Поиск :
Личный кабинет :
Электронный каталог: Парамонов, И. Ю. - Методы и модели исследования сложных систем и обработки больших данных
Парамонов, И. Ю. - Методы и модели исследования сложных систем и обработки больших данных
Нет экз.
Электронный ресурс
Автор: Парамонов, И. Ю.
Методы и модели исследования сложных систем и обработки больших данных : монография
Издательство: Лань, 2024 г.
ISBN 978-5-507-50398-8
Автор: Парамонов, И. Ю.
Методы и модели исследования сложных систем и обработки больших данных : монография
Издательство: Лань, 2024 г.
ISBN 978-5-507-50398-8
На полку
Электронный ресурс
Парамонов, И. Ю.
Методы и модели исследования сложных систем и обработки больших данных [Электронный ресурс] : монография / Парамонов И. Ю., Смагин В. А., Косых Н. Е. – 2-е изд., стер. – Санкт-Петербург : Лань, 2024. – 236 с. – Режим доступа : https://e.lanbook.com/book/425024, https://e.lanbook.com/img/cover/book/425024.jpg. – Книга из коллекции Лань - Информатика. – На рус. яз. – ISBN 978-5-507-50398-8.
Создание, накопление, обработка и использование информации в мире составляет мощную информационную среду. Она занимает ведущее значение в различных областях человеческой деятельности. Монография представляет начальный шаг выделения частных свойств указанного сложного процесса, их численного изучения с помощью предложенных методов и моделей инженерного характера. На наш взгляд, именно такие методы и модели составляют основу обработки больших данных в сфере решения научно-исследовательских задач. Рассматриваются и усовершенствуются классические методы и модели исследования сложных систем, основные законы (Меткалфа, Амдала, Густавсона–Барсиса, Гроша) взаимодействия сетевых структур, модели и методы оценивания их эффективности и качества, а также модели и методы исследования сложных систем с нечеткими параметрами. Рассматриваются современные инструментальные средства и технологии интеллектуальной обработки больших данных. Представлены оригинальные результаты, касающиеся решения задач: информационного взаимодействия, контроля состояния, оценивания надежности и предсказания событий для сложных систем; оценивания эффективности, качества и производительности сетевых структур, а также оценивания и обеспечения их надежности; расчета функций принадлежности с нечётким аргументом и коэффициентом, решения нечётких нелинейных уравнений, поиска условного экстремума при нечётком ограничении, решения дифференциальных уравнений с нечёткими коэффициентами. Дан вариант обработки больших данных на основе совместного использования инструментальной системы Hadoop под управлением Windows и сверточной нейронной сети при решении задачи распознавания рукописных цифр. Обучение нейронной сети проводится на основе набора данных MNIST образцов написания рукописных цифр. Построение сверточной нейронной сети производится с помощью системы Neural Network Toolboox. Рекомендуется преподавателям и научным сотрудникам, а также магистрантам и аспирантам и при исследовании сложных систем и технологий обработки больших данных.
4
основной = ЭБС Лань
Парамонов, И. Ю.
Методы и модели исследования сложных систем и обработки больших данных [Электронный ресурс] : монография / Парамонов И. Ю., Смагин В. А., Косых Н. Е. – 2-е изд., стер. – Санкт-Петербург : Лань, 2024. – 236 с. – Режим доступа : https://e.lanbook.com/book/425024, https://e.lanbook.com/img/cover/book/425024.jpg. – Книга из коллекции Лань - Информатика. – На рус. яз. – ISBN 978-5-507-50398-8.
Создание, накопление, обработка и использование информации в мире составляет мощную информационную среду. Она занимает ведущее значение в различных областях человеческой деятельности. Монография представляет начальный шаг выделения частных свойств указанного сложного процесса, их численного изучения с помощью предложенных методов и моделей инженерного характера. На наш взгляд, именно такие методы и модели составляют основу обработки больших данных в сфере решения научно-исследовательских задач. Рассматриваются и усовершенствуются классические методы и модели исследования сложных систем, основные законы (Меткалфа, Амдала, Густавсона–Барсиса, Гроша) взаимодействия сетевых структур, модели и методы оценивания их эффективности и качества, а также модели и методы исследования сложных систем с нечеткими параметрами. Рассматриваются современные инструментальные средства и технологии интеллектуальной обработки больших данных. Представлены оригинальные результаты, касающиеся решения задач: информационного взаимодействия, контроля состояния, оценивания надежности и предсказания событий для сложных систем; оценивания эффективности, качества и производительности сетевых структур, а также оценивания и обеспечения их надежности; расчета функций принадлежности с нечётким аргументом и коэффициентом, решения нечётких нелинейных уравнений, поиска условного экстремума при нечётком ограничении, решения дифференциальных уравнений с нечёткими коэффициентами. Дан вариант обработки больших данных на основе совместного использования инструментальной системы Hadoop под управлением Windows и сверточной нейронной сети при решении задачи распознавания рукописных цифр. Обучение нейронной сети проводится на основе набора данных MNIST образцов написания рукописных цифр. Построение сверточной нейронной сети производится с помощью системы Neural Network Toolboox. Рекомендуется преподавателям и научным сотрудникам, а также магистрантам и аспирантам и при исследовании сложных систем и технологий обработки больших данных.
4
основной = ЭБС Лань