Методы динамического интеллектуального анализа данных с пропусками

Шафроненко, А. Ю.

Публікація:
Методы динамического интеллектуального анализа данных с пропусками

dc.contributor.author	Шафроненко, А. Ю.
dc.date.accessioned	2016-09-07T13:06:24Z
dc.date.available	2016-09-07T13:06:24Z
dc.date.issued	2015
dc.description.abstract	Дисертацію присвячено розробці динамічних методів інтелектуального аналізу викривлених даних в таблицях «об’єкт – властивість» та часових рядах для відновлення даних в on-line режимі, коли дані надходять на обробку послідовно. Розроблено адаптивну нейро-фаззі систему, що дозволяє розв’язувати задачу відновлення пропусків в on-line режимі з постійною корекцією відновлених елементів та центроїдів кластерів. Розроблено нейро-фаззі методи для відновлення та кластеризації спотворених даних на основі самоорганізовної нейро-фаззі мапи Кохонена, що дозволяє обробляти дані в on-line режимі та забезпечує роботу з класами, що перетинаються. Дістали подальший розвиток методи кластеризації даних з пропусками, що засновані на рекурентній оптимізації спеціального виду цільових функцій, в яких спостереження замінюються оцінками, що отримані в процесі розв’язання задачі; методи адаптивної нечіткої кластеризації даних з пропусками, що дозволяють опрацьовувати інформацію на основі стратегії 19 найближчого прототипу-центроїда та забезпечують роботу в on-line режимі. Розв’язано задачі відновлення викривлених даних, наданих заводом рентгенівської техніки та сервісним центром, за допомогою запропонованих методів, що дало можливість пришвидшити роботу відновлення обладнання, яке вийшло з ладу, а також завчасно ідентифікувати можливу несправність. The dissertation is devoted to the development of methods of dynamic intellectual analysis for distorting data in the tables “object - property” and the time series for data recovery in on-line mode. An adaptive neuro-fuzzy system that allows to solve the problem of restoring missing values in on-line mode with correction of recovered elements and centroids of clusters was proposed. A neuro-fuzzy method for recovery of distorted data and clustering based on neuro-fuzzy Kohonen maps, that allows to process the data in on-line mode and provide operation with overlapping class was proposed. Have got further development of methods for data clustering data with missing values, based on recurrent optimization of objective functions in special type whose observations are replaced by estimates obtained in the process of solving the problem; methods of adaptive fuzzy clustering of data with missing values that allow to process information using on strategy of nearest prototypecentroid in on-line mode. The problem of restoration of distorted data provided by the xray plant and service center using the proposed methods, making it possible speed up recovery hardware that is out of order, and early identification of potential problem.	uk_UA
dc.identifier.citation	Шафроненко А. Ю. Методы динамического интеллектуального анализа данных с пропусками : автореф. дис. ... канд. техн. наук : 05.13.23 "Системы и средства искусственного интеллекта" / А. Ю. Шафроненко ; М-во образования и науки Украины, Харьк. нац. ун-т радиоэлектроники. – Харьков, 2014. – 166 с.	uk_UA
dc.identifier.uri	http://openarchive.nure.ua/handle/document/2274
dc.language.iso	uk	uk_UA
dc.subject	гібридні системи обчислювального інтелекту	uk_UA
dc.subject	штучні нейронні мережі	uk_UA
dc.subject	нейро-фаззі системи	uk_UA
dc.subject	нечітка кластеризація	uk_UA
dc.subject	викривлені спостереження	uk_UA
dc.subject	Hybrid systems of computational intelligence	uk_UA
dc.subject	artificial neural networks	uk_UA
dc.subject	neuro-fuzzy systems	uk_UA
dc.subject	fuzzy clustering	uk_UA
dc.subject	self-learning	uk_UA
dc.subject	distorted observation	uk_UA
dc.title	Методы динамического интеллектуального анализа данных с пропусками	uk_UA
dc.type	Article	uk_UA
dspace.entity.type	Publication