Публікація:
Методи динамічного інтелектуального аналізу даних з пропусками

Завантаження...
Зображення мініатюри

Дата

2014

Назва журналу

ISSN журналу

Назва тома

Видавництво

Дослідницькі проекти

Організаційні підрозділи

Видання журналу

Анотація

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 jпрацьовувати інформацію на основі стратегії 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. Диссертация посвящена разработке методов динамического интеллектуального анализа данных с пропусками, в таблицах «объект - свойство» и временных рядах для восстановления данных в on-line режиме, когда данные поступают на обработку последовательно. Проведен анализ методов обработки нестационарных сигналов в условиях дефицита текущей информации. Рассмотрены gреимущества и недостатки известных нейро-фаззи систем, самоорганизующися карт Кохонена, а также моделей восстановления данных с пропусками. 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.

Опис

Ключові слова

гібридні системи обчислювального інтелекту, штучні нейронні мережі, нейро-фаззі системи, нечітка кластеризація, Hybrid systems of computational intelligence, artificial neural networks, neuro-fuzzy systems, fuzzy clustering

Бібліографічний опис

Шафроненко А. Ю. Методи динамічного інтелектуального аналізу даних з пропусками : автореф. дис. ... канд. техн. наук : 05.13.23 "Системи та засоби штучного інтелекту" / А. Ю. Шафроненко ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2014. – 20 с.

DOI

Колекції