Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов

Рассмотрены принципы построения архитектуры программной платформы для реализации алгоритмов МГУА. Приведен аналитический обзор программных продуктов для индуктивного моделирования. Предложена объектно-ориентированная структура платформы, позволяющая реализовать алгоритмы МГУА, базисы, методы обучени...

Повний опис

Збережено в:

Бібліографічні деталі
Опубліковано в: :	Управляющие системы и машины
Дата:	2013
Автор:	Орлов, А.А.
Формат:	Стаття
Мова:	Російська
Опубліковано:	Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України 2013
Теми:	Программная инженерия и программные средства
Онлайн доступ:	https://nasplib.isofts.kiev.ua/handle/123456789/83145
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:	Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов / А.А. Орлов // Управляющие системы и машины. — 2013. — № 2. — С. 65-71, 88. — Бібліогр.: 32 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

_version_	1860140095793790976
author	Орлов, А.А.
author_facet	Орлов, А.А.
citation_txt	Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов / А.А. Орлов // Управляющие системы и машины. — 2013. — № 2. — С. 65-71, 88. — Бібліогр.: 32 назв. — рос.
collection	DSpace DC
container_title	Управляющие системы и машины
description	Рассмотрены принципы построения архитектуры программной платформы для реализации алгоритмов МГУА. Приведен аналитический обзор программных продуктов для индуктивного моделирования. Предложена объектно-ориентированная структура платформы, позволяющая реализовать алгоритмы МГУА, базисы, методы обучения и критерии селекции моделей. Principles of construction of the software framework architecture for the implementation of the algorithms of a group method of data handling are considered. The analytic survey of the inductive modeling software is given. An object-oriented platform structure allowing to implement the algorithms, model bases, training methods and selection criteria of the models is suggested. Розглянуто принципи побудови архітектури програмної платформи для реалізації алгоритмів методу МГУА. Подано аналітичний огляд програмних продуктів для індуктивного моделювання. Запропоновано об'єктно-орієнтовану структуру платформи, що дозволяє реалізувати алгоритми МГУА, базиси, методи навчання та критерії селекції моделей.
first_indexed	2025-12-07T17:48:59Z
format	Article
fulltext	УСиМ, 2013, № 2 65 Программная инженерия и программные средства УДК 004.41[2+4+5]:004.855 А.А. Орлов Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов Рассмотрены принципы построения архитектуры программной платформы для реализации алгоритмов МГУА. Приведен ана- литический обзор программных продуктов для индуктивного моделирования. Предложена объектно-ориентированная струк- тура платформы, позволяющая реализовать алгоритмы МГУА, базисы, методы обучения и критерии селекции моделей. Principles of construction of the software framework architecture for the implementation of the algorithms of a group method of data handling are considered. The analytic survey of the inductive modeling software is given. An object-oriented platform structure allowing to implement the algorithms, model bases, training methods and selection criteria of the models is suggested. Розглянуто принципи побудови архітектури програмної платформи для реалізації алгоритмів методу МГУА. Подано аналіти- чний огляд програмних продуктів для індуктивного моделювання. Запропоновано об'єктно-орієнтовану структуру платформи, що дозволяє реалізувати алгоритми МГУА, базиси, методи навчання та критерії селекції моделей. Введение. Известно множество успешных при- менений метода группового учета аргументов (МГУА) в самых различных областях: распо- знавание образов, нахождение физических и не- физических закономерностей, идентификация нелинейных систем, краткосрочное и долго- срочное прогнозирование стационарных и не- стационарных процессов, управление сложны- ми техническими объектами и др. [1–3]. При этом каждый из проектов в каждой из указан- ных областей выдвигает собственные требова- ния к конкретной практической реализации тех- нологии МГУА. Поэтому исследователям не- обходимо иметь разнообразие доступных ал- горитмов метода, базисов, методов обучения и критериев селекции моделей [3–5] для выра- ботки наиболее эффективного их сочетания в рамках решаемой задачи. Это обстоятельство, а также тот факт, что список алгоритмов мето- да постоянно расширяется, обуславливает не- обходимость реализации гибкой и универсаль- ной программной платформы. В работе [6] предложено реализовывать по- добную программную платформу в виде паке- та прикладных программ. Были сформулирова- ны три группы критериев: обязательные, целе- сообразные, желаемые – исчерпывающим обра- зом описывающие характеристики и свойства программной платформы с точки зрения ее пользователя. Однако в указанной работе не рас- крыт принцип построения программной плат- формы, позволяющий достичь выполнения этих критериев. В данной статье автор предлагает рассмот- реть принципы построения такой архитектуры (внутренней структуры) платформы, которая бы гарантировала удовлетворение всех указанных в работе [9] критериев, актуальных и сегодня. Требования к архитектуре программной платформы Сформулируем требования к данной архи- тектуре:  гибкость характеризует такую организацию архитектуры программного продукта, которая поддерживает добавление новых алгоритмов, базисов функций, критериев и других функций на различных уровнях программной платформы: как путем расширения исходных кодов про- граммы (статически), так и путем подключения дополнительных модулей в процессе выполне- ния (динамически); при этом добавление новых элементов не должно приводить к необходимо- сти существенного и/или трудоемкого измене- ния архитектуры программной платформы;  универсальность предполагает возмож- ность использования программной платформы в качестве как независимой системы индук- тивного моделирования (диалоговой, интерак- 66 УСиМ, 2013, № 2 тивной и т.