Reconstruction of Distance Matrixes and their Aplication

Reconstruction of Distance Matrixes and their Aplication

Distance matrix are used in geometric modeling and in the restoration of geometric objects, economics, bioinformatics, and programming. Distance matrices are used in machine learning, for example, programs related to road traffic, bus routes, and geolocation. In particular, Yandex has created a serv...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2021
Автори: Зеленський, Олексій, Дармосюк, Валентина, Лобач, Роман
Формат: Стаття
Мова:Ukrainian
Опубліковано: Кам'янець-Подільський національний університет імені Івана Огієнка 2021
Онлайн доступ:http://mcm-math.kpnu.edu.ua/article/view/251168
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Mathematical and computer modelling. Series: Physical and mathematical sciences

Репозитарії

Mathematical and computer modelling. Series: Physical and mathematical sciences
id mcm-mathkpnueduua-article-251168
record_format ojs
institution Mathematical and computer modelling. Series: Physical and mathematical sciences
collection OJS
language Ukrainian
format Article
author Зеленський, Олексій
Дармосюк, Валентина
Лобач, Роман
spellingShingle Зеленський, Олексій
Дармосюк, Валентина
Лобач, Роман
Reconstruction of Distance Matrixes and their Aplication
author_facet Зеленський, Олексій
Дармосюк, Валентина
Лобач, Роман
author_sort Зеленський, Олексій
title Reconstruction of Distance Matrixes and their Aplication
title_short Reconstruction of Distance Matrixes and their Aplication
title_full Reconstruction of Distance Matrixes and their Aplication
title_fullStr Reconstruction of Distance Matrixes and their Aplication
title_full_unstemmed Reconstruction of Distance Matrixes and their Aplication
title_sort reconstruction of distance matrixes and their aplication
title_alt Відновлення матриць відстаней та їх застосування
description Distance matrix are used in geometric modeling and in the restoration of geometric objects, economics, bioinformatics, and programming. Distance matrices are used in machine learning, for example, programs related to road traffic, bus routes, and geolocation. In particular, Yandex has created a service in which distance matrices predict road congestion at the right time in the future. In this way, motorists can prevent traffic jams. Distance matrices can also be used to create any statistics. In bioinformatics, distance matrices are used to represent protein structures in a coordinate-independent manner, or to reconstruct distances in the DNA chain. Distance Matrix API is a service that provides distance and time for the exit and destination matrix. The API returns information based on the suggested route between the start and end points calculated by the Google Maps API and consists of paths that include duration and distance values for each pair. In [4] authors reviews the fundamental properties of EDMs, such as rank or (non)definiteness. Authors shows how various EDM properties can be used to design algorithms for completing and denoising distance data. Along the way, authors demonstrates applications to microphone position calibration, ultrasound tomography. The paper finds a criterion for the possibility of restoring the matrix of Euclidean distances on a line and between the vertices of a convex n-gon on a plane. An algorithm for transferring a key to a cipher using Euclidean distance matrices on a plane has been developed. A fast algorithm for reconstructing the distance matrixes between objects on a straight line has been developed.
publisher Кам'янець-Подільський національний університет імені Івана Огієнка
publishDate 2021
url http://mcm-math.kpnu.edu.ua/article/view/251168
work_keys_str_mv AT zelensʹkijoleksíj reconstructionofdistancematrixesandtheiraplication
AT darmosûkvalentina reconstructionofdistancematrixesandtheiraplication
AT lobačroman reconstructionofdistancematrixesandtheiraplication
AT zelensʹkijoleksíj vídnovlennâmatricʹvídstanejtaíhzastosuvannâ
AT darmosûkvalentina vídnovlennâmatricʹvídstanejtaíhzastosuvannâ
AT lobačroman vídnovlennâmatricʹvídstanejtaíhzastosuvannâ
first_indexed 2024-04-21T19:24:48Z
last_indexed 2024-04-21T19:24:48Z
_version_ 1796973514636394496
