Ивелин Георгиев Иванов

Ивелин Георгиев Иванов

ТРИТЕ ИМЕНА:

Ивелин Георгиев Иванов преподавател в ШУ Колеж – Добрич от 2003 г.

ТЕМА НА РАЗРАБОТКАТА ПО ПРОГРАМАТА:

Анализ на данни

ПОСТИГНАТИ РЕЗУЛТАТИ

Научните изследвания се развиват в две направления:

  1. Методи и алгоритми за достигане на равновесия в линейноквадратчни игри.
  2. Модифицирани алгоритми за анализ на големи данни

 

  1. Методи и алгоритми за достигане на равновесия в линейноквадратични игри.

Предлага алгоритъм за равновесие в линейни квадратични диференциални игри за двама играчи за положителна линейна система с специална информационна структура. За постигане на това равновесие се решават две подходящи Рикатиеви уравнения. Ние ще развием тази идея за игри с повече от двама играчи. Ще докажем сходимост на обобщениете итерационни методи и ще изведем свойства на тези методи. За целта ще преобразуваме метода на Нютон в алтернативен линеен неявен итерационен метод на Нютон, следвайки съществуващите статии по тази тема. Ще реорганизираме този метод, основавайки се на спецификата на разглежданото уравнение на Рикати. Ще направим числени експерименти за да изследваме компютърното поведение на предложената от нас модификация.

 

  1. Модифицирани алгоритми за анализ на големи данни

Използването на финансовите данни за прогнозиране на финансови затруднения привлече внимание както на академичните, така и на икономическите и финансовите организации. Въпреки, че през последните години употребата на Big data и анализ на данни /data analytics/ се увеличили, в повечето разработки се използват традиционни статистически методи и само в няколко научни изследвания се прилагат методи за машинно обучение /machine learning/.  Съществуват два основни проблема за прогнозиране с помощта на методите за machine learning: класификация, където целта е да се идентифицира характеристиките на данните, които указват групата, към която принадлежи всяко наблюдение, регресия, където се прогнозира всяка числова стойност на разглежданите променлива. Всеки набор от данни съдържа много наблюдения и се изисква предварително да се направи класификация на направените наблюдения в отделни класове. Методът k-NN е въведен в 1967 г. и се прилага интензивно в практически и изследователски задачи. По този начин методът k-NN, използва алгоритъм за прогноза на базата на това как данните могат да бъдат групирани в отделни класове. Все още е открит въпроса за подходящия алгоритъм на kNN метода за класификация на данни. Ще анализираме различни варианти на реализация на метода kNN с цел достигане на по-висока точност на получените прогнози. За потвърждение на направените изводи ще направим серия от експерименти с помощта на k-NN метода, проведени в различни компютърни среди. Последните изследвания в това направление показват, че методът k-NN е с по-честа приложимост от останалите методи.

 

За периода съм подготвил и предал 4 /четири/ статии.

 

ИЗБРОЙТЕ ПОСЛЕДНИТЕ НАУЧНИ ПРОЕКТИ, В КОИТО СТЕ ВЗЕЛ/А УЧАСТИЕ? /ДА НЕ СА В ТАБЛИЧЕН ВИД/

Проекти с Шуменски университет

Научна програма „Информационни и комуникационни технологии за единен цифров пазар в науката, образованието и сигурността (ИКТвНОС)“

ПРОЕКТ BG051PO001-3.3.07-0002 „Студентски практики“

ПРОЕКТ BG051PO001-4.3.04-0020 „Модернизиране на Центъра за дистанционно обучение на Шуменския университет „Епископ Константин Преславски” чрез въвеждане на съвременни електронни форми на обучение“

ПРОЕКТ BG051РО001-3.1.07-0040 “Образованието в Шуменския университет в служба на икономиката на знанието”

