Показать сокращенную информацию
dc.contributor.author | Mazurov, Vl.D. | |
dc.contributor.author | Polyakova, E.Yu. | |
dc.contributor.author | Мазуров, Вл.Д. | |
dc.contributor.author | Полякова, Е.Ю. | |
dc.date.accessioned | 2021-06-24T11:07:39Z | |
dc.date.available | 2021-06-24T11:07:39Z | |
dc.date.issued | 2019 | |
dc.identifier.citation | Mazurov Vl.D., Polyakova E.Yu. Experience of Multi-Layer Neural Network Application for Empirical Regularities Identification. Bulletin of the South Ural State University. Ser. Computer Technologies, Automatic Control, Radio Electronics, 2019, vol. 19, no. 2, pp. 160-165. DOI: 10.14529/ctcr190215. Mazurov, Vl.D. Experience of Multi-Layer Neural Network Application for Empirical Regularities Identification / Vl.D. Mazurov, E.Yu. Polyakova // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». - 2019. - Т. 19, № 2. - С. 160-165. DOI: 10.14529/ctcrl 90215 | ru_RU |
dc.identifier.issn | 2409-6571 | |
dc.identifier.uri | http://dspace.susu.ru/xmlui/handle/0001.74/40229 | |
dc.description | Vl.D. Mazurov1,2, vldmazurov@gmail.com, E.Yu. Polyakova2, ekaterina.y.polyakova@gmail.com 1 N.N. Krasovskii Institute of Mathematics and Mechanics of the Ural Branch of the Russian Academy of Sciences, Ekaterinburg, Russian Federation, 2 Ural Federal University named after the first President of Russia B.N. Yeltsin, Ekaterinburg, Russian Federation. Мазуров Владимир Данилович, ведущий научный сотрудник, Институт математики и механики им. Н.Н. Красовского Уральского отделения Российской академии наук; профессор, кафедра эконометрики и статистики Высшей школы экономики и менеджмента, Уральский федеральный университет им. первого Президента России Б.Н. Ельцина; г. Екатеринбург; vldmazurov@gmail .com. Полякова Екатерина Юрьевна, старший преподаватель, кафедра издательского дела Уральского гуманитарного института, Уральский федеральный университет им. первого Президента России Б.Н. Ельцина, г. Екатеринбург; ekaterina.y.polyakova@gmail.com. | ru_RU |
dc.description.abstract | In this article, the recognition method is applied to the comparison of industrial enterprises. At the same time, we had to consider the methods of taking into account non-formalized factors. The method can be used for objective ranking of enterprises. While researching the topic, a neural expert system was developed, and it was used by specialists of the regional government to predict the dynamics of industry. In view of the complexity of relations, conflicting non-equality systems were arising. We were resolving them by means of committee method. The effect of managing the situation by varying the values of factors by tracking them on a computer model, made it possible to adjust the model as a means of parallelizing the committee constructions. They act directly in multi-layer neural networks. В данной статье метод распознавания применяется к сравнению промышленных предприятий. При этом пришлось рассмотреть приёмы учёта неформализованных факторов. Эту методику можно использовать для объективного ранжирования предприятий. По мере работы над этой темой была разработана нейронная экспертная система, и она применялась специалистами областного правительства для прогнозирования динамики промышленности. Ввиду сложности зависимостей возникали противоречивые системы неравенств. Мы разрешали их с помощью метода комитетов. Влияние управления ситуацией с помощью варьирования значений факторов с отслеживанием на компьютерной модели позволяло корректировать модель как средство распараллеливания комитетных конструкций. Они непосредственно выступают в многослойных нейронных сетях. | ru_RU |
dc.language.iso | en | ru_RU |
dc.publisher | Издательский центр ЮУрГУ | ru_RU |
dc.relation.ispartof | Вестник ЮУрГУ. Серия Компьютерные технологии, управление, радиоэлектроника | ru |
dc.relation.ispartof | Vestnik Yuzhno-Ural'skogo Gosudarstvennogo Universiteta. Seriya Kompjuternye tekhnologii, upravlenie, radioelektronika | en |
dc.relation.ispartof | Bulletin of SUSU. Ser. Computer Technologies, Automatic Control, Radio Electronics | en |
dc.relation.ispartofseries | Компьютерные технологии, управление, радиоэлектроника;Том 19 | |
dc.subject | УДК 004.021 | ru_RU |
dc.subject | neural network | ru_RU |
dc.subject | prediction | ru_RU |
dc.subject | control | ru_RU |
dc.subject | comparison | ru_RU |
dc.subject | enterprise | ru_RU |
dc.subject | features | ru_RU |
dc.subject | representation | ru_RU |
dc.subject | recognition | ru_RU |
dc.subject | contradictory | ru_RU |
dc.subject | нейронная сеть | ru_RU |
dc.subject | прогнозирование | ru_RU |
dc.subject | управление | ru_RU |
dc.subject | сравнение | ru_RU |
dc.subject | предприятие | ru_RU |
dc.subject | признаки | ru_RU |
dc.subject | представление | ru_RU |
dc.subject | распознавание | ru_RU |
dc.subject | несовместимый | ru_RU |
dc.title | Experience of Multi-Layer Neural Network Application for Empirical Regularities Identification | ru_RU |
dc.title.alternative | Опыт использования слоистых нейронных сетей для идентификации эмпирических закономерностей | ru_RU |
dc.type | Article | ru_RU |
dc.identifier.doi | DOI: 10.14529/ctcr190215 |