Розглянуто загальну задачу побудови алгоритмічних дерев розпізнавання (класифікації) на основі обмеженого методу в теорії штучного інтелекту. Об'єктом даного дослідження є концепція дерева класифікації (алгоритмічного дерева класифікації (АДК) на базі обмеженого методу). Предметом дослідження є актуальні методи, алгоритми та схеми (обмежений метод) побудови АДК. Мета даної роботи - створення простого та ефективного обмеженого методу побудови деревоподібних моделей розпізнавання та класифікації на основі АДК для навчальних вибірок дискретної інформації великого об'єму, який характеризується структурою отриманих дерев класифікації з незалежних алгоритмів розпізнавання оцінених на основі функціоналу розрахунку їх загальної ефективності для широкого класу прикладних задач. Запропоновано обмежений метод побудови АДК, який для заданої початкової навчальної вибірки довільного розміру будує деревоподібну структуру (модель АДК), яка складається з набору автономних алгоритмів класифікації та розпізнавання оцінених на кожному кроці (етапі) побудови АДК за даною початковою вибіркою. Запропоновано обмежений метод побудови АДК, основна ідея якого полягає в покроковій апроксимації начальної вибірки довільного об'єму та структури набором незалежних алгоритмів класифікації та розпізнавання. Даний метод при формуванні поточної вершини алгоритмічного дерева (вузла, узагальненої ознаки АДК) забезпечує виділення найбільш ефективних (якісних) автономних алгоритмів класифікації з початкового набору та добудову лише тих шляхів в структурі АДК де відбувається найбільша кількість помилок класифікації. Такий підхід при побудові результуючого дерева класифікації (моделі АДК) дозволяє значно скоротити розмір та складність дерева (загальну кількість переходів, вершин та ярусів структури) підвищити якість його наступного аналізу (інтерпретабельність), можливість декомпозиції, та будувати структури АДК в умовах обмежених апаратних ресурсів. Запропонований обмежений метод побудови АДК дозволяє будувати різнотипні деревоподібні моделі розпізнавання з наперед заданою точністю для широкого класу задач теорії штучного інтелекту. Розроблений та представлений в даній роботі обмежений метод АДК отримав програмну реалізацію та був досліджений і порівняний з методами логічних дерев класифікації (на основі селекції набору елементарних ознак), методами АДК (першого та другого типу) при розв'язку задачі розпізнавання реальних даних геологічного типу. Висновки: проведені в даній роботі експерименти підтвердили працездатність запропонованого математичного забезпечення та показують можливість його перспективного використання для розв'язку широкого спектру практичних задач розпізнавання та класифікації. Перспективи подальших досліджень та апробацій можуть полягати в створенні методів АДК інших типів, які полягають в веденні критерію зупинки процедури побудови моделі дерева за глибиною структури, оптимізації його програмних реалізацій, а також експериментальних дослідженнях даного методу на більш широке коло практичних задач.

• Повхан Ігор Федорович (технічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"