Аннотация: Разработан и реализован алгоритм выявления фракталоподобных структур в ДНК- последовательностях. Фрактальность трактуется как самоподобие, основанное на свойстве симметрии или комплементарной симметрии. Локальные фракталы интересны своей способностью аккумулировать множественные палиндромно-шпилечные структуры с потенциально возможными регуляторными функциями. Выявлены реальные случаи проявления фрактальности в различных геномах: от вирусов до человека. Рассмотрена возможность использования фракталоподобных структур в качестве маркеров, различающих близкие классы последовательностей.

Keywords: DNA sequences, fractal-like structures, repeated fragments, palindrome, complementary palindrome.

ACM Classification Keywords: J. Computer Applications – J.3 Life and medical sciences – Biology and genetics; I. Computing Methodologies- I.5 Pattern recognition – I.5.2. – Design methodology –Feature evaluation and selection.

Link:

ВЫЯВЛЕНИЕ ФРАКТАЛОПОДОБНЫХ СТРУКТУР В ДНК- ПОСЛЕДОВАТЕЛЬНОСТЯХ

Владимир Гусев, Любовь Мирошниченко, Надежда Чужанова

http://foibg.com/ibs_isc/ibs-08/ibs-08-p17.pdf

Аннотация: Рассматривается задача структуризации избыточного набора информации, выявления основных закономерностей, содержащихся в нем с помощью аппарата FRiS-функций. В результате решения этой задачи (задачи SDX) на основе исходного множества объектов строится его сокращенное описание в терминах классов и существенных признаков. Данное описание снабжено системой правил, позволяющих восстанавливать значения всех признаков на основе существенных и находить место новым объектам в системе построенных классов.

Ключевые слова: Распознавание образов, выбор признаков, натуральная классификация, функция конкурентного сходства.

ACM Classification Keywords: I.5.2. Pattern Recognition

Link:

ИСПОЛЬЗОВАНИЕ FRIS-ФУНКЦИЙ ДЛЯ РЕШЕНИЯ ЗАДАЧИ SDX

Ирина Борисова, Николай Загоруйко

http://foibg.com/ibs_isc/ibs-08/ibs-08-p16.pdf

Abstract: In this paper, we consider some problems related to forecasting of quantitative feature. We assume that decision rule is constructed on the base of analysis of empirical information represented in the form of statements from several experts. The criterion of a quality of experts’ statements is suggested. The method of forming of united expert decision rule is considered.

Keywords: expert statements, coordination.

ACM Classification Keywords: I.2.6. Artificial Intelligence - knowledge acquisition.

Link:

ON COORDINATION OF EXPERTS’ ESTIMATIONS OF QUANTITATIVE VARIABLE∗

Gennadiy Lbov, Maxim Gerasimov

http://foibg.com/ibs_isc/ibs-08/ibs-08-p15.pdf

Abstract: In the nonparametric framework of Data Envelopment Analysis the statistical properties of its estimators have been investigated and only asymptotic results are available. For DEA estimators results of practical use have been proved only for the case of one input and one output. However, in the real world problems the production process is usually well described by many variables. In this paper a machine learning approach to variable aggregation based on Canonical Correlation Analysis is presented. This approach is applied for efficiency estimation of all the farms in Terceira Island of the Azorean archipelago.

Keywords: Canonical Correlation Analysis, Data Envelopment Analysis, Efficiency, Variable Aggregation

ACM Classification Keywords: H.2.8 Data mining, G.3 Multivariate statistics, G.4 Efficiency

Link:

AN APPROACH TO VARIABLE AGGREGATION IN EFFICIENCY ANALYSIS

Veska Noncheva, Armando Mendes, Emiliana Silva

http://foibg.com/ibs_isc/ibs-08/ibs-08-p14.pdf

Аннотация: Рассматривается дискретная экстремальная задача, к которой сводится один из вариантов проблемы помехоустойчивого off-line распознавания векторных последовательностей, включающих в качестве элемента квазипериодически повторяющийся вектор евклидова пространства. Обоснован эффективный алгоритм решения задачи, гарантирующий оптимальность решения по критерию максимального правдоподобия в случае, когда помеха аддитивна и является гауссовской последовательностью независимых одинаково распределённых случайных величин.

