Реєстраційний номер
0225U005122,
(0124U002504)
, Науково-дослідна робота
Назва роботи
Розробити узагальнені оптимізаційні методи для інтелектуального аналізу даних та їх інфраструктур
Назва етапу роботи
Розробити узагальнені оптимізаційні процедури прийняття рішень на частково визначених даних та інфраструктурах
Керівник роботи
Стовба Віктор Олександрович, Доктор філософії
Дата реєстрації
25-12-2025
Організація виконавець
Інститут кібернетики імені В. М. Глушкова Національної академії наук України
Опис роботи
Метою наукових досліджень є розробка узагальнених оптимізаційних методів на частково впорядкованих множинах і структурованих даних
Опис етапу
Для задачі визначення параметрів лінійної регресійної моделі з L1-регуляризацією та критерієм суми модулів відхилень прогнозних значень від реальних у степені p={1,2} побудовано алгоритм emlmpr. Для знаходження невідомих параметрів узагальненої негладкої регресійної моделі розроблено алгоритм empq на основі методу еліпсоїдів, який дозволяє прибирати шуми в даних та відновлювати вихідний сигнал. Досліджено моделі та методи групового прийняття рішень та їхнє застосування до узагальнених групових кібернетичних систем. Розглянуто проблеми, які виникають при спробах поширити аналіз індивідуальних рішень на групові. Наведено змішані стратегії кооперування та узагальненого лідерства, а також основні теореми, які характеризують поведінку учасників в цих умовах та бажані характеристики, зокрема їхній випуск та прибуток. Встановлено та обґрунтовано необхідні та достатні умови сумісності системи обмежень двох типів транспортних задач: транспортної задачі з двосторонніми обмеженнями на невідомі потреби споживачів, а також двоетапної транспортної задачі з двосторонніми обмеженнями на невідомі потреби споживачів та пропускні здатності проміжних пунктів. Ці умови дозволяють здійснювати перевірку ще до початку розв’язання задачі, (зокрема з використанням солверів з NEOS-серверу) та зберегти обчислювальний та часовий ресурси при роботі з великими об’ємами даних. Проаналізовано обмін даними в мережах ланцюгів постачання та окреслено еволюцію концепції обміну даних у нову концепцію екосистем даних. Показано, що простори даних є одним із найперспективніших способів реалізації успішних промислових екосистем даних. Побудовано математичну модель на основі лінійної регресійної моделі та прискорений субградієнтний алгоритм для виявлення аномалій в поведінкових даних великої рогатої худоби, яка дозволяє виявляти типові та аномальні патерни поведінки тварини.
Опис продукції
Автори роботи
Дунаєвський Максим Сергійович
Сулейманов Сеїт-Бекір Сінавер Огли
Додано/оновлено в НРАТ
2025-12-25
