SCI Библиотека

Содержание пособия включает изложение основных подходов направления интеллектуального анализа временных рядов (Time Series Data Mining), которое в настоящее время объединяет статистические, нейросетевые и нечеткие модели и технологии анализа временных рядов. Описание моделей и технологий базируется на современном обзоре отечественных и зарубежных источников, системном подходе и сопровождается примерами и контрольными вопросами. Рассматриваются авторские модели временных рядов на основе анализа нечетких тенденций, позволяющие прогнозировать не только числовые значения временных рядов, но и направление их изменения, а также генерировать краткое описание поведения временного ряда в лингвистической форме.

Пособие предназначено для поддержки дисциплин «Интеллектуальные информационные технологии», «Информационные технологии», «Информатика», дневной, вечерней, заочной и дистанционной форм обучения, а также для магистрантов и аспирантов, специализирующихся в области интеллектуальной обработки данных.

Учебное пособие дает студентам представление о современном состоянии исследований и разработок в области создания нейропроцессоров, в том числе биоморфного нейропроцессора, реализующего аппаратную импульсную нейросеть на базе новых компонентов наноэлектроники и являющегося потенциальным носителем высокого искусственного интеллекта. В издании изложены физические основы обучаемых наноматериалов, реализация аппаратной импульсной нейросети биоморфного нейропроцессора, ключевые принципы обработки информации в биологических нейронных сетях и искусственных системах; даны сведения об аналоговых и цифровых сигналах; описано моделирование работы компонентов нейроморфной наноэлектроники; представлены современные платформы процессорной техники, применяемой для формирования нейроморфных импульсов; показаны базовые способы и характеристики аналого-цифровых преобразований для системы регистрации биоморфных сигналов. Предназначено студентам, обучающимся по направлениям 03.03.02 Физика, 16.03.01 Техническая физика всех профилей подготовки, а также будет полезно учащимся инженерных специальностей, связанных с изучением электронной компонентной базы микро- и наноэлектроники.

Учебное пособие рассматривает вопросы, связанные с анализом данных: модели, алгоритмы, методы и их реализацию на языке Python. Особое внимание уделено анализу временных рядов. Книга предназначена для студентов группы направлений 09, а также для студентов других групп направлений, изучающих дисциплины, связанные с разработкой приложений в области анализа данных, в том числе TimeSeriesDataMinig и DataMining.

Учебное пособие содержит краткие сведения о разработке рекомендующих систем на основе технологии интеллектуальных пространств. Обзор моделей вычислений, взаимодействия и представления данных, генерации рекомендаций, а также принципов и методов разработки программного обеспечения дополняется сведениями о практическом использовании исследовательской платформы Smart-M3 для реализации интеллектуальных пространств. Пособие предназначено для студентов магистратуры направлений 01.04.02 «Прикладная математика и информатика» и 09.04.02 «Информационные системы и технологии» и для студентов других математических и технических специальностей вузов при изучении дисциплин, использующих методы искусственного интеллекта, сложных систем, систем, основанных на знаниях, а также для преподавателей, ведущих учебные занятия по этим дисциплинам.

В учебном пособии представлены учебные и методические материалы для изучения системно-когнитивного моделирования в АПК. Приведены подробные численные примеры применения Автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария – интеллектуальной системы «Эйдос» для решения задач в механизации, агрономии и ветеринарии. Системно-когнитивное моделирование включает выявление знаний из эмпирических данных, накопление знаний и использование знаний для решения задач идентификации, прогнозирования, принятия решения и исследования моделируемой предметной области путем исследования ее модели. Приведен словарь терминов, использующихся в этой области. Предназначено для магистрантов, аспирантов и всех интересующихся данной проблематикой.

В учебнике представлены учебные и методические материалы для изучения систем искусственного интеллекта (СИИ). Эти системы обеспечивают приобретение знаний путем их выявления из эмпирических данных, накопление знаний и их представление в базах знаний, основанных на различных моделях представления знаний, использование знаний для решения различных задач, прежде всего задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области путем исследования ее модели. Приведен словарь терминов, использующихся в этой области.

Предназначено для учащихся вузов всех форм обучения (очной, заочной, дистанционной), специалитета, бакалавриата, магистратуры и аспирантуры, изучающих интеллектуальные технологии.

Научно обоснованным подходом построения зависимостей в рамках статистической парадигмы является технология построения регрессионных моделей. В учебном пособии рассматривается новый класс регрессионных моделей, получивших название локально адаптивных (LAR-модели). Предлагаемые к использованию LAR-модели занимают свою нишу между классическими параметрическими регрессионными и непараметрическими моделями типа моделей опорных векторов. В учебном пособии рассмотрены вопросы идентифицируемости LAR-моделей. Ставится и решается задача оптимального планирования эксперимента для рассматриваемых LAR-моделей. С использованием LAR-моделей приводится решение прикладной задачи построения стойкостной модели сверления. Материалы учебного пособия адресованы студентам факультета прикладной математики и информатики, изучающим дисциплину «Основы теории машинного обучения», а также всем, кто интересуется современными проблемами прогнозного моделирования.

Настоящая работа определяет понятия и практики построения искусственного интеллекта (ИИ). Понятие искусственного интеллекта напрямую зависит от определения интеллекта человека, хотя интеллект существует у всех живых организмов, но искусственный интеллект как системный объект является порождением деятельности человека и задается интеллектом человека.

Искусственный интеллект может использовать несколько объединенных простых и сложных функций человека, которые зависят от поставленной человеком системной цели действий ИИ.

В этой работе анализировались необходимые хаотические факторы, которые используются при построении ИИ. Функции и структура построенной имитационной модели определили влияние глобальности или локальности групп людей на искусственный интеллект человечества. Рассмотрен вопрос создания искусственного человека в форме системы ИИ со специальным самосознанием.

Работа предназначена для студентов высших образовательных заведений всех специальностей, в том числе дисциплины «Бизнес-информатика» (080500.62).

Рассмотрены вопросы, связанные с построением и использованием основных архитектур современных нейронных сетей. Рассматриваются полносвязные, сверточные, рекуррентные и трансформерные модели.
Предназначено для студентов бакалавриата, обучающихся по направлению 09.03.01 «Информатика и вычислительная техника» по профилю «Искусственный
интеллект».

Целью освоения дисциплины «Математическое моделирование и анализ данных в садоводстве» является формирование у магистрантов знаний, умений и навыков по применению интеллектуальных информационных технологий для создания статистических и интеллектуальных моделей и решения на их основе задач прогнозирования, принятия решений и научных исследований в области производства плодов, овощей, винограда.