| DC Field | Value | Language |
|---|
| dc.contributor.author | Krasnoproshin, V. | - |
| dc.contributor.author | Rodchenko, V. | - |
| dc.contributor.author | Karkanitsa, A. | - |
| dc.date.accessioned | 2021-09-20T12:56:02Z | - |
| dc.date.available | 2021-09-20T12:56:02Z | - |
| dc.date.issued | 2021 | - |
| dc.identifier.citation | Krasnoproshin, V. Specialized KD-Agent for Knowledge Ecosystems / V. Krasnoproshin, V. Rodchenko, A. Karkanitsa // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2021) : сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. В. Голенков [и др.]. – Минск, 2021. – Вып. 5. – С.59–62. | ru_RU |
| dc.identifier.issn | 2415-7740 | - |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/45430 | - |
| dc.description.abstract | One of the base elements of any knowledge ecosystem is a software agent. The agent receives data about the internal events of the ecosystem, interprets data and executes commands that affect the environment. The paper proposes an option for the implementation of the specialized Knowledge Discovery agent (KD-agent). The input for the agent is the a priori dictionary of features and the training set. As the outcome of the agent activity previously unknown patterns are revealed and can be interpreted within the subject domain. The effectiveness of the proposed approach is demonstrated on the example of model data analysis. | ru_RU |
| dc.language.iso | en | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | knowledge ecosystems | ru_RU |
| dc.subject | data mining | ru_RU |
| dc.subject | super-vised learning | ru_RU |
| dc.subject | training set | ru_RU |
| dc.title | Specialized KD-Agent for Knowledge Ecosystems | ru_RU |
| dc.title.alternative | Специализированный KD-агент для экосистем знаний | ru_RU |
| dc.type | Статья | ru_RU |
| local.description.annotation | Одним из базовых элементов любой экосистемы знаний является программный агент. Находясь в среде экосистемы, агент получает данные о внутренних событиях, интерпретирует их и выполняет команды, которые воздействуют затем на среду. В статье предлагается вариант реализации специализированного knowledge discovery агента (KD-агента). Входными данными для агента являются априорный словарь признаков и обучающая выборка. В результате работы агента выявляются ранее неизвестные закономерности, которые могут быть проинтерпретированы экспертами-специалистами соответствующей предметной области. Эффективность предложенного подхода демонстрируется на примере анализа модельных данных. | - |
| Appears in Collections: | OSTIS-2021
|