д.), так и элемента другой системы (в том числе и в составе технической системы), с использованием унифицированных интерфей- сов доступа к внутренним возможностям про- граммного продукта;  производительность определяет время по- лучения результата при проведении индуктив- ного моделирования. Это свойство особенно критично для программных продуктов, реали- зующих алгоритмы МГУА, по своей природе являющихся переборными. При этом такие сред- ства достижения высокой производительности, как оптимизация исходных кодов (среда вы- полнения, оптимизации под процессорные ар- хитектуры и т.д.) и распараллеливание вычис- лений, на уровне архитектуры реализуются на- иболее эффективно. Отметим, что обозначенные критерии гиб- кости и универсальности определяют как уро- вень удобства использования программной платформы (на уровне разработчика и пользо- вателя), так и объем трудозатрат, необходимых для решения конкретных задач (от локальной настройки до существенной доработки). Обзор аналогов Существует программное обеспечение, реа- лизующее алгоритмы метода МГУА. Результа- ты анализа и оценки известных программных продуктов представлены в табл. 1. Для каждо- го из них приведена информация о поддержи- ваемых алгоритмах, базисах, методах обучения и критериях. Цветом в таблице отмечен оцени- ваемый уровень трудозатрат, необходимых для расширения возможностей платформы до тре- буемого уровня (серым – средняя трудоем- кость, черным – высокая трудоемкость), при- чем в качестве минимальных требований вы- брана поддержка комбинаторного алгоритма и полиномиальной нейронной сети, полиноми- ального базиса, метода наименьших квадратов (МНК) в качестве метода обучения и критериев точности и несмещенности для селекции мо- делей [4]. Также в таблице приведена оценка соответ- ствия каждого продукта критериям гибкости, универсальности и производительности. Зна- ком «+» отмечено соответствие критерию, знак «–» определяет несоответствие критерию, уст- ранение которого либо невозможно, либо свя- зано с существенными трудозатратами. Знаком «?» отмечены ячейки, информация по которым недостаточна. Исходя из анализа, делаем следующие вы- воды.  Наиболее популярным алгоритмом, реали- зуемым в системах моделирования, есть PNN (восемь из девяти продуктов), причем все сис- темы моделирования обладают возможностью генерации полиномиальных моделей.  Наиболее часто оптимизация параметров сгенерированных моделей производится по МНК, однако существуют реализации нели- нейных процедур оптимизации (FAKE GAME, GEvoM).  Классические критерии селекции моделей реализованы в большинстве программных продуктов. Существует возможность выбора используемого при моделировании критерия.  Все продукты обладают интерактивным пользовательским интерфейсом, что позволяет использовать их в качестве системы моделиро- вания. Программные продукты «Пакет приклад- ных программ метода группового учета аргумен- тов» (ППП МГУА), FAKE GAME и Knowledge Miner реализуют программные интерфейсы, по- зволяющие включать их в состав технических систем, поэтому они удовлетворяют критерию универсальности.  Лучшим по гибкости есть программный продукт FAKE GAME, расширение возможно- стей которого осуществимо путем изменения исходных кодов. GMDH Shell поддерживает ди- намическое подключение исполняемых моду- лей, частично удовлетворяя критерию гибкости. ППП МГУА реализован на языке ФОРТРАН- 77 для среды MS DOS, поэтому расширение на уровне исходных кодов и подключение дина- мических модулей крайне трудоемко, что не удовлетворяет критерию гибкости.  Knowledge Miner и GMDH Shell поддержи- вают распараллеливание вычислений, однако яв- ляются программным обеспечением с закрытым УСиМ, 2013, № 2 67 исходным кодом, что противоречит критерию гибкости. А продукт FAKE GAME реализован на платформе Java и не поддерживает парал- лельные вычисления, поэтому не удовлетворя- ет критерию производительности. Таким образом, несмотря на широкий спектр существующего программного обеспечения, оно не удовлетворяет в полной мере всем обо- значенным выше требованиям к архитектуре программной платформы (это связано с тем, что перед авторами данных программных про- дуктов не ставилась задача следования всем этим критериям). Исходя из этого, принято ре- шение о разработке собственной программной платформы. Разработка архитектуры программной платформы Для реализации программной платформы выбрана объектно-ориентированная парадигма анализа, проектирования и программирования. Т а б л и ц а 1. Системы моделирования на основе МГУА МГУА Гибкость Универсальность Производительность Система мо- делирования Алгоритмы Бази- сы Методы обучения Критерии На уровне исходных кодов Подключение динамиче- ских модулей Как сис- тема мо- делирова- ния Как элемент технической системы Оптимизация исходных кодов Парал- лельные