При обработке данных наблюдений физических, химических, биологических, экономических, социальных и других явлений или экспериментов оказывается, что нормальные распределения и линейные зависимости встречаются достаточно редко и известные математические методы малопригодны для большинства реальных случаев.
Используется новый подход к анализу переменных, как имеющих априорно «ненормальное» распределение, и к моделированию исследуемых зависимостей, как априорно нелинейных. Для моделирования парной зависимости используется сплайн-регрессия, а для множественной зависимости - многомерный ортогональный сплайн.
Новые принципы и алгоритмы характеризуются простотой вычислений и наглядностью результатов. Возможности новых методов демонстрируются на конкретных примерах, известных моделях и задачах, в том числе предложенных слушателями курса.
Рассматривается сплайн-модель искусственного нейрона (СМН), разработанная авторами на основе многомерных сплайнов, которая по разрешающей способности эквивалентна трехслойной сети известных нейронов и настраивается со скоростью в 1000 раз быстрее. При этом получаемые сплайн-составляющие СМН, как правило, наглядно отражают исследуемые причинно-следственные связи.
Использование СМН и их сетей значительно расширяет возможности моделирования нелинейных, парных и множественных зависимостей, распознавания образов, автоматической классификации (кластерного анализа), решения задач математической физики и других научно-практических задач.
Изложение курса адаптировано для слушателей, знакомых с математикой в объеме средней школы. Полученные знания могут быть успешно использованы при выполнении лабораторных, курсовых, дипломных и диссертационных работ, так же в дальнейшей научной деятельности.
Факультет
Факультет почвоведения
Преподаватели
Где
Биолого-почвенный корпус, ауд. 199
Когда
Среда 17:00–18:30
Нагрузка:
Аудиторная [ч]: 24
Самостоятельная [ч]: 12
Семестр
Весенний семестр 2019/2020 учебного года
Записалось / всего мест
39 / 300