Optimization of recognition features set with self-learning Intelligent control system

Запропоновано у рамках інформаційно-екстремальної інтелектуальної технології аналізу даних, що грунтується на максимізації інформаційної спроможності здатної навчатися системи підтримки прийняття рішень, категорійну модель і алгоритм оптимізації словника ознак розпізнавання. Як критерій оптимізації застосовано модифікацію ентропійного критерію Шеннона. Селекція словника ознак розпізнавання здійснювалася за схемами послідовної спадної селекції, випадкового пошуку і випадкового пошуку з адаптацією. Запропонований алгоритм навчання системи з оптимізацією словника ознак розпізнавання реалізовано на прикладі керування технологічним процесом вирощування сцинтиляційних монокристалів з розплаву.Categorical model and learning algorithm with optimization of features set in the framework of information-extreme intellectual technology, based on the maximization of the information capacity for self-learning decision support system, are proposed. A criterion for the functional efficiency of machine learning uses modification of the entropic Shannon‘s measure. Feature selection made using sequential top-down method, random search and random search with adaptation methods for estimation. As an example, suggested algorithm of learning implemented for the intelectual system, which controls growing of scintillation monocrystals from melt