Мультиагентний підхід для систем класифікаторів, що навчаються

1. МУЛЬТИАГЕНТНИЙ ПІДХІД ДЛЯ СИСТЕМ КЛАСИФІКАТОРІВ, ЩО НАВЧАЮТЬСЯ

ТОВЧИРЕЧКО Д. О.
НАУКОВИЙ КЕРІВНИК ПРОФ. АКСАК Н. Г.
ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ
РАДІОЕЛЕКТРОНІКИ «ХНУРЕ», М. ХАРКІВ

2.

СИСТЕМИ ПРИЙНЯТТЯ РІШЕНЬ
• Нейронні мережі
• Класифікатори, що навчаються
(Learning Classifier System)

3.

СИСТЕМИ КЛАСИФІКАТОРІВ, ЩО НАВЧАЮТЬСЯ
Базова Learning Classifier System складається з:
• популяції правил;
• системи пропорційного розподілу заслуг (RL-компонент),
що реалізує техніку адаптивного навчання з
підкріпленням;
• механізму еволюції правил, який зазвичай реалізований
за допомогою генетического алгоритму.

4. Архітектура системи класифікаторів, що навчаються

АРХІТЕКТУРА СИСТЕМИ КЛАСИФІКАТОРІВ, ЩО
НАВЧАЮТЬСЯ

5. Етапи побудови системи класифікаторів з використанням бібліотеки

ЕТАПИ ПОБУДОВИ СИСТЕМИ КЛАСИФІКАТОРІВ
З ВИКОРИСТАННЯМ БІБЛІОТЕКИ

6.

ВИСНОВКИ
Використання мультиагентного підходу значно збільшує
загальну ефективність дослідження, а об’єктно-орієнтований
підхід надає розробникам можливість зменшити час на
технічних роботах і зосередитись більше на аналізі соціальних
явиш. Це забезпечує високу гнучкість в процесі побудови LCS
для певної цілі моделювання.