Актуальність розробки

У сучасних умовах інтенсивного зростання обсягів інформації та ускладнення процесів аналізу виникає потреба у системах, здатних формувати рішення на основі структурованих векторних подань даних і методів машинного навчання. Традиційні методи не забезпечують достатньої гнучкості для роботи з різнорідною інформацією, включаючи дані з інтернету речей. Запропонований спосіб дозволяє формувати рішення у вигляді кодової послідовності шляхом формування онтологічних образів як абстрактних моделей представлення знань, врахування причинно-наслідкових зв’язків та використання адитивної флуктуації даних, що забезпечує адаптивність процесу формування рішень у динамічних умовах.

Суть технічного рішення

Запропоновано спосіб роботи системи прийняття складних рішень, у якому за допомогою машинного навчання формують вектор (сигнал) у вигляді кодової послідовності. На вершині вектора розміщують агреговані інформаційні дані та причинно-наслідкові зв’язки, а також будують онтологічний образ через адитивний ефект флуктуації даних. Додатково фокусують комбінаторику кількісних і якісних характеристик та співставляють тотожні вектори для виявлення латентних евристичних рішень. Отримане рішення подається у вигляді структурованої кодової послідовності, придатної для подальшої візуалізації та використання в системі.

Принцип роботи

Спосіб реалізується через такі основні етапи:

• навчання системи засобами машинного навчання з формуванням векторного представлення даних;
• розміщення агрегованої інформації, причинно-наслідкових зв’язків та характеристик на вершині вектора;
• побудова онтологічного образу через адитивний ефект флуктуації даних;
• виконання обчислень із використанням програмних обчислювальних засобів для побудови та корекції вектора;
• співставлення тотожних векторів для виявлення латентних евристичних рішень;
• формування результату у вигляді кодової послідовності та подання його у визначеному форматі.

Переваги

Запропонований спосіб забезпечує:

• формування рішень на основі онтологічних образів та причинно-наслідкових зв’язків;
• підвищену адаптивність завдяки адитивному ефекту флуктуації даних;
• можливість роботи з агрегованими знаннями та даними різної природи, включаючи дані з інтернету речей (IoT);
• виявлення латентних евристичних рішень через співставлення тотожних векторів;
• узгодженість і відтворюваність результатів завдяки структурованому векторному поданню у вигляді кодової послідовності;
• можливість візуалізації структур даних, що відображають процес формування рішень системою.

Галузь застосування

• інтелектуальні кібернетичні та інформаційно-аналітичні системи;
• системи аналізу даних, прогнозування та підтримки прийняття рішень;
• інтернет речей (IoT), системи датчиків і агрегованих знань;
• дослідницькі, аналітичні та обчислювальні програмні комплекси;
• технології, що потребують формування складних рішень на основі методів штучного інтелекту та векторних структур даних.

Додаткова інформація

На спосіб отримано патент України на корисну модель № UA 132430 U.
Детальніше з принципом роботи можна ознайомитися за посиланням.

Умови співпраці

Патентовласник розглядає пропозиції щодо ліцензування або впровадження корисної моделі в практичні рішення.