2021
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/52264
Переглянути
2 результатів
Результати пошуку
Документ Удосконалення моделі поведінки інтелектуального агенту на основі генетичного алгоритму(Національний технічний університет "Харківський політехнічний інститут", 2021) Виноградов, В. В.; Шумова, Л. О.; Білобородова, Т. О.Представлено вирішення завдання удосконалення моделі поведінки неігрового персонажу, що виступає в якості інтелектуального агенту, за рахунок оптимізації вхідних параметрів на основі генетичного алгоритму. Запропонований підхід включає розробку моделі неігрового персонажу: скелету, твердих тіл та реалізація динамічної моделі персонажу, заснованої на алгоритмі Фізерстоуна, та моделювання поведінки персонажу на основі генетичного алгоритму. Запропоновано формування моделі поведінки із використанням генетичного алгоритму, що моделює фізичні властивості персонажу з урахуванням його дій. Етапи роботи генетичного алгоритму включають: створення початкової популяції, оцінка пристосовуваності, відбір, схрещування та мутації. За результатами проведених експериментів визначено вхідні параметри моделі поведінки неігрового персонажу, що максимізують сукупну оцінку пристосовності, яка виступає в якості оцінки винагороди та які можуть бути використані як початкові вхідні значення при проведенні подальших експериментів.Документ Удосконалення рекомендаційної веборієнтованої системи за рахунок колаборативної фільтрації(Національний технічний університет "Харківський політехнічний інститут", 2021) Покришка, С. А.; Шумова, Л. О.Представлено вирішення задачі удосконалення рекомендаційної веборієнтованої системи за рахунок колаборативної фільтрації для надання рекомендацій користувачу вебсервісу зі статтями на тему ігор. В ході досліджень систематизовано сукупність етапів розробки та удосконалення рекомендаційної веборієнтованої системи. Представлена структура бази даних та метод колаборативної фільтрації з запропонованою мірою подібності для формування рекомендацій користувачам. Використано попереднє структурування статей за категоріями для виявлення вподобань користувачів та надання рекомендацій. Використання колаборативної фільтрації з запропонованою мірою подібності дозволило підвищити кількість переглянутих користувачами статей.