Sci. J. Riga Tech. Univ. Ser. Comput. Sci.最新文献

{"title":"Definition of General Requirements for Graph Visualization Software","authors":"Vitaly M. Zabiniako, P. Rusakov","doi":"10.2478/v10143-009-0015-9","DOIUrl":"https://doi.org/10.2478/v10143-009-0015-9","url":null,"abstract":"Definition of General Requirements for Graph Visualization Software This paper contains comparative analysis of some modern graph visualization packages (for example, \"Graphviz\", \"yFiles\", \"Wilmascope 3D\", etc) in order to outline and characterize general requirements that could be useful for development of new graph visualization software (GVS). Relations between identified requirements and necessary related components of potential GVS are being derived. To precise these requirements there were studied an additional theoretical information sources. The main goal of this research is to improve development of new GVS providing mechanism of design templates for different kinds of tasks (for example - visualization of general graphs, diagrams, routing and communication networks, etc). The result of this research is presented in tabular form. That allows identifying the set of main components of new frameworks at early stages of software development (starting with a list of desired features and transforming it into a list of necessary components). An example of using such table in DBMS MS Access environment is provided in a study of development of imaginary GVS as a part of generic air traffic control routing system. There is made conclusion about the achieved results. It is presented information about future researches in this field.","PeriodicalId":211660,"journal":{"name":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","volume":"68 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"131967494","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Conception of the Animated Interface Agent for the Concept Map Based Intelligent Knowledge Assessment System","authors":"Alla Anohina-Naumeca, R. Lukashenko, Dmitrijs Skripkins","doi":"10.2478/v10143-011-0019-0","DOIUrl":"https://doi.org/10.2478/v10143-011-0019-0","url":null,"abstract":"Conception of the Animated Interface Agent for the Concept Map Based Intelligent Knowledge Assessment System The paper presents the conception of the animated interface agent for the concept map based assessment system. The agent is being developed with an aim to solve problems related to rare use or users' unawareness of functional capabilities of the system. The conception consists of agent's goal, functions, inputs, outputs, embodiment, and properties. It is based on the interface agent characteristics and design requirements summarized in the paper, as well as analysis of system needs. Animēta saskarnes agenta koncepcija jēdzienu tīklos sakņotai intelektuālai zināšanu vērtēšanas sistēmai Intelektuālas mācību sistēmas, pateicoties to spējai nodrošināt personificētu mācību pieredzi, ir progresīvs un perspektīvs risinājums e-mācību jomā. Taču parasti šādas sistēmas tiek izstrādātas noteiktam mācību kursam vai kursa tēmai. Rezultātā tām ir specifiskas interaktīvas lietotāja saskarnes, kas ir piemērotas izvēlētajai mācību sfērai, sastāv no daudziem elementiem un realizē sarežgītu funkcionalitāti. Tādējādi, šādu sistēmu lietotājiem bieži vien nav vajadzīgas pieredzes, kas ļautu efektīvi izmantot sistēmu, un ir nepieciešams noteikts laiks, lai lietotāji adaptētos sistēmai un tās piedāvātajām iespējām. Saskarnes agenti ir daudzsološs risinājums, kad ir nepieciešams adaptēt lietotājus nepazīstamai programmatūras sistēmai vai atbalstīt tos lietotājus, kuriem jau ir pieredze sistēmas lietošanā, tās funkcionālo iespēju izmantošanā. Šādi agenti uztver lietotāju darbības lietotāja saskarnē un reagē uz tām, mainot vizuālus elementus lietotāja saskarnē vai savu izskatu ar mērķi izpildīt uzdevumus lietotāja labā vai piedāvāt lietotājiem atbilstošu padomu/ rīcības instrukcijas. Animēti saskarnes agenti ir vērsti uz cilvēkadatora mijiedarbības procesa pilnveidošanu un tiek atspoguļoti kā cilvēkam līdzīgi vai multiplikācijas personāži. Raksts ir veltīts animētam saskarnes agentam, kurš