English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

В ряде случаев возникает необходимость установления соответствия между заявленным и фактическим значением категориальной переменной на основе совокупности признаков объекта. В этом случае возникает потребность в классификаторе с оптимальной последовательностью рассматриваемых атрибутов с заданным значением целевой функции. Значением целевой переменной может быть: да, нет, номер сорта, номер класса и т.д. В работе решается задача построения классификационной модели в виде оптимальной последовательность рассматриваемых атрибутов и их значений, входящих в состав маршрута от корневой вершины к концевой вершине с заданным значением целевой переменной. Если требуется классификатор, включающий возможность альтернативных ответов, то вначале строятся независимо друг от друга оптимальные маршруты для каждого значения целевой переменной, а затем эти маршруты объединяются («склеиваются») в единое бинарное дерево решений. В алгоритме построения классификатора на основе метода кристаллизации россыпи альтернатив, каждое решение Qk интерпретируется в виде в ориентированного маршрута Mk на бинарном дереве решений. Назовем порядковый номер элемента в ориентированном маршруте Mk позицией siS={si|i=1,2,...,nA}. Элементом маршрута Mk является пара (xi,ui-), где xi соответствует Ai. uiв маршруте Mk является ребром, выходящим из xi и соответствует выбранному вместе с Ai значению Ai. Второй индекс элемента uiопределится после выбора Ai, помещенного в соседнюю с sj позицию sj+1. Работа алгоритма построения дерева решений базируется на использовании коллективной эволюционной памяти, под которой подразумевается информация, отражающая историю поиска решения. Алгоритм учитывает тенденции к использованию альтернатив из наилучших найденных решений. Особенностями являются наличие непрямого обмена информацией – стигмержи. Совокупность данных об альтернативах и их оценках составляет россыпь альтернатив. Рассмотрены ключевые моменты анализа альтернатив в процессе эволюционной коллективной адаптации. Экспериментальные исследования показали, что разработанный алгоритм находит решения, не уступающие по качеству, а иногда и превосходящие своих аналогов в среднем на 3–4 %. Временная сложность алгоритма, полученная экспериментальным путем, лежит в пределах О(n)-О(n). Классификация; дерево решений; оптимизация; популяционный алгоритм; адаптивное поведение; метод кристаллизации россыпи альтернатив.

POPULATION ALGORITHM FOR CONSTRUCTING A TREE OF SOLUTIONS BY METHOD OF CRYSTALLIZATION OF ALTERNATIVES FIELD