Искусственные молекулы, собранные из искусственных нейронов, воспроизводящих работу классических статистических критериев
Автор: Иванов А.И., Банных А.Г., Безяев А.В.
Журнал: Вестник Пермского университета. Математика. Механика. Информатика @vestnik-psu-mmi
Рубрика: Механика. Математическое моделирование
Статья в выпуске: 1 (48), 2020 года.
Бесплатный доступ
Цель работы показать возможность нейросетевого обобщения множества классических статистических критериев для принятия решений на малых выборках реальных данных. Показано, что для решения задачи необходимо использовать ее предварительную симметризацию, которая позволяет снять проблему моделирования длинных случайных кодов с зависимыми (сцепленными) разрядами. Простота имитационного моделирования симметризованных данных позволяет учитывать корреляционные связи между разрядами случайных кодов и наблюдать ограничения, накладываемые кодами с обнаружением и исправлением ошибок.
Малые выборки, статистические критерии проверки нормальности данных, сети искусственных нейронов, распознающих нормально распределенные данные
Короткий адрес: https://sciup.org/147246560
IDR: 147246560 | DOI: 10.17072/1993-0550-2020-1-26-32
Список литературы Искусственные молекулы, собранные из искусственных нейронов, воспроизводящих работу классических статистических критериев
- Р 50.1.037-2002. Рекомендации по стандартизации. Прикладная статистика. Правила проверки согласия опытного распределения с теоретическим. Ч. I. Критерии типа χ2. Госстандарт России. М.,2001. 140 с.
- Р 50.1.037-2002. Прикладная статистика. Правила проверки согласия опытного распределения с теоретическим. Ч. II. Непараметрические критерии. Госстандарт России. М., 2002. 123 с.
- ГОСТ Р 52633.5-2011. "Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа".
- ГОСТ Р 50779.10-2000. "Статистические методы. Вероятность и основы статистики. Термины и определения".
- Кобзарь А.И. Прикладная математическая статистика / для инж. и науч. работников. М.: ФИЗМАТЛИТ, 2006. 816 с.
