Пошук академічних текстів

Інформація × Реєстраційний номер 2121U008640, Матеріали видань та локальних репозитаріїв Категорія Опубліковано, Стаття Назва роботи ЗАДАЧА АПРОКСИМАЦІЇ МАСИВУ ДИСКРЕТНИХ ДАНИХ НАБОРОМ ЕЛЕМЕНТАРНИХ ГЕОМЕТРИЧНИХ АЛГОРИТМІВ Автор Повхан І. Ф.Міца О. В.Мулеса О. Ю.Мельник О. О.Povkhan I. F.Mitsa O. V.Mulesa O. Y.Melnyk O. O. Дата публікації 07-10-2021 Постачальник інформації Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") Першоджерело https://ric.zp.edu.ua/article/view/241829 Видання National University "Zaporizhzhia Polytechnic" Опис Актуальність. В роботі розв’язана задача апроксимації масиву дискретних даних набором елементарних геометричних алгоритмів і представлення побудованої моделі розпізнавання у вигляді алгоритмічного дерева класифікації. Об‘єктом даного дослідження є концепція дерева класифікації у вигляді дерева алгоритмів. Предметом дослідження є актуальні моделі, методи, алгоритми та схеми побудови різнотипних дерев класифікації.  Мета. Метою даної роботи є створення простого та ефективного методу та алгоритмічної схеми побудови деревоподібних моделей розпізнавання та класифікації на основі дерев алгоритмів для навчальних вибірок дискретної інформації великого об‘єму, який характеризується модульною структурою з незалежних алгоритмів розпізнавання оцінених на основі даних початкової начальної вибірки для широкого спектру прикладних задач. Метод. Пропонується схема синтезу дерев класифікації (дерев алгоритмів) на основі апроксимації масиву даних набором елементарних геометричних алгоритмів, яка 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. Розроблений метод побудови алгоритмічного дерева класифікації основна ідея якого полягає в по кроковій апроксимації начальної вибірки довільного об‘єму та структури набором елементарних геометричних алгоритмів класифікації. Даний метод при формуванні поточної вершини дерева алгоритмів, вузла, узагальненої ознаки,  забезпечує виділення найбільш ефективних, якісних елементарних алгоритмів класифікації з початкового набору та добудову лише тих шляхів в структурі АДК де відбувається найбільша кількість помилок класифікації. Розроблена схема синтезу результуючого дерева класифікації, моделі АДК дозволяє значно скоротити розмір та складність дерева. Структурна складність конструкції АДК оцінюється на основі кількості переходів, вершин та ярусів структури АДК, що дозволяє підвищити якість його наступного аналізу, забезпечити ефективний механізм декомпозиції, та будувати структури АДК в умовах фіксованих наборів обмежень. Метод синтезу дерев алгоритмів дозволяє будувати різнотипні деревоподібні моделі розпізнавання з різними початковими наборами елементарних класифікаторів з наперед заданою точністю для широкого класу задач теорії штучного інтелекту. Результати. Розроблений та представлений в даній роботі метод апроксимації дискретних навчальних вибірок набором елементарних геометричних алгоритмів отримав програмну реалізацію та був досліджений і порівняний з методами логічних дерев класифікації на основі селекції елементарних ознак при розв’язку задачі розпізнавання реальних даних геологічного типу. Висновки. Проведені в даній роботі загальний аналіз та експерименти підтвердили працездатність розробленого механізму побудови структур дерев алгоритмів 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 алгоритмічного дерева класифікації інших типів з іншими початковими наборами елементарних класифікаторів, оптимізації його програмних реалізацій, а також експериментальних дослідженнях даного методу на більш широкому колі практичних задач. Додано в НРАТ 2026-02-09 Закрити