LIONsolver - LIONsolver

LIONsolver
Разработчики)Реактивный поиск srl
Стабильный выпуск
2.0.198 / 9 октября 2011 г.; 9 лет назад (2011-10-09)
Операционная системаWindows , Mac OS X, Unix
Доступно ванглийский
ТипПрограммное обеспечение для бизнес-аналитики
ЛицензияПроприетарное программное обеспечение, бесплатно для академического использования
Интернет сайтlionoso.com

LIONsolver это интегрированное программное обеспечение для сбор данных, бизнес-аналитика, аналитика, и моделирование Обучение и интеллектуальная оптимизация[1] и реактивная бизнес-аналитика подход.[2] Некоммерческая версия доступна как LIONoso.

LIONsolver можно использовать для построения моделей, их визуализации и улучшения бизнес-процессов и инженерных процессов. Это инструмент для принятия решений на основе данных и количественных моделей, его можно подключить к большинству баз данных и внешних программ, он полностью интегрирован с Grapheur ПО для бизнес-аналитики и предназначено для более продвинутых пользователей, заинтересованных в разработке бизнес-логики и процессов, а не только в простых задачах аналитики и визуализации.

Обзор

LIONsolver основан на исследовательских принципах оптимизации реактивного поиска.[3] пропаганда использования самонастраивающихся схем, действующих во время работы программной системы. Обучение и интеллектуальная оптимизация относится к интеграции онлайн машинное обучение схемы в программное обеспечение оптимизации, чтобы оно могло учиться на своих предыдущих запусках и на основе отзывов людей. Родственный подход - это программирование путем оптимизации,[4]который обеспечивает прямой способ определения пространств дизайна с использованием оптимизации реактивного поиска и автономного поиска.[5] пропаганда адаптации алгоритмов решения проблем.

Версия 2.0 программного обеспечения была выпущена 1 октября 2011 года и охватывает также операционные системы Unix и Mac OS X в дополнение к Windows.

Компоненты моделирования включают нейронные сети, полиномы, локально взвешенную байесовскую регрессию, кластеризацию k-средних и самоорганизующиеся карты. Доступна бесплатная академическая лицензия для некоммерческого использования и использования в классе.

Программная архитектура LIONsolver[6] разрешает интерактивные многокритериальная оптимизация, с пользовательским интерфейсом для визуализации результатов и облегчения анализа решения и процесса принятия решений. Архитектура позволяет использовать расширения для конкретных задач и может применяться в качестве инструмента постобработки для всех схем оптимизации с рядом различных потенциальных решений. Когда архитектура тесно связана с конкретным методом решения проблем или оптимизации, могут быть разработаны эффективные интерактивные схемы, в которых принимает окончательное решение.[7]

24 апреля 2013 года LIONsolver получил первый приз конкурса Фонд Майкла Дж. ФоксаKaggle Data Challenge Паркинсона, соревнование, в котором «мудрость толпы» используется на благо людей с болезнь Паркинсона.[8]

Смотрите также

Рекомендации

  1. ^ Баттити, Роберто; Мауро Брунато (2014). ЛЕВЫЙ путь. Машинное обучение плюс интеллектуальная оптимизация. Тренто, Италия: LIONlab, Университет Тренто. ISBN  978-14-960340-2-1.
  2. ^ Баттити, Роберто; Мауро Брунато; Франко Маскиа (2008). Реактивный поиск и интеллектуальная оптимизация. Springer Verlag. ISBN  978-0-387-09623-0.
  3. ^ Баттити, Роберто; Джанпьетро Теккиолли (1994). «Реактивный табу-поиск» (PDF). Журнал ORSA по вычислительной технике. 6 (2): 126–140. Дои:10.1287 / ijoc.6.2.126.
  4. ^ Хольгер, Хус (2012). «Программирование оптимизацией». Коммуникации ACM. 55 (2): 70–80. Дои:10.1145/2076450.2076469.
  5. ^ Юсеф, Хамади; Э. Монфрой; Ф. Саубион (2012). Автономный поиск. Нью-Йорк: Springer Verlag. ISBN  978-3-642-21433-2.
  6. ^ Баттити, Роберто; Мауро Брунато (2010). «Grapheur: программная архитектура для реактивной и интерактивной оптимизации» [Обучение и интеллектуальная оптимизация LION 4, 18–22 января 2010 г., Венеция, Италия.] (PDF). Конспект лекций по информатике. 6073: 232–246. Дои:10.1007/978-3-642-13800-3. ISBN  978-3-642-13799-0.
  7. ^ Баттити, Роберто; Андреа Пассерини (2010). «Эволюционная многоцелевая оптимизация мозга и компьютера (BC-EMO): генетический алгоритм, адаптирующийся к лицам, принимающим решения» (PDF). IEEE Transactions по эволюционным вычислениям. 14 (15): 671–687. Дои:10.1109 / TEVC.2010.2058118.
  8. ^ ""Подход к машинному обучению «для получения данных от смартфонов за первую премию в размере 10 000 долларов США в конкурсе данных Фонда Майкла Дж. Фокса« Паркинсон »». MJFF. 24 апреля 2013 г.

внешняя ссылка