tiek izstrādāts jēdzienu tīklos sakņotai intelektuālai zināšanu vērtēšanas sistēmai. Minētajā sistēmā tādas problēmas kā pastāvīga sistēmas funkcionalitātes paplašināšana, necaurspīdīga adaptācijas mehānismu darbība un sistēmas izmantošana ar pārtraukumiem no lietotāju puses noved pie tā, ka lietotāji reti izmanto vai vispār nezina par sistēmas iespējām. Lai atrisinātu šīs problēmas, ir paredzēts integrēt sistēmā animētu saskarnes agentu. Rakstā ir piedāvāta šāda agenta koncepcija, specificējot agenta mērķi, funkcijas, ieejas, izejas, darbības shēmu, vizuālu iemiesojumu un īpašības. Koncepcija ir izstrādāta, balstoties uz zināmo agentu raksturojumu un izstrādes prasību apkopošanu, kā arī sistēmas vajadzību analīzi. Концепция анимированного интерфейсного агента для интеллектуальной системы оценивания знаний, основанной на сетях понятий Интеллектуальные системы обучения, обеспечивающие индивидуальный опыт обучения, - это перспективное решение в области э-обучения. Однако обычно они ","PeriodicalId":211660,"journal":{"name":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","volume":"116 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132211627","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Simulation of Pessimism Influence on Choice of Farming Strategy under Uncertainty","authors":"Y. Merkuryev, V. Bardachenko, A. Solomennikov","doi":"10.2478/v10143-010-0038-2","DOIUrl":"https://doi.org/10.2478/v10143-010-0038-2","url":null,"abstract":"Simulation of Pessimism Influence on Choice of Farming Strategy under Uncertainty Weather-related risks can substantially affect the crop volume depending on time and intensity of agricultural operations performed by the farmer. However, decisions under uncertainty are in some way also liable to another risk - that of excessively optimistic or pessimistic estimation of the decision maker. The paper presents results of optimistic and pessimistic farmer's agricultural operations efficiency based on the analysis of the developed discrete-event stochastic simulation model. The aim of the model is to obtain quantitative estimation of optimistic and pessimistic farmer's choice of agricultural operation strategy efficiency under fluctuation of weather conditions. Pesimisma ietekmes uz lauksaimniecības stratēgijas izvēli imitācijas modelēšana nenoteiktības apstākļos Dabas riski var būtiski ietekmēt ražas apjomu atkarībā no agrārās operācijas veikšanas laika un intensitātes. Taču lēmuma pieņemšana nenoteiktības apstākļos atradās vēl vienā riska ietekmē, proti, pārmērīgi optimistiskās vai pesimistiskās sagaidāmās ražas vērtēšanas lēmuma ieņemšanas brīdī. Dotais raksts piedāvā agrooperācijas efektivitātes analīzes rezultātus pēc dažiem lēmumu pieņemšanas teorijā izmantojamiem optimalitātes kritērijiem, pamatojoties uz autoru izveidotā diskrētā stohastiskā imitācijas modeļa izmantošanu. Modeļa veidošanas mērķis ir kvantitatīvs agrooperācijas efektivitātes novērtējums atkarībā no veicēja optimisma vai pesimisma pakāpes, ņemot vērā laika apstākļu svārstības. Analizējot lauksaimnieka pieņemto lēmumu optimalitāti, tiek lietoti Valda, Hurvica, Laplasa, maksimaksa, maksimeda, Sevidža un Hodžesa-Lēmana kritēriji. Kā liecina veikto skaitlisko eksperimentu rezultāti, Laplasa, maksimeda un Hodžesa-Lēmana kritēriji ir visvairāk jutīgi pret lauksaimnieka raksturu. Tiem seko Valda un Sevidža kritēriji. Savukārt, Hurvica un maksimaksa kritēriji ir vismazāk jutīgi pret lauksaimnieka raksturu. Pie tam tieši Hurvica kritērijs šajā gadījumā izskatās kā objektīvāks optimalitātes kritērijs. Имитационное моделирование влияния пессимизма фермера на выбор стратегии в условиях неопределенности Риски погоды могут оказывать существенное влияние на урожай в зависимости от времени и интенсивности проведения фермером необходимых агроопераций. Однако, принятие решений в условиях неопределенности так или иначе подвержено ещё одному риску - риску чрезмерного оптимизма или пессимизма фермера, принимающего решение. Данная статья представляет результаты анализа эффективности проведения агрооперации фермером с помощью ряда используемых в теории принятия решений критериев