Please use this identifier to cite or link to this item: http://openarchive.nure.ua/handle/document/3431
Title: Гибридный ЕМ-алгоритм вероятностной кластеризации потоков данных
Authors: Дейнеко, А. А.
Заика, А. А.
Куценко, Я. В.
Плисс, И. П.
Keywords: искусственные нейронные сети
многомерные наблюдения
кластеризация
Issue Date: 2016
Abstract: Задача кластеризации больших массивов многомерных наблюдений (векторов-образов) часто встречается во многих реальных практических задачах, а для ее решения разработано множество алгоритмов [1, 2], при этом в последние годы в рамках концепции Big Data особое внимание уделяется обработке информации, хранящейся либо в сверхбольших базах данных (VLDB), либо поступающей на обработку в on-line режиме в форме потока данных (data stream). Для решения этих задач с успехом может быть использован математический аппарат вычислительного интеллекта (computational intelligence) [3-6] и, прежде всего, искусственные нейронные сети и мягкие вычисления (soft computing), основанные на нечеткой логике. Понятно, что известные системы вычислительного интеллекта должны быть существенно модифицированы для обработки больших объемов информации, поступающей на обработку.
URI: http://openarchive.nure.ua/handle/document/3431
Appears in Collections:Кафедра штучного інтелекту (ШІ)

Files in This Item:
File Description SizeFormat 
Гибридный ЕМ-алгоритм.doc87.5 kBMicrosoft WordView/Open
Гибридный ЕМ-алгоритм.ppt475 kBMicrosoft PowerpointView/Open


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