Standard

Harvard

APA

Vancouver

Author

BibTeX

@article{2a69cefb475a4762b05f8e0552e9da1d,
title = "ПОДБОР ТИПА И СТРУКТУРЫ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОЦЕНКИ РАСПРЕДЕЛЕНИЯ ХИМИЧЕСКИХ ЭЛЕМЕНТОВ В ВЕРХНЕМ СЛОЕ ПОЧВЫ",
abstract = "Работа посвящена выбору типа и структуры искусственных нейронных сетей (ИНС) для восстановления поверхностного распределения химических элементов (кремния, калия, хрома, титана, ванадия, марганца, железа, никеля, циркония) в почве. Для исследования была выбрана площадка в форме квадрата со стороной 1 м вдали от источников загрязнения. На этом участке были отобраны 100 проб верхнего слоя почвы (глубина 0,05 м). Для восстановления поверхностного распределения химических элементов в почве при помощи компьютерного моделирования были выбраны различные типы и структуры ИНС. Для каждого химического элемента подбиралась своя ИНС и использовалась своя оценка точности прогнозирования. Сравнение значений концентраций поверхностного распределения химических элементов в почве, сделанных различными ИНС, с известными значениями концентраций показало, что обученные ИНС дают высокую точность прогнозирования. Предложенный подход с кросс-валидацией позволяет выбрать тип и структуру нейронной сети для произвольной площадки, что является одой из основных сложностей при моделировании распределения химических элементов методом ИНС.",
author = "Мокрушин, {Андрей Анатольевич} and Тарасов, {Дмитрий Александрович} and Сергеев, {Александр Петрович} and Буевич, {Александр Геннадьевич} and Баглаева, {Елена Михайловна}",
year = "2017",
language = "Русский",
pages = "36--48",
journal = "Экологические системы и приборы",
issn = "2072-9952",
publisher = "Общество с ограниченной ответственностью {"}Издательство Научтехлитиздат{"}",
number = "8",

}

RIS

TY - JOUR

T1 - ПОДБОР ТИПА И СТРУКТУРЫ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОЦЕНКИ РАСПРЕДЕЛЕНИЯ ХИМИЧЕСКИХ ЭЛЕМЕНТОВ В ВЕРХНЕМ СЛОЕ ПОЧВЫ

AU - Мокрушин, Андрей Анатольевич

AU - Тарасов, Дмитрий Александрович

AU - Сергеев, Александр Петрович

AU - Буевич, Александр Геннадьевич

AU - Баглаева, Елена Михайловна

PY - 2017

Y1 - 2017

N2 - Работа посвящена выбору типа и структуры искусственных нейронных сетей (ИНС) для восстановления поверхностного распределения химических элементов (кремния, калия, хрома, титана, ванадия, марганца, железа, никеля, циркония) в почве. Для исследования была выбрана площадка в форме квадрата со стороной 1 м вдали от источников загрязнения. На этом участке были отобраны 100 проб верхнего слоя почвы (глубина 0,05 м). Для восстановления поверхностного распределения химических элементов в почве при помощи компьютерного моделирования были выбраны различные типы и структуры ИНС. Для каждого химического элемента подбиралась своя ИНС и использовалась своя оценка точности прогнозирования. Сравнение значений концентраций поверхностного распределения химических элементов в почве, сделанных различными ИНС, с известными значениями концентраций показало, что обученные ИНС дают высокую точность прогнозирования. Предложенный подход с кросс-валидацией позволяет выбрать тип и структуру нейронной сети для произвольной площадки, что является одой из основных сложностей при моделировании распределения химических элементов методом ИНС.

AB - Работа посвящена выбору типа и структуры искусственных нейронных сетей (ИНС) для восстановления поверхностного распределения химических элементов (кремния, калия, хрома, титана, ванадия, марганца, железа, никеля, циркония) в почве. Для исследования была выбрана площадка в форме квадрата со стороной 1 м вдали от источников загрязнения. На этом участке были отобраны 100 проб верхнего слоя почвы (глубина 0,05 м). Для восстановления поверхностного распределения химических элементов в почве при помощи компьютерного моделирования были выбраны различные типы и структуры ИНС. Для каждого химического элемента подбиралась своя ИНС и использовалась своя оценка точности прогнозирования. Сравнение значений концентраций поверхностного распределения химических элементов в почве, сделанных различными ИНС, с известными значениями концентраций показало, что обученные ИНС дают высокую точность прогнозирования. Предложенный подход с кросс-валидацией позволяет выбрать тип и структуру нейронной сети для произвольной площадки, что является одой из основных сложностей при моделировании распределения химических элементов методом ИНС.

UR - https://elibrary.ru/item.asp?id=30296163

M3 - Статья

SP - 36

EP - 48

JO - Экологические системы и приборы

JF - Экологические системы и приборы

SN - 2072-9952

IS - 8

ER -

ID: 6018355