оптимальности, основываясь при этом на использовании разработанной авторами дискретной стохастической имитационной модели. Целью создания модели является получение количественной оценки эффективности проведения агроопераций оптимистичным и пессимистичным фермером при колебаниях погодных условий. В качестве рассматриваемых крит","PeriodicalId":211660,"journal":{"name":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","volume":"47 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116820534","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"A Multilayered Self-Learning Spiking Neural Network and its Learning Algorithm Based on ‘Winner-Takes-More’ Rule in Hierarchical Clustering","authors":"Yevgeniy V. Bodyanskiy, A. Dolotov","doi":"10.2478/v10143-010-0009-7","DOIUrl":"https://doi.org/10.2478/v10143-010-0009-7","url":null,"abstract":"A Multilayered Self-Learning Spiking Neural Network and its Learning Algorithm Based on ‘Winner-Takes-More’ Rule in Hierarchical Clustering This paper introduces architecture of multilayered selflearning spiking neural network for hierarchical data clustering. It consists of the layer of population coding and several layers of spiking neurons. Contrary to originally suggested multilayered spiking neural network, the proposed one does not require a separate learning algorithm for lateral connections. Irregular clusters detecting capability is achieved by improving the temporal Hebbian learning algorithm. It is generalized by replacing ‘Winner-Takes-All’ rule with ‘Winner-Takes-More’ one. It is shown that the layer of receptive neurons can be treated as a fuzzification layer where pool of receptive neurons is a linguistic variable, and receptive neuron within a pool is a linguistic term. The network architecture is designed in terms of control systems theory. Using the Laplace transform notion, spiking neuron synapse is presented as a second-order critically damped response unit. Spiking neuron soma is modeled on the basis of bang-bang control systems theory as a threshold detection system. Simulation experiment confirms that the proposed architecture is effective in detecting irregular clusters.","PeriodicalId":211660,"journal":{"name":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","volume":"96 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132749589","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"On Implicitly Discovered OLAP Schema-Specific Preferences in Reporting Tool","authors":"Natalija Kozmina, Darja Solodovnikova","doi":"10.2478/v10143-011-0005-6","DOIUrl":"https://doi.org/10.2478/v10143-011-0005-6","url":null,"abstract":"On Implicitly Discovered OLAP Schema-Specific Preferences in Reporting Tool We propose content-based methods for construction of recommendations for reports in the OLAP reporting tool. Recommendations are generated based on preference information in user profile, which is updated implicitly by collecting and analyzing user activity in the reporting tool. Taking advantage of data about user preferences for data warehouse schema elements, existing reports that potentially may be interesting to the user are distinguished and recommended. The approach used for recommending reports is composed of two methods - cold-start and hot-start.","PeriodicalId":211660,"journal":{"name":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","volume":"91 5 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126027994","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Competence Orientation in Business Informatics International Master Program","authors":"J. Chauchat, I. Zolotaryova","doi":"10.2478/v10143-011-0014-5","DOIUrl":"https://doi.org/10.2478/v10143-011-0014-5","url":null,"abstract":"Competence Orientation in Business Informatics International Master Program The need for competence-based approach in professional and educational standards is required by modern economy. Development and improvement of systems of different competences provides a link between education and training and labor market. The discussion on the current state and prospects of development of joint master's program in Business