Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі. – 2020. – Випуск 7

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/56131

Вісник Національного університету «Львівська політехніка»

Вісник Національного університету «Львівська політехніка» «Інформаційні системи та мережі» є правонаступником збірника наукових праць «Вісник Національного університету «Львівська політехніка». Серія: «Інформаційні системи та мережі» який започатковано у 1997 р. У журналі публікуються статті англійською та українською мовами. Вісник індексується в Google Scholar та Index Copernicus.

Вісник Національного університету «Львівська політехніка». Інформаційні системи та мережі / Національний університет "Львівська політехніка" ; відповідальний редактор В. В. Пасічник. – Львів : Видавництво Львівської політехніки, 2020. – № 7. – 108 с.

Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі

Зміст


1
8
16
24
35
42
51
59
70
78
87
107

Content


1
8
16
24
35
42
51
59
70
78
87
107

Browse

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Методи ройового інтелекту вирішення прикладних задач в геоінформаційних системах
    (Видавництво Львівської політехніки, 2020-02-24) Литвин, Василь; Угрин, Дмитро; Lytvyn, Vasyl; Uhryn, Dmytro; Національний університет “Львівська політехніка”; Чернівецький філософсько-правовий ліцей № 2; Lviv Polytechnic National University; Chernivtsi Philosophical and Legal Lyceum № 2
    Запропоновано для автоматизації процедур формування множини альтернативних рішень та вибору раціонального рішення у галузевих ГІС використовувати інтелектуальних агентів планування діяльності з використанням онтологічного підходу. Запропоновано використовувати розроблену базу знань у галузі методів ройового інтелекту на основі адаптивної онтології та бази даних наукових публікацій у цій галузі. Всі прикладні задачі в галузевих геоінформаційних системах поділено на класи задач: стаціонарні, квазістаціонарні, динамічні. Запропоновано визначати вільні параметри для окремих ройових алгоритмів на основі машинного навчання з підкріпленням, а саме методом Q-Learning. На основі цього методу побудовано ланцюги Маркова для ройових алгоритмів. Підкріплення полягало в аналізі отриманих результатів певним ройовим алгоритмом експертним шляхом. На прикладі адміністративно-територіального управління було знайдено оптимальні значення параметрів окремих ройових алгоритмів.