НАХОЖДЕНИЕ И КОРРЕКТИРОВКА СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ В ЧИСЛОВОМ N-МЕРНОМ ПРОСТРАНСТВЕ
В качестве решения, например, может быть применён, например, метод нейросетевого анализа. При этом, важно правильно выбрать архитектуру и построить "обучение" сети. Данный метод является одним из приоритетных при условии, что n - достаточно велико. Тогда обучение сети можно осуществить автоматизированным методом и точность определения будет достаточно высока. Однако, при небольшом количестве рядов точность определения будет недостаточной, количество ложных сpaбатываний будет в разы больше чем верных.
Другим подходом к решению поставленной задачи может быть метод варьирования (полного перебора) и выявления влияния друг на друга при помощи методов приближённых вычислений. Однако все эти методы требуют достаточного большого количества операций, и при большом количестве вариантов время поиска будет велико. Причём будет расти не линейно, и не даже квадратично. Например, при количестве параметров m, количество проверяемых вариантов при глубине поиска в две переменных - m2+2*m4. При этом если параметр является переменной от 3 других параметров, то зависимость не будет найдена. Следовательно, метод варьирования будет эффективен только для рядов с небольшим количеством параметров.
Становится ясно, что способ нейросетевого анализа имеет жёсткие ограничения на количество рядов, а метод варьирования имеет жесткие ограничения на длину ряда. Необходим метод, который допустимо хорошо работал бы с любыми входными данными в рамках заданных ограничений. При этом время работы алгоритма должно быть линейным или сравнимо с линейным.
Рассмотрим задачу поиска искажений входные данные на примере матрицы чисел m*n, где m - количество параметров, а n - количество однородных (однотипных) рядов. К данным таблицы предъявляется два условия - первое состоит в том, что некоторые величины построчно коррелируют друг с другом или являются функцией других параметров, второе - что большинство чисел (более 95 % например) - корректные. Требуется отыскать точки (элементы) матрицы, в которых имеют место нелогичные возмущения. При этом правила зависимости (функции) одних параметров от других существуют, но неизвестны. Возможно решение одной из двух задач.
Первая задача, более простая, - отыскание точек случайных возмущений в матрице без выявления зависимостей параметров друг от друга. Вторая задача, комплексная, - нахождение зависимостей параметров друг от друга и отыскание точек случайных возмущений в матрице.
Предлагается использовать модифицированный метод варьирования. Его суть состоит в следующем - рассматриваем каждый столбец как параметр некой функции. Рекурсивно разбиваем все параметры по интервалам, и для каждого интервала формируем результирующий параметр. Причём результирующий параметр не может быть аргументом функции. Идём при помощи объединений от простейшей функции - функции одного аргумента. Если выявлено влияние одного параметра на другой, то исключаем один из них из дальнейшего просмотра, уменьшая количество параметров для дальнейшего просмотра. Найденные зависимости помещаем в стек, чтобы впоследствии начать рассмотрение с зависимостей с максимальным числом параметров.
Для определения зависимости параметров от результата используется следующий метод - представим данные каждого ряда как точку функции. Для матрицы рассматривается двухмерный вид - точка на плоскости. Тогда точки, которые выбиваются из графика функции и являются точками возмущения. Рассмотрим простейший пример:
Входные данные:
|
|
a |
b |
c |
|
1 |
1 |
5 |
5 |
|
2 |
2 |
10 |
8 |
|
3 |
7 |
35 |
5 |
|
4 |
3 |
15 |
8 |
|
5 |
6 |
30 |
5 |
|
6 |
9 |
45 |
11 |
|
7 |
5 |
25 |
8 |
|
8 |
4 |
15 |
9 |
|
9 |
11 |
55 |
3 |
График 1. Линейная зависимость a от b
Необходимо выявить и исправить ошибку в переменной b в восьмом ряду. Построим линейную зависимость a от b.
Из графика 1 чётко видно возмущение в точке №8.
Для линейной зависимости поиск зависимостей не составляет сложности. Для нелинейных случаев необходимо уже применение методов отыскания новой точки функции по уже известным. Для этого добавляем информацию обо всех точках в информационную таблицу приближённой функции b= (a). Информация об ошибочных точках также попадает, но она не вносит сильного искажения, так как количество таких точек невелико, и вес каждой из них будет невелик. Далее производим поиск для каждой точки, при помощи, например, сплайн функций, далее вычисляем:
, и получаем приближённое значение для каждой точки b. Далее вычисляем коэффициент расхождения k:
Далее, для каждой точки рассчитываем
Если , то с достоверностью можно утверждать, что точка ошибочная.