Informatics is being held. Hereby there is a suggestion on competencies description for the Business Informatics Curriculum based on descriptors. To realize the competence oriented model for masters' program it is suggested to mark out educational concepts through the type of courses in each discipline.","PeriodicalId":211660,"journal":{"name":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","volume":"39 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127107650","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Mining Online Store Client Assessment Classification Rules with Genetic Algorithms","authors":"Anna Galinina, S. Parshutin","doi":"10.2478/v10143-011-0044-z","DOIUrl":"https://doi.org/10.2478/v10143-011-0044-z","url":null,"abstract":"Mining Online Store Client Assessment Classification Rules with Genetic Algorithms The paper presents the results of the research into algorithms that are not meant to mine classification rules, yet they contain all the necessary functions which allow us to use them for mining classification rules such as Genetic algorithm (GA). The main task of the research is associated with the application of GA to classification rule mining. A classic GA was modified to match the chosen classification task and was compared with other popular classification algorithms - JRip, J48 and Naive Bayes classifier. The paper describes the algorithm proposed and the application task as well as provides a comparative analysis of the obtained results with other algorithms. Klasifikācijas likumu ieguve ar genētiskajiem algoritmiem e-veikala klientu novērtēšanai Darba mērķis bija izpētīt genētiskā algoritma (ĢA) iespējas, lai piemērotu klasifikācijas likumu ieguvei no statistikas datiem. Ģenētiskais algoritms ir evolucionāras optimizācijas algoritms un var būt pielietots vairākās sfērās, taču klasifikācijas likumu ieguve nav klasiskais uzdevums genētiskā algoritma pielietošanai. Darbā izpētīts ĢA darbības princips un noteikts, ka genētiskajam algoritmam piemīt visas nepieciešamās īpašības klasifikācijas likumu ieguvei no datiem. Ģenētiskā algoritma efektivitātes praktiskajai novērtēšanai klasifikācijas likumu ieguves uzdevumā, tika modificēts ĢA pamata algoritms un piedāvāta metode indivīdu piemērotības novērtēšanai. Izstrādāta metode klasifikācijas likumu kopas veidošanai, izmantojot likumu kopu, kas atlasīta ar genētisko algoritmu. Piedāvātā metode aprobēta ar iepriekš sagatavotu datu kopu, kuru izsniedza starptautiskajā konkursā Data Mining Cup 2010. Pielietojot izvēlēto datu kopu, tika novērtēta arī efektivitāte šādiem klasifikācijas algoritmiem: J48, JRip un Naïve Baiyes. Rezultāti parādīja, ka genētiskā algoritma precizitāte atrodas vienā līmenī ar citu izmantoto klasifikācijas algoritmu precizitāti. Salīdzinot algoritmu efektivitāti arī pēc iegūto likumu skaita, var secināt, ka piedāvātais genētiskais algoritms ir efektīvāks pār citiem algoritmiem. Pēc iegūtajiem rezultātiem var secināt, ka piedāvātais modificētais genētiskais algoritms nav sliktāks par citiem izmantotajiem klasifikācijas algoritmiem un to var pielietot klasifikācijas likumu ieguvei no statistikas datiem. Par piedāvātā algoritma nepilnību var minēt to, ka tas spēj apstrādāt tikai kategoriskus atribūtus. Turpmāko pētījumu mērķis būs nepārtraukto atribūtu apstrādes iespējas pievienošana piedāvātajam genētiskajam algoritmam. Извлечение правил классификации с помощью генетических алгоритмов для оценки клиентов интернет магазина Целью работы являлось изучение возможностей генетического алгоритма (ГА) применительно к извлечению правил классификации из имеющихся статистических данных. ГА является эволюционным алгоритмом оптимизации различных решений, тем не менее, извлечение правил из данных не является кл","PeriodicalId":211660,"journal":{"name":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"117006020","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Perceptron Architecture Ensuring Pattern Description Compactness","authors":"S. Jakovlevs","doi":"10.2478/v10143-010-0012-z","DOIUrl":"https://doi.org/10.2478/v10143-010-0012-z","url":null,"abstract":"Perceptron Architecture Ensuring