Исследование методов анализа знаний на основе анализа формальных понятий и методов предварительной обработки данных для нейроной сети

Цель: повышение качества анализа знаний онтологии предметной области, а также снижение требуемых затрат ресурсов и времени с помощью повышения уровня автоматизации анализа за счет применения теории анализа формальных понятий в методах анализа и оценки онтологий; повышение точности нейропрогнозирования за счет разработки модели предварительной обработки данных. Разработаны методы анализа структуры отношений онтологий для поиска скрытых зависимостей и модели предварительной обработки данных для прогнозирования на основе нейронной сети. Проведен анализ источников анализа онтологии. Сделан вывод, что анализ онтологии в настоящее время является актуальной темой. Так как онтология является широким понятием и имеет большое число интерпретаций, авторы множества рассмотренных работ имеют различные взгляды на анализ и оценку онтологии. Предложен новый подход к анализу онтологии предметной области на основе теории анализа формальных понятий. Разработаны и исследованы новые методы оценки онтологии, позволяющие анализировать внутреннюю структуру отношений онтологии и выявлять скрытые зависимости, на основе которых делается вывод о полноте отношений онтологий. За счет этого методы позволяют снизить затраты средств и времени на оценку качества знаний онтологии, уменьшить время работы эксперта предметной области по анализу знаний онтологии. Изучены методы предварительной обработки данных решения для задачи прогнозирования посредством нейронной сети. Выполнены вычислительные эксперименты.Найдены наиболее подходящие для проведения прогноза в рамках данного исследования структура персептрона (четырехслойный персептрон) и метод предварительной обработки данных (метод «выбеливание входов»).