По вътрешно-университетски проекти

  • Компютърни системи и математически модели в обучението и науката № РД-08-115/ 4.02.2019 г. финансиран от фонд “Научни изследвания” на Шуменски университет „Епископ Константин Преславски” Колеж – Добрич.
  • Онлайн информационни технологии и приложения в учебния процес № РД-08-139/08.02.2018 г. финансиран от фонд “Научни изследвания” на Шуменски университет „Епископ Константин Преславски” Колеж – Добрич
  • Информационни системи и математически модели – възможност за повишаване качеството на преподаване № РД-08-107/06.02.2017 финансиран от фонд “Научни изследвания” на Шуменски университет „Епископ Константин Преславски” Колеж – Добрич
  • “Информационни технологии за изграждане на конкурентни умения у колежаните” ШУ – НПУНИ 2016 № РД-08-144/08.02.2016 финансиран от фонд “Научни изследвания” на Шуменски университет „Епископ Константин Преславски” Колеж – Добрич
  • “Изграждане на информатическа и математическа компетентност на студентите” ШУ – НПУНИ 2015 № РД-08-277/11.03.2015 финансиран от фонд “Научни изследвания” на Шуменски университет „Епископ Константин Преславски” Колеж – Добрич

         Участие в научни форуми

Applied Modeling in Economics, Finance and Social Sciences (AMEFSS 2019), Sozopol, Bulgaria, June 28 to July 2, 2019 – КАТО УЧАСТНИК И ЧЛЕН НА ОРГАНИЗАЦИОННИЯ КОМИТЕТ

Applied Modeling in Economics, Finance and Social Sciences (AMEFSS 2018), Tryavna, Bulgaria 1-6 July 2018 – КАТО УЧАСТНИК И ЧЛЕН НА ОРГАНИЗАЦИОННИЯ КОМИТЕТ

Applied Modeling in Economics, Finance and Social Sciences (AMEFSS 2017),  27th to 31 th  August 2017, Hisar, Bulgaria – КАТО УЧАСТНИК И ЧЛЕН НА ОРГАНИЗАЦИОННИЯ КОМИТЕТ

Mathematical Modelling and Scientific Computing (MMSC 2016)   18th to 24th September 2016,  Dobrich, Bulgaria – КАТО УЧАСТНИК И ЧЛЕН НА ОРГАНИЗАЦИОННИЯ КОМИТЕТ

В КОЯ ОБЛАСТ СА НАУЧНИТЕ ВИ ИНТЕРЕСИ И В КОЯ ОБЛАСТ ИСКАТЕ ДА СЕ РАЗВИВАТЕ?

Научните ми интереси са свързани с:

  • анализ на големи данни;
  • областта на изчислителната математика;
  • методиката на обучение по информационни технологии;
  • приложението на софтуера с отворен код;
  • облачни технологии.

 

С КАКВА НАУЧНА ТЕМА СЕ ЗАНИМАВАТЕ В МОМЕНТА И С КАКВО СМЯТАТЕ, ЧЕ ТЯ Е ПОЛЕЗНА ЗА ОБЩЕСТВОТО И РАЗВИТИЕТО НА НАУКАТА?

 

В момента се занимавам с теми свързани с анализ на големи данни. Актуалността на темата е продиктувана от факта, че около нас постоянно се генерират данни които се събират и съхраняват в огромни количества. Данните могат да бъдат структурирани не структурирани или пол структурирани. Те могат да представляват данни в различни формати и типове генерирани както от потребители /потребители от социални мрежи, Интернет, потребители ползващи различни облачни услуги/ така и от различни устройства /устройства свързани в глобалната мрежа и управлявани чрез нея/.  Тези данни трябва да бъдат обработени и анализирани за да се извлече необходимата информация от тях и да се направят съответни изводи или съставят хипотези. Проблема с анализа на големите данни представлява интерес не само за анализатори и учени, но и за държавни и неправителствени организации, които търсят методи и средства за тяхната обработка. Поради това в научните списания могат да се намерят много публикации засягащи този проблематика.

 

ПОМАГАТ ЛИ ЗА ВАШЕТО РАЗВИТИЕ ПРОГРАМАТА И АКО ДА, ПО КАКЪВ НАЧИН?

 Тази програма е много важна за развитието на младите учени в България. С нейна помощ министерството на образованието се стреми да даде импулс в развитието на научните изследвания, защото това е не само мерило с което се измерва рейтинга на университетите, но и критерий по който се оценява съвременните общества и дори държавите. Нашата цивилизация е построена на технологии и иновации. Едно общество се счита за успешно ако то прилага, развива и подобрява знанията и технологиите.  В историята има не малко примери за това. В ерата на информационните технологии и информационното общество има нужда от много изследователи, новатори и учени, който да представят България по подобаващ начин в европейското семейство и в света като цяло.