|
|
Автомат. и телемех., 2013, выпуск 10, страницы 36–54
(Mi at6147)
|
 |
|
 |
Эта публикация цитируется в 10 научных статьях (всего в 10 статьях)
Тематический выпуск
Об одной методике построения ансамблей регрессионных моделей
Е. В. Бурнаевabc, П. В. Приходькоbca
a ООО "Датадванс"
b Институт проблем передачи информации им. А. А. Харкевича РАН, Москва
c Московский физико-технический институт, Долгопрудный
Аннотация:
Предложена методика построения ансамблей регрессионных моделей. Проводится её теоретический и экспериментальный анализ.
 Полный текст:
PDF файл (640 kB)
Список литературы:
PDF файл
HTML файл
Англоязычная версия:
Automation and Remote Control, 2013, 74:10, 1630–1644
Реферативные базы данных:
 
Тип публикации:
Статья
Статья представлена к публикации членом редколлегии: А. В. Бернштейн
Поступила в редакцию: 11.03.2013
Образец цитирования:
Е. В. Бурнаев, П. В. Приходько, “Об одной методике построения ансамблей регрессионных моделей”, Автомат. и телемех., 2013, № 10, 36–54; Autom. Remote Control, 74:10 (2013), 1630–1644
Цитирование в формате AMSBIB
\RBibitem{BurPri13}
\by Е.~В.~Бурнаев, П.~В.~Приходько
\paper Об одной методике построения ансамблей регрессионных моделей
\jour Автомат. и телемех.
\yr 2013
\issue 10
\pages 36--54
\mathnet{http://mi.mathnet.ru/at6147}
\transl
\jour Autom. Remote Control
\yr 2013
\vol 74
\issue 10
\pages 1630--1644
\crossref{https://doi.org/10.1134/S0005117913100044}
\isi{http://gateway.isiknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=PARTNER_APP&SrcAuth=LinksAMR&DestLinkType=FullRecord&DestApp=ALL_WOS&KeyUT=000325700500004}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-84886028700}
Образцы ссылок на эту страницу:
http://mi.mathnet.ru/at6147 http://mi.mathnet.ru/rus/at/y2013/i10/p36
Citing articles on Google Scholar:
Russian citations,
English citations
Related articles on Google Scholar:
Russian articles,
English articles
Эта публикация цитируется в следующих статьяx:
-
M. Belyaev, E. Burnaev, E. Kapushev, M. Panov, P. Prikhodko, D. Vetrov, D. Yarotsky, “Gtapprox: surrogate modeling for industrial design”, Adv. Eng. Softw., 102 (2016), 29–39
 -
E. V. Burnaev, P. D. Erofeev, “The influence of parameter initialization on the training time and accuracy of a nonlinear regression model”, J. Commun. Technol. Electron., 61:6 (2016), 646–660
-
E. V. Burnaev, M. E. Panov, A. A. Zaytsev, “Regression on the basis of nonstationary gaussian processes with Bayesian regularization”, J. Commun. Technol. Electron., 61:6 (2016), 661–671
-
E. Burnaev, I. Koptelov, G. Novikov, T. Khanipov, “Automatic construction of a recurrent neural network based classifier for vehicle passage detection”, Ninth International Conference on Machine Vision (ICMV 2016), Proceedings of SPIE, 10341, eds. A. Verikas, P. Radeva, D. Nikolaev, W. Zhang, J. Zhou, Spie-Int Soc Optical Engineering, 2017, UNSP 1034103
-
В. Н. Крутиков, Н. С. Самойленко, “О скорости сходимости субградиентного метода с изменением метрики и его приложения в схемах нейросетевых приближений”, Вестн. Томск. гос. ун-та. Матем. и мех., 2018, № 55, 22–37
 -
V. Osin, A. Cichocki, E. Burnaev, “Fast multispectral deep fusion networks”, Bull. Pol. Acad. Sci.-Tech. Sci., 66:6 (2018)
-
M. Sharaev, A. Artemov, E. Kondrateva, S. Sushchinskaya, E. Burnaev, A. Bernstein, R. Akzhigitov, A. Andreev, “MRI-based diagnostics of depression concomitant with epilepsy: in search of the potential biomarkers”, 2018 IEEE 5th International Conference on Data Science and Advanced Analytics, DSAA, IEEE, 2018, 555–564
-
Pominova M., Artemov A., Sharaev M., Kondrateva E., Bernstein A., Burnaev E., “Voxelwise 3D Convolutional and Recurrent Neural Networks For Epilepsy and Depression Diagnostics From Structural and Functional Mri Data”, 2018 18Th IEEE International Conference on Data Mining Workshops (Icdmw), International Conference on Data Mining Workshops, eds. Tong H., Li Z., Zhu F., Yu J., IEEE, 2018, 299–307
-
Sharaev M., Artemov A., Kondrateva E., Ivanov S., Sushchinskaya S., Bernstein A., Cichocki A., Burnaev E., “Learning Connectivity Patterns Via Graph Kernels For Fmri-Based Depression Diagnostics”, 2018 18Th IEEE International Conference on Data Mining Workshops (Icdmw), International Conference on Data Mining Workshops, eds. Tong H., Li Z., Zhu F., Yu J., IEEE, 2018, 308–314
-
Sudakov O., Burnaev E., Koroteev D., “Driving Digital Rock Towards Machine Learning: Predicting Permeability With Gradient Boosting and Deep Neural Networks”, Comput. Geosci., 127 (2019), 91–98
|
| Просмотров: |
| Эта страница: | 210 | | Полный текст: | 65 | | Литература: | 28 | | Первая стр.: | 22 |
|
Пользовательское соглашение