350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №3 за 2010 г.
Статья в номере:
Использование адаптивных алгоритмов отбора существенных признаков при нейросетевом решении обратной задачи электроразведки
Ключевые слова: нейронные сети отбор существенных признаков обратные задачи электроразведка магнитотеллурика
Авторы:
А.Г. Гужва - Научно-исследовательский институт ядерной физики им. Д.В. Скобельцына Московского государственного университета им. М.В. Ломоносова. E-mail: alexanderguzhva@gmail.com С.А. Доленко - к. ф.-м. н., Научно-исследовательский институт ядерной физики им. Д.В. Скобельцына Московского государственного университета им. М.В. Ломоносова. E-mail: dolenko@srd.sinp.msu.ru Е.А. Оборнев - к.ф.-м.н., ГОУ ВПО Российский государственный геологоразведочный университет им. С. Орджоникидзе. E-mail: eugenyo@mail.ru И.Г. Персианцев - д. ф.-м. н., профессор, Научно-исследовательский институт ядерной физики им. Д.В. Скобельцына Московского государственного университета им. М.В. Ломоносова. E-mail: ipers@srd.sinp.msu.ru М.И. Шимелевич - к.ф.-м.н., ГОУ ВПО Российский государственный геологоразведочный университет им. С. Орджоникидзе. E-mail: geoneuron@mail.ru Ю.С. Шугай - к. ф.-м. н., Научно-исследовательский институт ядерной физики им. Д.В. Скобельцына Московского государственного университета им. М.В. Ломоносова. E-mail: jshugai@srd.sinp.msu.ru
Аннотация:
Разработан алгоритм поэтапного отбора существенных признаков и приведены результаты его применения на данных нескольких моделей распределений электропроводности.
Страницы: 46-54
Список источников
  1. Бердичевский М. Н., Дмитриев В. И. Обратные задачи магнитотеллурики в современной постановке // Физика Земли. 2004. №4. С. 12-29.
  2. Шимелевич М. И., Оборнев Е. А., Гаврюшов С. А. Техника построения нейронных сетей для решения многопараметрических обратных задач магнитотеллурического зондирования // Изв. вузов. Сер. Геология и разведка. 2001. № 2. С. 129-137.
  3. Доленко С. А., Доленко Т. А., Персианцев И. Г., Фадеев В. В., Буриков С. А. Решение обратных задач оптической спектроскопии с помощью нейронных сетей // Нейрокомпьютеры: разработка, применение. 2005. № 1-2. С. 89-97.
  4. Hassoun, M. H., Fundamentals of artificial neural networks // The MIT Press. 1995. P. 97-102.
  5. Gevrey, M., Dimopoulos, I., Lek, S., Review and comparison of methods to study the contribution of variables in artificial neural network models // Ecological Modelling. 2003. V. 160. P.249-264.