Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
4 results
Search Results
Item Людино-машинні системи підтримки прийняття рішень з числовими каналами(Видавництво Львівської політехніки, 2023-02-28) Мулеса, О. Ю.; Горват, П. П.; Єгорченков, О. В.; Імре, Ю. Ю.; Ференс, Д. Я.; Коціпак, В. О.; Mulesa, O. Yu.; Horvat, P. P.; Yehorchenkov, O. V.; Imre, Yu. Yu.; Ferens, D. Ya.; Kocipak, V. O.; Ужгородський національний університет; Київський національний університет імені Тараса Шевченка; Словацький технічний університет у Братиславі; Uzhhorod National University; Taras Shevchenko National University of Kyiv; Slovak University of Technology in Bratislava, BratislavaРозглянуто проблему прийняття рішень для випадку людино-машинного аналізу вхідних даних. Відзначено, що застосування людино-машинних систем підтримки прийняття рішень дає змогу зменшити часові та грошові витрати. Розглядається багатоканальна система автоматизованого прийняття рішень, яка може генерувати рішення в режимі реального часу на підставі сигналів, які поступають до неї з різних каналів. Всі канали є числовими. Каналами можуть бути як програмні засоби штучного інтелекту, так і компетентні експерти, які дають висновки щодо досліджуваного питання. Досліджено два випадки: 1) випадок прийняття рішень щодо числової оцінки об’єкта або явища, коли узгоджене рішення має бути числовим; 2) випадок прийняття рішень щодо факту появи об’єкта чи явища, коли узгоджене рішення має бути логічним. Розроблено 7 правил для визначення числової оцінки об’єкта або явища. Правила дають змогу врахувати оцінки, отримані з різних каналів, та надійності цих каналів. Окремі правила враховують оцінки, отримані з усіх каналів. Є правила, які враховують тільки оцінки тих каналів, надійність яких задовольняє визначені обмеження. Такий підхід забезпечує прийняття достатньо надійного рішення, відповідно до потреб задачі та особи, що приймає рішення. Розроблено 4 правила для випадку прийняття рішень щодо факту появи об’єкта чи явища. Дані правила, аналізуючи числові оцінки, отримані з каналів, виробляють рішення з множини {True, False}, що відповідає випадкам появі/відсутності явища, що досліджується. Правила враховують надійність каналів, та за побудованою функціональною залежністю, переводять числову оцінку в логічну. Побудована схема прийняття рішень у багатоканальних людино-машинних системах підтримки прийняття рішень робить можливим довільне збільшення кількості каналів у системі. Використання правил, які відсіюють оцінці, отримані з недостатньо надійних для конкретної проблеми каналів, унеможливить розсіювання результату оцінки через велику кількість каналів. Вибір правил покладається на особу, що приймає рішення, або на власника проблеми.Item Моделі прийняття управлінських рішень з організації освітнього процесу в умовах високого рівня невизначеності(Видавництво Львівської політехніки, 2022-02-28) Мулеса, О. Ю.; Миронюк, І. С.; Гече, Ф. Е.; Горват, П. П.; Імре, Ю. Ю.; Mulesa, O. Yu.; Myronyuk, I. S.; Geche, F. E.; Horvat, P. P.; Imre, Yu. Yu.; Ужгородський національний університет; Uzhhorod National UniversityДослідження присвячене аналізу проблеми прийняття рішень щодо організації навчального процесу в умовах зовнішніх впливів непереборного характеру. Розглядається випадок вимушеного скорочення тривалості навчального семестру з необхідністю повного виконання навчальних планів підготовки здобувачів освіти. Визначено, що для ефективного планування навчального процесу початково необхідно виконати поділ аудиторій закладу освіти між навчальними групами, які належать різним структурним підрозділам закладу освіти. Виконано вербальну та математичну постановки задачі розподілу аудиторій між навчальними групами. Побудовано математичну модель задачі. Модель є набором обмежень, які накладаються на варіанти допустимих розподілів аудиторій. Розроблена модель дає змогу вводити обмеження щодо тривалості робочого дня, перерв між заняттями у окремих групах, кількості робочих днів на тиждень тощо. Побудовано алгоритм вироблення варіантів управлінських рішень щодо розподілу аудиторій між навчальними групами різних структурних підрозділів університету. Варіанти управлінських рішень залежать від початкових умов, які включені у модель задачі та від потужності множини допустимих розв'язків. Передбачена можливість вироблення варіантів управлінських рішень щодо комбінованих варіантів організації освітнього процесу (очна, дистанційна та змішана форма навчання). У таких випадках менеджмент закладу освіти може накладати обмеження на можливість чергування занять, які відбуваються в аудиторіях з заняттями, які відбуваються в онлайн режимі. Розроблений підхід також дає змогу виконувати перерозподіл аудиторій між структурними підрозділами на окремо визначені періоди часу. Розроблений інструмент дає змогу підвищити ефективність процесів прийняття управлінських рішень щодо організації навчального