База данных: Каталог ЭБС IPR SMART
Страница 1, Результатов: 2
Отмеченные записи: 0
1.
Подробнее
Современные проблемы прикладной математики. Часть 2. Практикум : учебное пособие. - [Б. м.] : Томский государственный университет систем управления и радиоэлектроники, 2016 - .Современные проблемы прикладной математики. Часть 2. Практикум / Воскобойников Ю. Е. - 2016. - 52 с. - ISBN 978-985-08-1961-1 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 22.172
Кл.слова (ненормированные):
прикладная математика -- система уравнений -- SVD-алгоритм -- построение псевдорешения -- регуляризирующий алгоритм -- локальная регуляризация -- дескриптивный алгоритм -- параметрическая идентификация -- идентификация модели
Аннотация: В учебном пособии в первой части приводится системное изложение одного из разделов прикладной математики, связанного с устойчивыми методами и алгоритмами решения систем линейных алгебраических уравнений, возникающих при параметрической идентификации моделей. Основное внимание уделяется построению решений с минимальной ошибкой или с требуемыми точностными характеристиками, а также учету имеющейся априорной информации об искомом решении. Во второй части приводится описание практических занятий по созданию алгоритмов построения нормального псевдорешения и регуляризированных решений систем линейных алгебраических уравнений. Учебное пособие предназначено для магистрантов направления «Прикладная математика и информатика». Результаты будут полезны также широкому кругу студентов, магистрантов, аспирантов, исследователей, занимающихся решением задач параметрической идентификации и обработки экспериментальных данных.
Доп.точки доступа:
Мицель, А. А.
Современные проблемы прикладной математики. Часть 2. Практикум : учебное пособие. - [Б. м.] : Томский государственный университет систем управления и радиоэлектроники, 2016 - .Современные проблемы прикладной математики. Часть 2. Практикум / Воскобойников Ю. Е. - 2016. - 52 с. - ISBN 978-985-08-1961-1 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
прикладная математика -- система уравнений -- SVD-алгоритм -- построение псевдорешения -- регуляризирующий алгоритм -- локальная регуляризация -- дескриптивный алгоритм -- параметрическая идентификация -- идентификация модели
Аннотация: В учебном пособии в первой части приводится системное изложение одного из разделов прикладной математики, связанного с устойчивыми методами и алгоритмами решения систем линейных алгебраических уравнений, возникающих при параметрической идентификации моделей. Основное внимание уделяется построению решений с минимальной ошибкой или с требуемыми точностными характеристиками, а также учету имеющейся априорной информации об искомом решении. Во второй части приводится описание практических занятий по созданию алгоритмов построения нормального псевдорешения и регуляризированных решений систем линейных алгебраических уравнений. Учебное пособие предназначено для магистрантов направления «Прикладная математика и информатика». Результаты будут полезны также широкому кругу студентов, магистрантов, аспирантов, исследователей, занимающихся решением задач параметрической идентификации и обработки экспериментальных данных.
Доп.точки доступа:
Мицель, А. А.
2.
Подробнее
Горбатков, С. А.
Нейросетевые и нечеткие методы моделирования диагностики и прогнозирования банкротств корпораций : монография / Горбатков С. А. - Москва : Прометей, 2018. - 372 с. - ISBN 978-5-907003-09-5 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 65.290
Кл.слова (ненормированные):
байесовская регуляризация -- банкротство корпорации -- диагностика банкротства -- метод моделирования -- нeйpосeтeвая модель -- нейросетевой метод -- нечеткий метод -- принцип вальда -- прогнозирование банкротства -- реструктуризация долга
Аннотация: Монография посвящена общим принципам совершенствования нейросетевых методов моделирования диагностики и прогнозирования вероятности риска банкротств корпораций применительно к сложным условиям моделирования: неполноты, неточности и неопределённости в данных. Впервые рассмотрены вопросы байесовской регуляризации нейросетевых моделей в условиях отсутствия априорных сведений о виде закона распределения шумов в данных, оценки адекватности нейросетевых моделей на основе последовательного принципа Вальда, оптимального выбора системы показателей для спецификации нейросетевой модели, сокращения размерности факторного пространства, предобработки данных, агрегирования комплексных количественных и качественных показателей для их введения в нейросетевую модель с помощью нечетких методов. Разработан на основе системных методов кибернетики концептуальный базис нейросетевого моделирования, на основе которого предложено 6 оригинальных методов построения нейросетевых моделей банкротств и мониторинга финансового состояния корпораций в задачах обеспечения их экономической безопасности. Центральным методом из них является нейросетевой логистический динамический метод с непрерывным временем, позволяющий получать прогноз для любого момента времени в пределах действия кредитного договора. Теоретические положения подробно иллюстрируются на ряде прикладных задач. Материал книги на 90% оригинален и обобщает опыт многолетних исследований авторов по указанной проблематике. Монография предназначена для студентов, магистрантов и преподавателей широкого круга специальностей информационного и экономического профиля вузов, а также научных работников, проявляющих интерес к проблемам нейросетевого моделирования в сфере экономики в условиях высокой неопределенности.
Доп.точки доступа:
Фархиева, С. А.
Белолипцев, И. И.
Горбаткова, С. А. \ред.\
Горбатков, С. А.
Нейросетевые и нечеткие методы моделирования диагностики и прогнозирования банкротств корпораций : монография / Горбатков С. А. - Москва : Прометей, 2018. - 372 с. - ISBN 978-5-907003-09-5 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
байесовская регуляризация -- банкротство корпорации -- диагностика банкротства -- метод моделирования -- нeйpосeтeвая модель -- нейросетевой метод -- нечеткий метод -- принцип вальда -- прогнозирование банкротства -- реструктуризация долга
Аннотация: Монография посвящена общим принципам совершенствования нейросетевых методов моделирования диагностики и прогнозирования вероятности риска банкротств корпораций применительно к сложным условиям моделирования: неполноты, неточности и неопределённости в данных. Впервые рассмотрены вопросы байесовской регуляризации нейросетевых моделей в условиях отсутствия априорных сведений о виде закона распределения шумов в данных, оценки адекватности нейросетевых моделей на основе последовательного принципа Вальда, оптимального выбора системы показателей для спецификации нейросетевой модели, сокращения размерности факторного пространства, предобработки данных, агрегирования комплексных количественных и качественных показателей для их введения в нейросетевую модель с помощью нечетких методов. Разработан на основе системных методов кибернетики концептуальный базис нейросетевого моделирования, на основе которого предложено 6 оригинальных методов построения нейросетевых моделей банкротств и мониторинга финансового состояния корпораций в задачах обеспечения их экономической безопасности. Центральным методом из них является нейросетевой логистический динамический метод с непрерывным временем, позволяющий получать прогноз для любого момента времени в пределах действия кредитного договора. Теоретические положения подробно иллюстрируются на ряде прикладных задач. Материал книги на 90% оригинален и обобщает опыт многолетних исследований авторов по указанной проблематике. Монография предназначена для студентов, магистрантов и преподавателей широкого круга специальностей информационного и экономического профиля вузов, а также научных работников, проявляющих интерес к проблемам нейросетевого моделирования в сфере экономики в условиях высокой неопределенности.
Доп.точки доступа:
Фархиева, С. А.
Белолипцев, И. И.
Горбаткова, С. А. \ред.\
Страница 1, Результатов: 2