Інформаційні системи та мережі
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/2105
Browse
24 results
Search Results
Item Оптимізація випадкового пошуку генетичним методом з розпаралелюванням(Видавництво Національного університету “Львівська політехніка”, 2002-03-26) Кравець, П. О.; Національний університет «Львівська політехніка»Розв’язано задачу пошуку динамічного об’єкта в умовах невизначеності за допомогою класичного генетичного методу з розпаралелюванням. Досліджено залежність середньої кількості пошукових кроків від параметрів генетичного методу.Item Інтелектуальна інформаційна система «розумний замок» для захисту приміщень(Видавництво Львівської політехніки, 2019-02-26) Рибак, Л. Я.; Кравець, П. О.; Rybak, Lev-Volodymyr; Kravets, Petro; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityРозглянуто інтелектуальну інформаційну систему “Розумний замок” для захисту приміщень. Здійснено загальний опис розумного дому та актуальності їх використання. Сформульовано проблему, яка виникає під час використання розумних пристроїв для дому. Наведено приклади двох відомих таких моделей: SmartLock та Schlage Sense Smart Lock. Проаналізовано їхні переваги та недоліки для врахування під час розроблення інтелектуального замка. Подано короткий опис актуальної інформації щодо методики розпізнавання обличчя. На основі цих даних сформульовано цілі, які досягнуто у цій статті. Наведено діаграму функціонування підсистем інтелектуальної інформаційної системи. Виконано детальний опис кожної зі складових інформаційної системи, а саме: серверної частини, програми для розпізнавання обличчя, бази даних та фізичного пристрою “розумний замок”. Здійснено поетапний опис процесу створення кожного із цих модулів системи. Обґрунтовано вибір мови програмування, вебзасобів, пристроїв для запуску, операційної системи, системи управління базами даних та програмних бібліотек для розпізнавання обличчя. Наведено детальний опис пристрою, на якому працюватиме програма, та пристрою, який використано для налагодження програмних елементів системи. Пояснено підхід до вибору типу інтеграції інтелектуальної інформаційної системи, описано принцип роботи інформаційної системи, продемонстровано концептуальну модель системи. Наведено приклад використання цієї інформаційної системи в реальних умовах. Надано інструкції щодо типового використання інформаційної системи користувачем. Проаналізовано результати та сформовано висновки щодо актуальності створення інформаційної системи та її практичного застосування.Item Ігровий метод кластеризації онтологій(Видавництво Львівської політехніки, 2019-02-26) Кравець, П. О.; Буров, Є. В.; Литвин, В. В.; Kravets, Petro; Burov, Evgeniy; Lytvyn, Vasyl; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityРозглянуто актуальну проблему кластеризації онтологій для оптимізації операцій інтелектуального опрацювання даних в умовах невизначеності, зумовленої неточністю або неповнотою даних про предметну область. Кластеризація онтологій – це процес автоматичного розділення множини онтологій на групи (кластери) на основі ступеня їхньої подібності. Для розв’язування задачі кластеризації необхідно задати міри близькості онтологій, вибрати або розробити алгоритм кластеризації та виконати змістовну інтерпретацію результатів кластеризації. Для кластеризації онтологій в умовах невизначеності запропоновано застосувати стохастичний ігровий метод. Повторювальна стохастична гра полягає у реалізації керованого випадкового процесу вибору кластерів онтологій. Для цього закріплені за онтологіями інтелектуальні агенти випадково, одночасно і незалежно вибирають один із кластерів у дискретні моменти часу. Для агентів, що обрали один кластер, обчислюють поточну міру подібності онтологій, яка може враховувати близькість концептів, атрибутів та відношень між концептами. Цю міру використовують для адаптивного перерахунку змішаних стратегій гравців. Збільшуються імовірності вибору тих кластерів, поточний склад яких призвів до зростання міри подібності онтологій. У ході повторювальної гри агенти сформують вектори змішаних стратегій, які забезпечать максимізацію усереднених мір подібності розділених на кластери онтологій. Для розв'язування задачі ігрової кластеризації онтологій розроблено адаптивний марківський рекурентний метод на основі стохастичної апроксимації модифікованої умови доповняльної нежорсткості, справедливої у точках рівноваги за Нешем. Запропонований ігровий метод має фільтрувальні властивості щодо викидів у вхідних даних і практично не залежить від закону розподілу випадкових завад. Комп'ютерне моделювання підтвердило можливість застосування моделі стохастичної гри для кластеризації онтологій із врахуванням факторів невизначеності. Збіжність ігрового методу забезпечується дотриманням фундаментальних умов та обмежень стохастичної оптимізації. Достовірність експериментальних досліджень підтверджується повторюваністю отриманих результатів для різних послідовностей випадкових величин. Результати роботи доцільно використати для розв'язування задач інтелектуального аналізу даних, усунення дублювання інформації в базах знань, зменшення невизначеності у межах кластера онтологій, виявлення новизни інформації, організації високорівневої семантичної взаємодії між агентами під час розв’язування ними