X
Расширенный поиск
Все разделы
Корзина
у вас нет товаров
Методы и модели исследования сложных систем и обработки больших данных Парамонов И. Ю., Смагин В. А., Косых Н. Е., Хомоненко А. Д.

Методы и модели исследования сложных систем и обработки больших данных

Авторы:
Издательство: ЛАНЬ
Издание: 2-е изд., стер.
ISBN 978-5-507-50398-8; 2024 г.
Кол-во страниц: 236

Положить в корзину

Предварительный просмотр:

О книге:

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.

Вверх