Group method of data handling (GMDH) is a family of inductive algorithms for computer-based mathematical modeling of multi-parametric datasets that features fully-automatic structural and parametric optimization of models. GMDH is used in such fields as data mining, knowledge discovery, prediction, complex systems modeling, optimization and pattern recognition.

PropertyValue
dbpedia-owl:thumbnail
dbpprop:abstract
  • Group method of data handling (GMDH) is a family of inductive algorithms for computer-based mathematical modeling of multi-parametric datasets that features fully-automatic structural and parametric optimization of models. GMDH is used in such fields as data mining, knowledge discovery, prediction, complex systems modeling, optimization and pattern recognition. GMDH algorithms are characterized by inductive procedure that performs sorting-out of gradually complicated polynomial models and selecting the best solution by means of the so-called external criterion. A GMDH model with multiple inputs and one output is a subset of components of the base function (1): <math> Y(x_1,\dots,x_n)=a_0+\sum\limits_{i = 1}^m a_i f_i</math> where f are elementary functions dependent on different sets of inputs, a are coefficients and m is the number of the base function components. In order to find the best solution GMDH algorithm consider various component subsets of the base function (1) called partial models. Coefficients of these models estimated by the least squares method. GMDH algorithm gradually increase the number of partial model components and find a model structure with optimal complexity indicated by the minimum value of an external criterion. This process is called self-organization of models. The most popular base function used in GMDH is the gradually complicated Kolmogorov-Gabor polynomial (2): <math> Y(x_1,\dots,x_n) = a_0+\sum\limits_{i = 1}^n {a_i} x_i+\sum\limits_{i = 1}^n {\sum\limits_{j = i}^n {a_{i j} } } x_i x_j+\sum\limits_{i = 1}^n {\sum\limits_{j = i}^n{\sum\limits_{k = j}^n {a_{i j k} } } }x_i x_j x_k+\cdots </math> GMDH is also known as polynomial neural networks and statistical learning networks thanks to implementation of the corresponding algorithms in several commercial software products.
  • Neuronová síť typu GMDH je vrstevnatá neuronová síť s několika vstupy a jedním výstupem. Algoritmus sítí Group Method of Data Handling (GMDH), poprvé zveřejněný Ivachněnkem, byl vyvinut jako nástroj pro nalezení závislostí v komplexních nelineárních vícerozměrných systémech, jejich predikci (předpovědi) a aproximaci. Idea sítě GMDH je nalezení takové funkce neuronové sítě, která bude co nejlépe odpovídat naučené předloze. Předpovězená hodnota výstupu neuronové sítě pak bude co nejvíc odpovídat reálné předloze. Neuronová síť GMHD je typem sítí s učitelem. Parametry sítě se vytvářejí při předkládání dat. Zvláštností této sítě je, že nemá pevnou strukturu. Ta je postupně vytvářena vrstva po vrstvě, právě při učení této sítě. Tato síť provádí polynomiální kombinaci vstupů a každá další vrstva zdvojnásobuje stupeň výsledného polynomu. Algoritmus hledá optimální polynom reprezentující předložená data. Algoritmus dále tento polynom vytváří pomocí polynomiální vícevrstvé sítě aproximací funkce g: R → R. Funkce mapují podmnožinu n-rozměrného Euklidovského prostoru (vstupní reálná data) do množiny reálných čísel (právě vytvořená neuronová síť). Cílem je získat matematický model objektu (problém identifikace a rozpoznávání) nebo popsat proces, který se na objektu bude odehrávat v budoucnosti (problém předpovídání). GMDH patří ke skupině tzv. induktivních algoritmů – nad předloženým datovým souborem se snaží samy bez přičinění uživatele nalézt model zkoumaných dat.
  • Метод группового учета аргументов (МГУА) — семейство индуктивных алгоритмов для математического моделирования мультипараметрических данных. Метод основан на рекурсивном селективном отборе моделей, на основе которых строятся более сложные модели. Точность моделирования на каждом следующем шаге рекурсии увеличивается за счет усложнения модели. Автор метода - Ивахненко Алексей Григорьевич.
dbpprop:hasPhotoCollection
dbpprop:reference
rdf:type
rdfs:comment
  • Group method of data handling (GMDH) is a family of inductive algorithms for computer-based mathematical modeling of multi-parametric datasets that features fully-automatic structural and parametric optimization of models. GMDH is used in such fields as data mining, knowledge discovery, prediction, complex systems modeling, optimization and pattern recognition.
  • Neuronová síť typu GMDH je vrstevnatá neuronová síť s několika vstupy a jedním výstupem. Algoritmus sítí Group Method of Data Handling (GMDH), poprvé zveřejněný Ivachněnkem, byl vyvinut jako nástroj pro nalezení závislostí v komplexních nelineárních vícerozměrných systémech, jejich predikci (předpovědi) a aproximaci. Idea sítě GMDH je nalezení takové funkce neuronové sítě, která bude co nejlépe odpovídat naučené předloze.
  • Метод группового учета аргументов (МГУА) — семейство индуктивных алгоритмов для математического моделирования мультипараметрических данных. Метод основан на рекурсивном селективном отборе моделей, на основе которых строятся более сложные модели.
rdfs:label
  • Group method of data handling
  • Group Method of Data Handling
  • Метод группового учета аргументов
owl:sameAs
skos:subject
foaf:depiction
foaf:page
is dbpprop:redirect of
is owl:sameAs of