Ноябрь 20th, 2014
Используя разработанную ИАС, а также пакет Matlab 2010, выполнено сравнение результатов применения разработанного иерархически-индуктивного метода (ИИМ) с результатами, полученными с использованием методов, которые являются традиционными при решении такого же класса задач. Как известно, это метод наименьших квадратов и линейная множественная регрессия (МЛР), метод Брандона и множественная нелинейная регрессия (МНР), алгоритм обратного распространения ошибки (метод Левенберга-Марквардта) и искусственная нейронная сеть типа многошаровогоперцептрона (НС), метод группового учета аргументов и полином Колмогорова-Габора (МГУА).
Выполнено два вычислительных эксперимента. В первом из них исходные данные получены из заключений экспертов для 100 различных квартир в многоквартирных домах, которые упорядочены в таблицу размером 100х6. По вертикали в таблице находились оценки или статистические значения входных факторов: внутренних особенностей жилья, инфраструктуры дома, вероятности возникновения пожара в многоквартирном доме на определенном этаже, вероятности погибнуть от пожара на этаже и вероятности быть травмированным. Результирующей эндогенной характеристикой является уровень пожарной безопасности жилья на этаже, который определяется путем расчета по сложной аналитической зависимости. По горизонтали находятся значения входных факторов и результирующей характеристики для одной квартиры в многоквартирном доме. Про компенсацию за отпуск при увольнении вы можете узнать тут http://sroki-uplaty-nalogov.ru/kompensaciya-za-neispolzovannyy-otpusk-pri-uvolnenii.php.
Начальная выборка данных разбита на две части: обучающую и контрольную. Для этого для каждой строки данных просчитана дисперсия, все строки упорядочены по убыванию дисперсии. Каждая строка, номер которой кратный 10 (10-й, 20-й,.. , 100-й), вошла в контрольное множество данных. Другие строки составили обучающее множество. Именно они составили учебный пул данных, которые использовались для идентификации зависимости результирующей характеристики от входных факторов. Точность полученных моделей проверена на контрольном множестве. Для этого для значений входных факторов из контрольной множества по идентифицированным моделям рассчитано значения выходной характеристики. Выполнено сравнение рассчитанных и заданных табличных значений.
