Методы и алгоритмы генерации моделей композитного ИИ с учётом априорных знаний предметной области

Целью исследования является создание научно-технического задела (подходов, методов и технологий) для разработки методов и моделей композитного искусственного интеллекта (ИИ), а также развитие технологий прикладного ИИ в целом. Данный задел позволит повысить качество решения прикладных задач математического моделирования в различных предметных областях. Под моделями композитного ИИ здесь понимаются графовые модели с гетерогенной структурой (включающие ансамблевые модели машинного обучения (МО), мульти-модальные модели на разнотипных источниках данных, гибридные модели физических процессов, data-driven модели системной динамики, графы знаний), позволяющие решать задачи моделирования в условиях неполноты исходных данных, наличия в них высокой неопределенности и т.д. В рамках исследования предлагается создать методы и алгоритмы автоматизированной идентификации таких моделей (структурного обучения и настройки параметров), в том числе на основе эволюционных алгоритмов, методы и алгоритмы интерпретации полученных результатов, а также технологии их применения в прикладных задачах.