Ключевые слова: помехоустойчивое распознавание, векторная последовательность, повторяющийся вектор, максимум правдоподобия, дискретная экстремальная задача, off-line алгоритм.

ACM Classification Keywords: F.2. Analysis of Algorithms and Problem Complexity, G.1.6. Optimization, G2. Discrete Mathematics, I.5. Pattern Recognition.

Link:

ОБ ОДНОЙ ЗАДАЧЕ РАСПОЗНАВАНИЯ ПОСЛЕДОВАТЕЛЬНОСТИ, ВКЛЮЧАЮЩЕЙ ПОВТОРЯЮЩИЙСЯ ВЕКТОР1

Алексей Долгушев, Александр Кельманов

http://foibg.com/ibs_isc/ibs-08/ibs-08-p13.pdf

Abstract: The method of logic and probabilistic models constructing for multivariate heterogeneous time series is offered. There are some important properties of these models, e.g. universality. In this paper also discussed the logic and probabilistic models distinctive features in comparison with hidden Markov processes. The early proposed time series forecasting algorithm is tested on applied task.

Keywords: multivariate heterogeneous time series, pattern recognition, classification, deciding functions, logic and probabilistic models.

ACM Classification Keywords: G.3 Probability and statistics: time series analysis, Markov processes, multivariate statistics, nonparametric statistics; G.1.6. Numerical analysis: optimization.

Link:

ПОСТРОЕНИЕ ЛОГИКО-ВЕРОЯТНОСТНЫХ МОДЕЛЕЙ ВРЕМЕННЫХ РЯДОВ С ИСПОЛЬЗОВАНИЕМ ЦЕПЕЙ МАРКОВА

Светлана Неделько

http://foibg.com/ibs_isc/ibs-08/ibs-08-p12.pdf

Аннотация: Рассматриваются некоторые задачи помехоустойчивого off-line анализа и распознавания числовых и векторных последовательностей, включающих повторяющиеся наборы квазипериодических фрагментов или векторов. Обоснованы эффективные алгоритмы решения этих задач, гарантирующие оптимальность решения по критерию максимального правдоподобия, в случае, когда помеха аддитивна и является гауссовской последовательностью независимых одинаково распределенных случайных величин.

Ключевые слова: структурированная последовательность, упорядоченный набор вектор- фрагментов, помехоустойчивое обнаружение и распознавание, дискретная экстремальная задача, offline алгоритм.

ACM Classification Keywords: F.2. Analysis of Algorithms and Problem Complexity, G.1.6. Optimization, G2. Discrete Mathematics, I.5. Pattern Recognition

Link:

ЗАДАЧИ ПОМЕХОУСТОЙЧИВОГО АНАЛИЗА И РАСПОЗНАВАНИЯ ПОСЛЕДОВАТЕЛЬНОСТЕЙ, ВКЛЮЧАЮЩИХ ПОВТОРЯЮЩИЕСЯ УПОРЯДОЧЕННЫЕ НАБОРЫ ВЕКТОР–ФРАГМЕНТОВ1

Александр Кельманов, Людмила Михайлова, Сергей Хамидуллин

http://foibg.com/ibs_isc/ibs-08/ibs-08-p11.pdf

Аннотация: Рассматривается задача распознавания образов с обучением. Вводится понятие локальной разрешимости такой задачи и показано, что при некоторых, достаточно конструктивных условиях, задача распознавания является локально разрешимой. Получены критерий и два достаточных условия локальной разрешимости.

Ключевые слова: Задача распознавания образов с обучением, локальный подход, критерий и достаточны условия локальной разрешимости.

ACM Classification Keywords: I. Computing Methodologies; I.5 Pattern Recognition; I.5.1 Models; Subject descriptor: Models Deterministic

Link:

СЛОЖНЫЕ ЗАДАЧИ РАСПОЗНАВАНИЯ ОБРАЗОВ И ВОЗМОЖНОСТИ ИХ РЕШЕНИЯ

Виктор Краснопрошин, Владимир Образцов

http://foibg.com/ibs_isc/ibs-08/ibs-08-p10.pdf

Abstract: Estimates Calculating Algorithms have a long story of application to recognition problems. Furthermore they have formed a basis for algebraic recognition theory. Yet use of ECA polynomials was limited to theoretical reasoning because of complexity of their construction and optimization. The new recognition method “AVOpolynom” based upon ECA polynomial of simple structure is described.