Проведя анализ для всех точек всех рядов, получаем искомые точки за линейное время.
Работа представлена на научную конференцию с международным участием «Секция молодых ученых, студентов и специалистов», Тунис, 12-19 июня 2005 г. Поступила в редакцию 28.04.2005 г.
Статья в формате PDF
100 KB...
01 09 2026 2:30:32
Статья в формате PDF
498 KB...
31 08 2026 14:32:57
Статья в формате PDF
125 KB...
30 08 2026 4:47:58
Статья в формате PDF
104 KB...
29 08 2026 23:47:50
Статья в формате PDF
259 KB...
28 08 2026 22:40:31
Статья в формате PDF
120 KB...
27 08 2026 13:28:39
Статья в формате PDF
120 KB...
25 08 2026 10:16:33
Статья в формате PDF
98 KB...
24 08 2026 3:39:31
Статья в формате PDF
174 KB...
22 08 2026 22:17:46
Статья в формате PDF
97 KB...
21 08 2026 17:23:45
Статья в формате PDF
163 KB...
20 08 2026 3:10:57
Статья в формате PDF
99 KB...
19 08 2026 1:34:34
Статья в формате PDF
133 KB...
17 08 2026 12:34:52
Статья в формате PDF
262 KB...
16 08 2026 14:38:54
Статья в формате PDF
133 KB...
15 08 2026 16:12:26
Статья в формате PDF
109 KB...
14 08 2026 11:32:11
Статья в формате PDF
151 KB...
13 08 2026 14:13:40
Статья в формате PDF
163 KB...
11 08 2026 0:42:20
Статья в формате PDF
206 KB...
10 08 2026 12:50:37
Статья в формате PDF
118 KB...
08 08 2026 11:39:27
Статья в формате PDF
114 KB...
07 08 2026 22:57:42
Описан состав Сумсунурского батолита рифейского возраста, сложенного кварцевыми диоритами, тоналитами, трондьемитами, а также дайками лейкогранитов и аплитов, отнесённых по сумме признаков к адакитовым гранитоидам. Среди тоналитов и трондьемитов по минеральному и химическому составам выделяются по две разновидности. В трондьемитах и аплитах проявлены два типа тетрадного эффекта фpaкционирования РЗЭ. Установлено, что в процессе генерации адакитовых гранитоидов участвовали разнородные источники плавления субстрата: мантийный и коровый. Становление породных типов происходило при участии флюидов мантийной природы и корового обводнения. Выдвинуто предположение, что формирование комплексного и крупного по запасам золотого Зун-Холбинского месторождения описываемого района принимали различные источники (мантийные и коровые). Взаимодействие последних генерировало золотое оруденение. Высказано предположение о прострaнcтвенной и парагенетической связи оруденения с раннепалеозойским холбинским и более древним рифейским сумсунурским комплексами.
...
06 08 2026 22:59:36
Статья в формате PDF
251 KB...
05 08 2026 10:46:31
Статья в формате PDF
133 KB...
04 08 2026 3:25:28
Статья в формате PDF
109 KB...
03 08 2026 11:19:43
Статья в формате PDF
109 KB...
02 08 2026 13:13:24
Статья в формате PDF
123 KB...
31 07 2026 3:11:43
Статья в формате PDF
109 KB...
30 07 2026 14:49:10
Рассмотрены вопросы участия почвенных водорослей в поддержании стабильности наземных экосистем в условиях антропогенного воздействия на окружающую среду. Показано, что почвенные водоросли обладают высокой устойчивостью к нефтяному и радиоактивному загрязнению, наличию в среде поверхностно-активных веществ. Они первыми из автотрофных организмов поселяются на токсичных субстратах, участвуют в самозарастании промышленных отвалов.
...
28 07 2026 9:59:49
Статья в формате PDF
114 KB...
27 07 2026 0:39:49
Статья в формате PDF
312 KB...
26 07 2026 6:38:54
Статья в формате PDF
112 KB...
25 07 2026 7:13:26
Статья в формате PDF
113 KB...
24 07 2026 1:40:44
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::
