Индуктивный метод выбора модели с минимальной ошибкой и наименьшим смещением для решения интерполяционных задач ИИ
Ивахненко А.Г. и др.
Статья / И.А. Г. Ивахненко, Е.А. Савченко, Г.А. Ивахненко, А.Б. Надирадзе, А.О. Рогов
Приведена методика ИИ задач распознавания и моделирования.
Краткое описание: Множество объектов, подлежащих распознаванию или обнаружению зависимости, может быть замкнуто. В этом случае для выбора оптимальной модели из заданного множества моделей-кандидатов достаточно применить внешний критерий наименьшей ошибки. В случае достаточно точных данных, выбор модели неоднозначен. Тогда для доопределения модели рекомендуется применить перебор по критерию смещения. Предложен и применен новый перекрестный критерий смещения модели, расчет которого значительно более прост, чем расчет смещения моделей с помощью разделения выборки на две статистически идентичные части.
Приведена методика ИИ задач распознавания и моделирования.
Краткое описание: Множество объектов, подлежащих распознаванию или обнаружению зависимости, может быть замкнуто. В этом случае для выбора оптимальной модели из заданного множества моделей-кандидатов достаточно применить внешний критерий наименьшей ошибки. В случае достаточно точных данных, выбор модели неоднозначен. Тогда для доопределения модели рекомендуется применить перебор по критерию смещения. Предложен и применен новый перекрестный критерий смещения модели, расчет которого значительно более прост, чем расчет смещения моделей с помощью разделения выборки на две статистически идентичные части.