Ядерна нечітка кластеризація потоків даних на основі ансамблю нейронних мереж

Жернова,  П. Є.; Бодянський, Є. В.

Публікація:
Ядерна нечітка кластеризація потоків даних на основі ансамблю нейронних мереж

dc.contributor.author	Жернова, П. Є.
dc.contributor.author	Бодянський, Є. В.
dc.date.accessioned	2024-01-21T18:31:20Z
dc.date.available	2024-01-21T18:31:20Z
dc.date.issued	2018
dc.description.abstract	Предметом дослідження в статті є кластерування даних на основі ансамблю нейронних мереж. Мета роботи - створення нового підходу в задачах кластерування потоків даних, коли інформація надходить в online режимі спостереження за спостереженням. У статті вирішуються наступні завдання: формування моделі ансамблів нейронних мереж для кластерування даних, розробка методів кластерування даних при роботі з даними великих розмірностей, розробка методів онлайн кластерування даних з використанням ансамблів нейронних мереж, які працюють у паралельному режимі. Отримані наступні результати: сформульовано принципи роботи ансамблів нейронних мереж Т. Кохонена, і визначені практичні вимоги для роботи з даними великої розмірності. Показані можливі підходи для вирішення перерахованих завдань. Досліджено принцип роботи ансамблю паралельно налаштованих кластерувальних мереж Т. Кохонена. Для навчання шарів ансамблю нейронних мереж використовувалися процедури, які працюють за принципом WTA і WTM. Були використані радіально-базисні функції для підвищення розмірностей вхідного простору. Розроблено математичну модель для вирішення задачі кластерування даних в online режимі. Розроблено математичну модель для визначення якості кластерування з використанням індексу Девіса-Булдена, який був переформульований для online режиму. Висновки: В роботі запропоновано новий підхід до завдання кластерування потоків даних, коли інформація надходить в online режимі спостереження за спостереженням за умов, що кількість і форма кластерів заздалегідь невідома. Основна ідея підходу базується на ансамблі нейронних мереж, який складається з самоорганізованих мап Кохонена. Всі члени ансамблю обробляють інформацію, яка послідовно подається в систему в паралельному режимі. Експериментальні результати підтвердили той факт, що система може бути використана для вирішення широкого кола завдань Data Stream Mining.
dc.identifier.citation	Жернова П. Є. Ядерна нечітка кластеризація потоків даних на основі ансамблю нейронних мереж / П. Є. Жернова, Є. В. Бодянський // Сучасний стан наукових досліджень та технологій в промисловості. – 2018. – № 4(6). – С. 42–49.
dc.identifier.uri	https://openarchive.nure.ua/handle/document/25429
dc.language.iso	uk
dc.publisher	ХНУРЕ
dc.subject	кластерування
dc.subject	метод Х-середніх
dc.subject	самоорганізована мапа Кохонена
dc.subject	ансамбль нейронних мереж
dc.subject	самонавчання
dc.title	Ядерна нечітка кластеризація потоків даних на основі ансамблю нейронних мереж
dc.type	Article
dspace.entity.type	Publication