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...

Full description

Saved in:
Bibliographic Details
Published in:Informatika i avtomatizaciâ (Online) Vol. 24; no. 2; pp. 363 - 394
Main Author: Ilya Lebedev
Format: Journal Article
Language:English
Russian
Published: Russian Academy of Sciences, St. Petersburg Federal Research Center 01.04.2025
Subjects:
адаптивные модели
машинное обучение
повышение качества обработки
регрессионные модели
ISSN:2713-3192, 2713-3206
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Abstract 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.
AbstractList 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.
Author Ilya Lebedev
Author_xml – sequence: 1
  fullname: Ilya Lebedev
  organization: St. Petersburg Federal Research Center of the Russian Academy of Sciences (SPC RAS)
BookMark eNo1jstOwkAUhidGExHZ-AR9AXAuZdouDfFCQuJG1820MzU1CAbYuFO8LXThoxTEWC_AK5x5Cl_D04qLuZz_z_n-f4us9_o9Q8gOow3WlJzvpqrB3QZvsDVS4R4TdcGpXP__s4BvktpwmEa0ST3BJaUV8gMvMIMMlnYMOUxhDgt4c2AJC3tjx_a6GFHMUcThDV6LG60blBZozO2TvXfgG4cZ2l94PhzUM6cglLhpAcwKDe0c3tGzd_YWhU_7sMIUFq58QmYfS_4Y1woGTDAwgwnSxmjnDkKxBQZiLZQQv2pbZs_KvAwN7GKfi_wSlm-TjUR1h6a2eqvk9GD_pHVU7xwftlt7nbpmwh_VA-36TOnE96ThntLajYOYU1-yZmSolEzqROuAaV-6QgTSxJHQgfaCQDHDmBJV0v7j6r46Dy8H6YUaXIV9lYal0B-chWowSuOuCUWc8MgonypXuyYxUSQ9LrlrhIplRI34Bcvp57s
ContentType Journal Article
DBID DOA
DOI 10.15622/ia.24.2.1
DatabaseName DOAJ Directory of Open Access Journals
DatabaseTitleList
Database_xml – sequence: 1
  dbid: DOA
  name: DOAJ Directory of Open Access Journals
  url: https://www.doaj.org/
  sourceTypes: Open Website
DeliveryMethod fulltext_linktorsrc
Discipline Computer Science
EISSN 2713-3206
EndPage 394
ExternalDocumentID oai_doaj_org_article_3cf2bea80a4d4efebb672624e3ac6b0e
GroupedDBID ALMA_UNASSIGNED_HOLDINGS
GROUPED_DOAJ
ID FETCH-LOGICAL-d138t-9d481adf876e27add4c9c208615be06616dfdd91d8643396ecb3d9d799a1e11a3
IEDL.DBID DOA
ISSN 2713-3192
IngestDate Fri Oct 03 12:46:02 EDT 2025
IsDoiOpenAccess true
IsOpenAccess true
IsPeerReviewed true
IsScholarly true
Issue 2
Language English
Russian
LinkModel DirectLink
MergedId FETCHMERGED-LOGICAL-d138t-9d481adf876e27add4c9c208615be06616dfdd91d8643396ecb3d9d799a1e11a3
OpenAccessLink https://doaj.org/article/3cf2bea80a4d4efebb672624e3ac6b0e
PageCount 32
ParticipantIDs doaj_primary_oai_doaj_org_article_3cf2bea80a4d4efebb672624e3ac6b0e
PublicationCentury 2000
PublicationDate 2025-04-01
PublicationDateYYYYMMDD 2025-04-01
PublicationDate_xml – month: 04
  year: 2025
  text: 2025-04-01
  day: 01
PublicationDecade 2020
PublicationTitle Informatika i avtomatizaciâ (Online)
PublicationYear 2025
Publisher Russian Academy of Sciences, St. Petersburg Federal Research Center
Publisher_xml – name: Russian Academy of Sciences, St. Petersburg Federal Research Center
SSID ssib050732600
ssj0002921710
Score 2.287754
Snippet Рассмотрена задача адаптивного построения модели, направленной на повышение показателей качества обработки информационных последовательностей. В методах...
