Пример готового реферата по предмету: Геоинформатика
ВВЕДЕНИЕ 3
1. МОНИТОРИНГ ТЕРРИТОРИЙ В СРЕДЕ ГИС 6
1.2. Экологическое состояние территорий юга России 6
1.2. ГИС как средство визуализации мультиформатных данных 11
1.3. Нейросетевые алгоритмы 14
2. РЕШЕНИЕ ЗАДАЧ В СРЕДЕ ГИС С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ 23
2.1 Интеграция нейросетевой обработки данных в контур ГИС 23
2.2. Современные геоинформационные пакеты со встроенными нейросетями 27
2.3 Алгоритмы нейросетевых технологий 32
3. ПРИМЕРЫ ИСПОЛЬЗОВАНИЯ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ ДЛЯ АНАЛИЗА ТЕРРИТОРИЙ ЮГА РОССИИ 38
ЗАКЛЮЧЕНИЕ 47
ЛИТЕРАТУРА 48
Содержание
Выдержка из текста
Практика показывает, что те организации, которые осуществляют комплексное стратегическое планирование и управление, работают более успешно и получают прибыль значительно выше средней по отрасли. Многие руководители, имеющие опыт планирования, и просто энергичные люди не добиваются желаемого успеха из-за того, что распыляют свои силы, стремясь охватить как можно больше рынков, произвести как можно больше разнообразных продуктов и удовлетворить ………………….
Краснодарский край — субъект Российской Федерации. Территория составляет 76 тыс. квадратных километров с населением — почти 5 млн. человек. Уникально географическое положение края: два моря (Черное и Азовское), горы, равнины, леса.
Актуальность исследуемой темы подтверждается популярностью вложения инвестиций в недвижимость, так как недвижимость как правило является эффективным методом преумножения финансовых средств. Следовательно, предварительный анализ доходности таких вложений является первостепенным в предпринимательских целях.
проблемы состояния и развития роли малых и средних форм предпринимательства для развития территорий исключительно актуальны для городским округом, стоящей перед необходимостью сохранить, приумножить и рационально использовать имеющийся социальный и экономический потенциал;
Акционерные общества и их роль в развитии рыночной экономики России
Проблема обеспечения безопасности и защиты информации в платежной системе банка россии
Структурно курсовая работа состоит из трех частей; введения, в котором дается обоснование выбора темы, определение цели данной работы, выделены предмет и объект; основная часть, в которой рассмотрены основные вопросы; заключение, в котором сделаны основные выводы по рассмотренной теме; приложение.
Фармакопеей Российской Федерации и другими ведущими мировыми количественное определение викасола в субстанции и лекарственных определения викасола в 1% растворе для инъекций.
Работа выполнялась на базе новейших законодательных актов, учебных пособий, монографий, также были рассмотрены и изучены статьи по данной теме из таких журналов, как «Главбух» и «Бухгалтерский учет».
Работа состоит из трех глав. Первая глава содержит анализ подходов к проведению рыночных исследований. Вторая глава описывает многообразие методов рыночного исследования и статистического анализа. В третьей главе проводится анкетирование потребителей рынка хлеба и хлебобулочных изделий города Санкт-Петербурга и осуществляется статистический анализ по данным ранка хлеба и хлебобулочных изделий города Санкт-Петербурга.
Анализ управления как системы является одним из достижений современной науки. Это объясняется, прежде всего, как важное требование учета многофакторных проявлений управления как деятельности, которая находится в сложной структуре отношений, образовавшихся как внутри самой системы управления, так и в отношениях с внешним миром, с внешними системами и надсистемами.
В анализе хозяйственной деятельности выделяют внутренний и внешний анализ в зависимости от … Оценка структуры имущества организации связана с вычислением … Метод экономического анализа – это …
Список источников информации
1. Курепина Н.Л., Курепина М.В. Проблемы эколого-экономической безопасности аридных территорий Юга России // Вестник ЮРГТУ (НПИ).
2012. N 2.- C. 162-165
2. Федеральная служба государственной статистики [Электронный ресурс]
/ Официальный сайт. — Режим доступа: http://www.gks.ru, свободный. — Загл. с экрана.