Pattern Description Compactness This paper examines conditions a neural network has to meet in order to ensure the formation of a space of features satisfying the compactness hypothesis. The formulation of compactness hypothesis is defined in more detail as applied to neural networks. It is shown that despite the fact that the first layer of connections is formed randomly, the presence of more than 30 elements in the middle network layer guarantees a 100% probability that the G-matrix of the perceptron will not be special. It means that under additional mathematical calculations made by Rosenblatt, the perceptron will with guaranty form a space of features that could be then linearly divided. Indeed, Cover's theorem only says that separation probability increases when the initial space is transformed into a higher dimensional space in the non-linear case. It however does not point when this probability is 100%. In the Rosenblatt's perceptron, the non-linear transformation is carried out in the first layer which is generated randomly. The paper provides practical conditions under which the probability is very close to 100%. For comparison, in the Rumelhart's multilayer perceptron this kind of analysis is not performed.","PeriodicalId":211660,"journal":{"name":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","volume":"37 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116980461","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Implementation of Cryptographic Algorithms in Software: An Analysis of the Effectiveness","authors":"V. Nazaruk, P. Rusakov","doi":"10.2478/v10143-010-0030-x","DOIUrl":"https://doi.org/10.2478/v10143-010-0030-x","url":null,"abstract":"Implementation of Cryptographic Algorithms in Software: An Analysis of the Effectiveness The goal of the paper is to discuss some possibilities of effective implementing cryptographic algorithms in software development. There are concerned two aspects of the term \"effectiveness\": efficacy (i.e., meeting a goal of using cryptographic algorithms - providing a protection of information) and efficiency (i.e., implementing cryptographic algorithms in an economical way; as well as implementing cryptographic algorithms to the effect that they execute in an economical way). In the paper, there are defined and classified errors which are the causes of possible vulnerabilities in implementation of cryptographic algorithms on a computer. There are given general recommendations, how to escape from these vulnerabilities. There is also considered implementation of cryptographic algorithms in software development by using software libraries and frameworks. Several widespread software frameworks which provide cryptographic functionality are compared with each other by the speed of execution of algorithms. Finally, there are discussed some possibilities of maximising the speed of execution of cryptographic algorithms, emphasising the importance of parallelisation of algorithms. For block ciphers, possible parallelisation is discussed especially deeply, referencing the results obtained in practical experiments that demonstrate and estimate the benefits of parallelising block ciphers. Kriptogrāfisko algoritmu implementēšana programmatūrā: efektivitātes analīze Šī raksta mērķis ir aplūkot iespējas efektīvi implementēt kriptogrāfiskos algoritmus programmatūras izstrādē. Tiek skarti divi jēdziena «efektivitāte» aspekti: efektivitāte kā kriptogrāfisko algoritmu izmantošanas mērķa (informācijas aizsardzības nodrošināšanas) sasniegšanas rādītājs, un efektivitāte kā kriptogrāfisko algoritmu implementēšanas procesa ekonomiskuma, kā arī jau implementēto algoritmu izpildes ekonomiskuma (galvenokārt, laika resursu ziņā) rādītājs. Rakstā tiek definētas un klasificētas kļūdas, kas var izraisīt ievainojamības kriptogrāfisko algoritmu implementācijā ar datoru; tiek sniegtas vispārējās rekomendācijas, kā var izvairīties no šādām ievainojamībām. Arī tiek aplūkota kriptogrāfisko algoritmu implementēšana, izmantojot programmatūras bibliotēkas un platformas. Vairākas izplatītas programmatūras platformas, kas piedāvā kriptogrāfisko funkcionalitāti, tiek