Математико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов




Скачать 389.32 Kb.
НазваниеМатематико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов
страница6/6
Дата17.04.2013
Размер389.32 Kb.
ТипЗадача
1   2   3   4   5   6

Заключение. Результаты


Автором разработаны прототип сервиса RecService и модели алгоритмов для описанных в третьей главе задач. Сервис демонстрирует свою применимость в задачах с одной подключенной внешней системой и набором связанных заменяемых в рамках одной решаемой задачи компонентов. Рекуррентные алгоритмы типа решающих описанные задачи могут быть применены и в других системах, например [42].

Сервис может быть расширен несколькими новыми модулями. Поддержка моделей на основе задания бизнес-процессов с несколькими участвующими системами позволит полноправно интегрировать RecService с другими системами, реализующими стандарты WSDL и UDDI.

Язык описания моделей, с которым работает сервис, не обеспечивает поддержки асинхронных процессов. Такая поддержка является существенным для реализации более сложных, чем описанные здесь, моделей в задачах искусственного интеллекта, например см. [43]. Тогда с помощью сервиса станет возможным интегрирование многоагентных систем.

ПРИЛОЖЕНИЕ 1.





xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans-2.0.xsd">






0.0

0.0



















0.8

-0.7











Литература


  1. Колесов Ю.Б. Объектно-ориентированное моделирование сложных динамических систем. СПб. Изд-во СПбГПУ. 2004.

  2. Звягин П.Н., Нечаев Ю.И. Нейросетевое управление морским динамическим объектом. Научная сессия МИФИ-2006. Нейроинформатика - 2006. Часть 2 Модели адаптивного поведения. Применение нейронных сетей. Применение нейронных сетей. Теория нейронных сетей. Изд-во МИФИ. 2006. С. 81-87

  3. Поляк Б.Т. Введение в оптимизацию. М.: Наука. 1983.

  4. Corkill D.D. Blackboard Systems. AI Expert, 6(9), 1991, pp. 40-47

  5. Граничин О.Н., Поляк Б.Т. Рандомизированные алгоритмы оценивания и оптимизации при почти произвольных помехах. М., Наука. 2003.

  6. Kushner H., Yin G. Stochastic Approximation and Recursive Algorithms and Applications, 2nd ed., Springer, 2003.

  7. SPSA: A Method For System Optimization, http://www.jhuapl.edu/spsa

  8. Стохастическая оптимизация в информатике, сб. под ред. проф. Граничина О.Н. Т. 1. 2005., т. 2. 2006.

  9. Fowler M., Inversion of Control Containers and the Dependency Injection pattern, http://www.martinfowler.com/articles/injection.html

  10. Poutsma A., Spring Web Services - Reference Documentation, http://static.springframework.org/spring-ws/site/reference/html/index.html

  11. Hibernate - Relational Persistence for Idiomatic Java. Hibernate Reference Documentation http://www.hibernate.org/hib_docs/v3/reference/en/html/

  12. Черных И.В., Simulink: Инструмент моделирования динамических систем, http://www.nsu.ru/matlab/MatLab_RU/simulink/book1/index.asp.htm

  13. Robbins H., Monro S., A stochastic approximation method, Ann. Math. Statist. V. 22, 1951, pp. 400-407

  14. Kiefer J., Wolfowitz J. Statistical estimation on the maximum of a regression function. Ann. Math. Statist., V. 23, 1952, pp. 462-466.

  15. Spall J. C. Multivariate stochastic approximation using a simultaneous perturbation gradient approximation, IEEE Transactions on Automatic Control, V. 37, 1992, pp. 332-341.

  16. Граничин О.Н. Об одной стохастической рекуррентной процедуре при зависимых помехах в наблюдении, использующей на входе пробные возмущения, Вестник Ленингр. ун-та, сер. 1, в. 1, 1989, с. 92-93

  17. Поляк Б.Т., Цыбаков А.Б. Оптимальные порядки точности поисковых алгоритмов стохастической аппроксимации, Проблемы передачи информации, 2, 1990, с. 45-53.

  18. Blum J. R. Multidimensional stochastic approximation, Ann. Math. Statist., V. 9, 1954, pp. 737-744.

  19. Вазан М., Стохастическая аппроксимация, М.: Мир, 1972.

  20. Невельсон М.Б., Хасьминский Р.З. Стохастическая аппроксимация и рекуррентное оценивание, М.: Наука, 1972.

  21. Михалевич В.С., Гупал А.М., Норкин В.И. Методы невыпуклой оптимизации , М.: Наука, 1987.

  22. Fabian V. Stochastic approximation of minima with improved asymptotic speed, Ann. Math. Statist., v. 38., 1967. pp. 191-200.

  23. Граничин О.Н., Процедура стохастической аппроксимации с возмущением на входе, Автоматика и телемеханика, 2, 1992, с. 97-104

  24. Граничин О.Н. Оценивание точки минимума неизвестной функции, наблюдаемой на фоне зависимых помех, Проблемы передачи информации, 2, 1992, с. 16-20.

  25. Граничин О.Н., Оптимальная скорость сходимости рандомизированных алгоритмов стохастической аппроксимации при почти произвольных помехах, Автоматика и телемеханика, 2, 2003, с. 88-99.

  26. Chen H. F., Duncan T. E., Pasik-Duncan B. A Kiefer-Wolfowitz algorithm with randomized differences, IEEE Transactions on Automatic Control, V. 44, N 3, 1999. pp. 442-453.

