Звіти з НДР
Постійний URI для цієї колекції
Перегляд
Перегляд Звіти з НДР за автором "Бодянський, Є. В."
Зараз показано 1 - 3 з 3
Результатів на сторінку
Варіанти сортування
Публікація Динамічний інтелектуальний аналіз послідовностей нечіткої інформації за умов суттєвої невизначеності на основі гібридних систем обчислювального інтелекту(2018) Бодянський, Є. В.; Плісс, І. П.Об’єкт дослідження – гібридні системи обчислювального інтелекту для вирішення задач Dynamic Data Mining та Data Stream Mining. Мета роботи – проведення комплексу фундаментальних досліджень, спрямованих на створення теоретичних положень, моделей, методів, архітектур, алгоритмів навчання нових гібридних систем обчислювального інтелекту реального часу, призначених для розв’язання широкого класу задач online інтелектуального аналізу даних високої розмірності та об’ємів з використанням найсучасніших досягнень у цій галузі (Data Science, Data Stream, Evolving Systems, Advanced Fuzzy Clustering, High-Dimensional Clustering). Методи дослідження – математичний апарат обчислювального інтелекту, а саме: теорія оптимізації, теорія апроксимації, теорія розпізнавання образів, теорія випадкових процесів, хаосдинаміка, теорія ідентифікації та статистичного оцінювання, теорія міри, теорія машинного навчання, теорія нечіткого висновування, теорія матриць, теорія адаптивних систем, Data Science. Розроблено нові швидкодіючі методи та моделі нечіткого опрацювання потоків даних високої розмірності, створено на їх основі адаптивні гібридні системи обчислювального інтелекту: нейрон-фаззі-, нео-фаззі, вейвлет-нейро-нео-фаззі системи зі спеціалізованою архітектурою, що здатні навчатися, для розв’язання в online режимі задач класифікації, кластеризації, емуляції, апроксимації, прогнозування за умов апріорної та поточної невизначеності-нечіткості, створено нові моделі, методи та інформаційні технології темпорального аналізу відеоінформації за умов невизначеності. Результати дослідження мають фундаментальний теоретичний характер та можуть бути використані для розв’язання низки практичних завдань і, перш за все, темпоральної обробки потоків відео, Web Mining, Medical Data Mining, Content Based Information (Image, Video) Retrieval, прогнозування, класифікації та кластеризації, визначення розладнань у технічних, виробничих системах, у системах спеціального призначення та Green IT, а також для медичної діагностики, та дозволяють підвищити ефективність розробки систем спостереження за об’єктами, представленими потоками відео. Отримані наукові результати відповідають світовому рівню, є актуальними та є підґрунтям для створення нових підходів і методів для опрацювання великих та надвеликих обсягів різної фізичної природи на основі глибинного навчання.Публікація Еволюційні гібридні системи обчислювального інтелекту зі змінною структурою для інтелектуального аналізу даних(2012) Бодянський, Є. В.; Плісс, І. П.Розроблено оптимальні методи навчання МГУА нейромереж із змінною архітектурою, методи прийняття рішень про стан об'єктів за умов невизначеності, що ґрунтуються на еволюційних інтервальних фаззі моделях. Розроблено методи ітераційного аналізу індукованих відеоданими багатовимірних часових рядів. Розроблено еволюційні системи зі змінною структурою для нечіткої ідентифікації нелінійних динамічних об’єктів на основі використання штучних імунних систем.Публікація Нейро-фаззі системи для поточної кластеризації та класифікації послідовностей даних за умов їх викривленості відсутніми та аномальними спостереженнями(2015) Бодянський, Є. В.; Плісс, І. П.Загальною фундаментальною проблемою, на розв’язання якої спрямовано проект, є створення нових підходів та засобів обчислювального інтелекту на основі нейро-фаззі підходів першого і другого типів (Type-2), що дають можливість ефективної обробки інформації за умов її дефіциту та суттєвої викривленості.