УДК 007:681.512.2
ПРИМЕНЕНИЕ ТЕОРИИ ИЕРАРХИЧЕСКИХ ЧИСЕЛ В ПРОЕКТИРОВАНИИ ICF-ТАКСОНОМИИ
ДЛЯ ОПТИМИЗАЦИИ НЕЙРОННЫХ СЕТЕЙ
И. Ю. Каширин, д.т.н., профессор кафедры ВПМ РГРТУ Рязань, Россия;
orcid.org/0000-0003-1694-7410, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
В статье рассмотрен новый подход к проектированию нейронных сетей с помощью ICF-таксономии, структурированных в соответствии с определенными правилами трансформации.
Правила описываются с помощью теории иерархических чисел. Прикладная ICF-таксономия используется для описания семантической части входных данных обучающей выборки на основе вычисления семантической близости концептов и признаков. Модель знаний, переработанная на основе трансформационных правил, позволяет оптимизировать входные наборы данных для интеллектуального анализа больших данных. Программная реализация предложенного подхода основана на алгоритмах анализа данных с обучением. Проведенные эксперименты с использованием инструментария Python v.3 (Anaconda 3) показывают эффективность предложенного в статье формального аппарата трансформации данных.
Целью работы является создание методологии синтеза алгоритмов Data Mining с обучением для задач анализа больших данных на основе использования теории иерархических чисел.
Ключевые слова: интеллектуальный анализ данных, алгоритмы с обучением, правила трансформации, ICF-таксономия, иерархические числа, семантическая близость, кластеризация, нейронные сети.