Наукова діяльність
Наукові дослідження кафедри КМАД спрямовані на розробку сучасних методів, моделей та інформаційних технологій у галузі інтелектуального аналізу даних, машинного навчання та математичного моделювання складних систем.
Наукова робота кафедри тісно пов’язана з освітньою програмою «Інтелектуальний аналіз даних» і охоплює як фундаментальні, так і прикладні дослідження у сфері аналізу даних, прийняття рішень, інтелектуальних систем та управління в умовах невизначеності.
Результати досліджень активно впроваджуються в інформаційні технології, системи підтримки прийняття рішень, діагностичні системи та задачі управління складними технічними, економічними та логістичними системами.
Наукові напрями
На кафедрі КМАД наукові дослідження проводяться за такими основними напрямами:
Методи інтелектуального аналізу даних і машинного навчання:
- інтелектуальні системи підтримки прийняття рішень на основі Preference Learning та Learning to Rank;
- напівконтрольоване навчання (Semi-supervised Learning) для агрегованих даних;
- побудова композитних індикаторів із використанням ядерних методів машинного навчання;
- прогнозна аналітика нелінійних часових рядів.
Математичне та комп’ютерне моделювання систем:
- інтервальні моделі агрегованих марківських систем;
- моделювання процесів безконтактної діагностики поверхонь;
- системи оптичної діагностики з використанням штучного інтелекту.
Інформаційні технології управління складними системами:
- консенсусне керування мультіагентними системами;
- управління логістичними системами та мережами постачання в умовах невизначеності та ризику.
Ключові наукові результати
Серед найбільш значущих результатів, отриманих на кафедрі:
- розроблено методи робастного консенсусного керування мультіагентними системами в умовах невизначеності (збурення, затримки, змінна топологія мережі) на основі інваріантних еліпсоїдів та лінійних матричних нерівностей;
- створено методи побудови нелінійних моделей інтегральних індикаторів, функцій переваг і ранжування на основі ядерних методів машинного навчання та агрегованих експертно-статистичних даних;
- розроблено підходи до моделювання дискретних стохастичних систем із використанням інтервальних моделей невизначеності;
- створено інформаційні технології інтелектуальної оптичної діагностики на основі методів машинного навчання.
Науково-технічні проєкти
Кафедра має значний досвід виконання науково-дослідних та прикладних проєктів, у тому числі з держбюджетним та контрактним фінансуванням.
Державні науково-технічні проєкти:
- «Розробка інформаційної технології формування портфелів проєктів національного рівня…» (2015–2018 рр.);
- «Методи вирішення обернених задач діагностики та керування нелінійними системами…» (2011–2014 рр.);
- «Статистичні та нейромережеві методи комп’ютерного моніторингу складних систем…» (2010–2013 рр.).
Контрактні та госпдоговірні проєкти:
- розробка алгоритмів напівавтоматичного машинного навчання (замовник — Samsung Electronics Ukraine);
- кластеризація великих масивів текстових даних (Samsung Electronics Ukraine);
- моделі ранжування для пошукових систем (Noosphere Ventures, UK);
- веб-орієнтовані системи підтримки прийняття рішень для фінансових ринків (USA);
- моделювання енергетичних систем (Республіка Таджикистан).