|
ИСТИНА |
Войти в систему Регистрация |
ИПМех РАН |
||
Применение методов машинного обучения для решения многопараметрических обратных задачтезисы доклада Тезисы
- Автор: Доленко С.А.
- Сборник: Применение технологий виртуальной реальности и смежных информационных систем в междисциплинарных задачах FIT-M 2020 : сборник тезисов международной научной конференции
- Тезисы
- Год издания: 2020
- Место издания: Знание-М Москва
- Первая страница: 235
- Последняя страница: 240
- DOI: 10.38006/907345-75-1.2020.235.240
- Аннотация: Обратные задачи (ОЗ) – один из широко известных типов задач обработки данных, возникающий при косвенных измерениях, когда возникает необходимость восстановления интересующих исследователя параметров объекта по измеренным в эксперименте наблюдаемым величинам. К сожалению, ОЗ часто характеризуются существенной нелинейностью, плохой обусловленностью или некорректностью, высокой размерностью как по входу, так и по выходу, высоким уровнем шумов в данных. Все эти факторы дополнительно осложняют решение. В этой ситуации эффективным подходом к решению ОЗ оказывается использование методов машинного обучения (МО) (искусственные нейронные сети; методы, основанные на деревьях решений; метод группового учёта аргументов; линейная регрессия в нелинейном базисе и другие). В работе рассматриваются два основных подхода к решению ОЗ методами МО – от модели и от эксперимента, а также промежуточный квазимодельный подход; обсуждаются области их применения, достоинства и недостатки. Рассматриваются также некоторые специальные приёмы, позволяющие эффективно бороться с негативными свойствами ОЗ – понижение размерности входных данных; групповое и поэтапное определение параметров; добавление шума к данным в процессе обучения; комплексирование физических методов, комплексирование методов МО и комплексирование данных. Рассмотрение ведется на примере ОЗ из области оптической спектроскопии и из области разведочной геофизики.
- Добавил в систему: Доленко Сергей Анатольевич