Применение нейросетевых алгоритмов для решения задачи восстановления двумерных геополей; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 327, № 2
| Parent link: | Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов/ Национальный исследовательский Томский политехнический университет (ТПУ).— , 2015-.— 2413-1830 Т. 327, № 2.— 2016.— [С. 35-43] |
|---|---|
| Hovedforfatter: | |
| Institution som forfatter: | |
| Andre forfattere: | |
| Summary: | Заглавие с титульного листа Актуальность исследования обусловлена необходимостью разработки алгоритмов и программных средств, позволяющих повысить эффективность пространственного анализа и восстановления двумерных геополей. Цель работы: разработка алгоритмов и программных средств, позволяющих повысить эффективность восстановления двумерных геополей по не регулярной сети точечных данных; проведение экспериментальных исследований эффективности разработанных алгоритмов и сравнение с существующими аналогами. Методы исследования. Для решения поставленной задачи применяются методы искусственного интеллекта, методы реализации искусственных нейронных сетей и генетических алгоритмов, комитетные методы - для решения задач классификации, математическое моделирование, теория вероятностей и математическая статистика с использованием программного обеспечения VisualStudio и Surfer. Результаты. Для восстановления геополей по нерегулярной сети точечных данных было решено использовать методы искусственного интеллекта, так как данная область исследований на сегодняшний день является одной из наиболее интенсивно развивающихся. Таким образом, для решения поставленной задачи был разработан алгоритм, основанный на искусственных нейронных сетях. Алгоритм представляет собой последовательность действий, состоящую из семи шагов. Для восстановления геополя применяются несколько нейронных сетей прямого распределения типа персептрон, работающих по методу бэггинга (bagging). На основе предложенного алгоритма разработано программное приложение, позволяющее выполнять восстановление геополей по нерегулярной сети точечных данных. Выполнено экспериментальное исследование эффективности разработанного алгоритма и проведено сравнение с результатами работы метода обратно-взвешенных расстояний. Проведенные исследования показали, что результаты работы предложенного алгоритма превышают эффективность работы метода обратно-взвешенных расстояний. The relevance of the research is caused by the necessity to develop algorithms and software to increase the efficiency of the spatial analysis and two-dimensional geofields recovery. The main aim of the study is to develop the algorithms and software to increase the efficiency of two-dimensional geofields recovery on irregular grid point data; to carry out the experimental studies to determine the effectiveness of the developed algorithms and to compare them with the existing analogues. The methods used in the study. To solve the task the authors have applied the methods of artificial intelligence, methods of implementation of artificial neural networks and genetic algorithms; the committee methods are applied to solve the classification problems, mathematical modeling, probability theory and mathematical statistics with the help of software Visual Studio and MatLab. The results. The artificial intelligence methods were used for restoring geofields on irregular grid point data, as this area of research is one of the most intensively developing now. The algorithm based on artificial neural networks was developed to solve the problem. The algorithm is a sequence of actions. It consists of seven steps. The multiple neural networks of direct distribution, such as perceptron, which operate according to the bagging method, are used to restore geofield. The software application that allows solving the assigned task is developed on the basis of the proposed algorithm. The authors carried out the experimental study of the algorithm effectiveness and compared the results obtained with the results of the inverse distance-weighted method. The carried out studies shown that the results of the proposed algorithm operation are higher than the operating efficiency of the inverse-distance weighted method. |
| Sprog: | russisk |
| Udgivet: |
2016
|
| Fag: | |
| Online adgang: | http://earchive.tpu.ru/bitstream/11683/8990/3/Bulletin_TPU-2016-v327-i2-03.pdf |
| Format: | MixedMaterials Electronisk Book Chapter |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=315496 |
MARC
| LEADER | 00000nla2a2200000 4500 | ||
|---|---|---|---|
| 001 | 315496 | ||
| 005 | 20240201181101.0 | ||
| 035 | |a (RuTPU)RU\TPU\book\340932 | ||
| 090 | |a 315496 | ||
| 100 | |a 20160302d2016 k y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drgn ---uucaa | ||
| 181 | 0 | |a i | |
| 182 | 0 | |a b | |
| 200 | 1 | |a Применение нейросетевых алгоритмов для решения задачи восстановления двумерных геополей |f П. А. Каковкин, А. А. Друки | |
| 203 | |a Текст |c электронный | ||
| 215 | |a 1 файл (1.1 Mb) | ||
| 300 | |a Заглавие с титульного листа | ||
| 320 | |a [Библиогр.: с. 40-41 (20 назв.)] | ||
