Інтелектуальний аналіз результатів кліометричного моніторингу
DOI:
https://doi.org/10.34121/1028-9763-2019-4-87–92Ключові слова:
Cliometric, GMDH, Monitoring, Clustering, Data Mining, кліометрія, МГУА, моніторинг, кластеризація, інтелектуальний аналіз данихАнотація
Анотація. Для підвищення адекватності результатів кліодинамічних досліджень використовується інформаційна технологія багаторівневого інтелектуального моніторингу в поєднанні з експертними оцінками результатів моделювання. Результати інтерпретувались у рамках класичних концепцій історичної науки. Це сприяє залученню до аналізу джерел систем штучного інтелекту (баз знань, експертних систем, когнітивних комп'ютерних моделей розуміння тексту, фреймових систем), в яких моделюються знання істориків. При формуванні масиву чисельних характеристик певних історичних періодів на сьогодні спостерігається тенденція до збільшення питомої ваги історичних джерел, створених колективним способом. Застосування технології інтелектуального моніторингу дозволяє автоматизувати процеси обробки історичних даних і підвищити ефективність наукових досліджень та адекватність висновків. Представлені результати застосування технології багаторівневого інтелектуального моніторингу для вирішення однієї з задач кліометрії. Розв’язувалась задача визначення подібності історичних періодів. Перелік ознак, що описують історичні періоди, визначено експертним шляхом. Тривалість часового проміжку вибрано за результатами обробки статистичних даних. Чисельні характеристики вибраних ознак формувались впродовж однакових часових проміжків і утворювали вектор ознак для кожного з історичних періодів. Вектори ознак історичних періодів піддавались кластеризації за результатами моделювання. Метод синтезу моделей вибирався окремо для формування кожного кластера за результатами випробування кожного алгоритму синтезу моделей моніторингової інтелектуальної системи. В більшості випадків моделі-кластеризатори будувались за багаторядним алгоритмом GMDH. Описано процеси формування масиву вхідних даних, синтезу моделей та визначення впливу ознак. Експериментально підтверджено доцільність використання нового методу визначення подібності історичних періодів.Посилання
1. Holub S.V. Multi-level modeling in environmental monitoring technologies. Chernivtsi: B. Khmelnytsky National University of Chernivtsi, 2007. 220 p.
2. Holub S.V., Burley І.V. Multilayer data transformation in information systems of multi-level monitoring of fire safety. Collection of scientific works of Kharkiv University of Air Forces. 2014. Vol. 1, N 38. P. 246–251.
3. Holub S.V., Rudnitsky V.N., Dendarenko V.Yu., Pivneva S.V. Formation of the structure of the global function in information systems of multi-level monitoring of fire safety. The Science Vector of the Togliatti State University. 2012. Vol. 4, N 22. P. 41–45.
4. Ivakhnenko A.G. Inductive method of self-organization of models of complex systems. K.: Naukova Dumka, 1981. 296 p.
5. Holub S.V., Kolos P.O. Features of creation of information systems for crisis socioecological monitoring. Systems of information processing. 2011. Vol. 4, N 94. P. 273–277.
6. Golub S.V., Nemchenko V.Yu. Adaptive formation of duplicate levels in the structure of hierarchical systems of multi-level sociohygienic monitoring. Inductive modeling of complex systems. Collection of scientific works. 2011. Vol. 1. P. 41–48.
7. Holub S.V., Dzholos V.M. Using of heuristic monitoring system for forecasting postinfarction complications. Visnyk of Zhytomyr State Technological University. Engineering. 2004. Vol. 4, N 31, P. 109–114.
8. Holub S.V., Khymytsia N. O. The display of consolidated information of regional economic performance in the structure of multi-level models. Visnyk of Volodymyr Dahl East Ukrainian National University. 2012. Vol 8, N 179, Part 1. P. 122–128.
9. Holub S.V., Semenenko L.M. Information modeling as the basis of the didactic system of training young scientists. Problems of general and pedagogical psychology, Collection of scientific works of the Institute of Psychology named after G.S. Kostyuk APS of Ukraine. 2005. Vol. VII. P. 96–100.
10. Holub S.V., Semenenko L.M. Application of heuristic observation systems as a modeling pedagogical tool. Vesnyk Kharkiv National Automobile and Road University. Collection of scientific works. Kharkiv: KhNADU, 2005. P. 10–12.
11. Williamson S. Cliometrics history in the United States (translation A.N. Polevaia). Economic History. Review. 1996. Vol. 1. P. 75–107.
12. Khymytsia N., Lisina S., Morushko O., Zhezhnych P. Analysis of сomputer-based methods for processing historical information. Advances in Intelligent Systems and Computing: Selected Papers from the International Conference on Computer Science and Information Technologies. Springer International Publishing, Lviv, Ukraine. CSIT 2017. Vol. 1. P. 365–367.
13. Kovalchenko I.D. Methods of historical research. 2nd ed. M., 2003. 454 p.
14. Fogel R. Railroads and American Economic Growth: Essays in Econometric History. Baltimore, Johns Hopkins Press, 1964. 296 p.
15. Borodkin L.I. Historical information science at the bifurcation point: the movement to Historical Information Science. Circle of ideas: algorithms and technologies of historical Informatics: Proc. of the IX conference of the Association “History and Computer” / ed. L.I. Borodkin, V.N. Vladimirov. Moscow-Barnaul, 2005. P. 7–21.
16. Golub S.V., Burley I.V. Increasing the efficiency of clustering by the results of simulation in the information technology of operational fire monitoring. Information Processing Systems. 2014. Iss. 2, N 118. P. 253–257.
71
10Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2019 Математичні машини і системи
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
