Президиум РАНДоклады Российской академии наук. Математика, информатика, процессы управления Doklady Mathematics

  • ISSN (Print) 2686-9543
  • ISSN (Online) 3034-5049

Конденсация графов для больших факторных моделей

Код статьи
10.31857/S2686954324030119-1
DOI
10.31857/S2686954324030119
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Том/ Выпуск
Том 517 / Номер выпуска 1
Страницы
66-73
Аннотация
В работе разработан оригинальный метод обработки больших факторных моделей на основе конденсации графа с применением моделей машинного обучения и искусственных нейронных сетей. Созданный математический аппарат может быть использован в задачах планирования и управления сложными организационно-техническими системами, при оптимизации крупных социально-экономических объектов масштаба отраслей государства, для решения задач здоровьесбережения нации (поиск совместимостей при приеме лекарственных средств, оптимизация ресурсного обеспечения здравоохранения).
Ключевые слова
факторная модель конденсация графа кластеризация собственный вектор собственные значения
Дата публикации
15.06.2024
Год выхода
2024
Всего подписок
0
Всего просмотров
39

Библиография

  1. 1. Четверушкин Б.Н., Судаков В.А. Факторная модель для исследования сложных процессов // Доклады Академии наук. 2019. Т. 489. № 1. С. 17–21.
  2. 2. Forrester J.W. Policies, decisions and information sources for modeling // European Journal of Operational Research. 1992. V. 59. № 1. P. 42–63.
  3. 3. Honti G., Dörgő G., Abonyi J. Network analysis dataset of system dynamics models // Data in Brief. 2019. V. 27. P. 104723.
  4. 4. Jain A., Murty M., Flynn P. Data Clustering: A Review // ACM Computing Surveys. 1999. V. 31. № 3.
  5. 5. Lance G.N., Williams W.T. A general theory of classification sorting strategies in hierarchical system // Comp. J. 1967. № 9. P. 373–380.
  6. 6. Kohonen T. Essentials of the self-organizing map // Neural Networks. 2013. V. 37. P. 52–65.
  7. 7. Alam A., Ahamad M.K. K-Means Hybridization with Enhanced Firefly Algorithm for High-Dimension Automatic Clustering // Journal of Advanced Research in Applied Sciences and Engineering Technology. 2023. V. 33. № 3. P. 137–153.
  8. 8. Reynolds D. Gaussian Mixture Models // Encyclopedia of Biometrics. Boston, MA: Springer, 2009.
  9. 9. Нестеров В.А., Судаков В.А., Сыпало К.И., Титов Ю.П. Матрица нечетких корреспонденций модели авиационных перевозок // Известия Российской академии наук. Теория и системы управления. 2022. Т. 6. № 6. С. 95–102.
QR
Перевести

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Высшая аттестационная комиссия

При Министерстве образования и науки Российской Федерации

Scopus

Научная электронная библиотека