| 330 | |a Актуальность исследования обусловлена необходимостью разработки алгоритмов и программных средств, позволяющих повысить эффективность пространственного анализа и восстановления двумерных геополей. Цель работы: разработка алгоритмов и программных средств, позволяющих повысить эффективность восстановления двумерных геополей по не регулярной сети точечных данных; проведение экспериментальных исследований эффективности разработанных алгоритмов и сравнение с существующими аналогами. Методы исследования. Для решения поставленной задачи применяются методы искусственного интеллекта, методы реализации искусственных нейронных сетей и генетических алгоритмов, комитетные методы - для решения задач классификации, математическое моделирование, теория вероятностей и математическая статистика с использованием программного обеспечения VisualStudio и Surfer. Результаты. Для восстановления геополей по нерегулярной сети точечных данных было решено использовать методы искусственного интеллекта, так как данная область исследований на сегодняшний день является одной из наиболее интенсивно развивающихся. Таким образом, для решения поставленной задачи был разработан алгоритм, основанный на искусственных нейронных сетях. Алгоритм представляет собой последовательность действий, состоящую из семи шагов. Для восстановления геополя применяются несколько нейронных сетей прямого распределения типа персептрон, работающих по методу бэггинга (bagging). На основе предложенного алгоритма разработано программное приложение, позволяющее выполнять восстановление геополей по нерегулярной сети точечных данных. Выполнено экспериментальное исследование эффективности разработанного алгоритма и проведено сравнение с результатами работы метода обратно-взвешенных расстояний. Проведенные исследования показали, что результаты работы предложенного алгоритма превышают эффективность работы метода обратно-взвешенных расстояний. | ||
| 330 | |a The relevance of the research is caused by the necessity to develop algorithms and software to increase the efficiency of the spatial analysis and two-dimensional geofields recovery. The main aim of the study is to develop the algorithms and software to increase the efficiency of two-dimensional geofields recovery on irregular grid point data; to carry out the experimental studies to determine the effectiveness of the developed algorithms and to compare them with the existing analogues. The methods used in the study. To solve the task the authors have applied the methods of artificial intelligence, methods of implementation of artificial neural networks and genetic algorithms; the committee methods are applied to solve the classification problems, mathematical modeling, probability theory and mathematical statistics with the help of software Visual Studio and MatLab. The results. The artificial intelligence methods were used for restoring geofields on irregular grid point data, as this area of research is one of the most intensively developing now. The algorithm based on artificial neural networks was developed to solve the problem. The algorithm is a sequence of actions. It consists of seven steps. The multiple neural networks of direct distribution, such as perceptron, which operate according to the bagging method, are used to restore geofield. The software application that allows solving the assigned task is developed on the basis of the proposed algorithm. The authors carried out the experimental study of the algorithm effectiveness and compared the results obtained with the results of the inverse distance-weighted method. The carried out studies shown that the results of the proposed algorithm operation are higher than the operating efficiency of the inverse-distance weighted method. | ||
| 337 | |a Adobe Reader | ||
| 453 | |t Application of artificial neural networks for solving the problem of two-dimensional geofields reconstruction |o translation from Russian |f P. A. Kakovkin, A. A. Druki |c Tomsk |n TPU Press |d 2015- |d 2016 |a Kakovkin, Pavel Aleksandrovich | ||
| 453 | |t Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering | ||
| 453 | |t Vol. 327, № 2 | ||
| 461 | 1 | |0 (RuTPU)RU\TPU\book\312844 |x 2413-1830 |t Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов |f Национальный исследовательский Томский политехнический университет (ТПУ) |d 2015- | |
| 463 | 1 | |0 (RuTPU)RU\TPU\book\340833 |t Т. 327, № 2 |v [С. 35-43] |d 2016 | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a геоинформатика | |
| 610 | 1 | |a геополя | |
| 610 | 1 | |a восстановление | |
| 610 | 1 | |a геостатистика | |
| 610 | 1 | |a методы | |
| 610 | 1 | |a кросс-валидация | |
| 610 | 1 | |a искусственные нейронные сети | |
| 610 | 1 | |a труды учёных ТПУ | |
| 610 | |a geoinformatics | ||
| 610 | |a geofields reconstruction | ||
| 610 | |a geostatistical methods | ||
| 610 | |a cross-validation | ||
| 610 | |a artificial neural networks | ||
| 700 | 1 | |a Каковкин |b П. А. |g Павел Александрович | |
| 701 | 1 | |a Друки |b А. А. |c специалист в области информатики и вычислительной техники |c ассистент Томского политехнического университета, инженер |f 1985- |g Алексей Алексеевич |3 (RuTPU)RU\TPU\pers\28638 |9 13454 | |
| 712 | 0 | 2 | |a Национальный исследовательский Томский политехнический университет (ТПУ) |b Институт кибернетики (ИК) |b Кафедра вычислительной техники (ВТ) |3 (RuTPU)RU\TPU\col\18699 |
| 712 | 0 | 2 | |a Национальный исследовательский Томский политехнический университет (ТПУ) |b Институт кибернетики (ИК) |b Кафедра вычислительной техники (ВТ) |3 (RuTPU)RU\TPU\col\18699 |
| 801 | 2 | |a RU |b 63413507 |c 20170925 |g PSBO | |
| 856 | 4 | |u http://earchive.tpu.ru/bitstream/11683/8990/3/Bulletin_TPU-2016-v327-i2-03.pdf | |
| 942 | |c CF | ||