Keywords: pattern recognition, estimates calculating algorithms, algebraic approach, recognition polynomials.

ACM Classification Keywords: I.5.2 Pattern Recognition: Design Methodology – Classifier design and evaluation

Link:

“AVO-POLYNOM” RECOGNITION ALGORITHM

Alexander Dokukin

http://foibg.com/ibs_isc/ibs-08/ibs-08-p09.pdf

Аннотация: Предлагаются методы автоматической классификации и моделирования генетического кода. Излагаются принципы проектирования и результаты использования гетерогенных генно- нейронных сетей.

Ключевые слова: модели генетического кода, генетическая информатика, гетерогенная генно- нейронная сеть.

ACM Classification Keywords: E.4 Coding and Information Theory

Link:

КЛАССИФИКАЦИЯ И МОДЕЛИРОВАНИЕ ГЕНЕТИЧЕСКОГО КОДА И ГЕННО-НЕЙРОННЫХ СЕТЕЙ

Адиль Тимофеев

http://foibg.com/ibs_isc/ibs-08/ibs-08-p08.pdf

Abstract: The goal of the paper is to investigate what training sample estimate of misclassification probability would be the best one for the histogram classifier. Certain quality criterion is suggested. The deviation for some estimates, such as resubstitution error (empirical risk), cross validation error (leave-one-out), bootstrap and for the best estimate obtained via some optimization procedure, is calculated and compared for some examples.

Keywords: pattern recognition, classification, statistical robustness, deciding functions, complexity, capacity, overfitting, overtraining problem.

ACM Classification Keywords: G.3 Probability and statistics, G.1.6. Numerical analysis: Optimization; G.2.m. Discrete mathematics: miscellaneous.

Link:

ОПТИМИЗАЦИЯ ОЦЕНКИ ВЕРОЯТНОСТИ ОШИБОЧНОЙ КЛАССИФИКАЦИИ В ДИСКРЕТНОМ СЛУЧАЕ1

Виктор Неделько

http://foibg.com/ibs_isc/ibs-08/ibs-08-p07.pdf

Аннотация: Рассматриваются дискретные экстремальные задачи, к которым сводятся некоторые варианты проблемы помехоустойчивого off-line обнаружения в числовой последовательности повторяющегося фрагмента, а также некоторые варианты проблемы поиска подмножеств векторов во множестве векторов евклидова пространства. Анализируется сложность редуцированных оптимизационных задач и соответствующих им задач анализа данных и распознавания образов. Дан обзор новых и известных алгоритмических результатов по решению этих задач.

Ключевые слова: поиск подмножеств векторов, помехоустойчивое обнаружение повторяющегося фрагмента, кластерный анализ, дискретная оптимизация, NP-трудная задача, алгоритмы с гарантированными оценками точности.

ACM Classification Keywords: F.2. Analysis of Algorithms and Problem Complexity, G.1.6. Optimization, G2. Discrete Mathematics, I.5.3. Pattern Recognition: Clustering.

Link:

О НЕКОТОРЫХ ТРУДНОРЕШАЕМЫХ ЗАДАЧАХ ПОМЕХОУСТОЙЧИВОГО АНАЛИЗА СТРУКТУРИРОВАННЫХ ДАННЫХ1

Александр Кельманов

http://foibg.com/ibs_isc/ibs-08/ibs-08-p06.pdf

Аннотация. Рассматривается постановка задачи и процедура векторной оптимизации архитектуры нейросетевого классификатора. В качестве целевой функции предложена скалярная свертка критериев по нелинейной схеме компромиссов. Используются поисковые методы оптимизации с дискретными аргументами. Приведен пример – нейросетевой классификатор текстов.

Ключевые слова: многокритериальная оптимизация, нейронные сети, классификатор.

