В статье рассматривается проблема улучшения методов стилевой классификации русскоязычных текстов. В качестве возможного направления исследований предложен метод оптимизации набора (множества) букв, применяемого для вычисления статистических индексов текстов. Для оптимизации и контроля результатов использованы поэтические и прозаические художественные тексты на русском языке. Объем текстов составлял порядка 300 тысяч знаков при оптимизации и 100 тысяч знаков при контрольной оценке. Для вычисления статистических индексов рассчитывались частотности биграмм и триграмм букв. При оптимизации опробован также и вариант совместного использования индексов биграмм и триграмм. В статье дано краткое описание метода статистических индексов, приведены применявшиеся в исследовании алгоритм пошаговой оптимизации, вид возможной оптимизационной функции и формула для нахождения границы классификации. Показано, что оптимизация набора букв улучшает классификацию по сравнению с вариантом использования как полного набора букв, так и набора из гласных букв в применении к задаче автоматического различения поэтических и прозаических художественных текстов на русском языке. Проведено сравнение результатов классификации по предложенной формуле границы классификации с результатами расчетов по классификации методом ROC-кривых. В итоге для разных сочетаний статистических индексов и способов определения границы классификации интервал верной классификации составил 72-74 % для набора, включающего все буквы, 82-86 % для набора, включающего только гласные буквы, и 80.5-92.5 % для разных наборов букв, полученных при оптимизации.
Цель статьи заключается в теоретическом осмыслении сущности больших данных, в выявлении преимуществ и рисков их использования финансовыми организациями. В статье представлены результаты систематизации знаний о сути и особенностях больших данных. Выявлено, что они позволяют делать более качественные аналитические исследования, создавать модели для прогнозирования экономических тенденций и рыночных изменений, изучать рыночную динамику, анализировать медицинские данные для улучшения диагностики и выбора методов лечения, предсказывать отказ или поломку оборудования в производстве за счет оценки данных с датчиков, разрабатывать социальные и экономические программы на государственном уровне, выявлять мошенничество и коррупцию в финансовом секторе и пр. Обоснована актуальность стремительного развития технологии больших данных и целесообразность ее использования в этой области. В результате анализа научной литературы представлено авторское определение технологии в финансовом секторе, новизна которого заключается в учете особенностей и преимуществ применения больших данных именно финансовыми организациями. Изучение современной практики их использования в этих учреждениях позволило выявить основные сильные стороны, а также недостатки исследуемой технологии.
В настоящей статье рассматриваются аспекты применения методов машинного обучения к существующим способам моделирования поведения интеллектуальных агентов для обеспечения возможности агентам повысить показатели своей эффективности в моделях конкуренции. Практическая значимость исследования представлена разработкой подхода к моделированию поведения интеллектуальных агентов, за счет которого можно повысить эффективность их функционирования в таких сферах деятельности, как компьютерные игры, разработка беспилотных летательных аппаратов и поисковых роботов, изучение городской и транспортной мобильности, а также в прочих сложных системах. Проведен обзор существующих методов машинного обучения (обучение с подкреплением, глубокое обучение, Q-обучение) и способов моделирования поведения агентов (модель на правилах, конечно-автоматная модель поведения, деревья поведения). Выбрана наиболее подходящая к задаче комбинация метода обучения и модели поведения: деревья поведения и обучение с подкреплением. Средствами Unity реализована тестовая платформа, разработаны модели поведения четырех основных архетипов агентов, которые должны соревноваться в задаче сбора ресурсов в условиях ограниченного времени. Реализован обученный агент с помощью средств Unity ML и TensorFlow. На базе тестовой платформы проведена серия экспериментов в различных условиях: ограниченность, изобилие, среднее количество ресурсов. В рамках эксперимента тестировалась способность разработанной модели поведения интеллектуального агента выигрывать в условиях конкуренции с агентами, снабженными различными вариантами традиционных моделей поведения на базе деревьев поведения. Оценены работоспособность и преимущества использования разработанной модели поведения. Проанализированы результаты эксперимента, сделаны выводы относительно потенциала выбранной комбинации методов.
Исследована процедура моделирования работ, связанных с проектированием и разработкой сложной бортовой аппаратуры. Обучение модели, созданной с применением методов машинного обучения, осуществлено на основе данных, полученных в процессе предыдущих разработок в этой области.
Предложен алгоритм автоматизации процесса электронного проектирования на основе ATPG и методов нейронной сети. Получены данные об откатах для всех неисправностей типа stuck-at-0 и stuck-at-1. Достигнут оптимальный набор тренировочных данных для максимальной производительности нейронной сети. Отмечено, что предлагаемый метод обучения требует меньшего общего количества откатов для всех неисправностей в рассматриваемых схемах.
