| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Ar lēmumu analīzes metodēm papildināto mašīnmācīšanās algoritmu iespēju izpēte |
| Nosaukums angļu valodā |
Exploring the Possibilities of Machine Learning Algorithms Supplemented with Decision Analysis Methods |
| Struktūrvienība |
12100 Informācijas tehnoloģijas institūts |
| Darba vadītājs |
Henrihs Gorskis |
| Recenzents |
Pēteris Grabusts |
| Anotācija |
Darba ietvaros tika apskatītas iespējas papildināt esošus mašīnmācīšanās algoritmus ar lēmumu analīzes metodēm. Datu apstrāde ar mašīnmācīšanās algoritmiem notiek izmantojot algoritmus, kurus neietekmē lēmējpersonas vai galējā patērētāja subjektīvas preferences.
Tika apskatīti tādi mašīnmācīšanās algoritmi, ka lineārā un loģistiska regresija, k-tuvāko kaimiņu algoritms, naivais baijes, klasifikācijas koki, neironu tīkli, k-vidējais algoritms, hierarhiskas klasterēšanas algoritms, DBSCAN, Hopfilda, SOM un ģenētiskais algoritms. Pēc informācijas apkopošanas par iepriekš uzskaitītiem algoritmiem un dažādām lēmumu analīzes metodēm, kā arī par lēmumu analīzes procesu, tika izvirzīti divi tālākie pētījuma virzieni:
1.svaru integrēšanas iespējas klasterēšanas algoritmos.
2.Vienslāņa neirona tīkla izmantošana kritēriju svaru iegūšanai no subjektīvi novērtētiem datiem.
Tika izstrādāti un novērtēti vairāki prototipi.
Svaru integrācija klasterēšanas algoritmos ir iespējama vairākos veidos un šāda integrācija maina ieskatu datos, salīdzinājumā ar vienkārša klasterēšanas algoritma izmantošanu. Papildinot k-vidēju klasterēšanas algoritmu gandrīz 50% no datiem maina savu piederību klasterim, līdzīgas situācijas pastāv papildinot hierarhisko klasterēšanas algoritmu.
Vienslāņa neironu tīklu ir iespējams izmantot kritēriju svaru iegūšanai no subjektīvi novērtētiem datiem, bet pie maza datu apjoma pastāv liela kļūda. Tomēr vienslāņa neirona tīkls, pat pie neliela datu apjoma, spēj izcelt svarīgākus kritērijus pēc kuriem tika veikts novērtējums un piešķirtas tām tālākai analīzei nepieciešamās skaitliskas vērtības. |
| Atslēgas vārdi |
: mašīnmācīšanās algoritmi, lēmumu analīze, klasterēšana, neironu tīkls, kritēriju svaru iegūšana un ietekmē uz klasterēšanu |
| Atslēgas vārdi angļu valodā |
Machine learning algorithms. Decision analysis. Clustering. Neural Network. Criterial weights |
| Valoda |
lv |
| Gads |
2023 |
| Darba augšupielādes datums un laiks |
28.05.2023 22:49:45 |
