Scientific-method apparatus for improving the efficiency of information processing using artificial intelligence
Ключові слова:
Біологічні алгоритми, багатоагентні системи, алгоритм «вовчої зграї», надійність та адекватністьКороткий опис
У цьому розділі дослідження запропоновано науково-методичний апарат для підвищення ефективності обробки інформації з використанням штучного інтелекту. Основою даного дослідження є теорія штучного інтелекту, а саме еволюція штучних нейронних мереж, базові процедури генетичних алгоритмів та біоінспіровані алгоритми.
В ході дослідження авторами було запропоновано
– метод параметричної оптимізації на основі вдосконаленого алгоритму вовчої зграї;
– метод параметричного оцінювання об'єкта керування на основі вдосконаленого алгоритму світлячка;
– метод пошуку рішень з використанням удосконаленого алгоритму рою сарани;
– метод пошуку рішень з використанням удосконаленого алгоритму імператорського пінгвіна.
Критерієм ефективності зазначеного науково-методичного апарату обрано оперативність прийняття рішень щодо параметричного контролю стану об'єкта із заданою достовірністю. Це дає можливість створити ієрархічний опис складного процесу за рівнями узагальнення та провести відповідний аналіз його стану. Використання запропонованого науково-методичного апарату дозволить:
– зменшити ймовірність передчасної збіжності алгоритму;
– підтримувати баланс між швидкістю збіжності алгоритму та диверсифікацією;
– врахувати тип невизначеності та зашумленість даних;
– враховувати наявні обчислювальні ресурси системи аналізу стану об'єкта аналізу;
– враховувати пріоритетність пошуку агентами зграї;
– здійснювати початкове відображення особин з урахуванням типу невизначеності;
– проводити точне навчання особин АС;
– проводити локальний та глобальний пошук з урахуванням ступеня зашумленості даних про стан об'єкта аналізу;
– застосовувати як універсальний інструмент для вирішення задачі аналізу стану об'єктів аналізу за рахунок ієрархічного опису об'єктів аналізу;
– перевіряти адекватність отриманих результатів;
– уникнути проблеми локального екстремуму.
Посилання
Shyshatskyi, A. V., Bashkyrov, O. M., Kostyna, O. M. (2015). Rozvytok intehrovanykh system zviazku ta peredachi danykh dlia potreb Zbroinykh Syl. Ozbroiennia ta viiskova tekhnika, 1 (5), 35–40.
Dudnyk, V., Sinenko, Y., Matsyk, M., Demchenko, Y., Zhyvotovskyi, R., Repilo, I. et al. (2020). Development of a method for training artificial neural networks for intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 3 (2 (105)), 37–47. https://doi.org/10.15587/1729-4061.2020.203301
Sova, O., Shyshatskyi, A., Salnikova, O., Zhuk, O., Trotsko, O., Hrokholskyi, Y. (2021). Development of a method for assessment and forecasting of the radio electronic environment. EUREKA: Physics and Engineering, 4, 30–40. https://doi.org/10.21303/2461-4262.2021.001940
Pievtsov, H., Turinskyi, O., Zhyvotovskyi, R., Sova, O., Zvieriev, O., Lanetskii, B., Shyshatskyi, A. (2020). Development of an advanced method of finding solutions for neuro-fuzzy expert systems of analysis of the radioelectronic situation. EUREKA: Physics and Engineering, 4, 78–89. https://doi.org/10.21303/2461-4262.2020.001353
Zuiev, P., Zhyvotovskyi, R., Zvieriev, O., Hatsenko, S., Kuprii, V., Nakonechnyi, O. et al. (2020). Development of complex methodology of processing heterogeneous data in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 4 (9 (106)), 14–23. https://doi.org/10.15587/1729-4061.2020.208554
Shyshatskyi, A., Zvieriev, O., Salnikova, O., Demchenko, Ye., Trotsko, O., Neroznak, Ye. (2020). Complex Methods of Processing Different Data in Intellectual Systems for Decision Support System. International Journal of Advanced Trends in Computer Science and Engineering, 9 (4), 5583–5590. https://doi.org/10.30534/ijatcse/2020/206942020
Yeromina, N., Kurban, V., Mykus, S., Peredrii, O., Voloshchenko, O., Kosenko, V. et al. (2021). The Creation of the Database for Mobile Robots Navigation under the Conditions of Flexible Change of Flight Assignment. International Journal of Emerging Technology and Advanced Engineering, 11 (5), 37–44. https://doi.org/10.46338/ijetae0521_05
Rotshtein, A. P. (1999). Intellektualnye tekhnologii identifikatcii: nechetkie mnozhestva, geneticheskie algoritmy, neironnye seti. Vinnitca: UNIVERSUM, 320.
