Найти

Результаты поиска

• ГИБРИДНЫЙ БИОИНСПИРИРОВАННЫЙ АЛГОРИТМ ОТОБРАЖЕНИЯ ОНТОЛОГИЙ В ЗАДАЧАХ ИЗВЛЕЧЕНИЯ И УПРАВЛЕНИЯ ЗНАНИЯМИ

  Д. Ю. Кравченко, Ю. А. Кравченко, В. В. Марков

  2020-07-20

  Аннотация ▼

  Статья посвящена решению задачи отображения онтологических моделей в процес-
  сах извлечения и управления знаниями. Актуальность и значимость данной задачи обуслов-
  лены необходимостью сохранения достоверности и исключения избыточности знаний при
  интеграции (объединении) структурированных информационных источников различного
  происхождения. Близость и непротиворечивость понятийной семантики объединенного
  ресурса при проводимом отображении является основным критерием эффективности
  предложенных решений. В статье рассмотрены проблемы выбора соответствующих за-
  даче подходов решения, сохраняющих семантику при отображении концептов. Обоснована
  стратегия выбора биоинспирированного моделирования. Проанализированы аспекты эф-
  фективности применения различных децентрализованных биоинспирированных методов.
  Определены причины необходимости проведения гибридизации. Предложено решать зада-
  чу отображения онтологических моделей с применением биоинспирированного алгоритма,
  построенного на основе гибридизации оптимизационных механизмов алгоритмов бактери-
  ального и кукушкиного поиска. Проведенная гибридизация данных алгоритмов позволила
  объединить их основные преимущества: последовательный бактериальный поиск, обеспечивающий детальное исследование локальных областей, и значительное число глобальных
  перемещений агента-кукушки при реализации полетов Леви. Для оценки эффективности
  предложенного гибридного биоинспирированного алгоритма разработан программный
  продукт и проведены эксперименты по отображению онтологий разного размера. Каж-
  дый концепт любой онтологии имеет определенный набор атрибутов, являющийся семан-
  тическим вектором признаков. Степень сходства семантических векторов сравниваемых
  концептов отображаемых онтологий является критерием их интеграции. Для повышения
  качества процесса отображения введена новая кодировка решений. Полученные количест-
  венные оценки демонстрируют экономию времени при решении задач относительно боль-
  шой размерности (от 500000 вершин онтографа) не менее 13 %. Временная сложность
  разработанного гибридного алгоритма составляет Описанные исследования имеют
  высокий уровень теоретической и практической значимости и напрямую связаны с реше-
  нием классических задач искусственного интеллекта, направленных на поиск скрытых за-
  висимостей и закономерностей на множестве элементов знаний.

• ДВУХЭТАПНЫЙ БУСТИНГ БИНАРНОЙ КЛАССИФИКАЦИИ НА ОСНОВЕ ПРИМЕНЕНИЯ БИОИНСПИРИРОВАННЫХ АЛГОРИТМОВ

  Д. В. Балабанов , А. В. Ковтун , Ю. А. Кравченко

  2020-10-11

  Аннотация ▼

  В процессе решения широкого круга прикладных задач возникает необходимость де-
  композиции объектов. Как следствие, проблема классификации является актуальной про-
  блемой в современных системах интеллектуального анализа данных. Бинарная классифи-
  кация является одной из важнейших задач, и имеет целый ряд нерешенных проблем. Одной
  из таких проблем является эффективность автоматизированной классификации. В зада-
  чах автоматизированной классификации, актуально применение алгоритмического аппа-
  рата эволюционных вычислений. Таким образом целесообразно применение генетических и
  биоинспирированных алгоритмов, в задаче поиска оптимальных значений параметров
  классификатора. Для решения данной задачи предлагается применить алгоритм роя час-
  тиц(PSO). Данный алгоритм в контексте задачи поиска субоптимальных значений пара-
  метров классификатора способен обеспечить высокое качество классификации. Модифи-
  кацией алгоритма является динамическое изменение значений координат, которые отве-
  чают за тип функции ядра. Данная доработка позволяет значительно снизить затрачи-
  ваемое время разработки классификатора. Для повышения эффективности классификации
  целесообразно применять ансамбли алгоритмов. В работе приведена структура двухуров-
  невого классификатора. На первом уровне данного классификатора, формируется ан-
  самбль простых классификаторов которые формируют учебную выборку, которая, в даль-
  нейшем используется алгоритмом роя частиц на втором этапе. Такой подход позволяет
  значительно уменьшить временные затраты, а также повысить качество получаемых
  решений. Алгоритм роя частиц(PSO), в контексте задачи поиска субоптимальных значе-
  ний параметров классификатора способен обеспечить высокое качество классификации.
  Предложенный двухуровневый алгоритм был экспериментально протестирован. Произве-
  дено сравнение с аналогами, приведены сравнительные диаграммы. Описанные исследова-
  ния показывают, что работа имеет высокую теоретическую значимость, а проведенные
  экспериментальные исследования доказывают высокую практическую значимость.