  27. Granichin O.N., Vakhitov A.T.  Accuracy for the SPSA algorithm with two measurements. WSEAS Transactions on Systems. № 5.  v. 5. May 2006. pp. 953-957.

  28. Вахитов А.Т., Граничин О.Н., Сысоев С.С. Точность оценивания рандомизированного алгоритма стохастической оптимизации. Автоматика и телемеханика, 2006, № 4 , с.86-96.

  29. Вахитов А.Т., Граничин О.Н.(СПбГУ) Рандомизированные алгоритмы оценивания при нерегулярных помехах, в сб. под ред. проф. Граничина О.Н., т. 2, 2006.

  30. Milner R., The Polyadic pi-Calculus: A Tutorial, in Logic and Algebra of Specification. Springer-Verlag, 1993.

  31. Johnson R. etc. The Spring Framework - Reference Documentation, 2.0.5, http://static.springframework.org/spring/docs/2.0.x/reference/index.html

  32. Пархоменко П.П. Теория вопросников (обзор). Автоматика и телемеханика, №4 (1970)

  33. Valdes-Perez R., Pericliev V., Pereira F. Concise, Intelligible, and Approximate Profiling of Multiple Classes. International Journal of Human-Computer Studies, Volume 53, Number 3, September 2000, pp. 411-436(26)

  34. Свиридов А.В. Ключи в биологической систематике: теория и практика. М: Изд-во МГУ, 1994. 224 с.

  35. Лобанов А.Л. Оценка диагностической ценности рядов признаков в многовходовых определителях, рассчитанных на использование ЭВМ. Тезисы докладов VI Коми республиканской молодежной научной конференции. 1974. Сыктывкар. c. 125-126.

  36. Вахитов А.Т., Граничина О.А. Алгоритмы классификации за минимальное число шагов в сб. Стохастическая оптимизация в информатике под ред. Граничина О.Н., вып. 2, 2006, с. 167-174

  37. Владимирович А.Г.(СПбГУ) Субоптимальный алгоритм распознавания образов в дискретном случае. в сб. Стохастическая оптимизация в информатике под ред. Граничина О.Н., вып. 1, 2005, с. 8-16

  38. Шошмина И.В. и др. Использование Grid-технологий для крупномасштабных научных экспериментов. Часть 1. Введение в Grid-технологии с примерами практических занятий на базе ARC Nordugrid. СПб:Копи-Сервис, 2006. – 49 с.

  39. Squire D., Müller W. and Müller H. Relevance feedback and term weighting schemes for content-based image retrieval, Visual Information and Information Systems. 1999. pp. 549-556.

  40. Измакова О.А., Сысоев С.С. Алгоритм стохастической оптимизации с возмущением на входе в задаче самообучения. Труды Международной школы-семинара Адаптивные роботы 2004. М.-СПб, 2004, с. 49-52

  41. Хованов Н. И. Анализ и синтез показателей при информационном дефиците. СПб., СПбГУ, 1996.

  42. Гуревич Л.С., Адаптивный метод выбора каналов новостей. Дипломная работа, каф. системного программирования математико-механического факультета СПбГУ, 2007.

  43. Граничин О.Н., Жувикина И.А. Новая модель процесса вычислений: обобщение концепции машины Тьюринга. Нейрокомпьютеры: разработка, применение, 2006, № 7 , с.24-31.




1 Разработан в рамках студенческого проекта по GRID вычислениям, проводимого в лаборатории Intel на математико-механическом факультете СПбГУ

2Выполняется в рамках гранта «Интернет-математика 2007» от компании Яндекс

1   2   3   4   5   6

Похожие:

Математико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов iconПетербургский Государственный Университет Математико-Механический Факультет Кафедра Системного Программирования
Сравнение различных методов хранения xml в реляционных базах данных и в разных системах
Математико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов iconМатематико-механический факультет Кафедра системного программирования «Мультиагентные платформы и их применение в сетевых задачах»
Мас концентрируют все необходимые для таких технологий свойства с наибольшей выразительностью и полнотой. Результаты внедрения агентных...
Математико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов iconМатематико-механический факультет Кафедра системного программирования Генерация веб-сервисов C#. net на основе bpel
Задача кодогенерации веб-сервисов возникла в рамках проекта «К700». «К700» — это проект создания рабочих мест оператора и инженера...
Математико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов iconМатематико-механический факультет Кафедра системного программирования Поддержка структурных изменений в процессах загрузки данных
Исследование необходимости поддержки структурных изменений в источниках данных 35
Математико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов iconМатематико-механический факультет Кафедра системного программирования Разработка системы сравнения производительности субд
Существует большое количество разнообразных субд (Система управления базами данных), предназначенных для разных задач, однако обычно...
Математико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов iconМатематико-механический факультет Кафедра системного программирования Разработка jre на ecma cli
Виртуальная машина, включая сборщик мусора и jit компилятор, является наиболее крупным монолитным компонентом среды управляемого...
Математико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов iconМатематико-механический факультет Кафедра системного программирования Создание режима быстрого прототипирования в case-системе qreal
Использование различных видов диаграмм и сущностей позволяет пользователям наглядно и подробно описать необходимые модули и поведение...
Математико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов iconМатематико-механический факультет

Математико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов iconМатематико-механический факультет

Математико-механический факультет Кафедра системного программирования Сервис для моделей оптимизации на основе рекуррентных алгоритмов iconМатематико-механический факультет

Разместите кнопку на своём сайте:
Библиотека


База данных защищена авторским правом ©lib.znate.ru 2014
обратиться к администрации
Библиотека
Главная страница