The problem considered concerns data reduction for machine learning. Data reduction aims at deciding which features and instances from the training set should be retained for further use during the learning process. Data reduction results in increased capabilities and generalization properties of the learning model and a shorter time of the learning process. It can also help in scaling up to large data sources. The paper proposes an agent-based data reduction approach with the learning process executed by a team of agents (A-Team). Several A-Team architectures with agents executing the simulated annealing and tabu search procedures are proposed and investigated. The paper includes a detailed description of the proposed approach and discusses the results of a validating experiment.
Rozwój technologii wytwarzania układów elektronicznych, a także coraz szerszy zakres ich zastosowań, prowadzi do zapotrzebowania na rozwiązania wspomagające ich projektowanie. W artykule dokonano przeglądu wybranych rozwiązań dedykowanych projektowaniu układów elektronicznych. Skoncentrowano się na rozwiązaniach opartych na projektowaniu komputerowym, porównując wybrane środowiska programowe. W szczególności uwagę poświęcono środowisku GeckoCIRCUITS, które omówiono na przykładzie projektu układu przekształtnika podwyższającego napięcie (boost converter).
EN
The development of electronics manufacturing technologies, as well as increasingly broad range of their applications, leads to an increase in the demand for solutions that support their design process. The article reviews selected solutions dedicated to the design of electronic circuits and focuses on computed-based solutions, comparing the selected software environments. Particular attention has been paid to the GeckoCIRCUITS environment, which has been discussed basing on example of an electronic boost converter circuit design.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.