В статье рассмотрены вопросы, связанные с созданием информационного обеспечения для подбора оптимальных характеристик искусственных нейронных сетей. Указанная задача решается в рамках решения задачи создания системы прогнозирования параметров объектов электроэнергетики. Автором проанализировано существующее в настоящее время программное обеспечение в области прогнозирования в электроэнергетике. В выделенных базовых моделях функционирования информационных систем прогнозирования в электроэнергетики, описанных на основе UML-диаграмм активности, выявлены достоинства и недостатки, тенденции развития. Далее автором задача подбора оптимальных характеристик искусственных нейронных сетей была формализована в виде задачи минимизации по критерию времени обучения на фиксированной выборке, решение которой для больших обучающих выборок занимает длительное время. Для решения проблемы длительного обучения автором предложена методика, основанная на концепции распределенных вычислений MapReduce.
Библиографическая ссылка
Дьяченко Р.А. К ВОПРОСУ ПОСТРОЕНИЯ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПОДБОРА ОПТИМАЛЬНЫХ ХАРАКТЕРИСТИК ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ЗАДАЧ ПРОГНОЗИРОВАНИЯ В ЭЛЕКТРОЭНЕРГЕТИКЕ // Научное обозрение. Технические науки. – 2014. – № 1. – С. 147-147;URL: https://science-engineering.ru/ru/article/view?id=206 (дата обращения: 03.12.2024).
Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)
«Международный журнал прикладных и фундаментальных исследований»
ИФ РИНЦ = 0,593
«Международный журнал экспериментального образования»
ИФ РИНЦ = 0,425
«Научное Обозрение. Биологические Науки»
ИФ РИНЦ = 0,400
«Научное Обозрение. Медицинские Науки»
ИФ РИНЦ = 0,801
«Научное Обозрение. Экономические Науки»
ИФ РИНЦ = 0,871
«Научное Обозрение. Педагогические Науки»
ИФ РИНЦ = 0,733
«Научное Обозрение. Технические Науки»
ИФ РИНЦ = 0,695
«European journal of natural history»
ИФ РИНЦ = 0,301