Адаптивное построение регрессионных моделей на основе анализа функционала качества обработки сегментов последовательности
Рассмотрена задача адаптивного построения модели, направленной на повышение показателей качества обработки информационных последовательностей. В методах обработки данных, которые нашли применение во многих прикладных областях, применяемый анализ объектов наблюдения является вычислительно ресурсоемки...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Russian Academy of Sciences, St. Petersburg Federal Research Center
2025-04-01
|
| Series: | Информатика и автоматизация |
| Subjects: | |
| Online Access: | https://ia.spcras.ru/index.php/sp/article/view/16701 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849727962375520256 |
|---|---|
| author | Ilya Lebedev |
| author_facet | Ilya Lebedev |
| author_sort | Ilya Lebedev |
| collection | DOAJ |
| description | Рассмотрена задача адаптивного построения модели, направленной на повышение показателей качества обработки информационных последовательностей. В методах обработки данных, которые нашли применение во многих прикладных областях, применяемый анализ объектов наблюдения является вычислительно ресурсоемким и в случае изменения свойств данных, требует большого количества итераций. В статье предложена методика выбора сегментов информационной последовательности, полученных разными способами, отличающаяся использованием функционала качества регрессионных моделей обработки подпоследовательностей. Поступающие на вход последовательности объектов наблюдения подвергаются разделению различными предварительно заданными алгоритмами сегментации. На каждом полученном сегменте обучаются заранее выбранные регрессионные модели и, в зависимости от полученных значений вычисленного функционала качества, происходит назначение лучших по качественным показателям моделей на сегменты. Это позволяет формировать агрегационную модель обработки данных. На основе эксперимента на модельных данных и выборках проведена оценка предлагаемой методики. Получены значения показателя качества MSE и MAE для разных алгоритмов обработки и при различном количестве сегментов. Предлагаемая методика дает возможность повысить показатели MSE и МАЕ за счет сегментации и назначения регрессионных моделей, которые имеют наилучшие показатели на отдельных сегментах. Предложенное решение направлено на дальнейшее усовершенствование ансамблевых методов. Его применение позволяет повысить оперативность настройки базовых алгоритмов в случае трансформации свойств данных и улучшить интерпретируемость результатов. Методика может применяться при разработке моделей и методов обработки информационных последовательностей. |
| format | Article |
| id | doaj-art-3cf2bea80a4d4efebb672624e3ac6b0e |
| institution | DOAJ |
| issn | 2713-3192 2713-3206 |
| language | English |
| publishDate | 2025-04-01 |
| publisher | Russian Academy of Sciences, St. Petersburg Federal Research Center |
| record_format | Article |
| series | Информатика и автоматизация |
| spelling | doaj-art-3cf2bea80a4d4efebb672624e3ac6b0e2025-08-20T03:09:42ZengRussian Academy of Sciences, St. Petersburg Federal Research CenterИнформатика и автоматизация2713-31922713-32062025-04-0124236339410.15622/ia.24.2.116701Адаптивное построение регрессионных моделей на основе анализа функционала качества обработки сегментов последовательностиIlya Lebedev0St. Petersburg Federal Research Center of the Russian Academy of Sciences (SPC RAS)Рассмотрена задача адаптивного построения модели, направленной на повышение показателей качества обработки информационных последовательностей. В методах обработки данных, которые нашли применение во многих прикладных областях, применяемый анализ объектов наблюдения является вычислительно ресурсоемким и в случае изменения свойств данных, требует большого количества итераций. В статье предложена методика выбора сегментов информационной последовательности, полученных разными способами, отличающаяся использованием функционала качества регрессионных моделей обработки подпоследовательностей. Поступающие на вход последовательности объектов наблюдения подвергаются разделению различными предварительно заданными алгоритмами сегментации. На каждом полученном сегменте обучаются заранее выбранные регрессионные модели и, в зависимости от полученных значений вычисленного функционала качества, происходит назначение лучших по качественным показателям моделей на сегменты. Это позволяет формировать агрегационную модель обработки данных. На основе эксперимента на модельных данных и выборках проведена оценка предлагаемой методики. Получены значения показателя качества MSE и MAE для разных алгоритмов обработки и при различном количестве сегментов. Предлагаемая методика дает возможность повысить показатели MSE и МАЕ за счет сегментации и назначения регрессионных моделей, которые имеют наилучшие показатели на отдельных сегментах. Предложенное решение направлено на дальнейшее усовершенствование ансамблевых методов. Его применение позволяет повысить оперативность настройки базовых алгоритмов в случае трансформации свойств данных и улучшить интерпретируемость результатов. Методика может применяться при разработке моделей и методов обработки информационных последовательностей.https://ia.spcras.ru/index.php/sp/article/view/16701машинное обучениеадаптивные моделиповышение качества обработкирегрессионные модели |
| spellingShingle | Ilya Lebedev Адаптивное построение регрессионных моделей на основе анализа функционала качества обработки сегментов последовательности Информатика и автоматизация машинное обучение адаптивные модели повышение качества обработки регрессионные модели |
| title | Адаптивное построение регрессионных моделей на основе анализа функционала качества обработки сегментов последовательности |
| title_full | Адаптивное построение регрессионных моделей на основе анализа функционала качества обработки сегментов последовательности |
| title_fullStr | Адаптивное построение регрессионных моделей на основе анализа функционала качества обработки сегментов последовательности |
| title_full_unstemmed | Адаптивное построение регрессионных моделей на основе анализа функционала качества обработки сегментов последовательности |
| title_short | Адаптивное построение регрессионных моделей на основе анализа функционала качества обработки сегментов последовательности |
| title_sort | адаптивное построение регрессионных моделей на основе анализа функционала качества обработки сегментов последовательности |
| topic | машинное обучение адаптивные модели повышение качества обработки регрессионные модели |
| url | https://ia.spcras.ru/index.php/sp/article/view/16701 |
| work_keys_str_mv | AT ilyalebedev adaptivnoepostroenieregressionnyhmodelejnaosnoveanalizafunkcionalakačestvaobrabotkisegmentovposledovatelʹnosti |