Oliinyk, A. O.Skrupsky, S. Yu.Shkarupylo, V. V.Blagodariov, O. Yu.Олійник, Андрій ОлександровичСкрупський, Степан ЮрійовичШкарупило, Вадим ВікторовичБлагодарьов, О. Ю.2026-04-242026-04-242017https://eir.zp.edu.ua/handle/123456789/28257Oliinyk A. O. Parallel multiagent method of big data reduction for pattern recognition / A. O. Oliinyk, S. Yu. Skrupsky, V. V. Shkarupylo, O. Yu. Blagodariov // Радіоелектроніка, інформатика, управління. – 2017. – № 2 (41). – C. 82-92.EN: Context. The problem of feature selection for big data processing based on the multi-agent approach and parallel computation has been solved. The object of research is the process of feature selection. The subject of the research are the methods of feature selection. Objective. The purpose of the work is to create a parallel multi-agent method for reducing of big data sets. Method. The article deals with the parallel multi-agent method for reducing of big data sets. The developed method involves splitting multiple agents into several subsets for parallel search of an informative combination of features in different areas of the search space. At the same time, it is suggested that the parallel nodes of the computer system perform the most resource-intensive operations associated with estimating the current set of agents, as well as the need to create and modify new sets of solutions based on stochastic computations. This allows to speed up the process of multi-agent search of informative combination of features, as well as to reduce the practical threshold for application of the multi-agent method with indirect communication between agents for reducing big data sets. Results. The software which implements the proposed method and allows to select informative features based on the multi-agent approach and parallel computation has been developed. Conclusions. The conducted experiments have confirmed the proposed software operability and allow recommending it for use in practice for solving the problems of big data processing for pattern recognition. The prospects for further research may include the modification of the developed parallel method for feature selection by using different criteria for estimation of the group information of features, as well as an experimental study of proposed method on more complex practical problems of different nature and dimensionality. UK: Актуальність. Вирішено задачу відбору інформативних ознак при обробці великих масивів даних на основі мультиагентного підходу та паралельних обчислень. Об’єкт дослідження – процес відбору інформативних ознак. Предмет дослідження – методи відбору інформативних ознак. Мета роботи полягає в створенні паралельного мультиагентного методу редукції великих масивів даних. Метод. Запропоновано паралельний мультиагентний метод редукції великих масивів даних. Розроблений метод передбачає розбиття множини агентів на декілька підмножин для паралельного пошуку інформативної комбінації ознак в різних областях простору пошуку. При цьому на паралельних вузлах обчислювальної системи запропоновано виконувати найбільш ресурсомісткі операції, пов’язані з оцінюванням поточної множини агентів, а також з необхідністю створення і модифікації нових множин рішень на основі стохастичних обчислень. Це дозволяє прискорити процес мультиагентного пошуку інформативної комбінації ознак, а також знизити практичний поріг застосування мультиагентного методу з непрямим зв’язком між агентами для редукції великих масивів даних. Результати. Розроблено програмне забезпечення, яке реалізує запропонований метод і дозволяє виконувати відбір інформативних ознак на основі мультиагентного підходу і паралельних обчислень. Висновки. Проведені експерименти підтвердили працездатність запропонованого математичного забезпечення та дозволяють рекомендувати його для використання на практиці при обробці великих масивів даних для розпізнавання образів. Перспективи подальших досліджень можуть полягати в модифікації розробленого методу шляхом використання різних критеріїв оцінювання групової інформативності ознак, а також експериментальному дослідженні запропонованого методу на більшому комплексі практичних завдань різної природи і розмірності.enagentdata setfeature selectionparallel computingmulti-agent approachpattern recognitionагентвибірка данихвідбір ознакпаралельні обчисленнямультиагентний підхідрозпізнавання образівArticle