DC Field | Value | Language |
dc.contributor.author | Ковалёв, М. В. | - |
dc.coverage.spatial | Минск | en_US |
dc.date.accessioned | 2024-01-30T05:54:37Z | - |
dc.date.available | 2024-01-30T05:54:37Z | - |
dc.date.issued | 2023 | - |
dc.identifier.citation | Ковалёв, М. В. Семантические модели и средства разработки искусственных нейронных сетей и их интеграции с базами знаний = Semantic models and tools for the development of artificial neural networks and their integration into knowledge bases / М. В. Ковалёв // Информатика. – 2023. – Т. 20, № 3. – С. 90–105. | en_US |
dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/54167 | - |
dc.description.abstract | Предлагаются спецификации моделей и средств разработки искусственных нейронных сетей
(ИНС) и их интеграции с базами знаний интеллектуальных систем. Актуальность исследования определяется необходимостью решения комплексных задач интеллектуальными системами, алгоритм и методы решения которых отсутствуют в базах знаний интеллектуальных систем. М е т о ды. Анализируются четыре уровня интеграции ИНС с базами знаний. В ходе анализа формулируются требования и спецификации к необходимым моделям и средствам разработки и интеграции. Специфицированные на каждом уровне модели и средства включают в себя модели и средства предыдущего
уровня. Применение средств рассмотрено на примере решения задачи классификации сущностей базы
знаний с помощью графовой нейронной сети.Р е з у л ь т а т ы. Разработаны спецификации модели представления ИНС в базе знаний, агентно-ориентированной модели разработки и интерпретации ИНС, обеспечивающие интеграцию ИНС в базы знаний на всех выделенных уровнях, а также метод классификации сущностей базы знаний с помощью графовой нейронной сети. З а к л ю ч е н и е . Предложенные модели и средства позволяют интегрировать в базу знаний интеллектуальной системы любые обученные ИНС и использовать их для решения комплексных задач в рамках технологии OSTIS. Становятся возможными проектирование и обучение ИНС на основании как внешних данных, так и фрагментов базы знаний, а также автоматизация процесса разработки ИНС в базе знаний. | en_US |
dc.language.iso | ru | en_US |
dc.publisher | ОИПИ НАН Беларуси | en_US |
dc.subject | публикации ученых | en_US |
dc.subject | нейронные сети | en_US |
dc.subject | искусственные нейронные сети | en_US |
dc.subject | графовые нейронные сети | en_US |
dc.subject | базы знаний | en_US |
dc.subject | онтологии | en_US |
dc.title | Семантические модели и средства разработки искусственных нейронных сетей и их интеграции с базами знаний | en_US |
dc.title.alternative | Semantic models and tools for the development of artificial neural networks and their integration into knowledge bases | en_US |
dc.type | Article | en_US |
dc.identifier.DOI | https://doi.org/10.37661/1816-0301-2023-20-3-90-105 | - |
local.description.annotation | Specifications of models and tools for the development of artificial neural networks (ANNs) and their integration into knowledge bases (KBs) of intelligent systems are being developed. The relevance is determined by the necessity of implementing the possibility to solve complex problems by intelligent systems, which algorithms and methods of solving are not available in the knowledge base of the intelligent system. Methods. Four levels of integration of artificial neural networks into knowledge bases are formulated and analyzed. During the analysis the requirements and specifications for required models and tools for the development and integration are formulated. Specified at each level the models and tools include the models and tools of previous level. The application of the tools is considered by the example of solving the problem of classifying the knowledge base entities using a graph neural network. Results. The specifications of the ANN representation model in the knowledge base, the agent-based model for the development and interpretation of the ANN, which ensures the integration of the ANN into knowledge bases at all selected levels, as well as the method for classifying knowledge base entities using a graph neural network, have been developed. Conclusion. The developed models and tools allow integrating any trained ANNs into the knowledge base of the intelligent system and using them to solve complex problems within the framework of OSTIS technology. It also becomes possible to design and train ANNs both on the basis of external data and on the basis of fragments of the knowledge base. Automation of ANNs development process in the knowledge base becomes available. | en_US |
Appears in Collections: | Публикации в изданиях Республики Беларусь
|