Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
4 результатів
Результати пошуку
Документ Машинне навчання(2022) Гавриленко, Світлана Юріївна; Челак, Віктор Володимирович; Горносталь, Олексій Андрійович; Зозуля, Владислав ДенисовичЛабораторний практикум містить необхідний матеріал для виконання лабораторних робіт: варіанти завдань, стислий теоретичний матеріал, методичні вказівки та зразок виконання лабораторних робіт, приклади текстів програм та екранних форм, які демонструють результати роботи методів машинного навчання для класифікації, кластеризації та попередньої обробки даних. Призначено для студентів комп’ютерних спеціальностей вищих навчальних закладів.Документ Розробка методу ідентифікації стану комп'ютерних систем на основі беггінг-класифікаторів(Національний технічний університет "Харківський політехнічний інститут", 2021) Гавриленко, Світлана Юріївна; Горносталь, Олексій АндрійовичПредметом дослідження є методи та засоби ідентифікації стану комп'ютерної системи. Метою статті є підвищення якості ідентифікації стану комп'ютерної системи за рахунок розробки методу на основі ансамблевих класифікаторів. Завдання: дослідити методи побудови беггінг класифікаторів на основі дерев рішень, виконати їх налаштування та розробити метод ідентифікації стану комп'ютерної системи. Використовуваними методами є: методи штучного інтелекту, машинного навчання, ансамблеві методи. Отримано такі результати: досліджено використання беггінг-класифікаторів на основі мета-алгоритмів: Pasting Ensemble, Bootstrap Ensemble, Random Subspace Ensemble, Random Patches Ensemble та Random Forest для ідентифікації стану КС, виконано оцінку їх точності. Виконано дослідження параметрів налаштування окремих дерев рішень та знайдено їх оптимальні значення, а саме: максимальну кількість ознак, що використовуються при побудові дерева; мінімальну кількість розгалужень при побудові дерева; мінімальну кількість листків та максимальну глибину дерева. Визначено оптимальну кількість дерев рішень ансамблю. Запропоновано метод ідентифікації стану комп'ютерної системи, який відрізняється від відомих вибором мета-алгоритму класифікації та підбором оптимальних параметрів його налаштування. Проведено оцінку точності розробленого методу ідентифікації стану комп’ютерної системи. Розроблений метод реалізований програмно і досліджений під час розв’язання задачі ідентифікації аномального стану функціонування комп’ютерної системи. Висновки. Наукова новизна отриманих результатів полягає у розробці методу ідентифікації стану комп’ютерної системи за рахунок вибору мета-алгоритму класифікації та визначення оптимальних параметрів його налаштування.Документ Методичні вказівки до виконання та оформлення розрахунково-графічних завдань з навчальної дисципліни "Паралельні та розподілені обчислення"(ФОП Петров В. В., 2021) Черних, Олена Петрівна; Калашніков, Володимир Іванович; Бульба, Сергій Сергійович; Горносталь, Олексій АндрійовичВикладена методика розрахована на застосування комп'ютерного моделювання, за допомогою якого знайомлять студентів з методологією побудови паралельних алгоритмів, конфігуруванням обчислювального середовища, інтерпретацією і дослідженням результатів роботи паралельної програми на безлічі вихідних даних, виконання та оформлення розрахунково-графічних завдань. Методичні вказівки підготовлені на кафедрі "Обчислювальна техніка та програмування" і можуть бути використані для підготовки дипломованих фахівців за спеціальностями 123 "Комп’ютерна інженерія" і 125 "Кібербезпека".Документ Development of a method for identifying the state of a computer systemusing fuzzy cluster analysis(Національний технічний університет "Харківський політехнічний інститут", 2020) Gavrylenko, Svitlana; Chelak, Viktor; Hornostal, Oleksii; Vassilev, VelizarThe subject of this article is the study of methods for identifying the state of computer systems. The purpose of the article is to develop a method for identifying the abnormal state of a computer system based on fuzzy cluster analysis. Objective: to analyze methods for identifying the state of computer systems; to conduct research on the selection of source data; to develop a method for identifying the state of a computer system with a small sample or fuzzy source data; to investigate and justify the procedure for comparing fuzzy distances between grouping centers and clustering objects; to develop a software and test. The methodsused in the paper: cluster analysis, fuzzy logic tools. The following resultswere obtained: a method was theoretically substantiated and investigated for identifying the state of a computer system with a small sample or fuzziness of the initial data, which is distinguished by the use of the method based on fuzzy cluster analysis by the refined grouping procedure. To solve the clustering problem, we used a special procedure for comparing fuzzy distances between grouping centers and clustering objects. Software was developed and testing of the developed method was performed. The quality of classification based on the ROC analysis is assessed. Conclusions. The scientific novelty of the results is as follows: a study was conducted on the selection of source data for analysis; a method for identifying the state of a computer system based on fuzzy cluster analysis using a special procedure for comparing fuzzy distances between grouping centers and clustering objects has been developed. This allowed to improve the classification quality to 22 %.