УДК 004.032.26
DOI: 10.36871/2618-9976.2022.11.007
Авторы
Виктор Викторович Ерохин
Доктор технических наук, доцент, Московский государственный институт международных отношений (университет) Министерства иностранных дел РФ, Москва, Россия
Елена Владимировна Елисеева
Кандидат педагогических наук, доцент, Брянский государственный университет имени академика И.Г. Петровского, Брянск, Россия
Аннотация
Предлагается интегрированная структура из модели дискретного выбора со встроенной искусственной нейронной сетью: TN-MNLR, которая позволяет более гибко и точно решать задачи регрессии с хорошей предсказуемостью. Структура TN-MNLR позволяет более точно оценить множественную (мультиномиальную) логистическую регрессию (Multinomial logit regression, MNLR), построенную на нелинейных входных параметрах. Используется искусственная нейронная сеть с прямой связью для прогнозирования параметров исследуемой регрессии в виде нелинейной функции. Далее эти найденные параметры из нейронной сети передаются в параметрическую логическую модель выбора данных для расчета вероятностей их выбора. Ограничения входных параметров применяется в слоях преобразования нейронной сети. Представлены слабые и сильные стороны использования структуры TN-MNLR для эконометрических дискретных моделей выбора данных, что позволяет повысить точность оценки больших данных при их многомерной оптимизации. Достигнута цель по обеспечению масштабируемости и поведенческой интерпретируемости результатов используемой структуры, что также способствует получению новых знаний из входных дискретных больших данных с их детализацией. Однако применение представленной структуры ограничивается только для неоднородных данных. Рассматриваемые структуры могут эффективно решать транспортные задачи и задачи управления организационными системами.
Ключевые слова
искусственные нейронные сети
гиперпараметры нейронных сетей
глубокие нейронные сети
моделирование
модели дискретного выбора
множественная логистическая регрессия
