Article

Article title IMPLICIT KNOWLEDGE EXTRACTION BASED ON NEURAL NETWORK ALGORITHMS
Authors V.V. Bova
Section SECTION VI. ARTIFICIAL INTELLECT AND INDISTINCT SYSTEMS
Month, Year 11, 2012 @en
Index UDC 002.53:004.89
DOI
Abstract The paper presents the possibility of intelligent information technologies based on artificial neural networks. The features of the construction of neural network models, is based on evolutionary computation techniques, and the main directions of development of neural network technology in dealing with complex intellectual tasks: The possibility of using genetic algorithms to optimize the parameters of neural network in data mining tasks. An approach to the selection of significant input parameters of neural network and encoding mechanisms of potential solutions that can be implemented by using genetic algorithms. The algorithms that increase the efficiency of the neural network learning to extract implicit knowledge from experimental data.

Download PDF

Keywords Intelligent technology; artificial neural networks; neural networks models; genetic algorithms; evolutionary calculations.
References 1. Курейчик В.M. Особенности построения систем поддержки принятия решений // Известия ЮФУ. Технические науки. 2012. – № 7 (132). – С. 92-98.
2. Комарцова Л.Г., Кадников Д.С., Ковалев И.В. Особенности построения гибридных интеллектуальных систем обработки информации // Журнал «Информационные технологии». – 2010. – № 5. – С. 2-10.
3. Бова В.В., Дуккардт А.Н. Применение искусственных нейронных сетей для коллективного решения интеллектуальных задач // Известия ЮФУ. Технические науки. – 2012. – № 7 (132). – С. 131-138.
4. 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.
5. Осовский С. Нейронные сети для обработки информации / пер. с польск. – М.: Финансы и статистика, 2002. – 344 с.
6. Воеводин Ю.Ю., Комарцова Л.Г. Применение генетического алгоритма для оптимизации параметров нейронной сети в задачах классификации // «Информатика: проблемы,
методология, технологии». – М.: Из-во МГТУ им Баумана, 2005. – С. 42-46.
7. Курейчик В.М. Проблемы, обзор и параллельные генетические алгоритмы: состояние // Известия РАН. Теория и системы управления. – 2010. – № 4. – С. 72-82.
8. Дуккардт А.Н., Лебедев Б.K. Комплексный гибридный генетический алгоритм // Известия ЮФУ. Технические науки. – 2008. – № 4 (81). – С. 26-32.
9. Курейчик В.В., Курейчик Вл.Вл. Архитектура гибридного поиска при проектировании // Известия ЮФУ. Технические науки. 2012. – № 7 (132). – С. 22–27.
10. Кравченко Ю.А. Применение метода анализа иерархий в алгоритме принятия решений с учетом ряда параметров адаптации // Известия ЮФУ. Технические науки. 2012. – № 7
(132). – С. 247-253.
11. 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.

Comments are closed.