INTELLIGENT INFORMATION TECHNOLOGY FOR RAPID CLASSIFICATION UNDER CONDITIONS OF OVERLAPPING CLASSES
Uloženo v:
| Název: | INTELLIGENT INFORMATION TECHNOLOGY FOR RAPID CLASSIFICATION UNDER CONDITIONS OF OVERLAPPING CLASSES |
|---|---|
| Zdroj: | Bulletin of National Technical University "KhPI". Series: System Analysis, Control and Information Technologies; No. 2 (12) (2024); 108-112 Вестник Национального технического университета "ХПИ". Серия: Системный анализ, управление и информационные технологии; № 2 (12) (2024); 108-112 Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiї; № 2 (12) (2024); 108-112 |
| Informace o vydavateli: | NTU "KhPI", 2025. |
| Rok vydání: | 2025 |
| Témata: | neo-fuzzy system, online mode, neural network, адаптивне навчання, nearline mode, adaptive learning, нейро-фаззі система, нечітка логіка, швидка класифікація, нео-фаззі система, fuzzy logic, перетинні класи, online режим, нейронна мережа, neuro-fuzzy system, rapid classification, overlapping classes, nearline режим |
| Popis: | The subject of this research is the process of rapid data classification under conditions of overlapping classes. Rapid classification is performed in real-time or near-real-time mode. The aim of the work is to develop an intelligent information technology for rapid classification in online and nearline modes under conditions of overlapping classes. Achieving this goal allows for the consideration of non-stationarity in input data and class imbalance under conditions of streaming data. The tasks of compensating for noise in input data and changes in input data distribution due to non-stationarity, as well as the task of compensating for class imbalance, are interconnected when classifying under conditions of overlapping classes and require the development of a comprehensive solution. To achieve the goal, the following tasks are addressed: structuring approaches to classification of overlapping classes considering non-stationarity in input data and class imbalance; developing an intelligent technology for classification in online and nearline modes. An intelligent information technology for rapid classification under conditions of overlapping classes is proposed. The technology includes stages of preliminary classification considering noise in input data, classification considering class imbalance, and classification considering changes in input data patterns. The technology involves sequential use of a neo-fuzzy system, an adaptive neuro-fuzzy system, and a multilayer neural network with kernel bell-shaped activation functions. The neo-fuzzy system uses neo-fuzzy neurons, ensuring resistance to noise. The adaptive neuro-fuzzy system considers distances between input data and class centers in feature space, ensuring classification under class imbalance conditions. The multilayer neural network with kernel bell-shaped activation functions uses a recurrent learning algorithm, ensuring adaptation to new data with a new distribution. The technology enables rapid iterative refinement of classification decisions according to changes in input data characteristics. Предметом дослідження є процес швидкої класифікації даних за умов перетинних класів. Швидка класифікація виконується в режимі реального часу або близькому до нього. Мета роботи полягає у розробці інтелектуальної інформаційної технології швидкої класифікації в online та nearline режимах за умов перетинних класів. Досягнення мети дає можливість врахувати нестаціонарність вхідних даних та дисбаланс класів за умов потокового надходження даних. Задачі компенсації шумів у вхідних даних та зміну розподілу вхідних даних внаслідок нестаціонарності таких даних, а також задача компенсації дисбалансу класів пов’язані між собою при класифікації в умовах перетинних класів та потребують розробки комплексного рішення. Для досягнення мети вирішуються такі задачі: структуризація підходів до класифікації перетинних класів з урахуванням нестаціонарності вхідних даних та дисбалансу класів; розробка інтелектуальної технології класифікації в online та nearline режимах. Запропоновано інтелектуальну інформаційну технологію швидкої класифікації за умов перетинних класів. Технологія містить етапи попередньої класифікації з урахуванням шуму у вхідних даних, класифікації з урахуванням дисбалансу класів та класифікації з урахуванням зміни закономірностей у вхідних даних. Технологія передбачає послідовне використання нео-фаззі системи, адаптивної нейро-фаззі системи та багатошарової нейронної мережі з ядерними дзвонуватими функціями активації. Нео-фаззі система використовує нео-нечіткі нейрони, що забезпечує стійкість до шуму. Адаптивна нейро-фаззі система враховує відстані між вхідними даними та центром класу у просторі ознак, що забезпечує класифікацію в умовах дисбалансу класів. Багатошарова нейронна мережа з ядерними дзвонуватими функціями активації використовує рекурентний алгоритм навчання, що забезпечує адаптацію до нових даних з новим розподілом. Технологія дає можливість забезпечити швидке ітеративне уточнення рішень з класифікації згідно змін характеристик вхідних даних. |
