User Tools

Site Tools


dlcp:demichev23:about

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision
Previous revision
dlcp:demichev23:about [26/01/2023 20:45] – [Аннотация] admindlcp:demichev23:about [26/01/2023 22:03] (current) – [Участники] admin
Line 49: Line 49:
 последующей интерпретацией полученных признаков в терминах предметной области для обеспечения возможности последующей интерпретацией полученных признаков в терминах предметной области для обеспечения возможности
 их дальнейшего качественного анализа. Актуальность и значимость этого результата связана с тем, что хотя в их дальнейшего качественного анализа. Актуальность и значимость этого результата связана с тем, что хотя в
-сравнительно простых случаях выбор величин, характеризующих исследуемое явление, может оказаться естественным и даже очевидным, при исследовании и моделировании сложных систем сам выбор существенных признаков изучаемых явлений является очень сложным и неоднозначным. Второй частью этих методов и соответствующих программных реализаций будут методы обучения нейросетей на основе совместного использования тренировочных наборов признаков разнородных данных и последующего совместного анализа разнородных экспериментальных данных, полученных из различных источников. Все это должно позволить выделить интересующие исследователей характеристики явлений, которые не могут быть получены из анализа данных отдельных экспериментальных установок. Заметим, что решение таких задач методами машинного обучения является инновационным и будет реализовано впервые в мире.+сравнительно простых случаях выбор величин, характеризующих исследуемое явление, может оказаться естественным и даже очевидным, при исследовании и моделировании сложных систем сам выбор существенных признаков изучаемых явлений является очень сложным и неоднозначным.  
 +++++Второй частьюэтих методов и соответствующих программных реализаций будут методы обучения нейросетей на основе совместного использования тренировочных наборов признаков разнородных данных и последующего совместного анализа разнородных экспериментальных данных, полученных из различных источников. Все это должно позволить выделить интересующие исследователей характеристики явлений, которые не могут быть получены из анализа данных отдельных экспериментальных установок. Заметим, что решение таких задач методами машинного обучения является инновационным и будет реализовано впервые в мире.
  
 Результаты, полученные в ходе выполнения проекта, будут апробированы на реальных данных из области гамма- Результаты, полученные в ходе выполнения проекта, будут апробированы на реальных данных из области гамма-
Line 59: Line 60:
 климатическими и экологическими исследованиями, в энергетике, анализе финансовых рынков, при дистанционном климатическими и экологическими исследованиями, в энергетике, анализе финансовых рынков, при дистанционном
 зондировании Земли, материаловедении и многих других областях. зондировании Земли, материаловедении и многих других областях.
 +++++
 +
 +===== Участники =====
 +
 +  * **Демичев Андрей Павлович, руководитель**.
 +  * Крюков Александр Павлович, ответственный исполнитель.
 +  * Журов Дмитрий Павлович, ответственный исполнитель.
 +  * Дубенская Юлия Юрьевна, ответственный исполнитель.
 +  * Гринюк Андрей Анатольевич, исполнитель.
 +  * Гресь Елизавета Олеговна, исполнитель.
 +  * Власкина Анна Александровна, исполнитель.
  
dlcp/demichev23/about.txt · Last modified: 26/01/2023 22:03 by admin