ACM Classification Keywords: H.1 Models and Principles – H.1.1 – Systems and Information Theory; H.4.2 – Types of Systems; C.1.3 Other Architecture Styles – Neural nets

Link:

МНОГОКРИТЕРИАЛЬНАЯ ОПТИМИЗАЦИЯ АРХИТЕКТУРЫ НЕЙРОСЕТЕВЫХ КЛАССИФИКАТОРОВ

Альберт Воронин, Юрий Зиатдинов, Анна Антонюк

http://foibg.com/ibs_isc/ibs-08/ibs-08-p05.pdf

Abstract: This paper shows some ideas about how to incorporate a string learning stage in self-organizing algorithms. T. Kohonen and P. Somervuo have shown that self-organizing maps (SOM) are not restricted to numerical data. This paper proposes a symbolic measure that is used to implement a string self-organizing map based on SOM algorithm. Such measure between two strings is a new string. Computation over strings is performed using a priority relationship among symbols; in this case, symbolic measure is able to generate new symbols. A complementary operation is defined in order to apply such measure to DNA strands. Finally, an algorithm is proposed in order to be able to implement a string self-organizing map.

Keywords: Neural Network, Self-organizing Maps, and Control Feedback Methods.

ACM Classification Keywords: F.1.1 Models of Computation: Self-modifying machines (neural networks); F.1.2 Modes of Computation: Alternation and non-determinism.

Link:

STRING MEASURE APPLIED TO STRING SELF-ORGANIZING MAPS AND NETWORKS OF EVOLUTIONARY PROCESSORS1

Nuria Gómez Blas, Luis F. de Mingo, Francisco Gisbert, Juan M. Garitagoitia

Abstract: A major drawback of artificial neural networks is their black-box character. Therefore, the rule extraction algorithm is becoming more and more important in explaining the extracted rules from the neural networks. In this paper, we use a method that can be used for symbolic knowledge extraction from neural networks, once they have been trained with desired function. The basis of this method is the weights of the neural network trained. This method allows knowledge extraction from neural networks with continuous inputs and output as well as rule extraction. An example of the application is showed. This example is based on the extraction of average load demand of a power plant.

Keywords: Neural Network, Backpropagation, Control Feedback Methods.

ACM Classification Keywords: F.1.1 Models of Computation: Self-modifying machines (neural networks); F.1.2 Modes of Computation: Alternation and nondeterminism.

Link:

CLASSIFICATION OF DATA TO EXTRACT KNOWLEDGE FROM NEURAL NETWORKS

Ana Martinez, Angel Castellanos, Rafael Gonzalo

Abstract: Some aspects of design of the discriminant functions that in the best way separate points of predefined final sets are considered. The concept is introduced of the nested discriminant functions which allow to separate correctly points of any of the final sets. It is proposed to apply some methods of non-smooth optimization to solve arising extremal problems efficiently.

Keywords: cluster, solving rule, discriminant function, linear and non-linear programming, non-smooth optimization

ACM Classification Keywords: G.1.6 Optimization - Gradient methods, I.5 Pattern Recognition; I.5.2 Design Methodology - Classifier design and evaluation

Link:

EXACT DISCRIMINANT FUNCTION DESIGN USING SOME OPTIMIZATION TECHNIQUES

Yury Laptin, Alexander Vinogradov

http://foibg.com/ibs_isc/ibs-08/ibs-08-p02.pdf

Abstract: The task of smooth and stable decision rules construction in logical recognition models is considered. Logical regularities of classes are defined as conjunctions of one-place predicates that determine the membership of features values in an intervals of the real axis. The conjunctions are true on a special no extending subsets of reference objects of some class and are optimal. The standard approach of linear decision rules construction for given sets of logical regularities consists in realization of voting schemes. The weighting coefficients of voting procedures are done as heuristic ones or are as solutions of complex optimization task. The modifications of linear decision rules are proposed that are based on the search of maximal estimations of standard objects for their classes and use approximations of logical regularities by smooth sigmoid functions.

Keywords: precedent-recognition recognition, logical regularities of classes, estimate calculation algorithms, integer programming, decision rules, sigmoid formatting rules

Link:

OPTIMAL DECISION RULES IN LOGICAL RECOGNITION MODELS

Anatol Gupal, Vladimir Ryazanov

http://foibg.com/ibs_isc/ibs-08/ibs-08-p01.pdf

Abstract: Composition problem is considered for partition constrained vertex subsets of n dimensional unit cube En . Generating numerical characteristics of En subsets partitions is considered by means of the same characteristics in n −1 dimensional unit cube, and construction of corresponding subsets is given for a special particular case. Using pairs of lower layer characteristic vectors for En−1 more characteristic vectors for En are composed which are boundary from one side, and which take part in practical recognition of validness of a given candidate vector of partitions.

