Полное описание

Каширин, И. Ю. Нейросети со знаниями для анализа больших данных / И. Ю. Каширин. - Текст : непосредственный // Рязанский государственный радиотехнический университет. Вестник Рязанского государственного радиотехнического университета : научно-технический журнал. - 2021. - N 75. - С. 71-84. - Библиогр. в конце ст. - ISSN 1995-4565.

ГРНТИ	УДК
28.23.37	004.8
	004.032.26

Рубрики:
Нейронные сети -- Применение
Искусственный интеллект

Кл.слова (ненормированные): модели знаний -- большие данные -- искусственный интеллект -- нейронные сети -- icf-онтология -- онтологические таксономии -- иерархические числа -- инструментальные программные средства -- мера семантической близости концептов -- технология semantic web -- python -- anaconda -- родовидовые и причинно-следственные отношения
Аннотация: Рассматривается важнейшая задача проектирования обучающихся алгоритмов интеллектуального анализа больших данных, включая нейросетевые. Для повышения их эффективности используются таксономии для моделей знаний искусственного интеллекта. В качестве базисного отношения таксономии предлагается использовать отношение смежного наследования ICF. Такой подход позволяет эффективно проектировать общие и прикладные онтологии для решения задач искусственного интеллекта. В статье используется математический аппарат иерархических чисел, дающий возможность анализировать прикладные ICF-онтологии с помощью вычисления основных характеристик таксономических иерархий. К таким характеристикам относятся, например, мера семантической близости концептов или сложность структурного пути в таксономической иерархии между двумя концептами. В качестве примера, подтверждающего возможность эффективного использования ICF-таксономий в решении реальных задач анализа данных, предлагается решение задач кластеризации и классификации в предметной области «Сокращение оттока и привлечение клиентов телекоммуникационной компании». Для нее показана возможность взаимозовисимого проектирования нейросетей и прикладных онтологий с априорными библиотеками причинно-следственных таксономий, например, в технологии Semantic Web. В экспериментальной части для апробации возможностей информационного поиска в глобальных сетях на основе технологии Semantic Web с помощью ICF-таксономии рассматривается программа-экспериментальный стенд для методов интеллектуального анализа данных (ЭСМИАД v.12.02.2021), позволяющий путем помещения фрагментов текста программы в комментарии или наоборот выполнять эксперименты для аналитических алгоритмов с обучающими выборками. Экспериментальный стенд реализован на языке Python v.3.7 в инструментальной среде Anaconda v.3.0. Назначение этого стенда - анализ эффективности методов интеллектуального анализа данных, использующих модели представления знаний. Целью работы является анализ особенностей проектирования обучающихся алгоритмов анализа данных с применением общей и прикладной ICF-онтологий с помощью аппарата иерархических чисел для эффективного решения актуальных задач кластеризации и классификации.

Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -756883-708377)

Шифр в сводном ЭК: 554b053f14645beac923a3da90840409

Заказать
Заказ фрагмента документа ₽