Побудова системи підтримки прийняття рішень на основі теорії байєсівських мереж для моделювання поведінки складних систем

Скорочена інформація про документ
dc.contributor.advisorБідюк, Петро Івановичuk
dc.contributor.advisorBidyuk, P. I.en
dc.contributor.advisorБидюк, Петр Ивановичru
dc.contributor.facultyІнститут прикладного системного аналізуuk
dc.contributor.researchgrantorНаціональний технічний університет України «Київський політехнічний інститут»uk
dc.date.accessioned2018-04-04T12:33:18Z
dc.date.available2018-04-04T12:33:18Z
dc.date.issued2010
dc.description.abstractenDeveloped some of methods for solving ill-structed problems for modeling, prediction and classification. All methods use Bayesian networks. Proposed a new five step method for finding the parameters of Bayesian networks with hidden nodes. Method bases on an expectation maximization algorithm. Suggested Pearson's, Chuprov's, Cramer's, Goodman's and mutual information coefficients for finding interconnections between Bayesian network's nodes. For solving the problem of modeling the behavior of complex systems proposed original method for construction and application hybrid Bayesian networks. Methodology uses structural EM or gradient methods for constructing the topology of network. For probabilistic inference uses exact and approximate algorithms. For build probabilistic inference in hybrid Bayesian networks proposed a new approach for discretization of continuous variables by using the methods of cluster analysis. Developed the original architecture of decision support systems for pattern recognition by using of proposed methods and algorithms. Realized computer program for data mining by using Bayesian networks. Developed program gives another users the possibility of rapid modification of computational procedures through an open modular architecture of decision support system for modeling and forecasting. Constructed some of practically important models in the form of hybrid networks and networks with hidden nodes by using developed software. Construction of mathematical simulation model is based on statistical (experimental) data and expert estimates, which is maintained and updated in the process of using the model. For validation the correctness of the proposed theory used analytical procedures and computational experiments with big number of statistical data and expert estimates.uk
dc.description.abstractruРазработан набор математически обоснованных методов для решения слабоструктурованих задач моделирования, прогнозирование и классификации на основе использования сетей Байеса со скрытыми вершинами. Создана новая пятишаговая методика нахождения параметров сети Байеса со скрытыми вершинами на основе алгоритма максимизации математического ожидания. Для определения меры связи между вершинами сети Байеса предложено использование коэффициентов: Пирсона; Чупрова; Крамера; лямбда Гудмана и значение взаимной информации. Для решения задачи моделирования поведения сложных систем предложена оригинальная методика построения и применение гибридных сетей Байеса. Методика основывается на использовании структурного ЕМ или градиентного методов для построения топологии сети и формирование вероятностного вывода на основе как точных, так и приближенных методов. Для формирования вывода в гибридной сети Байеса предложен новый подход к дискретизации непрерывных переменных с использованием методов кластерного анализа. На основе предложенных методов и алгоритмов разработанная оригинальная архитектура системы поддержки принятия решений для распознавания образов, а также в виде компьютерной программы реализована система поддержки принятия решений для интеллектуального анализа данных на основе байесовских сетей. При этом обеспеченная возможность оперативной модификации созданных вычислительных процедур за счет открытой модульной архитектуры, компьютерной системы поддержки принятия решений, при моделировании и прогнозировании состояний. На основе разработанного программного обеспечения построен набор практически значимых моделей в виде гибридных сетей и сетей со скрытыми вершинами. Построение математических имитационных моделей выполнено на основе статистических (экспериментальных) данных и экспертных оценок, которые пополняются и обновляют в процессе использования модели. Для проверки корректности теории использованы аналитические процедуры и вычислительные эксперименты с использованием значительных объемов статистических данных и экспертных оценок.uk
dc.description.abstractukРозроблено низку математично обґрунтованих методів для розв’язання слабоструктурованих задач моделювання, прогнозування та класифікації на основі використання мереж Байєса із прихованими вершинами. Створена нова п’ятикрокова методика знаходження параметрів мережі Байєса з прихованими вершинами на основі алгоритму максимізації математичного очікування. Для визначення мір зв’язку між вершинами мереж Байєса запропоновано використати такі коефіцієнти: Пірсона; Чупрова; Крамера; лямбда Гудмана та значення взаємної інформації. Для розв’язання задачі моделювання поведінки складних систем запропонована оригінальна методика побудови та застосування гібридних мереж Байєса. Вона грунтується на використанні структурного ЕМ або градієнтного методів для побудови топології мережі та формування імовірнісного висновку на основі як точних так і наближених методів. Для формування висновку у гібридній мережі Байєса запропоновано новий підхід до дискретизації неперервних змінних із використанням методів кластерного аналізу. На основі запропонованих методів і алгоритмів розроблена оригінальна архітектура системи підтримки прийняття рішень для розпізнавання образів, а також програмно реалізована система підтримки прийняття рішень для інтелектуального аналізу даних на основі байєсівських мереж. При цьому забезпечена можливість оперативної модифікації створених обчислювальних процедур за рахунок відкритої модульної архітектури комп’ютерної системи підтримки прийняття рішень при моделюванні та прогнозуванні станів. На основі розробленого програмного забезпечення побудовано низку практично значимих моделей у вигляді гібридних мереж та мереж з прихованими вершинами. Побудову математичних імітаційних моделей виконано на основі статистичних (експериментальних) даних та експертних оцінок, які поповнюються та оновлюються у процесі використання моделі. Для перевірки коректності теорії використано аналітичні процедури та обчислювальні експерименти з використанням значних об’ємів статистичних даних та експертних оцінок.uk
dc.format.page12 с.uk
dc.identifier.govdoc0109U000300
dc.identifier.other2234
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/22675
dc.language.isoukuk
dc.publisherНТУУ «КПІ»uk
dc.publisher.placeКиївuk
dc.subjectрозпізнавання образівuk
dc.subjectбайєсівські мережіuk
dc.subjectімітаційне моделюванняuk
dc.titleПобудова системи підтримки прийняття рішень на основі теорії байєсівських мереж для моделювання поведінки складних системuk
dc.title.alternativeConstruction decision support system by using Bayesian network’s theory for modeling behavior of complex systemsuk
dc.title.alternativeПостроение системы поддержки принятия решений на основе теории сетей Байеса для моделирования поведения сложных системuk
dc.typeTechnical Reportuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
2234.pdf
Розмір:
643.74 KB
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

Анотовані описи завершених науково-дослідних робіт КПІ ім. Ігоря Сікорського