Keywords: monotone Boolean functions, (0,1)-matrices

ACM Classification Keywords: G.2.1 Discrete mathematics: Combinatorics

Link:

GENERATING MORE BOUNDARY ELEMENTS OF SUBSET PROJECTIONS

Hasmik Sahakyan, Levon Aslanyan

http://foibg.com/ibs_isc/ibs-09/ibs-09-p18.pdf

Abstract: In this paper, a novel approach for character recognition has been presented with the help of genetic operators which have evolved from biological genetics and help us to achieve highly accurate results. A genetic algorithm approach has been described in which the biological haploid chromosomes have been implemented using a single row bit pattern of 315 values which have been operated upon by various genetic operators. A set of characters are taken as an initial population from which various new generations of characters are generated with the help of selection, crossover and mutation. Variations of population of characters are evolved from which the fittest solution is found by subjecting the various populations to a new fitness function developed. The methodology works and reduces the dissimilarity coefficient found by the fitness function between the character to be recognized and members of the populations and on reaching threshold limit of the error found from dissimilarity, it recognizes the character. As the new population is being generated from the older population, traits are passed on from one generation to another. We present a methodology with the help of which we are able to achieve highly efficient character recognition.

Keywords: Genetic operators, character recognition, genetics, genetic algorithm.

ACM Classification Keywords: I.2 Artificial Intelligence, I.4 Image processing and computer vision, I.5 Pattern Recognition.

Link:

SELF EVOLVING CHARACTER RECOGNITION USING GENETIC OPERATORS

Shashank Mathur

http://foibg.com/ibs_isc/ibs-09/ibs-09-p17.pdf

Abstract: The problem of transit points arrangement is presented in the paper. This issue is connected with accuracy of tariff distance calculation and it is the urgent problem at present. Was showed that standard method of tariff distance discovering is not optimal. The Genetic Algorithms are used in optimization problem resolution. The UML application class diagram and class content are showed. In the end the example of transit points arrangement is represented.

Keywords: transit points arrangement, genetic algorithms, optimization, software application.

ACM Classification Keywords: G.1.6 Optimization - Global optimization, D.1.1 Applicative (Functional) Programming

Link:

IMPLEMENTATION OF GENETIC ALGORITHMS FOR TRANSIT POINTS ARRANGEMENT

Dmitry Panchenko, Maxim Shcherbakov

http://foibg.com/ibs_isc/ibs-09/ibs-09-p16.pdf

Abstract: Membrane computing is a recent area that belongs to natural computing. This field works on computational models based on nature's behavior to process the information. Recently, numerous models have been developed and implemented with this purpose. P-systems are the structures which have been defined, developed and implemented to simulate the behavior and the evolution of membrane systems which we find in nature. What we show in this paper is an application capable to simulate the P-systems based on a multiagent systems (MAS) technology. The main goal we want to achieve is to take advantage of the inner qualities of the multiagent systems. This way we can analyse the proper functioning of any given p-system. When we observe a P-system from a different perspective, we can be assured that it is a particular case of the multiagent systems. This opens a new possibility, in the future, to always evaluate the P-systems in terms of the multiagent systems technology.

Keywords: P-systems mapping, multiagent systems.

Link:

ANALYSIS OF P-SYSTEMS UNDER A MULTIAGENT SYSTEMS PERSPECTIVE

Alberto Arteta, Angel Goñi, Juan Castellanos

http://foibg.com/ibs_isc/ibs-09/ibs-09-p15.pdf

Abstract: in the paper learning algorithm for adjusting weight coefficients of the Cascade Neo-Fuzzy? Neural Network (CNFNN) in sequential mode is introduced. Concerned architecture has the similar structure with the Cascade-Correlation? Learning Architecture proposed by S.E. Fahlman and C. Lebiere, but differs from it in type of artificial neurons. CNFNN consists of neo-fuzzy neurons, which can be adjusted using high-speed linear learning procedures. Proposed CNFNN is characterized by high learning rate, low size of learning sample and its operations can be described by fuzzy linguistic “if-then” rules providing “transparency” of received results, as compared with conventional neural networks. Using of online learning algorithm allows to process input data sequentially in real time mode.

Keywords: artificial neural networks, constructive approach, fuzzy inference, hybrid systems, neo-fuzzy neuron, real-time processing, online learning.

