- •3.1. Классификация методов восстановления стохастических зависимостей
- •3.2. Параметрические алгоритмы восстановления стохастических зависимостей
- •3.3. Непараметрическая оценка регрессии в задаче восстановления стохастических зависимостей
- •3.3.1. Асимптотические свойства непараметрической оценки регрессии
- •Распишем выражение
- •3.3.2. Оптимизация непараметрической оценки регрессии по виду ядерной функции
- •3.3.3. Оптимизация непараметрической оценки регрессии по коэффициенту размытости
- •3.4. Непараметрические модели коллективного типа в задаче восстановления стохастических зависимостей
- •3.4.1. Непараметрические модели коллективного типа, основанные на учёте оценки эффективности упрощённых аппроксимаций
- •3.4.2. Асимптотические свойства непараметрической модели коллективного типа
- •3.4.3. Оптимизация непараметрических моделей коллективного типа
- •3.4.4. Оптимизация непараметрических моделей коллективного типа по коэффициенту размытости
- •3.5. Нелинейные непараметрические коллективы решающих правил в задаче восстановления стохастических зависимостей
- •3.6. Гибридные модели в задаче восстановления стохастических зависимостей
- •3.7. Синтез и анализ гибридных моделей стохастических зависимостей в условиях наличия их частного описания
- •3.8. Непараметрические гибриды решающих правил в задаче восстановления стохастических зависимостей
- •3.9. Последовательные процедуры формирования решений, основанные на учёте функций невязок
- •3.10. Коллективы решающих правил, основанные на учёте их условий компетентности
- •Литература
- •Дополнительная литература
- •Контрольные вопросы
- •Контрольные упражнения
Дополнительная литература
-
Лапко А.В., Лапко В.А. Непараметрические системы обработки неоднородной информации. – Новосибирск: Наука, 2007. – 174 с.
-
Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Множественная регрессия. – М.: Диалектика, 2007. – 912 с.
-
Шибзухов З.М. Конструктивные методы обучения нейронных сетей. - М.: Наука, 2006. - 159 с.
-
Рубан А.И. Методы анализа данных: Учебное пособие, 2–е изд. – Красноярск: ИПЦ КГТУ, 2004 – 319 с.
-
Головченко В.Б. Комбинирование моделей неопределённости. – Новосибирск: Наука, 2002. – 190с.
-
Айвазян СА., Мхитарян В.С. Прикладная статистика и основы эконометрики. - М.: ЮНИТИ, 1998. - 363 c.
-
Хардле В. Прикладная непараметрическая регрессия. – М.: Мир, 1993.- 349 с.
-
Алгоритмы и программы восстановления зависимостей / Под ред. В.Н. Вапник.- М.: Наука.- 1984.- 815 с.
Контрольные вопросы
-
Классификация методов восстановления стохастических зависимостей по степени использования априорной информации.
-
Условия применения параметрических, непараметрических и гибридных моделей стохастических зависимостей.
-
Запишите уравнение непараметрической регрессии для одномерного и многомерного случая.
-
Выведите уравнение непараметрической регрессии для одномерного случая при равномерном законе распределения аргумента искомой зависимости на интервале .
-
Приведите асимптотические свойства непараметрической регрессии.
-
Методы оптимизации непараметрической регрессии по коэффициенту размытости.
-
Как свести задачу многомерной оптимизации непараметрической регрессии по параметрам размытости к одномерной?
-
Общие и отличительные особенности непараметрической регрессии и непараметрической модели коллективного типа.
-
Методика построения непараметрических моделей коллективного типа.
-
Основные задачи оптимизации непараметрических моделей коллективного типа.
-
Итерационный и комбинированный методы оптимизации непараметрических моделей коллективного типа.
-
Обосновать преимущества нелинейных непараметрических коллективов решающих правил в задаче восстановления стохастических зависимостей.
-
Методика синтеза нелинейных непараметрических коллективов решающих правил с параллельной структурой.
-
Методика синтеза нелинейных непараметрических коллективов решающих правил с линейной структурой.
-
Общие и отличительные особенности метода группового учёта аргументов и нелинейных непараметрических коллективов решающих правил с параллельной структурой.
-
Запишите формулу гибридной модели и поясните её параметры.
-
Какие априорные сведения используются при формировании гибридных моделей?
-
Методика синтеза гибридных моделей.
-
Методика формирования гибридной модели при наличии частичных сведений о виде искомой зависимости.
-
Методика построения коллективов решающих правил, основанных на учёте условий их компетентности. Привести их структуру.
-
Сформулируйте постановки задач исследования медико-биологических, экологических и технических систем на основе использования гибридных моделей и нелинейных непараметрических коллективов решающих правил.