вычисле- ния АСТРИД [7] COMBI MULTI PNN ПБ и др. Много Много ? ? + ? + – FAKE GAME [8] PNN + усо- верш. ГА ПБ ГБ ЛБ ЗБ РБ Много Много + Возможно + (GUI Mode) + (Batch Mode) – ? Knowledge Miner [9] 2MLAN AC Self- Organizing Fuzzy Rule Induction ПБ ? PESS MAPE – – + Возможно (MS Excel XLL, DLL) + (32/64 bit) + (multi- core) PCombi [10, 11] COMBI ПБ МНК ? Затруд- нительно – + Затруд- нительно – + (MPI) ППП МГУА [6, 12] COMBI MIA ПБ Метод Брандона. Метод Гаусса– Ньютона CR, BS, баланса Затруд- нительно Затруд- нительно + + + – Virtual Comput. Chemistry Lab. PNN [13] PNN ПБ МНК CR – – + – ? ? GEvoM [14] PNN (ISP, PSD, ED, Evolutionary Method) ПБ SVD SNE ? – – + – ? ? GMDH Shell [15, 16] COMBI MIA ПБ ? RMSE MAE Hit% – + (плагины) + – + + (HPC Solver - MPI) PNN Discov- ery Client [17] PNN ПБ МНК (Гаусс) Стандарт – – + – ? ? COMBI – комбинаторный алгоритм, MULTI – комбинаторно-селекционный алгоритм, PNN –полиномиальная нейронная сеть МГУА, MIA – многорядный алгоритм МГУА, 2MLAN – дважды многорядная сеть с активными нейронами, AC – алгоритм ком- плексирования аналогов. ПБ – полиномиальный базис, ГБ – гармонический базис, ЛБ – логистический базис, ЭБ – экспоненциаль- ный базис, РБ – рациональный базис. 68 УСиМ, 2013, № 2 Во-первых, применение объектно-ориентиро- ванного анализа особенно эффективно благо- даря тому, что концепция метода группового учета аргументов оперирует набором понятий с ясными связями между собой. Во-вторых, объектно-ориентированные программные сис- темы более удобны для использования в каче- стве базовых с учетом их гибкости, расширяе- мости и переносимости. В-третьих, объектно- ориентированный процесс разработки рекомен- дуется при реализации больших сложных сис- тем [18]. Согласно классику объектно-ориентирован- ного стиля программирования Гради Буч [18], разработка объектных систем начинается с объектно-ориентированного анализа. Цель ана- лиза – выявление сущностей предметной об- ласти, которыми могут быть классы либо объ- екты. Объекты при этом обладают собственным состоянием, поведением и идентичностью, а классы описывают структуру и поведение схо- жих объектов. Предметной областью программной платфор- мы есть МГУА. Словарь данной предметной области устоявшийся и включает в себя такие понятия, как модель, базис, критерий, алгоритм, обучающая и проверочная выборки. Семанти- ческие связи между данными сущностями представлены на рис. 1. Центральное место в системе занимает по- нятие модели как сущности, отражающей не- кую взаимосвязь или зависимость в данных. При этом модель принадлежит некоторому ба- зису. Базис модели определяет ее структуру. Структура и параметры модели определяют ее уникальность среди других моделей. Алгоритм МГУА – это сущность, обозна- чающая некоторую последовательность дейст- вий по выявлению модели оптимальной слож- ности. Для этого она, с одной стороны, органи- зует структурную и параметрическую оптими- зацию моделей, выделенную в виде абстрак- ции «обучение». С другой стороны, отбор мо- делей проводится с помощью одного или не- скольких критериев. Сущности критериев спо- собны вычислять некое численное значение, характеризующее степень оптимальности мо- дели (связь модель–критерий). Одна из извест- ных особенностей МГУА – разделение выбор- ки на обучающую и проверочную части – так- же нашла свое отражение на диаграмме. Следующим за анализом шагом объектно- ориентированного процесса разработки есть объектно-ориентированное проектирование, в ходе которого выявленные связи между сущно- стями уточняются, а система представляется в виде совокупностей классов и объектов. Резуль- тат данного этапа – диаграммы классов и объ- ектов, отражающие как семантику выбранной предметной области, так и архитектуру (струк- туру) и свойства проектируемой программной системы. Рис. 1. Сущности предметной области и семантические связи Сформулированный критерий гибкости тре- бует, чтобы реализация любого алгоритма, ба- зиса моделей и прочих сущностей МГУА была возможна на базе единой архитектуры. В рамках МГУА реализованы более 15-ти различных алг- оритмов – от классических [4, 5] до гибридных, в которых используются сочетания МГУА с другими техниками, такими как генетические алгоритмы Particle Swarm Optimization (PSO), вейвлеты и др. Результаты анализа известных алгоритмов относительно сущностей, выявлен- ных на этапе объектно-ориентированного ана- лиза, представлены в табл. 2–4. Таблицы по- зволяют оценить требуемый уровень гибкости архитектуры программной платформы относи- тельно сущностей предметной области, необ- ходимый для реализации каждого из алгорит- мов МГУА. УСиМ, 2013, № 2 69 Рассмотрим каждую сущность в отдельности.  Данные. Алгоритмы предназначены для мо- делирования как функций многих аргументов, так и многомерных временных рядов. Более то- го, модели различных базисов предполагают специфичные методы обработки данных. Эти факторы требуют инкапсуляции процесса об- работки выборки данных и (опционально) оп- тимизированного ее хранения.  Модель. Применяются как модели с фик- сированной структурой, так и различного вида переборные способы генерации структур мо- делей, что обуславливает необходимость инкап- суляции процесса генерации некоторой после- довательности структур моделей по заданным параметрам.  