ACM Classification Keywords: I.2.6 Learning – Connectionism and neural nets

THE CASCADE NEO-FUZZY ARCHITECTURE AND ITS ONLINE LEARNING ALGORITHM

Yevgeniy Bodyanskiy, Yevgen Viktorov

http://foibg.com/ibs_isc/ibs-09/ibs-09-p14.pdf

Abstract: In this paper an evolutionary algorithm is proposed for solving the problem of production scheduling in assembly system. The aim of the paper is to investigate a possibility of the application of evolutionary algorithms in the assembly system of a normally functioning enterprise producing household appliances to make the production graphic schedule.

Keywords: Artificial intelligence, flexible assembly systems, evolutionary algorithm, production scheduling.

ACM Classification Keywords: I. Computing methodologies I.1.Symbolic and algebraic manipulation I.1.3.Evaluation strategies I.2.Artificial Intelligence I.2.8.Problem solving Control Methods and Search – Scheduling J.6.Computer Aided Engineering - Computer Aided Manufacturing (CAM).

Link:

THE PRODUCTION SCHEDULING IN ASSEMBLY SYSTEM WITH EVOLUTIONARY ALGORITHM

Galina Setlak

http://foibg.com/ibs_isc/ibs-09/ibs-09-p13.pdf

Аннотация: Развит подход к рассуждениям по аналогии для иерархически структурированных описаний эпизодов, ситуаций и их компонентов на базе представлений аналогов в виде особой формы векторных представлений - распределенных кодвекторных представлений. Предложены распределенные представления компонентов аналогов, позволяющие непосредственно определять соответствующие друг другу представления компонентов для реализации стадии отображения двух аналогов, а также метод вывода по аналогии на их основе. Предложенные методы исследованы на базах аналогий, которые ранее применялись для исследования ведущих моделей аналогии - SME и ACME. Полученные результаты находятся на уровне результатах SME и ACME, однако за счет использования сходства векторных представления обладают низкой вычислительной сложностью и создают основу для более адекватного учета семантики аналогов и их компонентов. Это делает предложенные методы перспективными для отображения фрагментов баз знаний с большим числом компонентов.

Ключевые слова: аналогия, отображение аналогов, вывод по аналогии, распределенное представление информации, кодвекторы, базы знаний, SME, ACME

ACM Classification Keywords: I.2 Artificial Intelligence, I.2.4 Knowledge Representation Formalisms and Methods, I.2.6 Learning (Analogies)

Link:

ОТОБРАЖЕНИЕ И ВЫВОД ПО АНАЛОГИИ НА ОСНОВЕ НЕЙРОСЕТЕВЫХ РАСПРЕДЕЛЕННЫХ ПРЕДСТАВЛЕНИЙ

Сергей Слипченко, Дмитрий Рачковский

http://foibg.com/ibs_isc/ibs-09/ibs-09-p12.pdf

Аннотация: В данной работе исследуется применение нейронной сети Хемминга для обнаружения краёв объектов на изображении. Изображение в оттенках серого, поступающее на вход предлагаемой системы, подвергается преобразованию с применением нечёткой логики в двуцветное. После этого из изображения последовательно выделяются блоки пикселей заданной размерности и подаются на входы предварительно инициализированной сети Хемминга. Нейронная сеть выполняет идентификацию краёв в блоке, и в новом изображении вставляет на место блока шаблон, который отвечает коду, полученному на выходе сети. Работу завершает практическое применение метода.

Ключевые слова: Детектирование краёв объектов изображения, Метод разностного группирования, Нейронная сеть Хемминга, Нечёткая логика.

ACM Classification Keywords: I.4.3. Enhancement – Grayscale manipulation, I.4.6. Segmentation – Edge and feature detection, I.4.6. Segmentation – Pixel classification.

Link:

ПРИМЕНЕНИЕ НЕЙРОННОЙ СЕТИ ХЕММИНГА И НЕЧЕТКОЙ ЛОГИКИ К ОБНАРУЖЕНИЮ КРАЕВ ОБЪЕКТОВ НА ИЗОБРАЖЕНИЯХ В ОТТЕНКАХ СЕРОГО

Николай Мурга

http://foibg.com/ibs_isc/ibs-09/ibs-09-p11.pdf