Увагу приділено розробці моделей і методів реконструкції генних регуляторних мереж із використанням штучних імунних систем з метою підвищення ідентифікації розроблених динамічних регуляторних мереж, створення ефективних методів інтелектуального аналізу й обробки даних. Розглянуто аналіз використання існуючих методів і засобів реконструкції та інформаційних технологій реконструкції генних регуляторних мереж. Представлено результати досліджень практичної реалізації двоступеневих алгоритмів кластеризації DBSCAN та OPTICS у рамках об'єктивної кластеризації індуктивної технології. Архітектуру цільової технології кластеризації розроблено на основі двоступеневого алгоритму кластеризації DBSCAN та OPTICS. Зазначено, що реалізація технології передбачає одночасну кластеризацію даних на двох підмножинах однакової потужності за алгоритмом DBSCAN, які включають однакову кількість попарно подібних об'єктів із подальшою корекцією одержаних кластерів за алгоритмом OPTICS. Розроблено метод комбінованого використання алгоритму клонального відбору, вейвлет-нейронної мережі та звичайних диференційних рівнянь. У запропонованому методі топологія та настройка параметрів визначається за допомогою алгоритму клонального відбору, з допомогою якого налаштовуються параметри вейвлет-мережі. Вейвлет-мережа формує праву частину системи звичайних диференційних рівнянь. Для знаходження концентрації продуктів експресії генів, які представлені способом для розв'язання задачі Коші, застосовується метод Рунге-Кутти четвертого порядку. Ефективність запропонованого методу доведено експериментальними дослідженнями, які підтверджують застосовність цього підходу для виявлення взаємозв'язків між компонентами генної регуляторної мережі. Розроблено та практично реалізовано метод параметричної ідентифікації S-системи з використанням модифікованого алгоритму клонального відбору, основна ідея якого полягає при досягненні певних умов у періодичній оптимізації, яка трансформує простір пошуку за допомогою перерахунку проміжків можливих значень параметрів S-системи з їх одночасним центруванням щодо виявленого поточного кращого рішення. Розроблено та реалізовано гібридний алгоритм із використанням диференційної еволюції. В даному гібридному клональному алгоритмі фаза мутації розширена операторами, запозиченими з алгоритму диференціальної еволюції. Даний алгоритм дозволяє значно підвищити швидкість і точність рішень при розв'язанні задачі ідентифікації S-системи. Розроблено та реалізовано комбінований алгоритм клонального відбору та тригонометричної диференційної еволюції.

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"