Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
18 results
Search Results
Item Аналіз рішень та підходів кластеризації геопросторових даних для оптимізації продуктивності веб-карти та взаємодії користувача(Видавництво Львівської політехніки, 2023-02-28) Арзубов, М. В.; Батюк, А. Є.; Arzubov, M. V.; Batiuk, A. Y.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityУ сучасну епоху, управління та візуалізація геопросторової інформації у веб-браузерах набули більшого значення. Веб-карти є незамінними інструментами в різних областях, таких як туризм, доставка товарів чи екологія. Важливим є також широка підтримка веб-браузерів на різних пристроях, що робить використання геоданих у веб більш доступним для різних користувачів. Але постійне збільшення геопросторової інформації створює нові виклики у ефективному відображенні даних та навігації по цих даних на веб-картах. Тому при роботі з геоданими важливою є їх кластеризація. Різні методи кластеризації можуть по різному впливати на продуктивність чи візуальну зрозумілість веб-карт. В даній роботі проведено ґрунтовний огляд типів даних та методів кластеризації. Проаналізовано інструменти та бібліотеки, які спеціалізуються на кластеризації геоданих у веб-картах. Також досліджено різні типи геоданих і підходи при роботі з ними. Описано таке поняття як напівстатичні дані, і яке місце вони займають разом з статичними і динамічними типами даних. Під час аналізу виявлено у яких випадках краще використовувати певні методи кластеризації або коли варто застосовувати підхід з кластеризацією на серверній стороні. Також зроблено висновок про те який підхід варто обрати при роботі з великим обсягом статичних чи напівстатичних геоданих, а саме використання кластеризації на серверній стороні з кешуванням. В підсумку, проаналізовано різні підходи кластеризації у веб-картах як на клієнтській стороні, так і на серверній. Також описано переваги і недоліки обох підходів і коли краще той чи інший метод використовувати. Виявлено відсутність чітких підходів у кластеризації великих геоданих для зображення на веб-картах, що зумовлює актуальність досліджень у цьому напрямку.Item Методи побудови моделі поведінки користувачів(Видавництво Львівської політехніки, 2020-09-23) Шаховська, Н. Б.; Мельникова, Н. І.; Shakhovska, N. B.; Melnykova, N. I.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityНаведено методи побудови моделі поведінки користувачів, які дадуть змогу виявити закономірності планування зустрічей друзів на підставі аналізу їхнього щоденного руху. Для цього попередньо проаналізовано низку методів і алгоритмів кластеризації даних і виокремлено особливості їхнього застосування. З'ясовано, що основними перевагами методів кластеризації даних на підставі їхньої щільності є можливість виявлення кластерів вільної форми різного розміру та стійкості до шуму та викидів. Однак до недоліків цих методів можна віднести високу чутливість до встановлення вхідних параметрів, не чіткий опис класів і непридатність для кластеризації даних великих розмірів. З'ясовано, що основною проблемою всіх алгоритмів кластеризації є їх масштабованість із збільшенням обсягу оброблених даних. Встановлено, що основними проблемами більшості з них є складність налаштування оптимальних вхідних параметрів (для алгоритмів щільності, сітки чи моделі), ідентифікація кластерів різної форми та щільності (алгоритми розподілу, алгоритми на підставі сітки), нечіткі критерії завершення (ієрархічний, розділовий та на підставі моделі). Оскільки процедура кластеризації є тільки одним із етапів оброблення даних системи загалом, обраний алгоритм повинен бути простим у використанні та простим для налаштування вхідних параметрів. Дослідження показують, що ієрархічні методи кластеризації містять ряд алгоритмів, придатних як для оброблення даних невеликого обсягу, так і для аналізу великих даних, що є актуальним у галузі соціальних мереж. На підставі виконаного аналізу даних, зібрано інформацію для заповнення розумного профілю користувача. Значну увагу приділено дослідженню асоціативних правил, на підставі чого запропоновано алгоритм для вилучення асоціативних правил, що дало змогу знаходити статистично значущі правила, а також шукати тільки залежності, визначені загальним набором вхідних даних, та має високу обчислювальну складність, якщо існує багато правил класифікації. Розроблено підхід, що орієнтований на створення та розуміння моделей поведінки користувачів, прогнозування майбутньої поведінки за допомогою створеного шаблону. Досліджено методи моделювання попереднього оброблення даних (кластеризація) та виявлено закономірності планування зустрічей друзів на підставі аналізу щоденного руху людей та їхніх друзів. Наведено методи створення та розуміння моделей поведінки користувачів, застосовано алгоритм k-means для групування користувачів, що дало змогу визначити, наскільки добре кожен об'єкт знаходиться у своєму кластері. Введено поняття правил асоціації, розроблено метод пошуку залежностей, оцінено точність моделі.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 Транскордонні кластери: сутність та особливості(Видавництво Львівської політехніки, 2017-03-28) Козик, В. В.; Мищишин, О. Л.; Kozyk, V. V.; Myshchyshyn, O. L.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityПротягом останніх років учені-економісти приділяють багато уваги дослідженню шляхів вирішення проблем регіонального розвитку в умовах європейської інтеграції України та глобалізації світової економіки. Проте наявні питання щодо особливостей створення та функціонування транскордонних кластерів в Україні потребують по- дальшої розробки. Розкрито сутність поняття “кластер” і “транскордонний кластер”. Розглянуто особливості транскордонних кластерів. Досліджено роль транскордонних кластерів у розвитку регіонів.Item До питання державного управління кластеризацією промисловості(Видавництво Львівської політехніки, 2016) Кузьмін, О. С.; Маслак, О. О.; Удовиченко, Т. В.