Alpeeva, E. A., Volkova, I. I. (2019). The use of fuzzy cognitive maps in the development of an experimental model of automation of production accounting of material flows. Russian Journal of Industrial Economics, 12 (1), 97–106. https://doi.org/10.17073/2072-1633-2019-1-97-106
Zagranovskaia, A. V., Eissner, Iu. N. (2017). Simulation scenarios of the economic situation based on fuzzy cognitive maps. Modern economics: problems and solutions, 10 (94), 33–47. https://doi.org/10.17308/meps.2017.10/1754
Simankov, V. S., Putiato, M. M. (2013). Issledovanie metodov kognitivnogo analiza. Sistemnyi analiz, upravlenie i obrabotka informatcii, 13, 31–35.
Ko, Y.-C., Fujita, H. (2019). An evidential analytics for buried information in big data samples: Case study of semiconductor manufacturing. Information Sciences, 486, 190–203. https://doi.org/10.1016/j.ins.2019.01.079
Ramaji, I. J., Memari, A. M. (2018). Interpretation of structural analytical models from the coordination view in building information models. Automation in Construction, 90, 117–133. https://doi.org/10.1016/j.autcon.2018.02.025
Pérez-González, C. J., Colebrook, M., Roda-García, J. L., Rosa-Remedios, C. B. (2019). Developing a data analytics platform to support decision making in emergency and security management. Expert Systems with Applications, 120, 167–184. https://doi.org/10.1016/j.eswa.2018.11.023
Chen, H. (2018). Evaluation of Personalized Service Level for Library Information Management Based on Fuzzy Analytic Hierarchy Process. Procedia Computer Science, 131, 952–958. https://doi.org/10.1016/j.procs.2018.04.233
Chan, H. K., Sun, X., Chung, S.-H. (2019). When should fuzzy analytic hierarchy process be used instead of analytic hierarchy process? Decision Support Systems, 125, 113114. https://doi.org/10.1016/j.dss.2019.113114
Osman, A. M. S. (2019). A novel big data analytics framework for smart cities. Future Generation Computer Systems, 91, 620–633. https://doi.org/10.1016/j.future.2018.06.046
Gödri, I., Kardos, C., Pfeiffer, A., Váncza, J. (2019). Data analytics-based decision support workflow for high-mix low-volume production systems. CIRP Annals, 68 (1), 471–474. https://doi.org/10.1016/j.cirp.2019.04.001
Harding, J. L. (2013). Data quality in the integration and analysis of data from multiple sources: some research challenges. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-2/W1, 59–63. https://doi.org/10.5194/isprsarchives-xl-2-w1-59-2013
Kosko, B. (1986). Fuzzy cognitive maps. International Journal of Man-Machine Studies, 24 (1), 65–75. https://doi.org/10.1016/s0020-7373(86)80040-2
Gorelova, G. V. (2013). Cognitive approach to simulation of large systems. Izvestiia IuFU. Tekhnicheskie nauki, 3, 239–250.
Orouskhani, M., Orouskhani, Y., Mansouri, M., Teshnehlab, M. (2013). A Novel Cat Swarm Optimization Algorithm for Unconstrained Optimization Problems. International Journal of Information Technology and Computer Science, 5 (11), 32–41. https://doi.org/10.5815/ijitcs.2013.11.04
Koshlan, A., Salnikova, O., Chekhovska, M., Zhyvotovskyi, R., Prokopenko, Y., Hurskyi, T. et al. (2019). Development of an algorithm for complex processing of geospatial data in the special-purpose geoinformation system in conditions of diversity and uncertainty of data. Eastern-European Journal of Enterprise Technologies, 5 (9 (101)), 35–45. https://doi.org/10.15587/1729-4061.2019.180197
Mahdi, Q. A., Shyshatskyi, A., Prokopenko, Y., Ivakhnenko, T., Kupriyenko, D., Golian, V. et al. (2021). Development of estimation and forecasting method in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 3 (9 (111)), 51–62. https://doi.org/10.15587/1729-4061.2021.232718
Emelianov, V. V., Kureichik, V. V., Kureichik, V. M., Emelianov, V. V. (2003). Teoriia i praktika evoliutcionnogo modelirovaniia. Moscow: Fizmatlit, 432.
