लायनसॉल्वर: Difference between revisions
(→अवलोकन) |
(→अवलोकन) |
||
| Line 35: | Line 35: | ||
==अवलोकन== | ==अवलोकन== | ||
लायनसॉल्वर की उत्पत्ति रिएक्टिव सर्च ऑप्टिमाइजेशन में अनुसंधान सिद्धांतों से हुई है<ref>{{cite journal | |||
| last =Battiti | | last =Battiti | ||
| first =Roberto | | first =Roberto | ||
| Line 71: | Line 71: | ||
</ref> समस्या-समाधान एल्गोरिदम को अपनाने की पक्षपोषण करता है। | </ref> समस्या-समाधान एल्गोरिदम को अपनाने की पक्षपोषण करता है। | ||
सॉफ्टवेयर का संस्करण 2.0 1 अक्टूबर 2011 को जारी किया गया था, जिसमें विंडोज़ के अलावा यूनिक्स और मैक ओएस एक्स ऑपरेटिंग सिस्टम भी शामिल थे। | |||
मॉडलिंग घटकों में तंत्रिका नेटवर्क, बहुपद, स्थानीय रूप से भारित बायेसियन प्रतिगमन, के-मीन्स क्लस्टरिंग और स्व- | मॉडलिंग घटकों में तंत्रिका नेटवर्क, बहुपद, स्थानीय रूप से भारित बायेसियन प्रतिगमन, के-मीन्स क्लस्टरिंग और स्व-व्यवस्थित मानचित्र शामिल हैं। गैर-व्यावसायिक उपयोग और कक्षा उपयोग के लिए मुफ़्त शैक्षणिक लाइसेंस उपलब्ध है। | ||
लायनसॉल्वर | लायनसॉल्वर<ref>{{cite journal | ||
| last =Battiti | | last =Battiti | ||
| first =Roberto | | first =Roberto | ||
| Line 90: | Line 89: | ||
| isbn =978-3-642-13799-0 | | isbn =978-3-642-13799-0 | ||
}} | }} | ||
</ref> परिणामों को देखने और | </ref> का सॉफ्टवेयर आर्किटेक्चर परिणामों को देखने और समाधान विश्लेषण और निर्णय लेने की प्रक्रिया को सुविधाजनक बनाने के लिए एक उपयोगकर्ता इंटरफ़ेस के साथ इंटरैक्टिव बहु-उद्देश्य अनुकूलन की अनुमति देता है। आर्किटेक्चर समस्या-विशिष्ट एक्सटेंशन की अनुमति देता है, और यह विभिन्न संभावित समाधानों के साथ सभी अनुकूलन योजनाओं के लिए पोस्ट-प्रोसेसिंग टूल के रूप में लागू होता है। जब आर्किटेक्चर को एक विशिष्ट समस्या-समाधान या अनुकूलन विधि के साथ मजबूती से जोड़ा जाता है, तो प्रभावी इंटरैक्टिव योजनाएं विकसित की जा सकती हैं, जहां अंतिम निर्णय निर्माता लूप में होता है।<ref> | ||
आर्किटेक्चर समस्या-विशिष्ट एक्सटेंशन की अनुमति देता है, और यह | |||
अंतिम निर्णय निर्माता लूप में | |||
{{cite journal | {{cite journal | ||
| last =Battiti | | last =Battiti | ||
| Line 111: | Line 104: | ||
}} | }} | ||
</ref> | </ref> | ||
24 अप्रैल, 2013 को लायनसॉल्वर को माइकल जे. फॉक्स फाउंडेशन - [[कागल]] पार्किंसंस डेटा चैलेंज का पहला पुरस्कार मिला, जो पार्किंसंस रोग से पीड़ित लोगों को लाभ पहुंचाने के लिए "भीड़ की बुद्धि" का लाभ उठाने वाली एक प्रतियोगिता थी।<ref>{{cite web|title=स्मार्टफोन डेटा के लिए "मशीन लर्निंग अप्रोच" ने माइकल जे. फॉक्स फाउंडेशन पार्किंसंस डेटा चैलेंज में $10,000 का प्रथम पुरस्कार प्राप्त किया|date=April 24, 2013|url=https://www.michaeljfox.org/foundation/publication-detail.html?id=473&category=7|publisher=MJFF}}</ref> | |||
== यह भी देखें == | == यह भी देखें == | ||
* | * मल्टी-ऑब्जेक्टिव ऑप्टिमाइजेशन | ||
== संदर्भ == | == संदर्भ == | ||
Revision as of 23:31, 1 August 2023
| Developer(s) | Reactive Search srl |
|---|---|
| Stable release | 2.0.198
/ October 9, 2011 |
| Operating system | Windows , Mac OS X, Unix |
| Available in | English |
| Type | Business intelligence software |
| License | Proprietary software, free for academic use |
| Website | lionoso |
लायनसॉल्वर (LIONsolver) डेटा माइनिंग, बिजनेस इंटेलिजेंस, एनालिटिक्स और मॉडलिंग और प्रतिक्रियाशील बिजनेस इंटेलिजेंस दृष्टिकोण के लिए एक एकीकृत सॉफ्टवेयर है।[1] LIONoso के रूप में एक गैर-लाभकारी संस्करण भी उपलब्ध है।
लायनसॉल्वर का उपयोग मॉडल बनाने, उन्हें विज़ुअलाइज़ करने और व्यवसाय और इंजीनियरिंग प्रक्रियाओं में सुधार करने के लिए किया जाता है।
