Пошук академічних текстів

Інформація × Реєстраційний номер 0224U031471, 0121U110109 , Науково-дослідна робота Назва роботи Розробити нечіткі та ймовірнісні методи машинного навчання на основі високопродуктивних обчислень Назва етапу роботи Керівник роботи Єршов Сергій Володимирович, Доктор фізико-математичних наук Дата реєстрації 30-04-2024 Організація виконавець Інститут кібернетики імені В. М. Глушкова Національної академії наук України Опис етапу Об’єкт дослідження – методи машинного навчання нечітких моделей різних типів, що описують причинно-наслідкові зв’язки між об’єктами розмитого інформаційного простору та агентно-орієнтовані програмні системи для інтелектуального аналізу лінгвістично та стохастично невизначеної експертно-експериментальної інформації. Мета роботи – розробити нечіткі та ймовірнісні методи машинного навчання для побудови складних моделей та алгоритмів для прогнозування стану складних систем на основі мережних моделей зв’язків між об’єктами розмитого інформаційного простору та високопродуктивних обчислень. Метод дослідження – методи нечіткої математики, нечіткої логіки, машинного навчання, агентно-орієнтованого програмування та проєктування програмних систем і їх компонентів. Розроблено алгоритми машинного навчання нечітких систем вищого порядку, що забезпечують спрощення нечітких правил та збільшення швидкодії нечіткого виведення у високопродуктивному обчислювальному середовищі. Розроблено нечіткі агентно-орієнтовані методи машинного навчання для слабоструктурованих предметних галузей. Розроблено метод побудови інтелектуальних мультиагентних систем на основі нечітких об’єктно-орієнтованих динамічних мереж та архітектуру програмних засобів для такого типу мереж. Розроблено основні алгоритми нечітких об’єктно-орієнтованих динамічних мереж, які дозволяють при машинному навчанні розрахувати ступінь подібності між новими знаннями та раніше отриманими, у термінах нечітких класів об’єктів. Розроблено метод виявлення апріорних оцінок в баєсівських мережах довіри на основі ярусної структуризації графа, що спрощує паралельну організацію обчислень при машинному навчанні на основі нечіткої інформації. Побудовано експериментальну версію програмного забезпечення для машинного навчання багаторівневих ієрархічних систем нечіткого логічного виведення на основі високопродуктивних обчислювальних систем. Опис продукції Автори роботи Верьовка Ольга Bікторівна Глушкова Віра Вікторівна Терлецький Дмитро Олександрович Додано в НРАТ 2024-04-30 Закрити