Browse
Recent Submissions
Now showing 1 - 5 of 12
- ItemПередмова(2019) Глибовець, МиколаПередмова до другого тому журналу "Наукові записки НаУКМА. Комп'ютерні науки" (2019 р.)
- ItemПро деякі необхідні та достатні умови рівноймовірного вибору альтернатив у рамках марковського ланцюга зміни ймовірностей вибору(2019) Олецький, ОлексійЗадача вибору інтелектуальним агентом певної дії з деякої множини альтернатив розглядається з погляду деякого марковського ланцюга, стани якого відповідають розподілам імовірностей вибору. Відповідно до цього множина станів характеризується матрицею, яку названо матрицею "стан-вибір дії". Оскільки сума елементів кожного рядка дорівнює 1, але кількість стовпчиків може не дорівнювати кількості рядків, подібні матриці за аналогією зі стохастичними матрицями можна охарактеризувати як прямокутні стохастичні. У цьому контексті важливе значення мають збалансовані прямокутні стохастичні матриці, суми елементів кожного стовпчика яких рівні між собою. Показано деякі властивості таких матриць. Доведено, що якщо матриця "стан-вибір дії" є збалансованою, а перехідна матриця марковського ланцюга є подвійно-стохастичною, то агент вибирає варіанти з рівними ймовірностями. За умови певних додаткових припущень доведено й зворотне твердження. Наведено деякі алгоритми генерації збалансованих прямокутних стохастичних матриць, а також результати одного з ілюстративних комп’ютерних експериментів.
- ItemПошук оптимальних відхилень значень критеріїв для досягнення обраною альтернативою бажаного результату при розв’язку багатокритеріальної задачі вибору(2019) Горборуков, Вячеслав; Франчук, ОлегРоботу присвячено вирішенню актуальної науково-технічної проблеми – підвищення ефективності розв’язання багатокритеріальних задач ранжування та вибору альтернатив. Процес проведення ранжування та вибору складається з таких етапів: визначення проблемної задачі, структурування проблеми, реалізація оптимального вибору, пост-аналіз та отримання результату. Як відомо, помилки на етапі структуризації призводять до утворення хибної моделі задачі, яка, найпевніше, призведе до неточних результатів. Отже, якість отриманого розв’язку задачі в першу чергу залежить від вдалого структурування, що вимагає від ОПР скрупульозної деталізації проблемної області для визначення критеріїв, альтернатив та іншої інформації. Після проведення ранжування альтернатив (об’єктів) здійснюють пост-аналіз отриманого розв’язку. На цьому етапі має бути можливість додаткового дослідження таких об’єктів, які не стали "переможцями", але з огляду на специфіку конкретної задачі можуть становити інтерес для особи, що приймає рішення (ОПР). У результаті виникає обернена задача ранжування, яка має визначити, на скільки тому чи тому об’єкту необхідно покращити критеріальні значення, щоб у підсумковому рейтинговому списку посісти задане ОПР місце. Бажаним результатом розв’язання цієї задачі вважають встановлення таких мінімальних відхилень початкових значень критеріїв, за яких ця альтернатива отримує рейтинг не нижче від наперед заданого значення. У статті розглянуто обернену задачу ранжування альтернатив, яка формалізується у класі моделей дискретного програмування. Для розв’язку задачі запропоновано алгоритм, що базується на ідеології методу динамічного програмування. Це дає змогу на етапі пост-аналізу процесу проведення вибору (ранжування) альтернатив підвищити рівень аналізу отриманих результатів. Розв’язки таких обернених задач породжують додаткові властивості об’єктів дослідження, які можуть розширювати початкову інформаційну модель. У підсумку це призводить до підвищення ефективності процесу прийняття рішень.
- ItemМетод еліпсоїдів для мінімізації опуклої функції(2019) Стецюк, Петро; Фішер, Андреас; Ляшко, ВолодимирРозглянуто метод еліпсоїдів та його застосування для знаходження наближення до точки мінімуму опуклої функції: критерій зупинки гарантує знаходження такої точки, в якій значення функції відрізняється від мінімального не більше, ніж на задану достатньо малу величину. Метод є частковим випадком субградієнтних методів із розтягом простору в напрямку субградієнта з коефіцієнтом, який залежить тільки від вимірності простору змінних. Він може бути використаний для мінімізації гладких та негладких опуклих функцій від декількох десятків змінних.
- ItemВикористання машинного навчання у задачах класифікації звуків(2019) Глибовець, Микола; Жиркова, АнастасіяУ роботі розглянуто особливості використання методів машинного навчання (МН) для класифікації звукової інформації на прикладі розв’язку задачі класифікації міських звуків (МЗ). Дослідження з аналізу міських акустичних середовищ є досить обмеженими. Більше того, у цих дослідженнях основна увага фокусується на класифікації місць, які характеризують певні звуки, наприклад, парку, вулиці, на відміну від ідентифікації джерел звуку в них, таких як автомобільний сигнал, постріл тощо. Тому класифікація МЗ – досить актуальна проблема, що потребує вирішення. Метою роботи є висвітлення побудови оптимальних моделей МН для задачі коректної класифікації МЗ.
- «
- 1 (current)
- 2
- 3
- »