрузки:25.11.2020
Издательство:IGI Global, Hershey, PA, USA
Название:Обучение сетей радиальных базисных функций при решении задач аппроксимации и уравнений в частных производных
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Обучение сетей радиальных базисных функций при решении задач аппрок-симации и уравнений в частных производных
Дата издания:2019
Дата загрузки:26.11.2020
Издательство:Московский физико-технисекий инститьут
Название:Решение обратных краевых задач математической физики с помощью сетей радиальных базисных функций
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:Рассматривается задача нахождения неизвестного коэффициента уравнения Гельмгольца на основе значений заданного дополнительного условия. Предложен, реализован и исследован алгоритм решения задачи на сети радиальных базисных функций, обучаемой методом Левенберга-Марквардта.
Дата издания:2019
Дата загрузки:26.11.2020
Издательство:Московский физико-технисекий инститьут
Название:Решение обратных краевых задач на сетях радиальных базисных функций
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2019
Дата загрузки:11.11.2020
Издательство:Приволжский Дом знаний
Название:Проблемы информатики в образовании, управлении, экономике и технике: Сборник статей XIX Международной научно-технической конференции
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Издания, выпущенный под собственной редакцией (сборники научных трудов)
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2019
Дата загрузки:11.11.2020
Издательство:Приволжский Дом знаний
Название:Решение задач аппроксимации на сетях радиальных базисных функций, обучаемых методом Левенберга-Марквардта
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2019
Дата загрузки:26.11.2020
Издательство:Институт вычислительного моделирования СО РАН (Красноярск)
Название:Решение прямых и обратных краевых задач на сетях радиальных базисных функций
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2019
Дата загрузки:26.11.2020
Издательство:Изд. ПГУ
Название:Обучение сетей радиальных базисных функций методом Левенберга-Марквардта при решения обратных краевых задач
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2019
Дата загрузки:11.11.2020
Издательство:Изд. ПГУ
Название:Решение прямых и обратных краевых задач на сетях радиальных базисных функций
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2019
Дата загрузки:11.11.2020
Издательство:Изд. ПГУ
Название:Применение сетей радиальных базисных функций для решения задач, описывающих процессы в кусочно-однородной среде
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2020
Дата загрузки:26.11.2020
Издательство:Изд. ПГУ
Название:Обучение сетей радиальных базисных функции методом Левенберга-Марквардта при решении задач, описывающих процессы в кусочно-однородной среде
Тематика:физико-математические науки
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Дата издания:2020
Дата загрузки:25.11.2020
Издательство:Изд. ПГУ
Название:Предсказание наличия осложнений после операции удаления острого аппендицита
Тематика:медицина
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Научное
Целевая аудитория:Исследователь
Аннотация:В статье представлено описание разработки нейросетевой системы предсказания наличия осложнений после удаления острого аппендицита. Предложены способ кодирования составных признаков и отбора признаков на основе интерквартильного размаха метрики качества работы сети. Произведена подготовка обучающего набора. Экспериментально подобрана архитектура нейронной сети глубокого обучения. Для предотвращения переобучения сети применен метод dropout регуляризации сети. Сеть обучена с использованием градиентного алгоритма Adam с адаптивной скоростью обучения. Результаты экспериментов выявили высокие показатели качества работы сети, превосходящие показатели популярных моделей машинного обучения.
Дата издания:2020
Дата загрузки:24.11.2020
Издательство:Издательский центр Пермского Государственного национального исследовательского университета
Название:
Тематика:
Вид ресурса:
Тип ресурса:
Дата загрузки:
Название:Нейросетевая классификация авиационного персонала как элемент информационно-управляющего пространства безопасности объекта транспортной инфраструктуры
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Статья
Целевое назначение:Производственно-практическое
Целевая аудитория:Промышленность
Дата издания:2020
Дата загрузки:26.11.2020
Издательство:Институт вычислительного моделирования СО РАН (Красноярск)
Название:Интеллектуальный анализ данных в системе Loginom
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебно-методическое пособие
Целевое назначение:Учебное
Целевая аудитория:Учащийся
Аннотация:Рассмотрены вопросы предварительной обработки данных, построения корреляционного анализа, построения и интерпретации ассоциативных правил, решения задач кластеризации, построения логистической регрессии. Приведены задания к лабораторным и самостоятельным работам, выполняемым учащимися очной форм обучения. Издание подготовлено на кафедре «Информационно-вычислительные системы» ПГУ и предназначено для обучающихся по направлениям подготовки 09.02.03 «Программирование в компьютерных системах» и 09.02.07 «Информационные системы и программирование».
Дата издания:2020
Дата загрузки:27.11.2020
Издательство:Изд. ПГУ
Название:Машинное обучение в системе Loginom
Тематика:техника
Вид ресурса:электронная копия бумажного издания
Тип ресурса:Учебно-методическое пособие
Целевое назначение:Учебное
Целевая аудитория:Учащийся
Аннотация:Рассмотрены вопросы предварительной обработки данных, классификации с помощью нейронных сетей, прогнозирования с помощью модели Arimax, кластеризации с помощью самоорганизующейся сети Кохонена. Приведены задания к лабораторным и самостоятельным работам, выполняемым учащимися очной форм обучения. Издание подготовлено на кафедре «Информационно-вычислительные системы» ПГУ и предназначено для обучающихся по направлениям подготовки 09.02.03 «Программирование в компьютерных системах» и 09.02.07 «Информационные системы и программирование».
Дата издания:2020
Дата загрузки:27.11.2020
Издательство:Изд. ПГУ