预测任务认知地图的优化

DOI:

评审日期

出版日期

注解: 研究的主题是需要在结构薄弱的动态情况下进行决策，当定性地描述情况发展的参数，规律和模式时。 这些是独特的情况，其中情况参数的动态伴随着难以预测其结构的变化。 研究的对象是认知地图或用于建模认知地图的计算机系统。 作者详细研究了该主题的复杂性，如决策缺乏和不准确的信息和优化预测任务认知地图的方法。 特别关注优化数据维度和优化认知地图结构的算法。 采用聚类分析方法对数据的维数进行优化，而认知地图结构的优化在于通过机器学习方法自动调整概念相互影响的权值。 该研究的主要结论是在预测系统时降低认知地图的主观性。 作者对该主题研究的贡献是单层神经网络形式的认知地图的表示以及此类神经网络的训练方法的应用，由Rosenblatt提出。 该研究的新颖性在于获得认知地图的新结构。

出版日期: