Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
6 results
Search Results
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 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 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.Item Ігровий метод синхронізації подій в мультиагентних системах(Видавництво Львівської політехніки, 2014) Кравець, П. О.Розроблено адаптивний ігровий метод синхронізації подій в мультиагентних системах в умовах невизначеності. Суть методу полягає у вирівнюванні затримок настання подій кожним гравцем на основі спостереження дій сусідніх гравців. Виконано формулювання стохастичної гри та розроблено ігровий алгоритм для її розв’язування. За допомогою комп’ютерного експерименту досліджено впливи параметрів на збіжність ігрового методу. The adaptive game method of events synchronization in multiagent systems in the conditions of uncertainty is developed. The essence of a method consists in alignment of delays of approach of events on the basis of supervision of actions of the next players. The formulation of stochastic game is executed and game algorithm for its solving is developed. Influences of parameters on convergence of a game method are investigated by means of computer experiment.Item Модель стохастичної гри нейроагентів(Видавництво Львівської політехніки, 2014) Кравець, П. О.Розроблено нейроагентну ігрову модель колективного прийняття рішень в умовах невизначеності. Виконано формулювання стохастичної гри та для її розв’язування використано адаптивні методи навчання штучних нейронних мереж без учителя. Розроблено ігровий алгоритм та програмну модель нейроагентного прийняття рішень. Збіжність стохастичної гри нейроагентів підтверджено результатами комп’ютерного експерименту. Досліджено впливи параметрів ігрової моделі на швидкість навчання нейроагентів. The neuroagent game model of collective decision-making in the conditions of uncertainty is developed. The formulation of stochastic game is executed. Adaptive learning methods of artificial neural networks without the teacher are used for the game solving. The convergence of neuroagent stochastic game is confirmed by results of computer experiment. Influences of parameters of game model on the neuroagent learning rate are investigated.