• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Найдены 3 публикации
Сортировка:
по названию
по году
Статья
Карпов Н. В., Шадрина Е. В. Алгоритмы, методы и системы обработки данных. 2015. № 4(33). С. 33-47.

В данной работе предлагается новый способ разработки сервиса обмена знаниями в университетском кластере при помощи поиска компетентных экспертов. Способ основан на современном подходе к поиску экспертов при помощи тематического моделирования. Сервис был реализован в виде системы поддержки принятия решений под названием EXPERTIZE

Добавлено: 4 февраля 2016
Статья
Пантюхин Д. В., Данилин С. Н., Щаников С. А. и др. Алгоритмы, методы и системы обработки данных. 2019. № 1(39). С. 14-45.

В статье рассмотрено состояние исследований в области инженерного проектирования, производства и применения искусственных нейронных сетей наиболее известных российских и зарубежных разработчиков и производителей современных и перспективных высокопроизводительных вычислительных средств нового поколения. Отмечены достижения и проблемы, требующие решения для дальнейшего развития данной области науки и техники.

Добавлено: 10 ноября 2019
Статья
Пономаренко А. А., Аврелин Н. С., Найдан Б. С. и др. Алгоритмы, методы и системы обработки данных. 2015. Т. 4. № 33. С. 91-106.

Поиск по похожести широко применяется в различных областях компьютерных наук. Множество методов было предложено для решения задачи в точной постановке, однако все они подвержены "проклятью" размерности и не эффективны для данных высокой размерности. Приближенные алгоритмы отчасти позволяют справиться с "проклятьем". Однако из-за сложной стохастической природы, теоретические оценки для большинства приближенных алгоритмов отсутствуют. Более того, на данный момент времени, в литературе не существует работ, включающих всесторонний эмпирический анализ современных методов для поиска по подобию. Как правило, авторы алгоритмов ограничиваются небольшими численными экспериментами, сравнивая свой алгоритм с одним ранее известным методом. С целью устранения этого пробела в научном знании, в настоящей работе мы приводим результаты такого эмпирического анализа для методов: Vantage Point Tree, Locality Sensitive Hashing, List of Clusters, Метризованный Тесный Мир и несколько вариаций Permutation Index. Проведенные эксперименты показывают, что Метризованный Тесный Мир имеет наилучшее соотношение между вычислительной сложностью и точностью, как для метрических, так и для неметрических пространств.

Добавлено: 27 сентября 2016