Raqamli texnologiyalarning Yangi O‘zbekiston rivojiga ta’siri

 
RAQAMLI TEXNOLOGIYALARNING 
YANGI 
O‘ZBEKISTON
 RIVOJIGA 
TA’SIRI
 
Xalqaro ilmiy-amaliy konferensiyasi
 
генерирует некоторый псевдослучайный вектор 
𝜆 = (𝜆
1
, 𝜆
2
, . . . , 𝜆
𝑁
)
, 
𝜆
𝑗
∈ {0,1}, 𝑗 = 1, 𝑁
; 
∑
𝜆
𝑗
𝑁
𝑗=1
= ℓ
, причем в начале 
𝑝
𝑗
=
1
𝑁
, 𝑗 = 1, 𝑁
. Метод СПА осуществляет пошаговое изменение 
вектора вероятностей 
𝑝
до тех пор, пока в нем не останется 
ℓ
ненулевых компонент.
На каждом шаге посредством псевдослучайного датчика с учетом текущего вектора 
вероятностей 
𝑝 = (𝑝
1
, 𝑝
2
, . . . , 𝑝
𝑁
)
генерируются 
𝑘
векторов 
𝜆
1
, 𝜆
2
, … , 𝜆
𝑘
(по рекомендации 
автора 
𝑘 = 10 ÷ 15
). Среди них выбирается пара векторов
𝜆
𝑚𝑖𝑛
, 
𝜆
𝑚𝑎𝑥
на которых функционал 
𝐼(𝜆)
принимает соответственно минимальное и максимальное значение.
Далее производится изменение вектора вероятностей. Для каждой 
𝑗
,
равной единице, 
соответствующая компонента вектора вероятностей уменьшается на некоторую величину 
ℎ <<
1
𝑁
, называемую штрафом, если последняя не становится отрицательной. В противном 
случае уменьшение выполняется до нуля.
В то же время этому методу присущи
свои недостатки. Например, неизвестно, как его 
использовать при конкурирующих группах признаков. Кроме того, в условиях малой 
обучающей выборки решения, полученные с помощью этого метода, могут быть 
статистически неустойчивыми.
Рассмотренные методы выбора
признаков отличаются друг от друга способом 
организации перебора различных сочетаний исходных признаков. В то же время они 
обладают общей особенностью: каждый из этих методов может использовать для оценки 
качества признаков и их наборов различные критерии
информативности. Однако такая 
универсальность порождает проблему выбора эффективного критерия, так как результат 
выбора признаков существенно зависит от используемого критерия информативности.
В настоящее время разработано несколько методов выбора признаков, которые 
ориентированы на использование конкретного критерия информативности. Один из таких 
методов предложен и исследован в [9,10]. Суть его заключается в использовании меры 
важности исходного признака, представляющей собой обработанную надлежащим образом 
степень уменьшения так называемых «голосов» при удалении этого признака. Авторами 
метода эта мера названа информационным весом признака. Для определения 
информационных весов используются специальные вычислительные алгоритмы, которые 
позволяют учитывать
взаимосвязи признаков.
Интересный подход к выбору информативных признаков рассмотрен в [
11
]. В рамках 
этого подхода предложен ряд методов определения информативных наборов признаков с 
учетом ограничений, связанных с затратами на создание технических средств измерения 
этих признаков. Мера информативности последних задается критериями, основанными на 
использовании евклидового расстояния. 
Кроме того, для формирования критерия эффективности системы распознавания 
авторами [
11
] вводятся следующие меры близости между объектами:

---

251