Обучение. Используется как независимое, так и совместное обучение совокупностей па- Т а б л и ц а 2. Параметрические алгоритмы МГУА Особенности реализации сущностей предметной области Название алгоритма (в терминологии авторов) Алгоритм Данные Модель Обучение Критерии Комбинаторный (COMBI) [4] Комбинаторноселекционный (MULTI) [19] ПБ. Возрастание сложности модели есть увеличение чис- ла слагаемых и степени поли- нома Гармонический (HARM) [4] Последовательный полный перебор моделей и выбор модели оптималь- ной сложности Полигармонический базис. Возрастание сложности мо- дели есть увеличение числа составляющих гармоник Возможность последо- вательного применения набора критериев для отбора оптимальных моделей Критерии регулярности (точности) CR (MSE). Критерий несмещенно- сти BS и др. Многорядный итерационный (MIA) [4] ПБ. Структура полинома фиксирована (полином 2-й степени от 2-х аргументов) Метод наименьших квадратов (МНК) Расширенный многорядный итерационный (eMIA) [20] Совокупность базисов: ПБ, гармонический, логарифми- ческий, экспоненциальный и т.д. Нелинейная регрессия; оругление и/или дис- кретизация параметров Критерии регулярности (точности) CR (MSE). Критерий несмещенно- сти BS и др. Модифицированная полино- миальная НС (MPNN) [21] ПБ (полиномы 2, 3, 4 аргу- ментов 1 и 2 степени фикси- рованной структуры) МНК Критерии регулярности (точности) CR (MSE) Робастная полиномиальная НС (RPNN) [22] ПБ, фиксированная структура полиномов Метод робастных М-оценок AR – робастный крите- рий точности CR Нечеткая НС МГУА (FuzzyGMDH) [23, 24] ПБ, треугольная, гауссовая и колоколообразная нечеткая функции принадлежности Линейное программи- рование (минимизация интервала функции принадлежности) Критерии регулярности (точности) CR (MSE). Критерий несмещенно- сти RB Основанная на правилах не- четкая НС (RFPNN) [25] ПБ (полиномы 2, 3, 4 аргу- ментов 1, 2 степени фиксиро- ванной структуры), набор функций принадлежности МНК (полиномиальная НС). ГА (нечеткая НС) Критерии регулярности (точности) CR (MSE). Критерий абсолютной ошибки MAE Полиномиальная НС с ОС (FB PNN) [26] ПБ, экспоненциальный базис, фиксированные структуры моделей Пошаговый регресси- онный анализ Критерий Акаике (Akaike’s Information Criterion AIC) Нечеткая НС МГУА с ОС (NF-GMDH-IFL) [27] ПБ, гауссова нечеткая функ- ция принадлежности Гибридный проекцион- ный метод (Hybrid Projection Method, HPM) С применением ГА (GA- GMDH) [28] ПБ (полиномы двух аргумен- тов 1, 2 и 3 степени фиксиро- ванной структуры) МНК Критерии регулярности (точности) CR (MSE) Многокритериальная Парето- оптимальная полиномиальная НС МГУА с применением ГА (MO-GA-GMDH) [29] ПБ (полиномы фиксирован- ной структуры 2-й степени от 2-х аргументов) МНК Singular Value Decomposition (SVD) Критерий регулярности (точности) CR (MSE). Критерий Акаике (Akaike’s Information Criterion AIC). Критерий оптимально- сти по Парето и др. С применением метода роя частиц (PSO-MIA) [30] Итеративное по- строение сетевой структуры опти- мальной сложности Функция многих аргументов ПБ (структура полинома оптимизируется с помощью PSO) Метод роя частиц (par- ticle swarm optimization, PSO) Критерий точности CR и др. НС – нейронная сеть, ПНС – полиномиальная нейронная сеть, МНК – метод наименьших квадратов, ОС – обратная связь, ГА – генетический алгоритм, ПБ – полиномиальный базис моделей. 70 УСиМ, 2013, № 2 раметрических моделей, однако распараллели- вание вычислений должно осуществляться в обоих случаях.  Критерий. Общее количество применяе- мых внешних критериев селекции моделей пре- вышает 10. Рис. 2. Базовая диаграмма классов программной платформы Проведенный обзор позволил уточнить се- мантику выделенных сущностей МГУА. Резуль- тирующая диаграмма классов, определяющая архитектуру программной платформы, пред- ставлена на рис. 2. Рассмотрим специфику не- которых выделенных классов.  Basis. Данный класс представляет унифи- цированный интерфейс для генерации и обу- чения моделей, а также специфичной обработ- ки выборок данных.  Организация процесса индуктивного моде- лирования в классе GMDH проводится следую- щим образом. Принимая на вход выборку дан- ных (функция train с параметром data), объект класса GMDH проводит обработку данных (с помощью Hash), генерацию (используя класс Generator), обучение (класс Trainer) и селекцию моделей заданного базиса (класс Basis) соглас- но внешнему критерию (класс Criterion) или набору критериев.  Aggregator – класс реализует многорядные алгоритмы МГУА, принимая список исполь- зуемых алгоритмов МГУА в качестве парамет- ра конструктора.  Parallelization – это утилита, предназна- ченная для организации параллельных вычис- лений с целью повышения производительно- сти переборных и итеративных частей алго- ритмов МГУА (на диаграмме используется клас- сами Trainer и Criterion). На диаграмме видно, что все связи реализу- ются посредством механизма виртуального вы- Т а б л и ц а 3. Непараметрические алгоритмы МГУА Особенности реализации сущностей предметной области Название алгоритма (в терминологии авторов) Алгоритм Данные Модель Обучение Критерии Объективной компью- терной кластеризации (OCC) [5] Итеративный по- иск оптимального числа кластеров Функция мно- гих аргументов Модель определяет спо- соб разбиения на задан- ное число кластеров Кластеризация / классификация вы- борки на заданное число кластеров Критерий сходства разбиений на кла- стеры Комплексирования ана- логов (AC) [31] Итеративный по- иск ближайших аналогов и их оп- тимального числа Многомерная временная по- следователь- ность Полиномиальный базис – модель