Gorokhovatsky, V., Stiahlyk, N., Tsarevska, V. (2021). Combination method of accelerated metric data search in image classification problems. Advanced Information Systems, 5 (3), 5–12. https://doi.org/10.20998/2522-9052.2021.3.01
Levashenko, V., Liashenko, O., Kuchuk, H. (2020). Building Decision Support Systems based on Fuzzy Data. Advanced Information Systems, 4 (4), 48–56. https://doi.org/10.20998/2522-9052.2020.4.07
Meleshko, Y., Drieiev, O., Drieieva, H. (2020). Method of identification bot profiles based on neural networks in recommendation systems. Advanced Information Systems, 4 (2), 24–28. https://doi.org/10.20998/2522-9052.2020.2.05
Kuchuk, N., Merlak, V., Skorodelov, V. (2020). A method of reducing access time to poorly structured data. Advanced Information Systems, 4 (1), 97–102. https://doi.org/10.20998/2522-9052.2020.1.14
Shyshatskyi, A., Tiurnikov, M., Suhak, S., Bondar, O., Melnyk, A., Bokhno, T., Lyashenko, A. (2020). Method of assessment of the efficiency of the communication of operational troop grouping system. Advanced Information Systems, 4 (1), 107–112. https://doi.org/10.20998/2522-9052.2020.1.16
Raskin, L., Sira, O. (2016). Method of solving fuzzy problems of mathematical programming. Eastern-European Journal of Enterprise Technologies, 5 (4 (83)), 23–28. https://doi.org/10.15587/1729-4061.2016.81292
Lytvyn, V., Vysotska, V., Pukach, P., Brodyak, O., Ugryn, D. (2017). Development of a method for determining the keywords in the slavic language texts based on the technology of web mining. Eastern-European Journal of Enterprise Technologies, 2 (2 (86)), 14–23. https://doi.org/10.15587/1729-4061.2017.98750
Stepanenko, A., Oliinyk, A., Deineha, L., Zaiko, T. (2018). Development of the method for decomposition of superpositions of unknown pulsed signals using the secondorder adaptive spectral analysis. Eastern-European Journal of Enterprise Technologies, 2 (9 (92)), 48–54. https://doi.org/10.15587/1729-4061.2018.126578
Gorbenko, I., Ponomar, V. (2017). Examining a possibility to use and the benefits of post-quantum algorithms dependent on the conditions of their application. Eastern-European Journal of Enterprise Technologies, 2 (9 (86)), 21–32. https://doi.org/10.15587/1729-4061.2017.96321
Lovska, A. A. (2015). Peculiarities of computer modeling of strength of body bearing construction of gondola car during transportation by ferry-bridge. Metallurgical and Mining Industry, 1, 49–54.
Lovska, A., Fomin, O. (2020). A New fastener to ensure the reliability of a passenger car body on a train ferry. Acta Polytechnica, 60 (6), 478–485. https://doi.org/10.14311/ap.2020.60.0478
Koval, M., Sova, O., Orlov, O., Shyshatskyi, A., Artabaiev, Y., Shknai, O., Veretnov, A., Koshlan, O., Zhyvylo, Y., Zhyvylo, I. (2022). Improvement of complex resource management of special-purpose communication systems. Eastern-European Journal of Enterprise Technologies, 5 (9 (119)), 34–44. https://doi.org/10.15587/1729-4061.2022.266009
##submission.downloads##
Сторінки
138-167
Опубліковано
серпня 16, 2024
Авторське право (c) 2024 Svitlana Kashkevich, Illia Dmytriiev, Inna Shevchenko, Oleksandr Lytvynenko, Lyubov Shabanova-Kushnarenko, Nataliia Apenko
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Деталі щодо доступних видів видань: PDF
PDF
ISBN-13 (15)
978-617-8360-04-7
Як цитувати
Кашкевич, С., Дмитрієв, І., Шевченко, І., Литвиненко, О., Шабанова-Кушнаренко, Л., & Апенько, Н. (2024). Scientific-method apparatus for improving the efficiency of information processing using artificial intelligence. в А. Шишацький (ред.), INFORMATION AND CONTROL SYSTEMS: MODELLING AND OPTIMIZATIONS (с. 138–167). Kharkiv: ПП "ТЕХНОЛОГІЧНИЙ ЦЕНТР". https://doi.org/10.15587/978-617-8360-04-7.ch5
