Статья

Название статьи ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ КОЛЛЕКТИВНОГО РЕШЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ЗАДАЧ
Автор В.В. Бова, А.Н. Дуккардт
Рубрика РАЗДЕЛ III. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И НЕЧЕТКИЕ СИСТЕМЫ
Месяц, год 07, 2012
Индекс УДК 002.53:004.89
DOI
Аннотация Изложены возможности интеллектуальных информационных технологий основанных на искусственных нейронных сетях. Выявлены особенности применения нейросетевых систем поддержки принятия решений для различных предметных областей. Рассмотрена возможность применения искусственных нейронных сетей для коллективного решения интеллектуальных задач. Предложен подход, в основе которого лежит одновременное использование нескольких нейронных сетей для получения коллективного решения задачи. Определены тенденции и направления развития нейросетевых технологий.

Скачать в PDF

Ключевые слова Интеллектуальные технологии; искусственные нейронные сети; нейросетевые модели; задачи поддержки принятия решений; коллективное решение.
Библиографический список 1. Бова В.В., Курейчик В.В., Нужнов Е.В. Проблемы представления знаний в интегрированных системах поддержки управленческих решений // Известия ЮФУ. Технические
науки. − 2010. − № 7 (108). − С. 107-113.
2. Бова В.В. Модели предметных знаний на основе системно-когнитивного анализа // Известия ЮФУ. Технические науки. − 2010. − № 7 (108). − С. 146-153.
3. Тимофеев А.В. Мульти-агентные робототехнические системы и нейросетевые технологии // Известия ЮФУ. Технические науки. − 2010. − № 3 (104). − С. 20-23.
4. Нагоев З.В., Бозиев А.О. Классификация изображений на основе модели онтонейроморфогенеза // Известия Кабардино-Балкарского НЦ РАН. − 2011. − № 1. − С. 196-200.
5. Осовский С. Нейронные сети для обработки информации / пер. с польск. – М.: Финансы и статистика, 2002. – 344 с.
6. Zhou Z.H., Wu J., Tang W. Ensembling neural networks // Many could be better than all, Artif. Intell. – 2002. – Vol. 137, № 1-2. – Р. 239-263.
7. Ляхов А.Л., Алешин С.П. Искусственная нейронная сеть как измерительный инструмент адекватности модели с адаптивным классом точности // 4-я МНПК «Математическое и
имитационное моделирование систем»: Тезисы докладов. – Киев: ИПММС НАН Украины, 2009. – С. 116-119.
8. Воеводин Ю.Ю., Комарцова Л.Г. Применение генетического алгоритма для оптимизации параметров нейронной сети в задачах классификации // Информатика: проблемы,
методология, технологии. – М.: Изд-во МГТУ им Баумана, 2005. − С 42-46.
9. Курейчик В.М. Проблем, обзор и параллельные генетические алгоритмы: состояние // Известия РАН. Теория и системы управления. – М., 2010. – № 4. – С. 72-82.
10. Дуккардт А.Н., Лебедев Б.K. Комплексный гибридный генетический алгоритм // Известия ЮФУ. Технические науки. – 2008. – № 4 (81). – С. 26-32.
11. Кравченко Ю.А. Метод создания математических моделей принятия решений в многоагентных подсистемах // Известия ЮФУ. Технические науки. − 2011. − № 7 (1120). − С. 141-145.

Comments are closed.