трансформирова- ния аналога, модель ком- бинирования аналогов МНК для трансфор- мации аналогов Критерий сходства аналогов Т а б л и ц а 4. Многорядные алгоритмы МГУА Особенности реализации сущностей предметной области Название алгоритма (в терминологии авторов) Алгоритм Данные Модель Обучение Критерии Дважды многорядная сеть МГУА (2ML) [ 4] Итеративное построение сете- вой структуры оптимальной сложности, нейроны которой реализуют алгоритм(ы) МГУА Функция многих ар- гументов. Многомер- ная временная после- довательность Многорядный алгоритм с последовательным перебо- ром/выделением трендов (Trend) [ 4] Итеративный перебор и/или выделение трендов с целью определения оптимальной ком- бинации Объективный системный анализ (Objective System Analysis, OSA) [32] Итеративное построение опти- мальной модели системы в виде совокупности уравнений Многомерная времен- ная последователь- ность Определяется используемым алгоритмом (или совокупностью алгоритмов) УСиМ, 2013, № 2 71 зова функций абстрактных классов–интерфей- сов. Конкретные реализации данных классов возможны путем наследования от базовых клас- сов (интерфейсов), что обеспечивает независи- мость реализации элементов друг от друга и гибкость переконфигурирования в процессе вы- полнения программы, что позволяет динами- чески задавать не только выборку данных, но и набор используемых критериев, параметры и тип базиса функций, а также другие парамет- ры, влияющие на результат моделирования. Заключение. Предложенная в статье архи- тектура программной платформы удовлетворя- ет всем сформулированным требованиям. Она обладает достаточной гибкостью для реализа- ции приведенных алгоритмов, оставаясь при этом структурно неизменной в каждой кон- кретной реализации. Универсальность достига- ется путем экспортирования (предоставления доступа) к интерфейсам базовых классов как на уровне исходных кодов, так и динамически в процессе выполнения. Следование требова- нию производительности также нашло свое от- ражение на уровне архитектуры системы в ви- де явного указания распараллеливаемых час- тей архитектуры – процессов обучения и се- лекции моделей в каждом алгоритме МГУА. 1. Ivakhnenko A.G., Ivakhnenko G.A. The Review of Pro- blems Solvable by Algorithms of the Group Method of Data Handling // Int. J. of Patt. Recog. and Image Analy- sis: Advanced in Mathem. Theory and Appl. – 1995. – 5, N 4. – P. 527–535. 2. GMDH – Examples of Applications. URL: http://www. gmdh.net/GMDH_exa.htm (дата обращения 12.12.2012). 3. Anastasakis L., Mort N. The development of Self-Orga- nization techniques in modelling: A review of the Group Method of Data Handling (GMDH). // Res. Rep. N 813, The University of Sheffield, United King- dom, 2001. – 38 p. 4. Ивахненко А.Г. Индуктивный метод самоорганиза- ции моделей сложных систем. – Киев: Наук. думка, 1982 \. – 296 с. 5. Madala H.R., Ivakhnenko A.G. Inductive Learning Algo- rithms for Complex System Modeling // Publ. CRC Press, 1994. – 368 p. 6. Степашко В.С. Основные требования к функцио- нальной структуре ППП МГУА для персональных ЭВМ / Управление в технических системах. – Ки- ев: ИК АН УССР, 1990. – С. 27–34. 7. ASTRID – программная система. – URL: http://www. mgua.irtc.org.ua/ru/index.php? page=astrid 8. Kordik P. Fully Automated Knowledge Extraction using Group of Adaptive Models Evolution // PhD thesis. – Prague, 2006. – 136 p. 9. Muller J.A., Lemke F. Self-Organising Data Mining. An Intelligent Approach to Extract Knowledge from Data, Dresden, Berlin, 1999. – 225 p. 10. Koshulko O.A., Koshulko A.I. Adaptive parallel imple- mentation of the Combinatorial GMDH algorithm // Proc. of Int. Workshop on Inductive Modelling (IWIM), Prague, 2007. – P. 71–77. 11. Parallel-combi – openGMDH. – URL: http://opengmdh. org/wiki/parallel-combi 12. Степашко В.С., Семенов Н.А., Михеев В.Н. Диало- говый пакет прикладных программ моделирования на основе МГУА (ППП МГУА) / Искусственный интеллект – основа новой информационной техно- логии. – Калинин: НПО ЦПС, 1990. – С. 105–116. 13. Polynomial Neural Network for Linear and Non-linear Model Selection in Quantitative-Structure Activity Re- lationship Studies on the Internet / I.V. Tetko, T.I. Akse- nova, V.V. Volkovich et al. // SAR and QSAR in Envi- ron. Res., 2000. – Issue 3–4, 11. – P. 263–280. 14. Genetic Design of GMDH-type Neural Networks for Modelling of Thermodynamically Pareto Optimized Tur- bojet Engines / K. Atashkari, N. Nariman-Zadeh, A. Dar- vizeh et al. // WSEAS Transactions on COMPUTERS, Issue 3, 3, July 2004. 15. Koshulko O.A., Koshulko A.I. Acceleration of GMDH combinatorial search with HPC clusters // Proc. of 2nd Int. Conf. on Inductive Modelling, Sept. 15–19, Kyiv, Ukraine, 2008. – P. 164–167. 16. GMDH Shell – Forecasting Software for Professionals. – URL: http://www.gmdhshell.com 17. PNN Software Company – Polynomial Neural Network Solutions. – URL: http://pnn.pnnsoft.com 18. Object-Oriented Analysis and Design with Applica- tions / G. Booch, R.A. Maksimchuk, M.W. Engel et al. // Addison-Wesley Professional, 3/E, 2007. – 720 p. 19. Степашко В.С., Костенко Ю.В. Исследование свойств комбинаторно–селекционного (многоэтапного) алго- ритма МГУА // Сб. научн. тр. МНУЦИТ и С НАНУ. Моделирование и управление состоянием эколого– экономических систем региона. – Киев, 2001. – С. 96–100. 20. Taušer J., Buryan P. Exchange Rate Predictions in Inter- national Financial Management by Enhanced GMDH Algorithm // Prague Economic Papers N 3, University of Economics. – 2011. – P. 232–249. 