Досліджено різні алгоритми навчання нейромереж Кохонена на ефективність розв'язання практичної задачі. Розглянуто методику підбору параметрів, що забезпечує високі результати у разі використання даної нейромережі для розв'язання задачі прийняття рішень.

Розроблено метод "нейронної міграції" навчання, яка базується на ідеї підвищення топологічного впорядкування карт. Наведено динамічно-інтервальну самоорганізовану карту. Вдосконалено метод візуалізації кластерної структури даних. Висвітлено алгоритм сегментації зображень, який використано під час побудови тренажера української жестової мови. Запропоновано математичне та програмне забезпечення для інтелектуального аналізу даних, яке інкорпорує багатопотоковий алгоритм навчання карт.

На основі методологій штучного інтелекту розглянуто теоретичні та практичні аспекти розроблення математичного та програмного забезпечення комп'ютеризованої системи ідентифікації жестів української жестової мови. Для вирішення цієї проблеми розглянуто широке коло питань, які стосуються моделювання струкутурованих і неструктурованих даних, зокрема, на основі карт Кохонена. Проаналізовано існуючі та запропоновано власні оригінальні підходи, які мають більшу ефективність і дали змогу розробити відповідне програмне забезпечення. Детально описано систему розпізнавання жестової мови.

На основі методологій штучного інтелекту розглянуто теоретичні та практичні аспекти розробки математичного та програмного забезпечення комп'ютеризованої системи ідентифікації жестів українськової жестової мови, наведено загальні концепції моделювання даних. Висвітлено питання моделювання структурованих і неструктурованих даних. Охарактеризовано різноманітні моделі жесту, базовані на марковських моделях, моделях деформації та індуктивних моделях даних. Значну увагу приділено програмному забезпеченню тренажера мови жестів та моделювання даних, акцентовано на системі розпізнавання жестової мови. Проаналізовано існуючі та запропоновано оригінальні авторські підходи, які мають більшу ефективність і дали змогу розробити відповідне програмне забезпечення.

Зазначено, що нині існує багато алгоритмів кластеризації документів, кожен з яких має певні переваги та недоліки. Запропонований алгоритм є спробою компромісу між якістю категоризації документів і вимогами до обчислювальних ресурсів, залишаючись незалежним від мови документів. Алгоритм використовує техніку пошуку ключових слів документів для формування вхідних даних і карти Кохонена в поєднанні з ієрархічною кластеризацією для категоризації та візуалізації документів.

Зазначено, що тенденції останнього десятиліття розвитку архітектури центральних обчислювальних процесорів чітко вказують на використання багатоядерного підходу зі збільшенням кількості процесорів кожні 18 місяців відповідно до закону Мура. Зміщення від архітектури швидких одноядерних до повільніших багатоядерних процесорів ставить питання про масштабовність великого класу обчислювальних алгоритмів, зокрема, алгоритмів аналізу даних. Висвітлено результати дослідження з використання сучасних парадигм паралелізації у програмуванні з метою масштабування процесів аналізу даних на базі карт Кохонена.

Вирішено завдання візуалізації кластерної структури даних високої розмірності на базі моделі даних, одержаної динамічно-інтервальною самоогранізовною картою (ДІСК). За розробленим методом візуалізації використовують карту Кохонена з метою проектування елементів ДІСК на двовимірну гратку, у поєднанні з алгоритмом U-Matrix для візуалізації кластерів даних.

Надано результати створення візуальної предметно-орієнтованої мови запитів, яка є візуальним засобом взаємодії з даними та побудови правил моніторингу стану інформаційних систем. Використання розробленої мови надає експертам предметної області потрібні засоби для розширення системи ad - hoc у процесі її використання з метою вчасного реагування на виробничі потреби.

Побудова надійних програмних систем залишається однією з найскладніших проблем в області розроблення програмного забезпечення. З нашого досвіду це пов'язано з неузгодженістю між архітектурою програмного запезпечення на мікро- (об'єкти) та макро- (системні компоненти) рівнях, а з погляду використання - з неузгодженістю між предметною областю та її сприйняттям користувачами різних рівнів. Зазначено, що ці 2 фактори пов'язані між собою і можуть бути вирішені на рівні архітектури інформаційної системи. Фрактальні об'єкти є підходом до архітектури програмного забезпечення з орієнтацією на предметну область із цілісним об'єктно-орієнтованим архітектурним стилем в своїй основі. Формалізується спосіб для проектування та забезпечуються технічні засоби для побудови ресурсно-орієнтованих програмних систем із прозорою предметною (онтологічною) областю. Прозорість предметної області нанадає засоби різним зацікавленим сторонам (зокрема користувачам і розробникам) для використання та підтримки еволюції програмної системи.

Індекс рубрикатора НБУВ: З810.22

Рубрики:

Нейронні мережі

Шифр НБУВ: Ж28852/прикл. Пошук видання у каталогах НБУВ 

Розглянуто два підходи до розв'язання задачі навігації агента. Головний елемент першого підходу - контролер, що грунтується на нейромережі, навченій на наборі експертних правил. Через значну чутливість до зміни розмірності простору станів такий підхід малопридатний для реального застосування. Використовуючи інший (індуктивний) підхід - навчання з підсиленням, в якому агент навчається лише в результаті взаємодії з навколишнім середовищем, можна одержати контролер, придатніший до практичного застосування. Надано аналіз параметрів алгоритму та їх впливу на результативність, швидкість і стабільність навчального процесу.

Розглянуто задачу побудови програмного забезпечення для моделювання поведінки інтелектуальних агентів у віртуальному середовищі. Проведено аналіз існуючих рішень, окреслено їх переваги та недоліки. Сформульовано основні вимоги до систем такого типу. Розглянуто розроблене програмне забезпечення, яке якісно реалізує поставлені вимоги. Наведено опис одержаної системи, а також обгрунтовано її ефективність і конкурентоспроможність.

Розглянуто доцільність використання штучних нейронних мереж (ШНМ) як апроксиматора для розв'язання задачі навігації. Створено програмне забезпечення для автоматизації проведення експериментів. Розглянуто різні підходи надання простору станів і дій. Проаналізовано вплив параметрів і структури ШНМ на швидкість навчання та якісні характеристики стратегії, одержаної після навчання. На підставі проведеного аналізу побудовано ШНМ, здатну одержати близьку до оптимальної стратегію з використанням порівняно невеликої навчальної вибірки.