Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- МЕТОД АВТОМАТИЧЕСКОЙ НАСТРОЙКИ ГИПЕРПАРАМЕТРОВ ГИБРИДНОГО АЛГОРИТМА ПОДГОТОВКИ ДАННЫХ НА ОСНОВЕ БАЙЕСОВСКОЙ ОПТИМИЗАЦИИ С АДАПТИВНЫМ ВЗВЕШИВАНИЕМ
- Авторы
- Прудников Сергей Игоревич prudnikovscience@gmail.com, канд. техн. наук, старший научный сотрудник, Санкт-Петербургский Федеральный исследовательский центр Российской академии наук, Санкт-Петербург, Россия
- В разделе
- МЕТОДЫ И СРЕДСТВА РЕШЕНИЯ ЗАДАЧ ПРОЕКТИРОВАНИЯ
- Ключевые слова
- байесовская оптимизация / гиперпараметры / гауссовские процессы / адаптивное взвешивание / подготовка данных / AutoML
- Год
- 2026 номер журнала 3 Страницы 21 - 26
- Индекс УДК
- 004.85:519.673
- Код EDN
- JRHUXI
- Код DOI
- 10.52190/2073-2597_2026_3_21
- Финансирование
- Тип статьи
- Научная статья
- Аннотация
- Представлен метод автоматической настройки гиперпараметров гибридных алгоритмов подготовки данных для интеллектуальных систем поддержки принятия решений, включающий адаптивный механизм динамического пересчета весов компонент целевой функции, гибридное ядро гауссовского процесса, учитывающее разнородность гиперпараметров, и теплую инициализацию начальной выборки на основе мета-эвристик. Эксперимент, проведенный на реальных наборах данных, показал, что применение метода на 0,8-1,9 % улучшило F1-меру и почти на треть сократило время вычислений по сравнению с Random Search, Hyperband, BOHB, Optuna и классической байесовской оптимизацией.
- Полный текст статьи
- Для прочтения полного текста необходимо купить статью
- Список цитируемой литературы
-
Garcia S., Luengo J., Herrera F. Data Preprocessing in Data Mining. - Cham: Springer, 2015.
Прудников С. И., Дорожкин Е. Ю. Обоснование математического обеспечения поддержки принятия решений на основе системы иерархически организованных критериев // Математические методы в технологиях и технике. 2023. № 5. С. 96-101.
Богомолов А. В., Климов Р. С. Автоматизация обработки информации при проведении коллективных сетевых экспертиз // Автоматизация. Современные технологии. 2017. Т. 71. № 11. С. 509-512.
Bergstra J., Bengio Y. Random search for hyper-parameter optimization // Journal of Machine Learning Research. 2012. V. 13. P. 281-305.
Jones D. R., Schonlau M., Welch W. J. Efficient global optimization of expensive black-box functions // Journal of Global Optimization. 1998. V. 13. P. 455-492.
Snoek J., Larochelle H., Adams R. P. Practical Bayesian optimization of machine learning algorithms // Advances in Neural Information Processing Systems 25 (NeurIPS 2012). 2012. P. 2951-2959.
Li L., Jamieson K., DeSalvo G., Rostamizadeh A., Talwalkar A. Hyperband: A novel bandit-based approach to hyperparameter optimization // Journal of Machine Learning Research. 2018. V. 18. № 185. P. 1-52.
Falkner S., Klein A., Hutter F. BOHB: Robust and efficient hyperparameter optimization at scale // Proceedings of the 35th International Conference on Machine Learning (ICML 2018). PMLR. 2018. V. 80. P. 1436-1445.
Akiba T., Sano S., Yanase T., Ohta T., Koyama M. Optuna: A next-generation hyperparameter optimization framework // Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining (KDD 2019). 2019. P. 2623-2631.
Прохоров М. А., Прудников С. И., Асеев А. О., Тобин Д. С. Методология оценивания качества функционирования специализированных систем информационного обеспечения научных // Автоматизация. Современные технологии. 2024. Т. 78. № 7. С. 332-336.
Nelder J. A., Mead R. A simplex method for function minimization // The Computer Journal. 1965. V. 7. № 4. P. 308-313.
McKay M. D., Beckman R. J., Conover W. J. A comparison of three methods for selecting values of input variables in the analysis of output from a computer code // Technometrics. 1979. V. 21. № 2. P. 239-245.
Прудников С. И., Богомолов А. В., Теребов Д. С. Направления совершенствования поддержки принятия решений в органах военного управления // Математические методы в технологиях и технике. 2022. № 6. С. 16-19.
Прудников С. И. Обработка больших данных в системах поддержки принятия решений специального назначения // Известия Тульского государственного университета. Технические науки. 2023. № 5. С. 48-52.
Тобин Д. С., Богомолов А. В., Голосовский М. С. Организация испытаний программного обеспечения для различных моделей его жизненного цикла // Математические методы в технологиях и технике. 2021. № 7. С. 132-135.
Прохоров М. А., Богомолов А. В. Модель качества информационного ресурса автоматизированной системы // Научно-техническая информация. Серия 1. Организация и методика информационной работы. 2026. № 1. С. 27-31.
- Купить
- 800.00 руб
