МАШИННОЕ ОБУЧЕНИЕ В ДВУХУРОВНЕВОЙ СИСТЕМЕ ПРИНЯТИЯ РЕШЕНИЙ С ПРИМЕНЕНИЕМ ФУНКЦИЙ ЯДРА МЕРСЕРА

Автор(ы): Сидоров Игорь Геннадиевич

Рубрика: Информационные технологии

DOI: 10.21777/2500-2112-2022-1-76-82

Выпуск: 2022-1 (38)

Страницы: 76-82

Ключевые слова: классификация, ядро Мерсера, равновесие по Нэшу, разделяющая функция, дифференциальная игра, потенциальная функция

Аннотация: Приводится методика машинного обучения с использованием теории игр в форме иерархической дифференциально-разностной игры N+1 лиц в двухуровневой системе принятия решений. Рассматриваются вопросы машинного обучения на основе нелинейных ядер применительно к дифференциальным или дифференциально-разностным двухуровневым кооперативным играм. Предлагается использовать ядровые функции близости типа ядер Мерсера в качестве потенциальных функций обучения на обоих уровнях дифференциальной иерархической игры. В силу существования неподвижной точки у такого типа ядер алгоритм обучения всегда будет сходиться к решению дифференциальной иерархической двухуровневой игры в точке равновесия по Нэшу. Это дает возможность получить устойчивый алгоритм обучения. Показано, что с помощью не
которых нелинейных преобразований ядерных функций Мерсера типа радиально базисных удается решить задачу классификации для двух классов с применением метода потенциальных функций. Показан пример применения методики машинного обучения с использованием ядрового подхода и нелинейной полезности (функции предпочтения). Полученные результаты могут найти применение при построении математических моделей иерархических многоуровневых динамических систем с целью исследования их свойств.

Библиографическая ссылка: Сидоров И.Г. МАШИННОЕ ОБУЧЕНИЕ В ДВУХУРОВНЕВОЙ СИСТЕМЕ ПРИНЯТИЯ РЕШЕНИЙ С ПРИМЕНЕНИЕМ ФУНКЦИЙ ЯДРА МЕРСЕРА // Образовательные ресурсы и технологии. – 2022. – № 1 (38). – С. 76-82. doi: 10.21777/2500-2112-2022-1-76-82