Программные продукты и системы

Статьи из выпуска № 2 за 2019 год.

Упорядочить результаты по: Дате публикации | Заголовку статьи | Авторам |

21. Квантовый генетический алгоритм в задачах моделирования интеллектуального управления и суперкомпьютинг [№2 за 2019 год]
Авторы: Ульянов С.В., Рябов Н.В.
Просмотров: 6213
В статье рассматривается применение квантового генетического алгоритма для автоматического выбора оптимального типа и вида корреляции в структуре квантового нечеткого логического вывода. В задачах интеллектуального и когнитивного управления с использованием квантовых мягких вычислений и принципов квантового глубокого машинного обучения важно правильно выбрать тип и вид квантовой корреляции. Она используется в качестве дополнительного физического и информационного вычислительного ресурса при формировании законов изменения во времени коэффициентов усиления традиционных регуляторов, находящихся на нижнем (исполнительском) уровне структуры интеллектуальной системы управления. Такой подход важен для реализации адаптивного или самоорганизующегося процесса баз знаний и гарантированного достижения цели управления в условиях непредвиденных ситуаций управления. Успешное решение задачи выбора типа и вида квантовых корреляций позволяет усилить успешный поиск решений алгоритмически неразрешимых проблем на классическом уровне управления. Генетический алгоритм – мощный инструментарий (computational intelligence toolkit) случайного поиска эффективных решений плохо формализованных задач. Однако он обладает большим недостатком при применении на классическом компьютере: низкая скорость работы и зависимость от выбора экспертом пространства поиска решений. В статье рассмотрены виды квантовых генетических алгоритмов, основанных на комбинации квантовых и классических вычислений, а также алгоритм, состоящий только из квантовых вычислений. В таком алгоритме популяция может быть составлена всего из одной хромосомы в состоянии суперпозиции. Погружение в структуру квантового нечеткого вывода квантового генетического алгоритма позволяет получить новый синергетический эффект и реализовать квантовый нечеткий вывод на классическом процессоре. Данный новый эффект основан на извлечении квантовым генетическим алгоритмом информации, скрытой в классических состояниях законов изменения во времени коэффициентов усиления традиционных регуляторов на новую непредвиденную ситуацию управления. Такой синергетический эффект возможен только за счет применения сквозной интеллектуальной информационной технологии квантовых вычислений и отсутствует на классическом уровне применения технологий классических вычислений.

22. Рекомендательная система на основе статистического обучения для неавторизованных пользователей [№2 за 2019 год]
Author: A.V. Filipyev
Просмотров: 6332
Цель данного исследования – показать, что использование статистического обучения как основы рекомендательной системы позволяет выстроить персональное взаимодействие с клиентами лучше, чем си-стема, построенная на экспертной логике. За основу разработки рекомендательной системы была взята косинусная мера сходства. Расчет этой меры имеет высокую вычислительную сложность, и автор статьи предлагает возможный путь решения данной проблемы. Матрица вероятности покупки одного продукта с другим была использована в модели взвешенных сумм с целью избежать ситуации, когда непопулярный продукт может попасть в высокий приоритет рекомендации. В разработанном модуле модель взвешенных сумм является основой объединения матрицы косинусных мер сходства и вероятностей. Одним из самых популярных алгоритмов для построения персональных рекомендаций является алгоритм коллаборативной фильтрации, но он неэффективен, когда невозможно идентифицировать пользователя в системе. Разработанный алгоритм, основанный на косинусной мере сходства, вероятностях и модели взвешенных сумм, позволил построить рекомендательную систему, работающую на основе выбранных в корзине продуктов. Рекомендательный алгоритм на основе элементов выявил преимущества использования подходов статистического обучения в задаче улучшения эффективности коммуникации с клиентами через мобильное приложение и веб-сайт. Интегрированный модуль рекомендаций продемонстрировал наиболее перспективный подход для современных компаний, который заключается в развитии культуры, основанной на данных.

◄ ← Предыдущая | 1 | 2 | 3