спільної задачі.Item Ігрова модель системи з авторитарним прийняттям рішень(Видавництво Львівської політехніки, 2018-02 26) Кравець, П. О.; Kravets, Petro; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityПобудовано стохастичну ігрову модель прийняття рішень в ієрархічних системах з авторитарним стилем управління. Розроблено адаптивний рекурентний метод для розв’язування стохастичної гри в умовах апріорної невизначеності на основі стохастичної апроксимації умови доповняльної нежорсткості, яка описує розв’язки гри за Нешем у змішаних стратегіях. Виконано комп’ютерне моделювання стохастичної гри прийняття рішень в авторитарній ієрархічній системі зі структурою бінарного дерева. Досліджено вплив параметрів на збіжність ігрового методу.Item Ігровий метод формування коаліцій в мультиагентних системах(Видавництво Львівської політехніки, 2018-02-26) Кравець, П. О.; Національний університет “Львівська політехніка”Запропоновано ігровий метод формування коаліцій у мультиагентних системах. Розроблено адаптивний алгоритм для розв’язування стохастичної гри. Виконано комп’ютерне моделювання стохастичної гри. Вивчено вплив параметрів на збіжність ігрового методу формування коаліцій. Проаналізовано отримані результати.Item Ігрова модель прийняття рішень в ієрархічних системах(Видавництво Львівської політехніки, 2017-03-28) Кравець, П. О.; Національний університет “Львівська політехніка”Побудовано ігрову модель прийняття рішень в ієрархічних системах, які функціонують в умовах апріорної невизначеності. Розроблено адаптивний рекурентний метод та алгоритм розв’язування стохастичної гри. Виконано комп’ютерне моделювання стохастичної гри прийняття рішень в ієрархічній системі зі структурою бінарного дерева. Досліджено вплив параметрів на збіжність ігрового методу.Item Збіжність ігрового градієнтного методу у знакододатних середовищах(Видавництво Національного університету "Львівська політехніка", 2001) Кравець, П. О.This article investigates convergence conditions of a gradient game method in conditions of uncertainty of positive environments. The method is constructed because of dynamic mixed strategies of the players, which realize selection of optimum line solutions. The convergence conditions of a game method with probability 1 and in average quadratic to a point set of equilibrium on Nash are obtained. The theoretical researches are confirmed by results of computer simulation. У статті досліджується проблема збіжності градієнтного ігрового методу у знакододатних середовищах в умовах їх апріорної невизначеності Метод побудовано на основі динамічних змішаних стратегій гравців, які здійснюють селекцію оптимальних поточних розв’язків у процесі самонавчання. Отримано умови збіжності ігрового методу з імовірністю 1 та у середньоквадратичному до множини точок рівноваги за Нешем. Теоретичні результати апробовано програмним моделюванням на комп’ютері.Item Ігрова модель самоорганізації мультиагентних систем(Видавництво Львівської політехніки, 2015) Кравець, П. О.Розроблено ігрову модель самоорганізації мультиагентних систем в умовах невизначеності. Наведено формулювання стохастичної ігрової задачі, визначено критерії самоорганізації стратегій гравців, розроблено рекурентний метод, алгоритм та програмні засоби, що навчають мультиагентну систему імітувати синхронізоване ритмічне світіння колонії комах-світлячків. The game model of multi-agent systems of self-organizing in the conditions of uncertainty is developed. The formulation of a stochastic game problem is carried out, criteria of self-organizing of strategies of players are defined, a recurrent method, algorithm and software of learning of multi-agent system to simulate the synchronised rhythmic luminescence of a colony of fireflies are developed.Item Ігровий метод адаптивної маршрутизації комп'ютерних мереж(Видавництво Національного університету «Львівська політехніка», 2004) Кравець, П. О.; Корбачев, І. І.Запропоновано ігровий метод адаптивної маршрутизації комп’ютерних мереж з локальним обміном інформацією. Виконано комп’ютерне моделювання роботи ігрового методу для різних значень його параметрів. lt is offered a game method of computer networks adaptive routing with local information interchange. Computer modelling work of a game method for différent values of his parameters is executed.Item Матрична стохастична гра з Q-навчанням(Видавництво Львівської політехніки, 2015) Кравець, П. О.Розроблена модель матричної стохастичної гри для прийняття рішень в умовах невизначеності. Запропоновано метод Q-навчання для розв’язування стохастичної гри з апріорі невідомими матрицями виграшів. Виконано формулювання ігрової задачі, описано марківський рекурентний метод та алгоритм для її розв’язування. Отримано та проаналізовано результати комп’ютерного моделювання стохастичної гри з Q-навчанням. The model of matrix stochastic game for decision-making in the conditions of uncertainty is developed. The method of Q-learning for stochastic game solving with a priori unknown gains matrices is offered. The formulation of a game problem is executed. The Markovian recurrent method and algorithm for the game solving are described. Results of computer modelling of stochastic game with Q-learning are received and analysed.
- «
- 1 (current)
- 2
- 3
- »