8 (495) 987 43 74 доб. 3304 Прием заявок на рассмотрение статей E-mail: evlasova@synergy.ru

Мы в соцсетях -              
Рус   |   Eng

Материалы в свободном доступе

Авторы: Мешалкин В. П., Дли М. И., Пучков А. Ю., Рысина (Лобанева) Е. И.     Опубликовано в № 3(93) 30 июня 2021 года
Рубрика: Модели и методики

Предварительная оценка прагматической ценности информации в задаче классификации на основе глубоких нейронных сетей

Предложен метод предварительной оценки прагматической ценности информации в задаче классификации состояния объекта на основе глубоких рекуррентных сетей долгой краткосрочной памяти. Цель проводимого исследования состояла в разработке метода прогноза состояния контролируемого объекта при минимизации количества используемых прогностических параметров, достигаемой с помощью предварительной оценки прагматической ценности информации. Это особенно актуальная задача в условиях обработки больших данных, характеризуемых не только значительными объемами поступающей информации, но и скоростью ее поступления и полиформатностью. Генерация больших данных сейчас происходит практически во всех сферах деятельности, что обусловлено широким внедрением в них Интернета вещей. Метод реализуется двухуровневой схемой обработки входной информации: на первом уровне применяется алгоритм машинного обучения «случайный лес», который имеет значительно меньшее количество настраиваемых параметров, чем рекуррентная нейронная сеть, используемая на втором уровне для окончательной и более точной классификации состояния контролируемого объекта или процесса. Выбор «случайного леса» обусловлен его способностью к оценке важности переменных в задачах регрессии и классификации. Это используется при определении прагматической ценности входной информации на первом уровне схемы обработки данных. Для этого выбирается параметр, который отражает указанную ценность в каком-либо смысле, и на основе ранжирования входных переменных по уровню важности осуществляется их отбор для формирования обучающих наборов данных для рекуррентной сети. Алгоритм предложенного метода обработки данных с предварительной оценкой прагматической ценности информации реализован в программе на языке MatLAB и показал свою работоспособность в эксперименте на модельных данных.

Ключевые слова

деревья решений, глубокие рекуррентные нейронные сети

Автор статьи:

Мешалкин В. П.

Ученая степень:

академик РАН, докт. техн. наук, профессор, заведующий кафедрой логистики и экономической информации, Российский химико-технологический университет имени Д.И. Менделеева, Москва; Лаборатория физико-химических основ хроматографии и хромато-масс-спектрометрии, Институт физической химии и электрохимии имени А.Н. Фрумкина РАН, Москва; кафедра систем автоматизированного проектирования и управления, Санкт-Петербургский государственный технологический институт (технический университет), , clogist@muctr.ru

Местоположение:

Санкт-Петербург, Россия

Автор статьи:

Дли М. И.

Ученая степень:

докт. техн. наук, профессор, кафедра информационных технологий в экономике и управлении, филиал Национального исследовательского университета «МЭИ» в г. Смоленске, Смоленск; ведущий научный сотрудник, Университет «Синергия»

Местоположение:

г. Смоленск, Россия

Автор статьи:

Пучков А. Ю.

Ученая степень:

канд. техн. наук, доцент, кафедра информационных технологий в экономике и управлении, филиал Федерального государственного бюджетного образовательного учреждения высшего образования «Национальный исследовательский университет «МЭИ» в г. Смоленске

Местоположение:

г. Смоленск, Россия

Автор статьи:

Рысина (Лобанева) Е. И.

Ученая степень:

аспирант, кафедра прикладной математики и искусственного интеллекта, Федеральное государственное бюджетное образовательное учреждение высшего образования «Национальный исследовательский университет "МЭИ"», Москва, Россия,

Местоположение:

г. Москва, Россия