Розглянуто поняття кластеризації і підкреслена важливість державного управління нею. З метою визначення ключових аспектів, на яких ґрунтується державне управління кластеризацію (фінансове забезпечення, наукова сфера, освіта, інфраструктура (фінансова, інституційна тощо), міжнародна сфера), досліджено типи кластерної політики, її інституційне забезпечення, вивчено зарубіжну практику державного управління кластеризацію. Це окреслило необхідність розвитку нового управлінського підходу, який відповідає сучасним вимогам адміністративних моделей та характеризує те, що ступінь державного регулювання можна посилювати або послаблювати, оперативно заміняти важелі впливу у разі їх негативної дії; застосовувати стимули і пільги тощо. Запропоновано здійснювати у межах гнучкої моделі управління залежно від рівня ключових чинників: етапу кластеризації, наявності ресурсів, рівня розвитку міжнародних економічних відносин, рівня розвитку промисловості, суміжних і підтримувальних галузей, рівень інфраструктурного забезпечення. The article deals with the concept of a clustering as a process of creation of clusters and other networked structures and underlined the importance of state governance. Studied types of cluster policies as a system of relations between government and business entities to improve the competitiveness of a territory on the basis of the formation and development of clusters (depending on the software the level of clusters, according to the method of influence on cluster, depending on the level of centralization), institutional support (cluster development strategies, programs, projects and specific activities), learned foreign practice of government of clustering (Great Britain, Slovenia, Japan, Russia, EU, etc.). On this basis defines the key aspects on which the clustering of state governance: financial support, the scientific sphere, education, infrastructure (financial, institutional, etc.), international area. That shaped the need to develop a new management approach that meets the modern requirements of administrative models and describes what degree of government regulation can strengthen or weaken promptly replaced leverage in case their negative impact; apply incentives and benefits and so on. As one, recommended the flexible governance model of clustering. It is proposed to implement with a flexible management model based on the level of key factors: stage clustering, availability of resources, the level of international economic relations, development of industry, related and supporting industries, the level of infrastructure support. The level of the five signs can choose three basic models of cluster policy and a number of auxiliary.Item 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.Item Ієрархічне острівкування енергетичних мереж(Видавництво Львівської політехніки, 2016) Базилевич, Р.; Андрієнко, В.Розглянуто особливості використання методу оптимального згортання схеми для острівкування енергетичних мереж. Запропоновано модифікований алгоритм послідовно-паралельного згортання з формуванням ієрархічно вкладених кластерів. Обґрунтовано переваги розробленого алгоритму й описано його програмну реалізацію, застосовувану для острівкування енергетичних мереж. The features of using the method of optimal scheme reduction for islanding of power systems is reviewed. A modified algorithm for series-parallel folding with the formation of hierarchically nested clusters is offered. The advantages of the algorithm is grounded and its implementation in the application for islanding of power system is described.Item Self-organizing map and its learning in the fuzzy clustering-classification tasks(Видавництво Львівської політехніки, 2014) Bodyanskiy, Ye.; Vynokurova, O.; Mulesa, P.; Slipchenko, O.Запропоновано комбінований метод самонавчання-навчання самоорганізовної мапи (SOM-LVQ), що дає змогу підвищити якість обробки інформації за умов класів, що перетинаються внаслідок раціонального вибору параметра кроку навчання і введення спеціальної процедури нечіткого виведення в процесі класифікації-кластеризації, який проходить як з зовнішнім навчальним сигналом, так і без нього. Як міру подібності функцій сусідства і належності використовуються косинусоїдальні конструкції, що дають змогу забезпечити процесам самонавчання-навчання більшу гнучкість і надати їм низку нових корисних властивостей. In the paper, combined self-learning and learning method of self-organizing map (SOMLVQ) is proposed. Such method allows to increase quality of information processing under condition of overlapping classes due to rational choice of learning rate parameter and introducing special procedure of fuzzy reasoning in the clustering-classification process, which occurs both with external learning signal (“supervised”), and without one (“unsupervised”). As similarity measure of neighborhood function or membership one, cosine structures are used, which allow to provide a high flexibility due to self-learning-learning process and to provide some new useful properties.Item Supporting the competitiveness of dairy processing enterprises in terms of european integration(Видавництво Львівської політехніки, 2014) Kubrak, N. R.In this article the strategic directions and program-targeted measures to provide the competitiveness of enterprises of dairy industry as well as the implementation mechanisms are analyzed. With this purpose, the clustering of the technological process of milk production, its processing and goods tracking in the supply chain of milk are suggested with using CPFR. Обґрунтовано стратегічні напрями та програмно-цільові заходи забезпечення конкурентоспроможності підприємств молокопереробної галузі, а також механізм їх реалізації. З цією метою запропоновано кластеризацію технологічного процесу виробництва молочної сировини і її переробки та відстеження товарів у ланцюгах поставки молокопродуктів.Item Models and methods for building web recommendation systems(Видавництво Львівської політехніки, 2012) Stekh, Yu.; Artsibasov, V.Modern Word Wide Web contains a large number of Web sites and pages in each Web site. Web recommendation system (recommendation system for web pages) are typically implemented on web servers and use the data obtained from the collection viewed web templates (implicit data) or user registration data (explicit data). In article considering methods and algorithms of web recommendation system based on the technology of data mining (web mining). Сучасна мережа Інтернет містить велику кількість веб-сайтів і сторінок на кожному веб-сайті. Веб-систему рекомендацій (рекомендаційну систему для веб- сторінок), як правило, втілюють на веб-серверах і використовують для даних, отриманих зі збірки проглянутих веб-шаблонів (неявні дані) чи реєстраційних даних користувачів (явні дані). Розглянуто методи і алгоритми рекомендаційних веб-систем, основаних на технології видобування даних (веб-аналіз).