МОДИФИКАЦИЯ НЕКОТОРЫХ ПРОЦЕДУР АВТОМАТИЧЕСКОГО АНАЛИЗА ДАННЫХ

УДК 519.23

А.А.Моисеев

Проведено рассмотрение алгоритмов автоматического анализа данных, которое показало, что они имеют сравнительно простую основу. Генетическая оптимизация была сведена к двухшаговой версии случайного поиска экстремума, шагами в которой является предварительное смешивание результатов первичного поиска, аналогичное скрещиванию, и вторичный случайный поиск в выделенной области, соответствующий мутации. Метод потенциальных функций позволил сравнительно просто реализовать автоматическую кластеризацию входной выборки без ограничений на ее характер. В предложенном алгоритме обучения перцептронного классификатора обработка в ассоциативном нейроне была реализована в виде усреднение сигналов от подключенных рецепторов с вычитанием постоянной величины. Дополнительное использование условия нормировки адаптивных коэффициентов делает ее малосущественной при использовании выбора максимума в качестве решающего правила. Методически несложно реализована процедура обучения алгоритма нечеткого управления, базирующаяся на выравнивании частот реализации управляющих воздействий при использовании эквидистантной выборки входных состояний.

Ключевые слова: автоматический анализ данных, генетическая оптимизация, случайный поиск, скрещивание, мутация, потенрисциальные функции, кластеризация, перцептрон, классификатор, обучение, нечеткое управление.

Полный текст статьи:
Moiseev_4_16_3.pdf