Програмна система для порівняльного дослідження збіжності алгоритмів лінійної класифікації

Скорочена інформація про документ
dc.contributor.advisorФайнзільберг, Леонід Соломонович
dc.contributor.authorМатушевич, Наталія Анатоліївна
dc.date.accessioned2018-07-02T09:37:18Z
dc.date.available2018-07-02T09:37:18Z
dc.date.issued2018
dc.description.abstractenThe volume of the master's dissertation is 143 pages, 56 illustrations, 7 tables and 48 sources according to the list of references. The task of learning the recognition of objects of various physical nature (Mashine Leatning) - one of the main tasks of artificial intelligence. Quite often, such a task is considered as a problem of determining the parameters of a discriminant function (functions) in a multidimensional character space. There are various algorithms for training linear classifiers, two of which - the algorithm of training perceptron proposed by Frank Rosenblatt and the algorithm B. N. Kozinets. The formal conditions that give an estimate of the number of iterations of these algorithms are rather rude and therefore do not allow unambiguously to answer the important question: which of the algorithms and when provides a higher convergence rate in the learning process on the final sample of observations. Also unknown are a number of other properties of these algorithms, which are important in solving specific practical problems. The purpose of the study is to develop a software system for studying the properties of Rosenblatt and Kozinets training algorithms based on the Monte Carlo statistical experiment. Task: - to analyze the algorithms of linear classification of objects; - to create a software system for the convenience of studying the convergence of algorithms; - software to implement the Rosenblatt algorithm; - program to implement the Kozinets algorithm; - to conduct a study of the convergence of selected algorithms; - analyze the results of experiments. The object of the study is algorithms for linear classification of objects. The subject of the research is the Rosenblatt and Kozinets algorithms for linear classification of objects, their properties. The development was made by means of the C # programming language in the development environment of Microsoft Visual Studio 2017. Materials indicating the scientific and practical value of the publication: 1. Fainzilberg L.S., Matushevych N.A. Comparative evaluation of convergence's speed of learning algorithms for linear classifiers by statistical experiments method introduction // Cybernetics and computational techniques. - 2018. - No. 2. - 17 p. 2. Matushevych N.A. An overview of the Kozinets algorithm for constructing an optimal dividing hyperplane // Actual research in the modern world // Sb. scientific works - Pereyaslav-Khmelnitsky. - 2017. - No. 12 (32), p. 7. - P.122-125. 3. Matushevych N.A. Comparative analysis of algorithms for building a separating hyperplane // Theory and Practice of Advanced Knowledge (Part IV): Materials of the II International Scientific and Practical Conference, Kyiv, December 28-29, 2017. - Kyiv.: ICND. - 2017. - P. 31-31. 4. The software product is developed and implemented at the International Science and Education Center for Information Technologies and Systems of the National Academy of Sciences of Ukraine and the Ministry of Education and Science of Ukraine and meets the stated requirements (implementation act dated April 25, 18).uk
dc.description.abstractukОбсяг магістерської дисертації становить 143 сторінок, 56 ілюстрації, 7 таблиць та 48 джерел за переліком посилань. Завдання навчання розпізнавання об'єктів різної фізичної природи (Mashine Leatning) - одна з головних задач штучного інтелекту. Досить часто таке завдання розглядаються як завдання визначення параметрів дискримінантної функції (функцій) в багатовимірному просторі ознак. Існують різні алгоритми навчання лінійних класифікаторів, два з яких - алгоритм навчання персептрона, запропонований Френком Розенблатом і алгоритм Б.Н.Козинця. Формальні умови, які дають оцінку числа ітерацій вказаних алгоритмів, досить грубі і тому не дозволяють однозначно відповісти на важливе питання: який з алгоритмів і коли забезпечує більшу швидкість збіжності в процесі навчання по кінцевої вибірці спостережень. Невідомі також і ряд інших властивостей названих алгоритмів, які важливі при вирішенні конкретних практичних завдань. Метою дослідження є розробка програмної системи для дослідження властивостей алгоритмів навчання Розенблата і Козинця на основі проведення статистичного експерименту методом Монте-Карло. Завдання: - провести аналіз алгоритмів лінійної класифікації об’єктів; - створити програмну систему для зручного дослідження збіжності алгоритмів; - програмно реалізувати алгоритм Розенблата; - програмно реалізувати алгоритм Козинця; - провести дослідження збіжності обраних алгоритмів; - проаналізувати результати експериментів. Об’єктом дослідження є алгоритми для лінійної класифікації об’єктів. Предметом дослідження виступають алгоритми Розенблата та Козинця для лінійної класифікації об’єктів, їх властивості. Розробка була здійснена засобами мови програмування C# в середовищі розробки Microsoft Visual Studio 2017. Матеріали, що свідчать про наукову та практичну цінність публікації: 1. Fainzilberg L.S., Matushevych N.A. Сomparative evaluation of convergence's speed of learning algorithms for linear classifiers by statistical experiments method introduction // Кибернетика и вычислительная техника. – 2018. – № 2. – 17 с. 2. Матушевич Н.А. Огляд алгоритму Козинця для побудови оптимальної розділяючої гіперплощини // Актуальные научные исследования в современном мире // Сб. научных трудов - Переяслав- мельницкий. – 2017. – № 12(32), ч. 7. – С.122-125. 3. Матушевич Н.А. Порівняльний аналіз алгоритмів побудови розділяючої гіперплощини // Теорія і практика накових знань (частина IV): матеріали II Міжнародної науково-практичної конференції м. Київ, 28-29 грудня 2017 року. – Київ.: МЦНД. – 2017. – С. 31-31. 4. Програмний продукт розроблено та впроваджено в Міжнародному науково-навчальному центрі інформаційних технологій і систем Національної Академії наук України та Міністерства освіти і науки України та відповідає заявленим вимогам (акт впровадження від 25.04.18).uk
dc.format.page143 с.uk
dc.identifier.citationМатушевич, Н. А. Програмна система для порівняльного дослідження збіжності алгоритмів лінійної класифікації : магістерська дис. : 122 Комп’ютерні науки та інформаційні технологіі / Матушевич Наталія Анатоліївна. – Київ, 2018. – 143 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/23725
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectлінійний класифікаторuk
dc.subjectlinear classifieruk
dc.subjectалгоритм Розенблатаuk
dc.subjectRosenblatt algorithmuk
dc.subjectалгоритм Козинцяuk
dc.subjectKozinets algorithmuk
dc.subjectперсептронuk
dc.subjectperceptronuk
dc.subject.udc004.021uk
dc.titleПрограмна система для порівняльного дослідження збіжності алгоритмів лінійної класифікаціїuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Matushvych_magistr.pdf
Розмір:
2.53 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (БМК)
Магістерські роботи