Авторы

Синергия эконометрического и нейросетевого моделирования для определения факторов обеспеченности регионов РФ транспортной инфраструктурой

В статье дано обоснование актуальности применения нейросетевых методов для определения значимых предикторов транспортно-логистической инфраструктуры регионов РФ. Проанализировано состояние логистической отрасли Российской Федерации в сравнении с зарубежными странами. Сделан вывод о необходимости повышения точности оценивания показателей транспортно- логистической инфраструктуры регионов с целью выявления их влияния на развитие логистики. Проблема традиционной методологии построения модели транспортно- логистической инфраструктуры регионов на основе применения математического и эконометрического анализа заключается в неспособности последних отыскать неочевидные зависимости в данных и точно их описать. Определена целесообразность последовательного сопряжения эконометрического и нейросетевого инструментария исследования. Апробирована двухшаговая процедура выявления факторов, влияющих на логистическое развитие РФ. В результате удалось отобрать наиболее значимые социально-экономические и инфраструктурные факторы обеспеченности инфраструктурой логистики на основе эконометрического подхода. На втором шаге исследования разработана нейросетевая модель оставшихся факторов на основе разработки деревьев классификации и нейронной сети, выступающая неким вычислительным фильтром, что позволило решить проблему атрибуции макроэкономических данных и достичь высокого уровня значимости прогнозов. Предложенный подход последовательного сопряжения эконометрических методов и нейросетевого моделирования обладает универсальностью и практической значимостью, следовательно, он применим для исследования широкого круга макроэкономических процессов. Читать дальше...

Методика предобработки данных машинного обучения для решения задач компьютерного зрения

В сфере машинного обучения не существует единой методологии предобработки данных, так как все этапы этого процесса являются уникальными, под конкретную задачу. Однако в каждом направлении используется определенный тип данных. В гипотезе исследования предполагается, что можно четко структурировать последовательности и фазы подготовки данных для задач распознавания текстов. В статье рассмотрены основные принципы предобработки данных и выделение последовательных этапов как конкретной методики для задачи распознавания символов азбук. В качестве исходных данных были выбраны изображения набора ETL. Предобработка включала в себя этапы работы с изображениями, на каждом из которых в исходные данные вносились изменения. Первым шагом являлось кадрирование, которое позволило избавиться от лишней информации на изображении. Далее был рассмотрен подход преобразования изображения к исходному соотношению сторон и определен метод преобразования из оттенков серого в черно-белый формат. На следующем этапе были искусственно расширены линии символов для лучшего распознавания печатных азбук. На последнем этапе предобработки данных была произведена аугментация, которая позволила лучше распознавать символы азбук независимо от их положения в пространстве. Как результат, была выстроена общая структура методики предобработки данных для задач распознавания текстов. Читать дальше...