21. Devilopoulos E., Theocharis J.B. A modified PNN algo- rithm with optimal PD modeling using the orthogonal least squares method // Int. J. Information Sciences. – 2004. – N 168. – P. 133–170. Окончание на с. 88 88 УСиМ, 2013, № 2 Окончание статьи А.А. Орлова 22 Aksenova T., Volkovich V., Villa A. Robust Structural Modeling and Outlier Detection with GMDH-Type Polynomial Neural Networks // Proc. of 15th Int. Conf. Artificial Neural Networks: Formal Models and Their Applications – ICANN 2005, Warsaw, Lecture Notes in Comp. Sci. – 3697, Springer, 2005. – P. 881–886. 23. Исследование разных видов функций принадлежно- сти параметров нечетких прогнозирующих моде- лей в нечетком методе группового учета аргумен- тов / Ю.П. Зайченко, И.О. Заец, О.В. Камоцкий и др. // УСиМ. – 2003. – № 2. – С. 56–67. 24. Zaychenko Yu. The Investigations of Fuzzy Group Me- thod of Data Handling with Fuzzy Inputs in the Problem of Forecasting in Financial Sphere // Proc. of 2nd Int. Conf. on Inductive Modelling, Kiev, 2008. – P. 129–133. 25. Park B.-J., Lee D.-Y., Oh S.-K. Rule-Based Fuzzy Poly- nomial Neural Networks in Modeling Software Proc- ess Data // Int. J. of Control, Automation and Systems. – 2003. – 1, N 3.– P. 321–331. 26. Kondo T., Pandya A. GMDH-type Neural Networks with a Feedback Loop and their Application to the Identifi- cation of Large-spatial Air Pollution Patterns // Proc. of the 39th SICE Annual Conf. Int. Session Papers, 112A-4, Iizuka, Japan, 2000. – P. 1–6. 27. Zhao X., Song Z., Li P. A Novel NF-GMDH-IFL and Its Application to Identification and Prediction of Nonlinear Systems // Proc. of IEEE Region 10 Conf. on Comp., Communications, Control and Power Engi- neering (TENCON), Beijing, China, 2002. – 3. – P. 1286–1289. 28. Farzi S. A New Approach to Polynomial Neural Net- works based on Genetic Algorithm // In. J. of Comp. Syst. Sci. and Engin. – 2008. – P. 180–187. 29. Nariman-Zadeh N., Jamali A. Pareto Genetic Design of GMDH-type Neural Networks for Nonlinear Systems // Proc. of Int. Workshop on Inductive Modeling 2007, Prague, Czech Republic, 2007. – P. 96–103. 30. Hybrid Particle Swarm Optimization and Group Method of Data Handling for Inductive Modeling / G. Onwubolu, A. Sharma, A. Dayal et.al. // Proc. of the II Int. Conf. on Inductive Modelling ICIM-2008, 15–19 Sept. 2008, Kiev, Ukraine. – Kiev: IRTC ITS NANU, 2008. – P. 96–103. 31. Ivakhnenko A.G. An inductive sorting method for the forecasting of multidimensional random processes and events, with the help of analogue forecast complexing // Pattern recognition and Image Analysis, 1991. – 1, N 1. – P. 99–107. 32. Ивахненко А.Г., Мюллер Й.А. Самоорганизация про- гнозирующих моделей // Киев: Техніка, 1985; Бер- лин: ФЕБ Ферлаг Техник, 1984. – 223 с. Тел. для справок: +7 952 893-4743 (Томск) E-mail: d1scnc@gmail.com © А.А. Орлов, 2013  10.pdf 88.pdf << /ASCII85EncodePages false /AllowTransparency false /AutoPositionEPSFiles true /AutoRotatePages /None /Binding /Left /CalGrayProfile (Dot Gain 20%) /CalRGBProfile (sRGB IEC61966-2.1) /CalCMYKProfile (U.S. Web Coated \050SWOP\051 v2) /sRGBProfile (sRGB IEC61966-2.1) /CannotEmbedFontPolicy /Error /CompatibilityLevel 1.4 /CompressObjects /Tags /CompressPages true /ConvertImagesToIndexed true /PassThroughJPEGImages true /CreateJobTicket false /DefaultRenderingIntent /Default /DetectBlends true /DetectCurves 0.0000 /ColorConversionStrategy /CMYK /DoThumbnails false /EmbedAllFonts true /EmbedOpenType false /ParseICCProfilesInComments true /EmbedJobOptions true /DSCReportingLevel 0 /EmitDSCWarnings false /EndPage -1 /ImageMemory 1048576 /LockDistillerParams false /MaxSubsetPct 100 /Optimize true /OPM 1 /ParseDSCComments true /ParseDSCCommentsForDocInfo true /PreserveCopyPage true /PreserveDICMYKValues true /PreserveEPSInfo true /PreserveFlatness true /PreserveHalftoneInfo false /PreserveOPIComments true /PreserveOverprintSettings true /StartPage 1 /SubsetFonts true /TransferFunctionInfo /Apply /UCRandBGInfo /Preserve /UsePrologue false /ColorSettingsFile () /AlwaysEmbed [ true ] /NeverEmbed [ true ] /AntiAliasColorImages false /CropColorImages true /ColorImageMinResolution 300 /ColorImageMinResolutionPolicy /OK /DownsampleColorImages true /ColorImageDownsampleType /Bicubic /ColorImageResolution 300 /ColorImageDepth -1 /ColorImageMinDownsampleDepth 1 /ColorImageDownsampleThreshold 1.50000 /EncodeColorImages true /ColorImageFilter /DCTEncode /AutoFilterColorImages true /ColorImageAutoFilterStrategy /JPEG /ColorACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /ColorImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000ColorACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000ColorImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasGrayImages false /CropGrayImages true /GrayImageMinResolution 300 /GrayImageMinResolutionPolicy /OK /DownsampleGrayImages true /GrayImageDownsampleType /Bicubic /GrayImageResolution 300 /GrayImageDepth -1 /GrayImageMinDownsampleDepth 2 /GrayImageDownsampleThreshold 1.50000 /EncodeGrayImages true /GrayImageFilter /DCTEncode /AutoFilterGrayImages true /GrayImageAutoFilterStrategy /JPEG /GrayACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /GrayImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000GrayACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000GrayImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasMonoImages false /CropMonoImages true /MonoImageMinResolution 1200 /MonoImageMinResolutionPolicy /OK /DownsampleMonoImages true /MonoImageDownsampleType /Bicubic /MonoImageResolution 1200 /MonoImageDepth -1 /MonoImageDownsampleThreshold 1.50000 /EncodeMonoImages true /MonoImageFilter /CCITTFaxEncode /MonoImageDict << /K -1 >> /AllowPSXObjects false /CheckCompliance [ /None ] /PDFX1aCheck false /PDFX3Check false /PDFXCompliantPDFOnly false /PDFXNoTrimBoxError true /PDFXTrimBoxToMediaBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXSetBleedBoxToMediaBox true /PDFXBleedBoxToTrimBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXOutputIntentProfile () /PDFXOutputConditionIdentifier () /PDFXOutputCondition () /PDFXRegistryName () /PDFXTrapped /False /CreateJDFFile false /Description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> /CHS <FEFF4f7f75288fd94e9b8bbe5b9a521b5efa7684002000410064006f006200650020005000440046002065876863900275284e8e9ad88d2891cf76845370524d53705237300260a853ef4ee54f7f75280020004100630072006f0062006100740020548c002000410064006f00620065002000520065006100640065007200200035002e003000204ee553ca66f49ad87248672c676562535f00521b5efa768400200050004400460020658768633002> /CHT <FEFF4f7f752890194e9b8a2d7f6e5efa7acb7684002000410064006f006200650020005000440046002065874ef69069752865bc9ad854c18cea76845370524d5370523786557406300260a853ef4ee54f7f75280020004100630072006f0062006100740020548c002000410064006f00620065002000520065006100640065007200200035002e003000204ee553ca66f49ad87248672c4f86958b555f5df25efa7acb76840020005000440046002065874ef63002> /CZE <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> /DAN <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> /DEU <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> /ESP <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> /ETI <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> /FRA <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> /GRE <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a stvaranje Adobe PDF dokumenata najpogodnijih za visokokvalitetni ispis prije tiskanja koristite ove postavke. Stvoreni PDF dokumenti mogu se otvoriti Acrobat i Adobe Reader 5.0 i kasnijim verzijama.) /HUN <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> /ITA <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> /JPN <FEFF9ad854c18cea306a30d730ea30d730ec30b951fa529b7528002000410064006f0062006500200050004400460020658766f8306e4f5c6210306b4f7f75283057307e305930023053306e8a2d5b9a30674f5c62103055308c305f0020005000440046002030d530a130a430eb306f3001004100630072006f0062006100740020304a30883073002000410064006f00620065002000520065006100640065007200200035002e003000204ee5964d3067958b304f30533068304c3067304d307e305930023053306e8a2d5b9a306b306f30d530a930f330c8306e57cb30818fbc307f304c5fc59808306730593002> /KOR <FEFFc7740020c124c815c7440020c0acc6a9d558c5ec0020ace0d488c9c80020c2dcd5d80020c778c1c4c5d00020ac00c7a50020c801d569d55c002000410064006f0062006500200050004400460020bb38c11cb97c0020c791c131d569b2c8b2e4002e0020c774b807ac8c0020c791c131b41c00200050004400460020bb38c11cb2940020004100630072006f0062006100740020bc0f002000410064006f00620065002000520065006100640065007200200035002e00300020c774c0c1c5d0c11c0020c5f40020c2180020c788c2b5b2c8b2e4002e> /LTH <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> /LVI <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> /NLD (Gebruik deze instellingen om Adobe PDF-documenten te maken die zijn geoptimaliseerd voor prepress-afdrukken van hoge kwaliteit. De gemaakte PDF-documenten kunnen worden geopend met Acrobat en Adobe Reader 5.0 en hoger.) /NOR <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> /POL <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> /PTB <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> /RUM <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> /RUS <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> /SKY <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> /SLV <FEFF005400650020006e006100730074006100760069007400760065002000750070006f0072006100620069007400650020007a00610020007500730074007600610072006a0061006e006a006500200064006f006b0075006d0065006e0074006f0076002000410064006f006200650020005000440046002c0020006b006900200073006f0020006e0061006a007000720069006d00650072006e0065006a016100690020007a00610020006b0061006b006f0076006f00730074006e006f0020007400690073006b0061006e006a00650020007300200070007200690070007200610076006f0020006e00610020007400690073006b002e00200020005500730074007600610072006a0065006e006500200064006f006b0075006d0065006e0074006500200050004400460020006a00650020006d006f0067006f010d00650020006f0064007000720065007400690020007a0020004100630072006f00620061007400200069006e002000410064006f00620065002000520065006100640065007200200035002e003000200069006e0020006e006f00760065006a01610069006d002e> /SUO <FEFF004b00e40079007400e40020006e00e40069007400e4002000610073006500740075006b007300690061002c0020006b0075006e0020006c0075006f00740020006c00e400680069006e006e00e4002000760061006100740069007600610061006e0020007000610069006e006100740075006b00730065006e002000760061006c006d0069007300740065006c00750074007900f6006800f6006e00200073006f00700069007600690061002000410064006f0062006500200050004400460020002d0064006f006b0075006d0065006e007400740065006a0061002e0020004c0075006f0064007500740020005000440046002d0064006f006b0075006d0065006e00740069007400200076006f0069006400610061006e0020006100760061007400610020004100630072006f0062006100740069006c006c00610020006a0061002000410064006f00620065002000520065006100640065007200200035002e0030003a006c006c00610020006a006100200075007500640065006d006d0069006c006c0061002e> /SVE <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> /TUR <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> /UKR <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> /ENU (Use these settings to create Adobe PDF documents best suited for high-quality prepress printing. Created PDF documents can be opened with Acrobat and Adobe Reader 5.0 and later.) >> /Namespace [ (Adobe) (Common) (1.0) ] /OtherNamespaces [ << /AsReaderSpreads false /CropImagesToFrames true /ErrorControl /WarnAndContinue /FlattenerIgnoreSpreadOverrides false /IncludeGuidesGrids false /IncludeNonPrinting false /IncludeSlug false /Namespace [ (Adobe) (InDesign) (4.0) ] /OmitPlacedBitmaps false /OmitPlacedEPS false /OmitPlacedPDF false /SimulateOverprint /Legacy >> << /AddBleedMarks false /AddColorBars false /AddCropMarks false /AddPageInfo false /AddRegMarks false /ConvertColors /ConvertToCMYK /DestinationProfileName () /DestinationProfileSelector /DocumentCMYK /Downsample16BitImages true /FlattenerPreset << /PresetSelector /MediumResolution >> /FormElements false /GenerateStructure false /IncludeBookmarks false /IncludeHyperlinks false /IncludeInteractive false /IncludeLayers false /IncludeProfiles false /MultimediaHandling /UseObjectSettings /Namespace [ (Adobe) (CreativeSuite) (2.0) ] /PDFXOutputIntentProfileSelector /DocumentCMYK /PreserveEditing true /UntaggedCMYKHandling /LeaveUntagged /UntaggedRGBHandling /UseDocumentProfile /UseDocumentBleed false >> ] >> setdistillerparams << /HWResolution [2400 2400] /PageSize [612.000 792.000] >> setpagedevice
id	nasplib_isofts_kiev_ua-123456789-83145
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
issn	0130-5395
language	Russian
last_indexed	2025-12-07T17:48:59Z
publishDate	2013
publisher	Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
record_format	dspace
spelling	Орлов, А.А. 2015-06-15T17:13:33Z 2015-06-15T17:13:33Z 2013 Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов / А.А. Орлов // Управляющие системы и машины. — 2013. — № 2. — С. 65-71, 88. — Бібліогр.: 32 назв. — рос. 0130-5395 https://nasplib.isofts.kiev.ua/handle/123456789/83145 004.41[2+4+5]:004.855 Рассмотрены принципы построения архитектуры программной платформы для реализации алгоритмов МГУА. Приведен аналитический обзор программных продуктов для индуктивного моделирования. Предложена объектно-ориентированная структура платформы, позволяющая реализовать алгоритмы МГУА, базисы, методы обучения и критерии селекции моделей. Principles of construction of the software framework architecture for the implementation of the algorithms of a group method of data handling are considered. The analytic survey of the inductive modeling software is given. An object-oriented platform structure allowing to implement the algorithms, model bases, training methods and selection criteria of the models is suggested. Розглянуто принципи побудови архітектури програмної платформи для реалізації алгоритмів методу МГУА. Подано аналітичний огляд програмних продуктів для індуктивного моделювання. Запропоновано об'єктно-орієнтовану структуру платформи, що дозволяє реалізувати алгоритми МГУА, базиси, методи навчання та критерії селекції моделей. ru Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України Управляющие системы и машины Программная инженерия и программные средства Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов The Principles of Construction of the Software Framework Architecture for Implementation of the Algorithms of Group Method of Data Handling Принципи побудови архітектури програмної платформи для реалізації алгоритмів методу групового урахування аргументів Article published earlier
spellingShingle	Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов Орлов, А.А. Программная инженерия и программные средства
title	Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов
title_alt	The Principles of Construction of the Software Framework Architecture for Implementation of the Algorithms of Group Method of Data Handling Принципи побудови архітектури програмної платформи для реалізації алгоритмів методу групового урахування аргументів
title_full	Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов
title_fullStr	Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов
title_full_unstemmed	Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов
title_short	Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов
title_sort	принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов
topic	Программная инженерия и программные средства
topic_facet	Программная инженерия и программные средства
url	https://nasplib.isofts.kiev.ua/handle/123456789/83145
work_keys_str_mv	AT orlovaa principypostroeniâarhitekturyprogrammnoiplatformydlârealizaciialgoritmovmetodagruppovogoučetaargumentov AT orlovaa theprinciplesofconstructionofthesoftwareframeworkarchitectureforimplementationofthealgorithmsofgroupmethodofdatahandling AT orlovaa principipobudoviarhítekturiprogramnoíplatformidlârealízacííalgoritmívmetodugrupovogourahuvannâargumentív

Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов

Репозитарії

Схожі ресурси