ДонНТУ   Портал магистров

Библиотека материалов по теме выпускной работы

    Тематические статьи

  1. Комбинаторный подход к оценке качества обучаемых алгоритмов

    Авторы: К.В. Воронцов

    Описание: В статье перечислены некоторые направления современных исследований по проблемам обоснования обучаемых алгоритмов и получения оценок качества обучения.

    Источник: Математические вопросы кибернетики / Под ред. О.Б. Лупанов. – М.: Физматлит, 2004. – Том 13, с. 5-36. [Перейти]

  2. Использование технологии анализа данных в интеллектуальных информационных системах

    Авторы: С.Б. Арсеньев, В.Б. Бритков, Н.А. Маленкова

    Описание: В статье рассматриваются вопросы использования технологии добычи знаний Data Mining. Описываются основные этапы анализа данных в интеллектуальных системах с помощью этой технологии, от этапа приведения данных к форме, пригодной для применения конкретных реализаций методов Data Mining, решения проблем избыточности, неинформативности, чрезмерной корреляции данных, до непосредственного применения методов добычи знаний и верификации и проверки получившихся результатов.

    Источник: Использование технологии анализа данных в интеллектуальных информационных системах // Управление информационными потоками. – М.: УРСС, ИСА РАН, 2002. – С. 47-68. [Перейти]

  3. Метод совместного построения решающих правил и выбора словаря признаков по взвешенным обучающим выборкам

    Авторы: Е.В. Волченко

    Описание: В работе предложен новый подход к решению задачи совместного построения решающих правил классификации и рабочего словаря признаков в обучающихся системах распознавания, основанный на использовании взвешенных обучающих выборок.

    Источник: «Искусственный интеллект» № 4. Донецк, 2012, с. 316-323. [Перейти]

  4. Сеточный подход к построению взвешенных обучающих выборок w-объектов в адаптивных системах распознавания

    Авторы: Е.В.  Волченко

    Описание: В работе рассматривается проблема формирования эффективных обучающих выборок в адаптивных системах распознавания. Предложен метод построения взвешенных выборок w-объектов на основе сеточного подхода.

    Источник: Сборник научных трудов «Информатика и моделирование» № 36. Харьков, 2011, с. 12-22. [Перейти]

  5. Меры сходства, компактности, информативности и однородности обучающей выборки

    Авторы: Н.Г. Загоруйко, И.А. Борисова, В.В. Дюбанов, О.А. Кутненко

    Описание: В статье описывается, как с помощью функции конкурентного сходства (FRiS- функции) можно оценивать сходство между объектами и образами, получать количественные меры компактности образов, информативности признакового пространства и однородности обучающей выборки. Представлен опыт использования предлагаемых мер для решения задач распознавания и прогнозирования количественной переменной.

    Источник: Труды Всероссийской Конференции «Знания-Онтологии-Теории» (ЗОНТ-09), Новосибирск, 2009, Том I, с. 93-102. [Перейти]

  6. Классификация объектов в адаптивных системах распознавания на основе функции взвешенного конкурентного сходства

    Авторы: Е.В. Волченко

    Описание: В работе предложено естественное расширение области использования функции конкурентного сходства на взвешенные обучающие выборки w-объектов в адаптивных системах распознавания. Описан принцип классификации объектов методом k-ближайших соседей на основе функции взвешенного конкурентного сходства (wFRiS-функции). Приведены результаты экспериментальных исследований, подтвердившие эффективность предложенного подхода

    Источник: Вестник НТУ «ХПИ», 2012, № 62 (968) с. 18-25. [Перейти]

  7. Построение качественной обучающей выборки для прогнозирующих нейросетевых моделей

    Авторы: Д.Н. Олешко, В.А. Крисилов, А.А. Блажко

    Описание: В данной работе рассмотрены основные требования, которым должна отвечать обучающая выборка, а также предложены параметры для оценки качества построенной выборки для решения задачи прогнозирования. На базе требований разработан подход к решению задачи построения качественной обучающей выборки.

    Источник: Научно-теоретический журнал «Искусственный интеллект». – ІПШІ МОН і НАН України «Наука і освіта». – 2004.– №3. С. 567-573. [Перейти]

  8. Методика адаптивной кластеризации фактографических данных на основе интеграции алгоритмов MST и Fuzzy C-means

    Авторы: И.М. Нейский, А.Ю. Филиппович

    Описание: Предложенная в статье методика адаптивной кластеризации фактографических данных на основе интеграции алгоритмов MST и Fuzzy C-means направлена на устранение указанных в статье недостатков для одной из самых распространенных задач интеллектуального анализа данных (Data mining).

    Источник: Известия высших учебных заведений. Проблемы полиграфии и издательского дела. – М.: Изд-во МГУП, 2009. – №3 – С. 48-61. [Перейти]

  9. Использование FRiS-функции для построения решающего правила и выбора признаков

    Авторы: И.А. Борисова, В.В. Дюбанов, Н.Г. Загоруйко, О.А. Кутненко

    Описание: Предлагается способ решения задачи комбинированного типа DX-построения решающей функции D в наиболее информативном подпространстве признаков X. При решении этой задачи используется функция конкурентного сходства (FRiS-функция).

    Источник: Публикация: Труды Всероссийской Конференции «Знания-Онтологии-Теории» (ЗОНТ-07), Новосибирск, 2007, Том I, с. 37-44. [Перейти]

    10. Переводы статей

  10. Minimum Spanning Trees

    Автор: D. Eppstein

    Перевод: В. Дрига

    Описание: Минимального охватывающего дерева алгоритм кластеризации, как известно, способен обнаруживать кластеры с нерегулярными границами. В этой статье предложены основные алгоритмы кластеризации.

    Источник (англ.): Источник оригинальной статьи