Внедрение искусственного интеллекта (ИИ) в государственном управлении стремительно набирает обороты. Республика Башкортостан активно внедряет такие технологии, стремясь повысить эффективность и качество услуг, предоставляемых гражданам. Цель исследования - проанализировать практику применения ИИ в государственном управлении России в целом, и Республики Башкортостан в частности, выявить возможности и риски для органов власти и управления республики. В статье представлен обзор кейсов и инициатив по внедрению ИИ в различных сферах государственного управления, в том числе и в Республике Башкортостан; дана оценка потенциальных преимуществ ИИ для повышения эффективности работы органов власти и управления, улучшения качества предоставляемых услуг, ускорения принятия решений и повышения прозрачности.
В работе рассматривается решение многомерных задач многоэкстремальной оптимизации с использованием деревьев решений для выявления областей притяжения локальных минимумов. Целевая функцияпредставлена как «черный ящик», она может быть недифференцируемой, многоэкстремальной и вычислительно трудоемкой. Для функции предполагается, что она удовлетворяет условию Липшица с априоринеизвестной константой. Для решения поставленной задачи многоэкстремальной оптимизации применятсяалгоритм глобального поиска. Хорошо известно, что сложность решения существенно зависит от наличия нескольких локальных экстремумов. В данной работе предложена модификация алгоритма, в которойопределяются окрестности локальных минимумов целевой функции на основе анализа накопленной поисковой информации. Проведение такого анализа с использованием методов машинного обучения позволяетпринять решение о запуске локального метода, что может ускорить сходимость алгоритма. Данный подход был подтвержден результатами численных экспериментов, демонстрирующих ускорение при решениинабора тестовых задач.
В теории алгебраических байесовских сетей существуют алгоритмы, позволяющие проводить глобальный апостериорный вывод с использованием вторичных структур. При этом построение вторичных структур предполагает использование третичной структуры. Следовательно, возникает вопрос об обособленном применении третичной структуры в задаче апостериорного вывода. Этот вопрос рассматривался ранее, но было приведено только общее описание алгоритма, при этом учитывались лишь модели со скалярными оценками вероятности истинности. В данной работе приведен алгоритм, расширяющий вышеупомянутый до возможности его использования в случае интервальных оценок. Помимо этого, важным свойством алгебраической байесовской сети является ацикличность, и корректность работы перечисленных алгоритмов обеспечивается только для ацикличных сетей. Поэтому необходимо также уметь проверять ацикличность алгебраической байесовской сети с применением третичной структуры. Описание этого алгоритма также представлено в работе, в его основе лежит ранее доказанная теорема, которая связывает количество моделей фрагментов знаний в сети с количеством непустых сепараторов и количеством компонент связности сильных сужений в цикличной АБС, а также доказанная в данной статье теорема о принадлежности двух моделей фрагментов знаний к одной компоненте связности сильного сужения. Для всех разработанных алгоритмов доказана корректность работы, а также вычислена их оценка временной сложности.
Качественные психофизиологические исследования сопряжены с созданием доступных и хорошо организованных баз данных, требующих большую предварительную работу по разработке измерительных комплексов, включающих не только средства для измерения психофизиологических параметров человека, но и его эмоционального состояния, которое отображается в выражении лица, речи и поведенческих паттернах респондентов. Измерительные комплексы должны также включать и средства обработки экспериментального материала. Суть исследования состояла в проведении эксперимента по созданию прототипа базы речевых данных русскоязычных респондентов, получения ответов на методические вопросы, возникающие у специалистов при использовании базы для задачи распознавания состояния утомления человека. Разработан аппаратно-программный комплекс, позволяющий синхронно регистрировать психофизиологические параметры, видеозаписи поведенческих реакций и аудиозапись речи человека. В качестве модели физического утомления использовался кардиореспираторный тест с физической нагрузкой. До прохождения и после завершении теста добровольцы зачитывали набор стандартных фонетически представительных текстов. Полученные аудиозаписи обрабатывались с помощью специализированной нейронной сети, способной анализировать интегральные спектральные характеристики звука. Результаты эксперимента показали возможность распознавания состояния утомления человека по его речи, что позволяет перейти к созданию большого банка аудиозаписей и совершенствованию алгоритмов распознавания состояния утомления.
В статье рассмотрено влияние нейросетей на интеллектуальную собственность в маркетинговых исследованиях. Автор утверждает, что растущее использование искусственного интеллекта и машинного обучения в маркетинговых исследованиях создает
новые проблемы для защиты прав интеллектуальной собственности. Статья дает представление о правовых тенденциях, связанных с использованием технологий в маркетинговых исследованиях, которые были проанализированы с помощью количественного контент-анализа и метода кейсов (case studies). Статья представляет собой ценный ресурс для исследователей, практиков и политиков, заинтересованных в проблемах
интеллектуальной собственности и искусственного интеллекта.