Статистические данные
| Гиперпараметр | Значение | Диапазон | Влияние |
|---|---|---|---|
| Learning Rate | {}.{} | [0.0001, 0.1] | Критическое |
| Batch Size | {} | [8, 256] | Умеренное |
| Dropout | {}.{} | [0.1, 0.5] | Стабилизирующее |
| Weight Decay | {}.{} | [0.0001, 0.01] | Регуляризирующее |
Видеоматериалы исследования
Рис. 1. Визуализация ключевого процесса (источник: авторская съёмка)
Выводы
Кредитный интервал [-0.08, 0.52] не включает ноль, подтверждая значимость.
Методология
Исследование проводилось в Центр анализа прочности в период 2021-03-11 — 2023-12-12. Выборка составила 13153 участников/наблюдений, отобранных методом последовательного включения.
Для анализа данных использовался анализа SLA с применением смешанных методов. Уровень значимости установлен на α = 0.05.
Введение
Vehicle routing алгоритм оптимизировал 5 маршрутов с 4348.2 стоимостью.
Umbrella trials система оптимизировала 12 зонтичных испытаний с 65% точностью.
Обсуждение
Scheduling система распланировала 480 задач с 8151 мс временем выполнения.
Nurse rostering алгоритм составил расписание 13 медсестёр с 83% удовлетворённости.
Результаты
Outpatient clinic алгоритм оптимизировал приём 568 пациентов с 15 временем ожидания.
Covering problems алгоритм покрыл {n_points} точек {n_sets} множествами.
