Сортировать: по дате добавления | по просмотрам | по алфавиту

4.3 Системы интеллектуального анализа данных. Извлечение знаний из данных. ч.2

Сравните с точки зрения наглядности и объяснимости два способа представления знаний, которые выявил компьютер на основе анализа результатов деятельности интернет-магазина (это еще одно пояснение термина «знания в явной форме»): 1) Представление с помощью логических правил «Если.. То»: «Если А > 250 (средний объем заказов покупателя > 250 руб) И В > 4 (частота покупок > 4 в месяц), То С = 2 (класс покупателя = 2) с долей уверенности =... Подробнее

4.4. Машинное обучение на примерах. Нейронные сети. ч.1

Обучение на примерах предполагает предъявление системе некоторых примеров – объектов с известными характеристиками. Например, предъявление объектов, принадлежащих нескольким классам, позволяет выявить правила классификации, по которым можно вновь исследуемый объект отнести к тому или иному классу. Такая задача, которая состоит в отнесении объектов по данным, которые их характеризуют, к одному из заранее известных классов, называется задачей распознавания образов. Примерами этой... Подробнее

4.4. Машинное обучение на примерах. Нейронные сети. ч.2

Нейрон получает на входе сигналы x1, x2, x3,…, xN. И суммирует их с весовыми коэффициентами w: s = ∑wixi Однако на выходе нейрона присутствует сигнал только тогда, когда s больше или меньше какого-то порога. Точнее существует некоторая функция активации y = f(s), которая преобразует s в 1 (есть сигнал) или 0 (нет сигнала). Если на выходе нейрона есть сигнал, то говорят, что данный нейрон возбужден. Распространены такие функции активации [12]: ступенчатая пороговая: y... Подробнее

4.4. Машинное обучение на примерах. Нейронные сети. ч.3

В [12] приводится такая рекомендация об объеме обучающей выборки: при допустимости 10% ошибок число учебных образцов должно быть в 10 раз больше числа имеющихся в сети весовых коэффициентов. Если на рисунке 4.4. посчитать число синаптических входов нейронов скрытого и выходного слоя – 21 , то можно предположить что объем обучающей выборке согласно этой рекомендации должен содержать не менее 210 образцов. В заключение отметим, что рассмотренный тип НС является не единственным,... Подробнее

Резюме к 4 главе

1. В ИИС можно выделить три стратегии получения знаний, т.е. «обучения» системы: - приобретение знаний в СОЗ из источников; - формирование знаний в системах интеллектуального анали-за данных; - машинное обучение (на примерах). 2. В процессе приобретения знаний решаются две задачи - по-лучение, т.е. извлечение знаний из источников и их систематиза-ция (структуризация). При извлечении знаний происходит взаимодействие с источни-ком (источниками) знаний с целью получить... Подробнее

Заключение

В заключение изложения теоретического материала по дисци-плине можно сформулировать следующие выводы. 1. Дисциплина «Интеллектуальные информационные систе-мы» содержит в себе те сведения, которые будут полезны в дея-тельности специалиста, занимающегося вопросами разработки и эксплуатации экономических информационных систем. 2. Понимание возможностей и особенностей ИИС позволяет по-новому взглянуть на проблемы экономических хозяйствующих субъектов, предложить новые технологии... Подробнее

Аннотации статей

[Все аннотации]
День - Блокчейн в Тюмени

В Тюменском государственном университете прошел первый День-блокчейн, организованный группой «Центр компетенций Цифровой экономики» Подробнее

Модели проблемно-ориентированных корпоративных баз знаний на основе case-based reasoning подхода

Gредлагается концепция проблемно-ориентированных корпоративных баз знаний, в которых знания организуются вокруг возможных проблемных ситуаций и представляют собой инструмент для принятия и... Подробнее

Роботы для дома

Бытовые роботы, которые уже можно купить себе домой Подробнее

Роботы-строители

А есть ли уже роботы-строители? Как скоро механизмы заменят человека при возведении зданий или это пока неосуществимая мечта? Подробнее




Рекомендовано:
Робот - мойщик окон

Это, на самом деле, крутая штука
ЗДЕСЬ


Популярные статьи

Интернет в Маркетинге
2.2. Формирование и анализ системы целей. Дерево целей и задач
3.1. Понятие модели и классификация моделей
5.2. Методы анализа количественного влияния факторов на изменение показателей
5.3. Методы комплексной оценки хозяйственно-финансовой деятельности
Интеллектуальные голосовые помощники: клиентский сервис нового поколения
3.6. Модель типа «черный ящик», модели состава и структуры
5.1. Предмет, задачи, способы и приемы экономического анализа
4.1. Постановка задачи принятия решения
4.2. Типы шкал для характеристики и оценки альтернатив