neuroproject.ru

[Дмитрий$$]

Необходимо решить задачу по нахождению выхода готовой продукции, в зависимости от качества зерна.

Что есть:
Есть статические данные по переработкам за год. Также есть стандартная форма расчета выхода, но она обладает большой погрешностью вычислений.

Что нужно:
Нужно построить "черный ящик", который бы выдавал значение выхода для продукции, при подаче на вход данных о качестве зерна.

Пример(упрощенно):
1)
Подали зерно 100 кг, с качеством:
Сорная примесь: 2%, зерновая примесь - 4%.
На выходе получили выход - 70% муки(70 кг), 30% отходов(30 кг).
2)
Подали зерно 100 кг, с качеством:
Сорная примесь: 2%, зерновая примесь - 8%.
На выходе получили выход - 65% муки(65 кг), 35% отходов(35 кг).

Далее подали зерно 100 кг, с качеством:
Сорная примесь: 2%, зерновая примесь - 6%.
Какой выход выход продукции получится ?

Догадки:
Я так понимаю я должен накапливать данные в виде таблицы(упрощенно):
Качество зерна Вызод продукции
Сор Зерновая Мука Отходы
2 4 70 30
2 8 65 35

Подскажите алгоритмы и готовые решения для данной задачи ?

[Victor G. Tsaregorodtsev]

Множественная линейная регрессия, множественная нелинейная (например, полиномиальная) регрессия, непараметрическая регрессия (и её современный вариант на основе машин опорных векторов), нейронные сети,... Алгоритмов восстановления зависимостей - "ну просто завались!" (С) кот Матроскин.
Какой алгоритм будет здесь лучшим по точности - это к нострадамусам, т.к. никто тут свойств Вашего набора данных совершенно не представляет.
Готовые решения - какой-нибудь стандартный статистический пакет (типа пакета Statistica), а там уже в нём смотреть, насколько можно будет вытащить построенную прогнозную модель "наружу" для дальнейшего практического использования (например, для встраивания в компьютерную информ.систему предприятия или вписывания в виде формулы/формул в таблицу Excel).
_________________
neuropro.ru - нейронные сети, анализ данных, прогнозирование

[Дмитрий$$]

Сейчас подбираю методом наименьших квадратов коэфициенты для линейной регрессии,
какие другие методы можете посоветовать ещё для подбора коэффициентов, по это задача оптимизации, где функция цели - суммарная ошибка, которая должна стремится к минимуму.

[Victor G. Tsaregorodtsev]

Посоветовать - ничего, т.к., повторяю, со свойствами Ваших данных не знаком и не представляю, какой критерий/метод будет оптимальным.
По методам разделяйте собственно критерий и алгоритм идентификации параметров модели. Критерии могут быть разные - МНК, робастные критерии на основе степени меньшей, чем 2 (в МНК - степень 2), критерий гребневой регрессии, знаковый критерий, регуляризующие слагаемые в дополнении к основному критерию,...
По алгоритмам - там, где критерий дифференцируется, можно коэффициенты находить, решая явно систему уравнений или в ходе итерационного движения по градиенту (градиенту суммарной ошибки - т.к. градиент суммарной ошибки является суммой градиентов ошибок отдельных примеров). Если не дифференцируется (например, знаковый критерий) - то там свой собственный алгоритм для каждого случая. Т.е. вот уже получилось как минимум 3 варианта - явное решение системы уравнений, градиентная оптимизация, какой-то из спецалгоритмов. Сочетаний вместе с разными вариантами критериев получается довольно-таки много
_________________
neuropro.ru - нейронные сети, анализ данных, прогнозирование

[Дмитрий$$]

Спасибо, начну с изучения методов. (задача останется решенной методом наименьших квадратов)

[mflamaster]

сам спросил, сам ответил
главное - начать чтото делать
_________________
сжимаем видео

[yabixoruy]

красивая девушка в горячих порно роликах http://tasercheckout.com/krasivaya-devushka/