2. Элементы искусственной нейронной сети. 3. Структуры искусственных нейронных сетей. 4. Подходы к обучению искусственных нейронных сетей.


Чтобы посмотреть этот PDF файл с форматированием и разметкой, скачайте его и откройте на своем компьютере.

Современные методы анализа данных



геостатистика, нейронные сети

Савельева Е.А.





Тема

Содержание

1

Анализ и моделирование
пространственных корреляций
пространственно
-
распределенных
данных

1.

Вариограмма как мера, описываю
щая пространственную
корреляци
ю.

2.

Вычисление вариограммы по исходным данным
(экспериментальная вариограмма).

3.

Математические модели вариограмм и их особенности.

2

Геостатистические методы
пространственных интерполяций

1.

Основные ограничения классической геостатистики
(стационарность 2

пор
ядка и внутренняя гипотеза).

2.

Простой кригинг


предположения и вывод, свойства.

3.

Обычный кригинг и его свойства.

4.

Кригинговая вариация и ее интерпретация.

3

Стохастическое моделирование


1.

Пространственная неопределенность


пространственная
с
овместная функци
я распределения.

2.

Последовательный принцип стохастического
моделирования и алгор
итм его практической реализации.

3.

Геостатистические методы стохастического моделирования,
основанн
ые на последовательном принципе.

4.

Моделирование отжига.

4

Вероятностное картиров
ание


1.

Задача оценки локальной функции распределения,
как
общая задача анализа данных.

2.

Индикаторный подход.

3.

Стохастическое моделирование.

5

Искусственные нейронные сети
(ИНС)


1.

Принци
пы искусственной нейронной сети.

2.

Элемен
ты искусственной нейронной сети.

3.

Ст
руктур
ы искусственных нейронных сетей.

4.

Подходы к обучени
ю искусственных нейронных сетей.

5.

Обучение ИНС «без учителя».

6

Многослойный персептрон (МСП)

как ИНС прямого распространения


1.

Элементы и структура МСП.

2.

Инициализация и обуче
ние МСП (обучение «с учите
лем»).

3.

Метод обратного распространения ошибки.

7

Применение нейронных сетей для
анализа и моделирования данных

1.

Моделирование нелин
ейного крупномасштабного тренда.

2.

Нейронная сеть обобщенной регрессии.

8

Обзор и сопоставление существующих геоинформационных

систем

9

Классификация и форматы

1.

Классификация топографических карт.

2.

Форматы хранения картографической информации
.


Вопросы по курсу


1.

Вариограмма

как мера, описываю
щая пространственную корреляцию.

2.

Вычисление вариограммы по исходным данным (экспери
ментальная вариограмма).

3.

Математические мод
ели вариограмм и их особенности.

4.

Основные ограничения классической геостатистики (стационарность 2 порядка и внут
ренняя гипотеза).

5.

Простой кригинг


предположения и вывод, свойства.

6.

Обычный кригинг и его свойства.

7.

Кригинго
вая вариация и ее интерпретация.

8.

Пространственная неопределенность


пространственная совместная функция распределе
ния.

9.

Последовательный принцип стохастического моделирования и алгоритм его практиче
ской реализации.

10.

Геостатистические методы стохаст
ического моделирования, основанные на последова
тельном принципе.

11.

Моделирование отжига.

12.

Задача оценки локальной функции распределения
как общая задача анализа данных.

13.

Индикаторный подход.

14.

Стохастическое моделирование.

15.

Принци
пы искусственной нейронной сети.

16.

Элемен
ты искусственной нейронной сети.


17.

Структуры искус
ственных нейронных сетей.

18.

Подходы к обучени
ю искусственных нейронных сетей.

19.

Обучение ИНС «без учителя».

20.

Элементы и структура МСП.

21.

Инициализация и обучение МСП (обучение «с учителем
»).

22.

Метод о
братного ра
спространения ошибки.


Л
и
т
ература



1.

В. Демьянов, Е. Савельева, Геостатистика. Теория и практика. Издательство "Наука", Москва, 2010

2.

Саймон Хайкин, Нейронные сети. Издательство "Вильямс", Москва 2006

3.

С. А. Шумский, Байесова регуляризация обучения. Материалы
школы
-
семинара "Современные проблемы
нейроинформатики", Москва 2002

4.

А. С. Нужный, Байесовская регуляризация в задаче аппроксимации функции по точкам с помощью
ортогонализованного базиса, матем
атическое

моделирование, 23:9 (2011), 33
-
42



Тема

Содержание

1

Анализ и моделирование
пространственных корреляций
пространственно
-
распределенных
данных

1.
Вариограмма как мера, описываю
щая пространственную
корреляци
2.
Вычисление вариограммы по исходным данным
(экспериментальная вариограмма).
3.
Математические модели вариограмм и их особенности.
2

Геостатистические методы
пространственных интерполяций

1.
Основные ограничения классической геостатистики
(стационарность 2

пор
ядка и внутренняя гипотеза).
2.
Простой кригинг

предположения и вывод, свойства.
3.
Обычный кригинг и его свойства.
4.
Кригинговая вариация и ее интерпретация.
3

Стохастическое моделирование

1.
Пространственная неопределенность

пространственная
овместная функци
я распределения.
2.
Последовательный принцип стохастического
моделирования и алгор
итм его практической реализации.
3.
Геостатистические методы стохастического моделирования,
основанн
ые на последовательном принципе.
4.
Моделирование отжига.
4

Вероятностное картиров
ание

1.
Задача оценки локальной функции распределения,
как
общая задача анализа данных.
2.
Индикаторный подход.
3.
Стохастическое моделирование.
5

Искусственные нейронные сети
(ИНС)

1.
Принци
пы искусственной нейронной сети.
2.
Элемен
ты искусственной нейронной сети.
3.
руктур
ы искусственных нейронных сетей.
4.
Подходы к обучени
ю искусственных нейронных сетей.
5.
Обучение ИНС «без учителя».
6

Многослойный персептрон (МСП)

как ИНС прямого распространения

1.
Элементы и структура МСП.
2.
Инициализация и обуче
ние МСП (обучение «с учите
лем»).
3.
Метод обратного распространения ошибки.
7

Применение нейронных сетей для
анализа и моделирования данных

1.
Моделирование нелин
ейного крупномасштабного тренда.
2.
Нейронная сеть обобщенной регрессии.
8

Обзор и сопоставление существующих геоинформационных

систем

9

Классификация и форматы

1.
Классификация топографических карт.
2.
Форматы хранения картографической информации
.
Вопросы по курсу
Вариограмма
как мера, описывающая пространственную корреляцию.
Вычисление вариограммы по исходным данным (экспериментальная вариограмма).
Математические модели вариограмм и их особенности.
Основные ограничения классической геостатистики (стационарность 2 порядка и внутренняя гипотеза).
Простой кригинг –
предположения и вывод, свойства.
Обычный кригинг и его свойства.
Кригинговая вариация и ее интерпретация.
Пространственная неопределенность –
пространственная совместная функция распределения.
Последовательный принцип стохастического моделирования и алгоритм его практической реализации.
Геостатистические методы стохастического моделирования, основанные на последовательном принципе.
Моделирование отжига.
Задача оценки локальной функции распределения как общая задача анализа данных.
Индикаторный подход.
Стохастическое моделирование.
Принципы искусственной нейронной сети.
Элементы искусственной нейронной сети.

Приложенные файлы

  • pdf 30490770
    Размер файла: 136 kB Загрузок: 0

Добавить комментарий