Розроблено метод "нейронної міграції" навчання, яка базується на ідеї підвищення топологічного впорядкування карт. Наведено динамічно-інтервальну самоорганізовану карту. Вдосконалено метод візуалізації кластерної структури даних. Висвітлено алгоритм сегментації зображень, який використано під час побудови тренажера української жестової мови. Здійснено математичне та програмне забезпечення для інтелектуального аналізу даних, яке інкорпорує багатопотоковий алгоритм навчання карт.

  Скачати повний текст

Розроблено моделі й інтелектуальні методи кластерного аналізу даних, які дозволяють класифікувати дані за умов апріорної невизначеності щодо стуктури розбиття та кількості кластерів, а також ураховувати інтуїтивне уявлення про групування даних, що забезпечує підвищення якості класифікації. Запропоновано метод нечіткого кластерного аналізу даних на підставі розбиття множини на класи еквівалентності за нечітким відношенням. Створено модель формування ознакового простору в задачах кластерного аналізу зображень, в якій на відміну від існуючих використано хаотичні відображення, що дозволяє істотно знизити кореляційні залежності між елементами зображень. Одержані результати розширено на класи задач стиснення та кодування графічної інформації, формування апроксимаційних нечітких моделей складних об'єктів і методи обробки часових рядів біомедичних даних, що дозволило підвищити якість групування даних за умов апріорної невизначеності щодо структури розбиття та кількості кластерів. Підтверджено ефективність синтезованих моделей і методів, які використано для створення систем аналізу біомедичної інформації для виділення груп епідемічних даних під час розрахунків толерантних меж неепідемічної захворюваності на грип та гострі респіраторні вірусні інфекції; розробки систем підтримки проектних рішень на стадії ескізного проектування авіаційних газотурбінних двигунів для формування апроксимаційної нечіткої моделі двигуна, а також систем аналізу візуальної інформації для кодування та стиснення зображень.

  Скачати повний текст

Запропоновано спосіб вирішення актуальної наукової задачі підвищення якості первинної інформації, що використовується у процесі науково-дослідних і проектних робіт, шляхом побудови й аналізу математичних моделей структур даних і математичних моделей поведінки учасників процесу реєстрації даних, що дозволяє удосконалювати інформаційні системи підтримки наукових досліджень і проектних робіт. Запропоновано нові підходи до підвищення якості первинних даних: математичне моделювання структур даних, дослідження інваріантів цих моделей і розробка обчислювальних методів контролю відповідності даних, які вводяться, знайденим інваріантам; побудова й аналіз математичної моделі поведінки осіб, які беруть участь у процесі реєстрації даних для з'ясування умов, що сприяють виконанню учасниками процесу необхідних процедур, спрямованих на забезпечення якості даних. Розроблено прототипи програмного забезпечення, що дозволяє розв'язувати практичні задачі підвищення якості даних у процесі їх реєстрації.

  Скачати повний текст