यह डेटा और मात्रात्मक मॉडल के आधार पर निर्णय लेने का एक उपकरण है और इसे अधिकांश डेटाबेस और बाहरी प्रोग्रामों से जोड़ा जा सकता है।
सॉफ्टवेयर पूरी तरह से ग्रैफुर बिजनेस इंटेलिजेंस के साथ एकीकृत है और अधिक उन्नत उपयोगकर्ताओं के लिए अभिप्रेत है।
अवलोकन
लायनसॉल्वर की उत्पत्ति रिएक्टिव सर्च ऑप्टिमाइजेशन में अनुसंधान सिद्धांतों से हुई है[2] जो एक सॉफ्टवेयर सिस्टम के चलने के दौरान काम करने वाली स्व-ट्यूनिंग योजनाओं के उपयोग की पक्षपोषण करता है। लर्निंग और इंटेलिजेंट ऑप्टिमाइज़ेशन से तात्पर्य ऑनलाइन मशीन लर्निंग योजनाओं को ऑप्टिमाइज़ेशन सॉफ़्टवेयर में एकीकृत करने से है ताकि यह अपने पिछले रन और मानवीय प्रतिक्रिया से सीखने में सक्षम हो सके। एक संबंधित दृष्टिकोण अनुकूलन द्वारा प्रोग्रामिंग का है,[3] जो प्रतिक्रियाशील सर्च अनुकूलन से जुड़े डिज़ाइन स्थानों को परिभाषित करने का एक सीधा तरीका प्रदान करता है, और ऑटोनोमस सर्च[4] समस्या-समाधान एल्गोरिदम को अपनाने की पक्षपोषण करता है।
सॉफ्टवेयर का संस्करण 2.0 1 अक्टूबर 2011 को जारी किया गया था, जिसमें विंडोज़ के अलावा यूनिक्स और मैक ओएस एक्स ऑपरेटिंग सिस्टम भी शामिल थे।
मॉडलिंग घटकों में तंत्रिका नेटवर्क, बहुपद, स्थानीय रूप से भारित बायेसियन प्रतिगमन, के-मीन्स क्लस्टरिंग और स्व-व्यवस्थित मानचित्र शामिल हैं। गैर-व्यावसायिक उपयोग और कक्षा उपयोग के लिए मुफ़्त शैक्षणिक लाइसेंस उपलब्ध है।
लायनसॉल्वर[5] का सॉफ्टवेयर आर्किटेक्चर परिणामों को देखने और समाधान विश्लेषण और निर्णय लेने की प्रक्रिया को सुविधाजनक बनाने के लिए एक उपयोगकर्ता इंटरफ़ेस के साथ इंटरैक्टिव बहु-उद्देश्य अनुकूलन की अनुमति देता है। आर्किटेक्चर समस्या-विशिष्ट एक्सटेंशन की अनुमति देता है, और यह विभिन्न संभावित समाधानों के साथ सभी अनुकूलन योजनाओं के लिए पोस्ट-प्रोसेसिंग टूल के रूप में लागू होता है। जब आर्किटेक्चर को एक विशिष्ट समस्या-समाधान या अनुकूलन विधि के साथ मजबूती से जोड़ा जाता है, तो प्रभावी इंटरैक्टिव योजनाएं विकसित की जा सकती हैं, जहां अंतिम निर्णय निर्माता लूप में होता है।[6]
24 अप्रैल, 2013 को लायनसॉल्वर को माइकल जे. फॉक्स फाउंडेशन - कागल पार्किंसंस डेटा चैलेंज का पहला पुरस्कार मिला, जो पार्किंसंस रोग से पीड़ित लोगों को लाभ पहुंचाने के लिए "भीड़ की बुद्धि" का लाभ उठाने वाली एक प्रतियोगिता थी।[7]
यह भी देखें
- मल्टी-ऑब्जेक्टिव ऑप्टिमाइजेशन
संदर्भ
- ↑ Battiti, Roberto; Mauro Brunato; Franco Mascia (2008). Reactive Search and Intelligent Optimization. Springer Verlag. ISBN 978-0-387-09623-0.
- ↑ Battiti, Roberto; Gianpietro Tecchiolli (1994). "The reactive tabu search" (PDF). ORSA Journal on Computing. 6 (2): 126–140. doi:10.1287/ijoc.6.2.126.
- ↑ Holger, Hoos (2012). "Programming by optimization". Communications of the ACM. 55 (2): 70–80. doi:10.1145/2076450.2076469.
- ↑ Youssef, Hamadi; E. Monfroy; F. Saubion (2012). Autonomous Search. New York: Springer Verlag. ISBN 978-3-642-21433-2.
- ↑ Battiti, Roberto; Mauro Brunato (2010). "Grapheur: A Software Architecture for Reactive and Interactive Optimization " [Proceedings Learning and Intelligent OptimizatioN LION 4, Jan 18-22, 2010, Venice, Italy.] (PDF). Lecture Notes in Computer Science. 6073: 232–246. doi:10.1007/978-3-642-13800-3. ISBN 978-3-642-13799-0.
- ↑ Battiti, Roberto; Andrea Passerini (2010). "Brain-Computer Evolutionary Multi-Objective Optimization (BC-EMO): a genetic algorithm adapting to the decision maker" (PDF). IEEE Transactions on Evolutionary Computation. 14 (15): 671–687. doi:10.1109/TEVC.2010.2058118.
- ↑ "स्मार्टफोन डेटा के लिए "मशीन लर्निंग अप्रोच" ने माइकल जे. फॉक्स फाउंडेशन पार्किंसंस डेटा चैलेंज में $10,000 का प्रथम पुरस्कार प्राप्त किया". MJFF. April 24, 2013.
