Please use this identifier to cite or link to this item: http://openarchive.nure.ua/handle/document/1688
Title: Методи побудови дерев розв'язків в інтелектуальних системах діагностування
Authors: Гофман, Є. О.
Keywords: дерева розв'язків
розпізнавання
нейро-нечіткі модел
еволюційні методи
база правил
навчальна вибірка
інтерпретабельність
decision tree
neuro-fuzzy model
rule base
interpretability
training sample
recognition
evolutionary method
Issue Date: 2012
Citation: Гофман, Є. О. Методи побудови дерев розв'язків в інтелектуальних системах діагностування : автореф. дис. ... канд. техн. наук : 05.13.23 "Системи та засоби штучного інтелекту" / Є. О. Гофман ; МОНМС України, Харк. нац. ун-т радіоелектроніки. - Х., 2012. - 20 с.
Abstract: У роботі виконано аналіз процесу побудови та методів синтезу дерев розв'язків в інтелектуальних системах. Запропоновано модифікацію методу синтезу дерев розв'язків ID3, у якій розраховуються пігністичні ймовірності віднесення екземплярів до класів на основі теорії функцій довіри, що дозволяє виконувати класифікацію екземплярів в умовах невизначеності або неповноти даних. Розроблено метод побудови дерев розв'язків, що дозволяє виконувати індукцію лінгвістичних правил і забезпечує можливість розробки експертних систем на основі більш інтерпретабельних баз лінгвістичних правил. Запропоновано метод синтезу нейро-нечітких мереж на основі дерев розв'язків, який не вимагає вирішення задач оптимізації для настроювання значень параметрів моделі. Створено автоматизовану систему синтезу дерев розв'язків, що дозволяє виконувати побудову простих і зручних для подальшого аналізу моделей у вигляді дерев розв'язків. За допомогою запропонованих методів і програмних засобів вирішено завдання технічного діагностування кузовів автотранспортних засобів. Проведено експерименти по порівнянню запропонованих методів з відомими аналогами. The thesis is devoted to development of methods for inductive learning of decision trees to improve the levels of interpretabylity and generalization, as well as the speed of synthesis of recognizing models in intelligent systems. In the thesis the process of construction and methods for the synthesis of decision trees in intelligent systems are analyzed. The evolutionary method for the synthesis of decision tree is developed. It is based on a stochastic approach and does not use a greedy search strategy that allows to construct decision trees with sufficient generalization and approximation properties with the small amount of nodes. The modification of the decision tree synthesis method ID3 is proposed. It is calculated the pignistic probabilities of instances referring to classes based of the theory of belief functions that allows to classify the instances under the uncertainty or incompleteness of the data. The method of decision trees constructing is created. It allows to induct the linguistic rules and to develop the expert systems based on a more interpret linguistic rules databases. A method for the synthesis of neuro-fuzzy networks based on decision trees is proposed. It does not require solving optimization to adjust the values of model parameters. The automated system for the synthesis of decision trees is created. It allows to construct simple and convenient model for further analysis in the form of decision trees. The problem of technical diagnostics of vehicle bodies is solved using the proposed methods and software. The experiments of comparison of the proposed methods with known analogues are carried out.
URI: http://openarchive.nure.ua/handle/document/1688
Appears in Collections:Автореферати

Files in This Item:
File Description SizeFormat 
GofmanEA.pdf352.96 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Admin Tools