Нейромережевий метод прогнозування із використанням випадкового шуму в умовах дефіциту інформації

Abstract

Бакалаврська кваліфікаційна робота виконана студентом групи КН-413 Семчишином Остапом Любомировичем. Тема “Нейромережевий метод прогнозування із використанням випадкового шуму в умовах дефіциту інформації”. Робота направлена на здобуття ступеня бакалавра за спеціальністю 122 «Комп’ютерні науки». Мета дипломної роботи полягає у підвищенні точності нейромережевого прогнозування в умовах дефіциту інформації за рахунок аугментації даних для кожної окремої точки на основі випадкових збурень та усередненні отриманих результатів прогнозу. Об'єктом дослідження є процеси прогнозування в умовах дефіциту навчальних даних. Предметом дослідження є нейромережеві методи прогнозування із використанням випадкових збурень. Мета роботи досягається за допомогою аугментації кожного вектора тестової вибірки шляхом генерації додаткових векторів за допомогою випадкових збурень. Надалі оброблення розширеної вибірки даних відбувається з використанням нейронної мережі узагальненої регресії. Апробацію роботи розробленого методу здійснено використовуючи реальний медичний набір даних. У результаті виконання дипломної роботи було підвищено точність нейромережевого прогнозування в умовах дефіциту інформації за рахунок аугментації даних для кожної окремої точки на основі випадкових збурень та усередненні отриманих результатів прогнозу. Даний метод може використовуватися на практиці для прогнозування у медицині, у випадку наявності малих наборів даних. Загальний обсяг роботи: 60 сторінок, 19 рисунків, 15 посилань. The bachelor's qualification work was completed by the student of the group CS-413 Ostap Liubomyrovych Semchyshyn. The topic is "Neural network based prediction method using random noise in case of information deficit". The work is aimed at obtaining a bachelor's degree in the specialty 122 "Computer Science". The aim of the work is to increase the accuracy of neural network prediction in conditions of information deficit using the augmentation of data for each individual point based on random disturbances and averaging the obtained prediction results.