Browsing by Author "Lytvynenko, V."

Now showing 1 - 5 of 5

Hybrid model of inductive clustering system оf high-dimensional data based on the sota algorithm
(Видавництво Львівської політехніки, 2016) Babichev, S.; Lytvynenko, V.; Taif, М. A.; Sharko, A.
Подано модель системи кластеризації високорозмірних даних на основі комплексного використання самоорганізуючого алгоритму СОТА і методів індуктивного моделювання складних систем. Якість кластеризації оцінюється на двох рівнопотужних підмножинах з використанням комплексного критерію балансу, у якому враховані як зміщення центрів мас відповідних кластерів різних підмножин, так і розподіл об'єктів у відповідних кластерах відносно центра мас. Для кластеризації об'єктів на кожній з підмножин запропоновано використовувати алгоритм СОТА, що являє собою тип самоорганізуючих нейронних мереж на основі карт Кохонена і алгоритму вирощування просторової клітинної структури Fritzke. Model of high-dimensional data clustering system based on the complex use of Selforganizing SOTA algorithm and inductive modeling methods of complex systems is presented in the article. The quality of clustering is evaluated at two equal power subsets with the use of complex balance criterion, which takes into account both the displacement the mass centers of the appropriate clusters of different subsets and distribution of objects in the appropriate clusters relative to the mass center. The SOTA algorithm, which is a type of Self-organizing neural networks based on Kohonen maps and algorithm of spatial cell structure of Fritzke growing, is proposed to use for the clustering of objects in each of the subsets.
Hybrid swarm negative selection algorithm for dna-microarray data classification
(Видавництво Львівської політехніки, 2014) Lytvynenko, V.
В роботі запропоновано метод класифікації. Він заснований на комбінованому алгоритмі негативної селекції, який був спочатку розроблений для задач бінарної класифікації. Точність розробленого алгоритму була перевірена експериментальним шляхом з використанням наборів даних мікрочіпів. Експерименти підтвердили, що напрямок змін, внесених в розроблений алгоритм підвищує точність у порівнянні з іншими алгоритмів класифікації. In the paper, a classification method is proposed. It is based on Combined Swarm Negative Selection Algorithm, which was originally designed for binary classification problems. The accuracy of developed algorithm was tested in an experimental way with the use of microarray data sets. The experiments confirmed that direction of changes introduced in developed algorithm improves its accuracy in comparison to other classification algorithms.
Optical combustion sensor data interpretation using hybrid negative selection algorithm with artificial immune networks
(Publishing House of Lviv Polytechnic National University, 2015) Lytvynenko, V.; Smolarz, A.; W´ojcik, W.; Ballester, J.; Kozhukhovskaya, O.; Gromaszek, K.
In most extended in Poland PC burners an individual air excess ratio rules an amount of pollution generated, yet there is a lack of method that allows measurement of output parameters. It is therefore necessary to use indirect methods, which could primarily include acoustic, and optical methods. These methods are non-invasive and can provide virtually not delayed and additionally spatially selective information about the combustion process but they are really difficult in interpretation. The article shows application of relatively new class of classification methods – the artificial immunology algorithms to the combustion process diagnostics consisting in detection of incorrect air excess in pulverised coal burner on the basis of signals acquired from optical sensor. У найпоширенiших у Польщi промислових котлах кiлькiсна характеристика забруднення пiд час горiння здiйснюється за допомогою "коефiцiєнта надлишку повiтря".Однак, сьогоднi вiдсутнi будь-якi методи, якi б дали змогу вимiрювати вихiднi параметри, якi безпосередньо давали б можливiсть визначати якiсть горiння. З цiєї причини, значно цiкавить використання акустичних i оптичних методiв для оцiнювання якостi горiння. Зазначенi методи належать до класу так званих ¾неiвазивних¿ методiв, якi дають змогу, з одного боку, дистанцiйно i миттєво отримувати великий обсяг iнформацiї про горiння, але, з iншого боку, в разi їх застосування виникають проблеми iнтерпретацiї отриманих даних. У статтi описано застосування нового гiбридного iмунного алгоритму для виконання завдань дiагностики процесу горiння. Запропонований алгоритм дає можливiсть виявити надлишок повiтря в казанi з розпорошеним вугiллям на основi оброблення сигналiв, отриманих вiд оптичного датчика.
Synthesis of rbf-network for prediction of secondary protein structure
(Видавництво Львівської політехніки, 2014) Lytvynenko, V.
Запропоновано методологію синтезу радіально-базисних мереж для вирішення проблеми білкового середнього передбачення структури за допомогою алгоритму вибору клонів. Щоб вирішити цю проблему було використано метод “один проти всіх”. Обчислювальні експерименти щодо випробуваного зразка показали, що точність прогнозування сягає до 72%, що вказує на високу точність запропонованого способу. In this paper we propose the methodology of team radial-basis networks synthesis for solving the problem of protein secondary structure prediction using clonal selection algorithm. To solve such problem the method of “one against all” have been used. The carried out computational experiments on test sample have shown that the prediction accuracy allows to achieve up to 72%, indicating a high accuracy of the proposed method.
The inductive method for the synthesis of cooperative immune network to meet the challenges forecasting
(Видавництво Львівської політехніки, 2013) Lytvynenko, V.
Запропоновано та описано GMDH алгоритм синтезу кооперативної імунної мережі у вирішенні задач прогнозування часових рядів. Проведено порівняльні експерименти показали, що використання зовнішніх критеріїв підвищує адаптивність, надійність і точність одержуваних рішень. The article suggests and describes a GMDH algorithm for the synthesis of co-operative immune network in the solution of tasks of forecasting of time series. Conducted comparative experiments have shown that the use of external criteria improves adaptability, robustness and accuracy of the obtained solutions.