3. Экологический рейтинг региона [Электронный ресурс]
/ Сайт «Зеленый патруль». — Режим доступа: http://www.greenpatrol.ru/ecoreiting, свободный. — Загл. с экрана
4. Антошкина Е.В., Мищенко А.А., Таховская С.А. Антропогенное воздействие на геологическую среду города Краснодара //Тезисы VI Международной конференции. Экономика и здоровье человека. Краснодар, 2001. С. 6.
5. Устойчивое развитие сельских территорий как фактор обеспечения экономической безопасности. / Ю. С. Богзыков, Б. А. Гольдварг и др. Под общ. ред. Н. Л. Курепиной. — Элиста: АПП Джангар, 2009. — 270 с.
6. Ефремов Ю.В., Чередниченко Л.И. Современное рельефообразова-ние в бассейне реки Кубань. Краснодар: Издательство Кубанского госуниверситета. 111с.
7. Бекух З.А., Нагалевский Ю.Я., Щеглова З.П. Развитие техногенного подтопления на территории Кубано-Приазовской низменности //Вестник КРГО. Вып. 2. Ч.
2. Краснодар, 2000. С. 3-12.
8. Борисов В.И. Реки Кубани. Краснодар: Книжное издательство, 1978.
9. Вергунов А.П. Архитектурно-ландшафтная организация крупного города. JI. :Стройиздат, 1982. 135 с.
10. Владимиров В.В., Микулина Е.М., Яргина З.Н. Город и ландшафт. М.: Мысль, 1986. 236 с.
11. Антошкина Е.В. Эколого-геоморфологическая оценка городских территорий на юге России :На примере г. Краснодара. Диссертация. 2002. 260 с.
12. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе. М 1998.
13. Гаскаров Д.В. Интеллектуальные информационные системы: учебник для вузов. – М.: Высшая школа, 2003. – 431 с.
14. Ясницкий Л.Н. Введение в искусственный интеллект: учебное пособие для студ. высш. учеб. заведений. – М.: Академия, 2005. – 176 с.
15. Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.: Техносфера, 2006. – 1072 с.
16. Грузман И.С. Цифровая обработка изображений в информационных системах. Учебное пособие. – Новосибирск, 2000. – 166 c.
17. Горбань А.Н. Обучение нейронных сетей. М.: СП ПараГраф, 1990. 160 с. 2.
18. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новоси- бирск: Наука, 1996. 276 с.
19. Питенко А.А. Нейросетевой анализ в ГИС. // Автореф. дисс. канд. техн. наук 05.13.16, Красноярск, 2000.
20. Добрынин Д., Савельев. А. Нейронные технологии для тематического дешифрирования ДДЗ. // Гис-Обозрение, № 1, 1999, стр.12-14. http://www.scanex.ru/.
21. Kemp, L.D., Bonham-Carter, G.F., Raines, G.L. and Looney, C.G., 2001, Arc-SDM: Arcview extension for spatial data modelling using weights of evidence, logistic regression, fuzzy logic and neural network analysis. http://ntserv.gis.nrcan.gc.ca/sdm/.
22. Архипова О.Е., Качалина Н.А., Тютюнов Ю.В., Ковалев О.В. Оценка засоренности антропогенных фитоценозов на основе данных дистанционного зондирования Земли (На примере амброзии полыннолистной) //Исследование земли из космоса. 2014. — № 6. — С. 15– 26
23. Гамбарова Е.М. Обучение нейронного классификатора для распознавания объектов на снимках, полученных со спутника IKONOS //Нейроинформатика, 2008. том 3. — № 1. — С.13-24
24. Повх В.И., Гарбузов Г.П., Шляхова Л.А. Оценка структуры посевов подсолнечника в Ставропольском крае по данным дистанционного зондирования спектрорадиометра MODIS //Современные проблемы дистанционного зондирования Земли из космоса. М. 2006. Т.2.- С. 381-386.
25. Жиляков Е.Г., Лихошерстный А.Ю. Метод нейросетевого распознавания объектов на аэрокосмических изображениях земной поверхности //Научные ведомости белгородского государственного университета. Серия: История. Политология. Экономика. Информатика. Выпуск № 13-1 (108) . — том 19. – 2011. — С. 117-125.
список литературы