spelling mcm-mathkpnueduua-article-2511682022-01-13T12:59:22Z Reconstruction of Distance Matrixes and their Aplication Відновлення матриць відстаней та їх застосування Зеленський, Олексій Дармосюк, Валентина Лобач, Роман Distance matrix are used in geometric modeling and in the restoration of geometric objects, economics, bioinformatics, and programming. Distance matrices are used in machine learning, for example, programs related to road traffic, bus routes, and geolocation. In particular, Yandex has created a service in which distance matrices predict road congestion at the right time in the future. In this way, motorists can prevent traffic jams. Distance matrices can also be used to create any statistics. In bioinformatics, distance matrices are used to represent protein structures in a coordinate-independent manner, or to reconstruct distances in the DNA chain. Distance Matrix API is a service that provides distance and time for the exit and destination matrix. The API returns information based on the suggested route between the start and end points calculated by the Google Maps API and consists of paths that include duration and distance values for each pair. In [4] authors reviews the fundamental properties of EDMs, such as rank or (non)definiteness. Authors shows how various EDM properties can be used to design algorithms for completing and denoising distance data. Along the way, authors demonstrates applications to microphone position calibration, ultrasound tomography. The paper finds a criterion for the possibility of restoring the matrix of Euclidean distances on a line and between the vertices of a convex n-gon on a plane. An algorithm for transferring a key to a cipher using Euclidean distance matrices on a plane has been developed. A fast algorithm for reconstructing the distance matrixes between objects on a straight line has been developed. Матриці відстаней застосовуються в геометричному моделюванні та в задачах відновлення геометричних об’єктів, економіці, біоінформатиці, програмуванні. Матриці відстаней застосовуються у машинному навчанні, наприклад, створюються програми, пов'язані з дорожнім трафіком, автобусними маршрутами, геолокацією зокрема компанія Yandex створила сервіс, у якому, за допомогою матриць відстаней прогнозується завантаженість доріг, на потрібний час у майбутньому. Таким чином, автомобілісти можуть запобігти потрапляння у затори. Distance Matrix API — це сервіс, який повідомляє відстань і час в дорозі між початком руху та точкою призначення. Сервіс повертає інформацію на основі запропонованого маршруту між початковою та кінцевою точками, обчисленого API картами Google, і складається із значеннь тривалості подорожі та відстані для кожної пари пунктів. Також матриці відстаней можуть бути застосовані при створенні будь-якої статистики. У біоінформатиці матриці відстаней використовуються для представлення структур білків незалежним від координат чином, або для відновлення відстаней у ланцюгу ДНК. У [4] автори розглядають фундаментальні властивості EDM, такі як ранг та не визначеність. У статті досліджують, як різні властивості EDM можуть бути використані для розробки алгоритмів для заповнення та зменшення шумів даних про відстані. Попутно автори демонструють застосування матриць відстаней для калібрування положення мікрофона та ультразвукової томографії. В роботі знайдено критерій можливості відновлення матриці Евклідових відстаней на прямій, та між вершинами опуклого n-кутника на площині. Розроблено алгоритм передачі ключа к шифру з використанням матриць Евклідових відстаней на площині. Розроблено швидкий алгоритм відновлення матриці відстаней між об’єктами на прямій. Кам'янець-Подільський національний університет імені Івана Огієнка 2021-10-19 Article Article Рецензована Стаття application/pdf http://mcm-math.kpnu.edu.ua/article/view/251168 10.32626/2308-5878.2021-22.75-80 Mathematical and computer modelling. Series: Physical and mathematical sciences; 2021: Mathematical and computer modelling. Series: Physical and mathematical sciences. Issue 22; 75-80 Математичне та комп'ютерне моделювання. Серія: Фізико-математичні науки; 2021: Математичне та комп'ютерне моделювання. Серія: Фізико-математичні науки. Випуск 22; 75-80 2308-5878 10.32626/2308-5878.2021-22 uk http://mcm-math.kpnu.edu.ua/article/view/251168/248626

Схожі ресурси