Инструментальная поддержка распределенного обучения и принятия решений в открытых сетях агентов

Инструментальная поддержка распределенного обучения и принятия решений в открытых сетях агентов

Автор: Серебряков, Сергей Валерьевич

Шифр специальности: 05.13.11

Научная степень: Кандидатская

Год защиты: 2008

Место защиты: Санкт-Петербург

Количество страниц: 165 с. ил.

Артикул: 4099646

Автор: Серебряков, Сергей Валерьевич

Стоимость: 250 руб.

Инструментальная поддержка распределенного обучения и принятия решений в открытых сетях агентов  Инструментальная поддержка распределенного обучения и принятия решений в открытых сетях агентов 

Содержание
Содержание.
Введение.
Глава 1. Обоснование актуальности работы и постановка задач исследования.
1.1 Введение.
1.2 Методы распределнного обучения и принятия решений.
1.2.1 Иерархические методы.
1.2.2 Методы объединения решений на основе парных взаимодействий
1.3 Агентские технологии.
1.3.1 Абстрактная архитектура платформы агентов, разработанная ИРА
1.3.2 Обзор существующих агентских платформ
1.4 Технологии парного взаимодействия и их приложения
1.5 Выводы Формулировка цели и задач исследований.
Глава 2. Инструментальная поддержка процессов обучения агентов распределенному принятию решений в иерархической структуре.
2.1 Архитектура системы
2.2 Компоненты программной инфраструктуры для поддержки локального и распределнного вариантов обучения и принятия решений и их использование в процессе разработки приложений.
2.3 Базовые модели программной реализации иерархических систем объединения решений
2.4 Пользовательский режим.
2.5 Выводы.
Глава 3. Р2Р агентская платформа.
3.1 Введение и мотивация.
3.2 Функциональна архитектура Р2Р агентской платформы, предложенная Р1РА
3.3 Общее описание разработанной реализации Р2Р АП.
3.4 Уровень Р2Р коммуникационного сервиса
3.5 Функциональность агентской платформы.
3.5.1 Сервис Белые страницы
3.5.2 Сервис Жлтые страницы.
3.5.3 Коммуникации агентов.
3.6 Виртуальная среда эмуляции динамических Р2Р сетей
3.7 Выводы.
Глава 4. Р2Р машинное обучение и экспериментальные разработки многоагентных Р2Р систем принятия решений
4.1 Итеративный Р2Р метод машинного обучения.
4.1.1 Особенности процедур принятия решений в Р2Р сетях классификаторов.
4.1.2 Алгоритм формирования коалиции на основе механизма Р2Р обучения
4.2 Р2Р система обнаружения вторжений в компьютерную сеть
4.3 Система обнаружения наземных объектов распределенной аппаратурой наблюдения.
4.4 Р2Р сенсорная сеть для прогнозирования появления океанского течения ЕШто.
4.5 Выводы.
Заключение.
Список литературы


Дается краткое описание и анализ возможностей инфраструктур JXTA и Microsoft Windows P2PN. На основании приведенного анализа обосновываются и формулируются основная цель исследований данной работы, а также основные конкретные задачи, решаемые в ней для достижения поставленной цели. Во второй главе детально описывается инструментальная среда, предназначенная для быстрого создания программ обучения алгоритмов объединения решений в иерархических моделях. Рассматривается архитектура созданной инструментальной системы, дается описание её компонент, а также описание вариантов практического использования системы в пользовательском (графическом) и агентском (автоматическом) режимах. FIPA— Foundation for Interaction of Physical Agents— общественная организация, созданная специалистами для разработки научно обоснованных предложений по стандартизации языков, моделей, интерфейсов и т. В настоящее вермя многие документы F1PA рассматриваются индустриальнылш компаниями в качестве стандарт. Третья глава содержит описание разработанной P2P агентской платформы, которая формирует программную среду (инфраструктуру) для совместного функционирования прикладных агентов. В ее основу положена функциональная архитектура, предложенная рабочей группой FIPA NA WG (Nomadic Agents Working Group). Дается описание общей архитектуры разработанной P2P агентской платформы, её трёхуровневой модели, а также описание разработанных компонент, сервисов и интерфейсов. Описывается также разработанная реализация коммуникационного сервиса, названного провайдером пира, который поддерживает P2P технологию обмена сообщениями между агентами. Поскольку в настоящее время этот уровень не стандартизирован, далее в данной работе используется провайдер пира, разработанный автором. Описывается таюке функциональность среднего уровня, которая по существу и является той компонентой инфраструктуры, поддерживающей P2P взаимодействие прикладных агентов, которая называется P2P агентской платформой. Рассматриваются такие её составляющие, как сервисы белых и жёлтых страниц, реализующие функции управления обменом сообщений между агентами, а таюке функции распределенного поиска агентов и сервисов. Описывается виртуальная эмуляционная P2P среда, представляющая собой специализированный программный продукт, предназначенный для тестирования, верификации, отладки и анализа поведения реальной агентской распределённой системы ' в виртуальной P2P среде, топология которой может изменяться во времени. Следует отметить, что разработанный алгоритм машинного обучения принятию решений в P2P сетях является первым алгоритмом такого назначения (ранее разработанные алгоритмы касались только процедур извлечения некоторых потенциально полезных знаний из данных, хранящихся в P2P сетях, когда вопрос о дальнейшем использовании полученных знаний не рассматривается). В главе приводятся также результаты комплексных экспериментальных исследований основных результатов работы, основанных на симуляции функционирования программных прототипов конкретных приложений P2P систем распределенного принятия решений, построенных с использованием P2P агентской платформы, алгоритмов и инструментальных средств поддержки технологии иерархического и P2P обучения и принятия решений, предложенных в данной работе (см. P2P система обнаружения и распознавания наземных объектов по данным распределенной системы наблюдения, компоненты которой (камеры, регистрирующие инфракрасные изображения) установлены на беспилотных летательных аппаратах, которые используют беспроводную связь для обмена информацией в процессах распределенного обнаружения и распознавания наземных объектов заданных классов. Интеллектуальная сенсорная сеть, решающая задачу мониторинга обширной области Тихого океана с целью раннего обнаружения и предсказания развития течения El Nino. Данная сеть реально работает с начала -х годов. Сенсоры этой сети установлены в экваториальной зоне от берегов Австралии до берегов Центральной Америки на пространственно распределенных буях. Интерпретированные данные, собранные этой сетью в период - г. Интернет.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.254, запросов: 244