Search academic texts

Information × Registration Number 2117U006212, Article popup.category Опубліковано, Стаття Title PARALLEL MULTIAGENT METHOD OF BIG DATA REDUCTION FOR PATTERN RECOGNITION popup.author Олійник А. О.Скрупський С. Ю.Шкарупило В. В.Благодарьов О. Ю.Oliinyk A. О.Skrupsky S. Yu.Shkarupylo V. V.Blagodariov O. Yu. popup.publication 09-11-2017 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/112265 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Вирішено задачу відбору інформативних ознак при обробці великих масивів даних на основі мультиагентного підходу та паралельних обчислень. Об’єкт дослідження – процес відбору інформативних ознак. Предмет дослідження – методи відбору інформативних ознак. Мета роботи полягає в створенні паралельного мультиагентного методу редукції великих масивів даних. Метод. Запропоновано паралельний мультиагентний метод редукції великих масивів даних. Розроблений метод передбачає розбиття множини агентів на декілька підмножин для паралельного пошуку інформативної комбінації ознак в різних областях простору пошуку. При цьому на паралельних вузлах обчислювальної системи запропоновано виконувати найбільш ресурсомісткі операції, пов’язані з оцінюванням поточної множини агентів, а також з необхідністю створення і модифікації нових множин рішень на основі стохастичних обчислень. Це дозволяє прискорити процес мультиагентного пошуку інформативної комбінації ознак, а також знизити практичний поріг застосування мультиагентного методу з непрямим зв’язком між агентами для редукції великих масивів даних.Результати. Розроблено програмне забезпечення, яке реалізує запропонований метод і дозволяє виконувати відбір інформативних ознак на основі мультиагентного підходу і паралельних обчисленьВисновки. Проведені експерименти підтвердили працездатність запропонованого математичного забезпечення та дозволяють рекомендувати його для використання на практиці при обробці великих масивів даних для розпізнавання образів. Перспективи подальших досліджень можуть полягати в модифікації розробленого методу шляхом використання різних критеріїв оцінювання групової інформативності ознак, а також експериментальному дослідженні запропонованого методу на більшому комплексі практичних завдань різної природи і розмірності. popup.nrat_date 2026-02-09 Close