процесу у закладах вищої освіти.Item Інформаційна технологія для прогнозування часових рядів методом синтезу прогнозної схеми(Видавництво Львівської політехніки, 2021-02-28) Мулеса, О. Ю.; Гече, Ф. Е.; Батюк, А. Є.; Мельник, О. О.; Mulesa, O. Yu.; Geche, F. E.; Batyuk, A. Ye.; Melnyk, O. O.; Ужгородський національний університет; Національний університет “Львівська політехніка”; Uzhhorod National University; Lviv Polytechnic National UniversityРозроблено інформаційну технологію прогнозування на підставі часових рядів. З'ясовано, що актуальною є розробка нових моделей і методів прогнозування для покращення якості прогнозу. В основу інформаційної технології покладено еволюційний метод синтезу прогнозної схеми на підставі базових прогнозних моделей. Обраний метод дає змогу вносити в розгляд будь-яку кількість прогнозних моделей, які можуть належати до різних класів. Для заданого часового ряду, шляхом знаходження розв'язку оптимізаційної задачі, обчислено вагові коефіцієнти, з якими моделі входять в результуючу прогнозну схему. Показано спосіб побудови цільової функції для задачі оптимізації у вигляді лінійної комбінації результатів прогнозування базовими прогнозними моделями. Запропоновано розв'язок оптимізаційної задачі знаходити за допомогою генетичного алгоритму. Результатом роботи методу є прогнозна схема, яка є лінійною комбінацією базових прогнозних моделей. Для оцінювання якості прогнозу запропоновано застосовувати похибки прогнозування або волатильність прогнозу, яка обчислено у вигляді середньоквадратичного відхилення. Критерії якості прогнозу обрано залежно від контексту задачі. Використання волатильності прогнозу як критерію якості, після багаторазового використання технології, дасть змогу зменшити відхилення прогнозних значень від реальних даних. Розроблено структурну схему інформаційної технології. Структурно інформаційна технологія складається з двох блоків: оброблення даних, інтерпретації отриманих значень. Результатом застосування розробленої інформаційної технології є продукційні правила для визначення прогнозного значення досліджуваної величини. Виконано експериментальну верифікацію отриманих результатів. Розв'язано задачу прогнозування кількості релігійних організацій в Україні на підставі статистичних даних з 1997 по 2000 роки. Як базові прогнозні моделі було обрано метод авторегресії та лінійну регресійну модель. За результатами використання розробленої інформаційної технології було обчислено вагові коефіцієнти базових моделей. Показано, що отримана прогнозна схема дала змогу покращити середню абсолютну відсоткову похибку та волатильність прогнозу, порівняно з обраними моделями.Item Навчання комбінованої моделі прогнозування часових рядів(Видавництво Львівської політехніки, 2021-10-10) Гече, Ф. Е.; Мулеса, О. Ю.; Батюк, А. Є.; Смоланка, В. Ю.; Geche, F. E.; Mulesa, O. Yu.; Batyuk, A. Ye.; Smolanka, V. Yu.; Ужгородський національний університет; Національний університет “Львівська політехніка”; Uzhhorod National University; Lviv Polytechnic National UniversityРозроблено метод побудови комбінованої моделі прогнозування часових рядів на підставі базових моделей прогнозування. Множина базових моделей є динамічною, тобто у цю множину можуть вноситися нові моделі прогнозування, можуть видалятися моделі залежно від властивостей часових рядів. Для синтезу комбінованої моделі прогнозування часових рядів із заданим кроком прогнозу спочатку визначається оптимальний крок передісторії. Будується функціонал і для фіксованого кроку прогнозу методом авторегресії визначається оптимальний крок передісторії, що визначає проміжок часу, упродовж якого аналізується точність моделей із базової множини. У процесі побудови комбінованої моделі для кожної базової моделі визначається ваговий коефіцієнт, з яким вона входить у комбіновану модель. Вагові коефіцієнти базових моделей визначаються на підставі точності їх прогнозування на часовому періоді, зумовленому кроком передісторії. Вагові коефіцієнти відображають міру впливу базових моделей на точність прогнозування комбінованої моделі. Після побудови комбінованої моделі проводиться її навчання та визначаються ті базові моделі, які будуть внесені в остаточну комбіновану модель прогнозування. Встановлено правило внесення базових моделей у комбіновану модель. Вносячи базові моделі у комбіновану модель прогнозування, враховують їх вагові коефіцієнти, які залежать від того самого параметра. Визначається оптимальне значення параметра через мінімізацію заданого функціонала, що встановлює середнє квадратичне відхилення між фактичними і прогнозними значеннями часового ряду. Вагові коефіцієнти з оптимальними параметрами ранжуються у послідовності незростання та використовуються на етапі внесення базових моделей у комбіновану модель. Завдяки такому підходу, як показують конкретні приклади, у багатьох випадках вдалося істотно підвищити точність прогнозування комбінованої моделі.