| Druh dokumentu: | Article |
| Popis souboru: | application/pdf |
| Jazyk: | Ukrainian |
| ISSN: | 2079-0023 2410-2857 |
| Přístupová URL adresa: | http://samit.khpi.edu.ua/article/view/320190 |
| Rights: | CC BY |
| Přístupové číslo: | edsair.scientific.p..5a8aa2612c9cd7904eb220ba2d3cebd8 |
| Databáze: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstrakt: | The subject of this research is the process of rapid data classification under conditions of overlapping classes. Rapid classification is performed in real-time or near-real-time mode. The aim of the work is to develop an intelligent information technology for rapid classification in online and nearline modes under conditions of overlapping classes. Achieving this goal allows for the consideration of non-stationarity in input data and class imbalance under conditions of streaming data. The tasks of compensating for noise in input data and changes in input data distribution due to non-stationarity, as well as the task of compensating for class imbalance, are interconnected when classifying under conditions of overlapping classes and require the development of a comprehensive solution. To achieve the goal, the following tasks are addressed: structuring approaches to classification of overlapping classes considering non-stationarity in input data and class imbalance; developing an intelligent technology for classification in online and nearline modes. An intelligent information technology for rapid classification under conditions of overlapping classes is proposed. The technology includes stages of preliminary classification considering noise in input data, classification considering class imbalance, and classification considering changes in input data patterns. The technology involves sequential use of a neo-fuzzy system, an adaptive neuro-fuzzy system, and a multilayer neural network with kernel bell-shaped activation functions. The neo-fuzzy system uses neo-fuzzy neurons, ensuring resistance to noise. The adaptive neuro-fuzzy system considers distances between input data and class centers in feature space, ensuring classification under class imbalance conditions. The multilayer neural network with kernel bell-shaped activation functions uses a recurrent learning algorithm, ensuring adaptation to new data with a new distribution. The technology enables rapid iterative refinement of classification decisions according to changes in input data characteristics.<br />Предметом дослідження є процес швидкої класифікації даних за умов перетинних класів. Швидка класифікація виконується в режимі реального часу або близькому до нього. Мета роботи полягає у розробці інтелектуальної інформаційної технології швидкої класифікації в online та nearline режимах за умов перетинних класів. Досягнення мети дає можливість врахувати нестаціонарність вхідних даних та дисбаланс класів за умов потокового надходження даних. Задачі компенсації шумів у вхідних даних та зміну розподілу вхідних даних внаслідок нестаціонарності таких даних, а також задача компенсації дисбалансу класів пов’язані між собою при класифікації в умовах перетинних класів та потребують розробки комплексного рішення. Для досягнення мети вирішуються такі задачі: структуризація підходів до класифікації перетинних класів з урахуванням нестаціонарності вхідних даних та дисбалансу класів; розробка інтелектуальної технології класифікації в online та nearline режимах. Запропоновано інтелектуальну інформаційну технологію швидкої класифікації за умов перетинних класів. Технологія містить етапи попередньої класифікації з урахуванням шуму у вхідних даних, класифікації з урахуванням дисбалансу класів та класифікації з урахуванням зміни закономірностей у вхідних даних. Технологія передбачає послідовне використання нео-фаззі системи, адаптивної нейро-фаззі системи та багатошарової нейронної мережі з ядерними дзвонуватими функціями активації. Нео-фаззі система використовує нео-нечіткі нейрони, що забезпечує стійкість до шуму. Адаптивна нейро-фаззі система враховує відстані між вхідними даними та центром класу у просторі ознак, що забезпечує класифікацію в умовах дисбалансу класів. Багатошарова нейронна мережа з ядерними дзвонуватими функціями активації використовує рекурентний алгоритм навчання, що забезпечує адаптацію до нових даних з новим розподілом. Технологія дає можливість забезпечити швидке ітеративне уточнення рішень з класифікації згідно змін характеристик вхідних даних. |
|---|---|
| ISSN: | 20790023 24102857 |