Հայաստանի ատենախոսությունների բաց մատչելիության պահոց = Open Access Repository of the Armenian Electronic Theses and Dissertations (Armenian ETD-OA) = Репозиторий диссертаций Армении открытого доступа

Տվյալների վերլուծության իրական ժամանակի համակարգերում վճիռների կայացման միջոցների մշակում

Աբրոյան, Նարեկ Հովհաննեսի (2019) Տվյալների վերլուծության իրական ժամանակի համակարգերում վճիռների կայացման միջոցների մշակում. PhD thesis, ՀՀ ԳԱԱ Ինֆորմատիկայի և ավտոմատացման պրոբլեմների ինստիտուտ.

[img]
Preview
PDF (Thesis)
Available under License Creative Commons Attribution.

Download (16Mb) | Preview
    [img] PDF (Abstract)
    Available under License Creative Commons Attribution.

    Download (4Mb)

      Abstract

      Աշխատանքի նպատակն է տվյալների վերլուծության իրական ժամանակի համակարգերում վճիռների կայացման մեթոդների հետազոտումը և մշակումը: Այդ նպատակին հասնելու համար դրվել և լուծվել են հետևյալ խնդիրները. մշակել նեյրոնային ցանցերի միջոցով իրական ժամանակի համակարգերում տվյալների դասակարգման եղանակներ, մշակել մեթոդ, որը կունենա կանխատեսումների բարձր ճշտություն' իր մեջ ներառելով իրական ժամանակի համակարգերում վճիռների կայացման առանձնահատկությունները, մշակել վերը նշված մեթոդն իրագործող մոդել և մոդելի օպտիմալ կառուցվածքի փնտրման ու կառուցման ալգորիթմ, կատարել Փորձարկումներ նշված կետերի համար և համեմատել գրականությունում առկա արդյունքների հետ: Առաջարկվել է իրական ժամանակի համակարգերում միաչափ փաթույթային և կրկնվող նեյրոնային ցանցերի կիրառման եղանակներ, որոնք ի տարբերություն գոյություն ունեցողների, չեն պահանջում մուտքային տվյալների կառուցվածքի նախնական ձևափոխում' բարձրացնելով ուսուցման և դասակարգման կանխատեսումների արագագործությունն ու ճշտությունը: Մշակվել է հիբրիդ դիսկրիմինատիվ-գեներատիվ նոր մեթոդ, որն ի տարբերություն գոյություն ունեցողների, կարող է պարունակել դասակարգման դիսկրիմինատիվ տարբեր ալգորիթմներ: Առաջարկվող հիբրիդ մեթոդն իր մեջ ամփոփում է երկու տեսակի ալգորիթմների առավելությունները' ձեռք բերելով հարմարվողականություն, բացակայող արժեքներով տվյալների հետ արդյունավետ աշխատելու կարողություն և բաղկացուցիչ ալգորիթմների համեմատ կանխատեսումների բարձր ճշտություն: Մշակվել է հիբրիդ դիսկրիմինատիվ-գեներատիվ մեթոդն իրագործող մոդել ու մոդելի օպտիմալ կառուցվածքի փնտրման և կառուցման նոր ալգորիթմ, որի միջոցով հնարավոր է գտնել կանխատեսումների ամենաբարձր ճշտությունն ունեցող մոդելի կառուցվածքը: Ստացված գիտական արդյունքները գործնականում կարող են կիրառվել բազմապիսի համակարգերում, որտեղ լուծվում են վճիռների կայացման խնդիրներ, խիստ կարևոր է համակարգի կանխատեսումների ճշտության բարձր մակարդակը, մշակվում են իրական ժամանակի տվյալներ: Մասնավորապես կարելի է կիրառել ֆինանսական համակարգում' կեղծ գործարքների հայտնաբերման, վարկի հայցի բավարարման և նմանատիպ այլ խնդիրների լուծման համար: Ինչպես նաև արդյունքները հնարավոր են կիրառելի լինել նաև ոչ իրական ժամանակի համակարգերում' վճիռների կայացման խնդիրների լուծման համար: Աշխատանքի շրջանակներում ստացված արդյունքների հիման վրա գրվել է ծրագրային գործիքամիջոց, որը հնարավորություն է տալիս տվյալների մուտքային հավաքածուի համար կատարել նեյրոնային ցանցերի, մշակված հիբրիդ մեթոդի մոդելի կառուցում և ուսուցում, որն այնուհետև կարելի է կիրառել վճիռների կայացման կանխատեսումներ կատարելու համար: Ստեղծվել է նաև ծրագրային փաթեթ, որը տալիս է նկարագրված գործիքամիջոցի գործնական փորձարկման հնարավորություն: Целью работы является исследование и разработка методов принятия решений в системах реального времени анализа данных. Для достижения этой цели были поставлены и решены следующие задачи: Разработать методы классификации данных в системах реального времени с помощью нейронных сетей. Разработать метод, который будет иметь высокую точность прогнозов и будет учитывать свойства систем реального времени для задач принятия решений. Разработать алгоритм, который найдет оптимальную структуру и построит модель, реализующую вышеописанный метод. Выполнять эксперименты для вышеупомянутых пунктов и сравнить полученные результаты с результатами, описанными в литературе. The purpose of the work is the research and development of decision-making methods in data analysis real-time systems. To achieve this goal, the following problems have been set and solved: Develop data classification methods in real-time systems through neural networks, Develop a method that will have high accuracy of predictions and will take into account the properties of real-time systems for decision-making problems, Develop an algorithm, which will find an optimal structure and build the model, which implements the above described method. Perform experiments for above mentioned points and compare obtained results with the results available in the literature.

      Item Type: Thesis (PhD)
      Additional Information: Разработка средств принятия решений в системах реального времени анализа данных. Development of decision-making tools for real-time data analyzing systems.
      Uncontrolled Keywords: Аброян Нарек Оганесович, Abroyan Narek Hovhannes
      Subjects: Control, Automation and Electrical Engineering
      Divisions: UNSPECIFIED
      Depositing User: NLA Circ. Dpt.
      Date Deposited: 02 Jul 2019 10:58
      Last Modified: 21 Nov 2019 12:48
      URI: http://etd.asj-oa.am/id/eprint/10596

      Actions (login required)

      View Item