salīdzinātas savā starpā pēc algoritmu izpildes ātruma kritērija. Visbeidzot, tiek aplūkotas dažas iespējas palielināt kriptogrāfisko algoritmu izpildes ātrumu, izceļot algoritmu paralelizācijas svarīgumu. Bloku šifriem iespējamā paralelizācija tiek aplūkota īpaši dziļi; arī, atsaucoties uz praktisko eksperimentu rezultātiem, tiek demonstrētas un novērtētas bloku šifru paralelizācijas priekšrocības. Реализация криптографических алгоритмов в программном обеспечении: анализ эффективности Целью данной статьи является рассмотрение эффективн","PeriodicalId":211660,"journal":{"name":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126235106","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Matrix Neuro-Fuzzy Self-Organizing Clustering Network","authors":"Yevgeniy V. Bodyanskiy, V. Volkova, M. Skuratov","doi":"10.2478/v10143-011-0042-1","DOIUrl":"https://doi.org/10.2478/v10143-011-0042-1","url":null,"abstract":"Matrix Neuro-Fuzzy Self-Organizing Clustering Network In this article the problem of clustering massive data sets, which are represented in the matrix form, is considered. The article represents the 2-D self-organizing Kohonen map and its self-learning algorithms based on the winner-take-all (WTA) and winner-take-more (WTM) rules with Gaussian and Epanechnikov functions as the fuzzy membership functions, and without the winner. The fuzzy inference for processing data with overlapping classes in a neural network is introduced. It allows one to estimate membership levels for every sample to every class. This network is the generalization of a vector neuro- and neuro-fuzzy Kohonen network and allows for data processing as they are fed in the on-line mode. Matricveida neiro-izplūdušais pašorganizējošais klasterizācijas tīkls Apskatīts datu masīvu, kas doti matricas formā, klasterizācijas uzdevums. Tāpat tiek pieņemts, ka apstrādei paredzētie dati tiek papildināti secīgi tiešsaistes režīmā, bet paši klasteri, kurus veido šie dati, kādā veidā pārklājas tā, ka katrs ar matricu attēlotais tēls ar dažādiem piederības līmeņiem var vienlaicīgi piederēt uzreiz vairākām klasēm. Uzdevuma atrisināšanai ir ieviestas divdimensionāla T. Kohonena pašorganizējošā karte un tās apmācības algoritma modifikācija, balstoties uz likumiem \"uzvarētājs iegūst visu\" (WTA), \"uzvarētājs iegūst vairāk\" (WTM) un bez uzvarētāja. Ja pašapmācības procesā izmanto konkurences etapu, tad katrā solī tiek noteikts neirons uzvarētājs, kas matricas sfēriskajā metrikā ir vistuvākais izmantotajam ieejas tēlam, un tiek izmantota uz WTA likuma balstīta apmācība. Savukārt, ja pašapmācības procesā tiek izmantots kooperācijas etaps, tad tiek ieviesta skalāra kaimiņa funkcija, piemēram, Gausa funkcija ar matricas argumentu, un tiek pielietota uz WTM likuma balstīta apmācība visiem tīkla neironiem. WTM apmācības procedūras konvergence visiem tīkla neironiem tiek nodrošināta, samazinot meklēšanas soli un pastāvīgi sašaurinot kaimiņu funkcijas receptoro lauku, kas sarežgī apmācības procesa realizāciju tāda veida funkcijai. Tāpēc par kaimiņu funkciju tradicionālo Gausa funkciju vietā ir piedāvāts izmantot V. Epanečnikova funkcijas. Tāpat darbā piedāvāta divdimensionāla neiro-izplūdušās Kohonena kartes modifikācija un tās apmācības adaptīvais algoritms, kas ļauj novērtēt gan klasteru prototipu (centroīdu) parametrus, gan piederības līmeņus. Ir parādīts, ka apmācības algoritms ir izplūdušās c-vidējo metodes modifikācija. Piedāvātais matricu algoritms, atsakoties no vektorizācijas un devektorizācijas operācijām, nodrošina daudzas priekšrocības skaitliskajā realizācijā pār tradicionālajām pieejām, kad tiek apstrādāti divdimensionāli lauki un liela izmēra datu masīvi. Матричная нейро-нечёткая самоорганизующаяся кластеризирующая сеть Рассмотрена задача кластеризации массивов данных, заданных в матричной форме. При этом предполагается, что данные поступают на обработку последовательно в on-line режиме, а сам","PeriodicalId":211660,"journal":{"name":"Sci. J. Riga Tech. Univ. Ser. Comput. Sci.","volume":"27 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123419051","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}