SourceID doaj
SourceType Open Website
StartPage 363
SubjectTerms адаптивные модели
машинное обучение
повышение качества обработки
регрессионные модели
Title Адаптивное построение регрессионных моделей на основе анализа функционала качества обработки сегментов последовательности
URI https://doaj.org/article/3cf2bea80a4d4efebb672624e3ac6b0e
Volume 24
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVAON
  databaseName: DOAJ Directory of Open Access Journals
  customDbUrl:
  eissn: 2713-3206
  dateEnd: 99991231
  omitProxy: false
  ssIdentifier: ssj0002921710
  issn: 2713-3192
  databaseCode: DOA
  dateStart: 20200101
  isFulltext: true
  titleUrlDefault: https://www.doaj.org/
  providerName: Directory of Open Access Journals
– providerCode: PRVHPJ
  databaseName: ROAD: Directory of Open Access Scholarly Resources
  customDbUrl:
  eissn: 2713-3206
  dateEnd: 99991231
  omitProxy: false
  ssIdentifier: ssib050732600
  issn: 2713-3192
  databaseCode: M~E
  dateStart: 20200101
  isFulltext: true
  titleUrlDefault: https://road.issn.org
  providerName: ISSN International Centre
link http://cvtisr.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwrV3NThUxFG4MceHGPzQqYGbhdi60nTszXQKBuFDiQgy7m_5NwuZq8OqSwBVxIQseZcBLHFEur9A-ha_h185ocOXGxTTpOel3TqZn2q-T5hxCnvTB6zUzeRrYd5px3U-VpWUqrc1MISvbpmt69azY2Ci3tsSLK6W-wp2wNj1w--IWua6YsrJckpnJbGWVyguWs8xyqXO1ZMPqC9Zz5TCFSALJ4SHz-p-_LUyAesfUBAynMiw8gnW5SrH_s8Vt2WNZj_XoX5n74xazfpvc7Lhhstz6dIdcs8O75NbvugtJ9xnOkp_u2E1c7S792DXu1F24qTtL3KWb-n0_9nuhC2EDITpn7ktoodqHaArFhf_sPybuBzoTqL_j-ZZAXicBIcKdBsA6yKBu3Ffo_IH_AMG5P-xgggpDzl3tP0X8MYYFDHcCg7U7AdoY6iYBKLyAQbgFEeA7b6PtSbRXQwFf_FGwH8Gae2Rzfe3l6tO0K9iQGsrLUSpMVlJpKqywlhVYOTMtNGYHrElZcBuam8oYQU0JHsRFbrXiRphCCEktpZLfJzPD10P7gCTagEhWVVUERieZAq3u56XmivUlE5o_JCthogZv2pwcg5AlOwoQO4Mudgb_ip1H_wNkjtxgoSZwvM0zT2ZGO-_sArmu34-23-48jmGJ9vnu2i9TCT3j
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%D0%90%D0%B4%D0%B0%D0%BF%D1%82%D0%B8%D0%B2%D0%BD%D0%BE%D0%B5+%D0%BF%D0%BE%D1%81%D1%82%D1%80%D0%BE%D0%B5%D0%BD%D0%B8%D0%B5+%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D1%85+%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9+%D0%BD%D0%B0+%D0%BE%D1%81%D0%BD%D0%BE%D0%B2%D0%B5+%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0+%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D0%BE%D0%BD%D0%B0%D0%BB%D0%B0+%D0%BA%D0%B0%D1%87%D0%B5%D1%81%D1%82%D0%B2%D0%B0+%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8+%D1%81%D0%B5%D0%B3%D0%BC%D0%B5%D0%BD%D1%82%D0%BE%D0%B2+%D0%BF%D0%BE%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8&rft.jtitle=Informatika+i+avtomatizaci%C3%A2+%28Online%29&rft.au=Ilya+Lebedev&rft.date=2025-04-01&rft.pub=Russian+Academy+of+Sciences%2C+St.+Petersburg+Federal+Research+Center&rft.issn=2713-3192&rft.eissn=2713-3206&rft.volume=24&rft.issue=2&rft.spage=363&rft.epage=394&rft_id=info:doi/10.15622%2Fia.24.2.1&rft.externalDBID=DOA&rft.externalDocID=oai_doaj_org_article_3cf2bea80a4d4efebb672624e3ac6b0e
thumbnail_l http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=2713-3192&client=summon
thumbnail_m http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=2713-3192&client=summon
thumbnail_s http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=2713-3192&client=summon