-Разработка интеллектуальной системы обработки больших данных

Одной из основных методологических задач при проектировании и применении нейросетей является создание систем сбора и подготовки информационного потока , поступающего на вход нейросети, в меняющихся условиях и значительной неопределенности. В настоящее время у Заявителя имеются теоретические обоснования , методы, информационные технологии, а также программные продукты , реализующий новый подход к интеграции и интеллектуальной аналитике больших массивов разнотипных данных в условиях их неопределенности и нестабильности , а также опыт их применения для решения прикладных задач. Методологический базис программных продуктов основан на регуляризирующем байесовском подходе (РБП) и байесовских интеллектуальных технологиях (БИТ), предназначенных для функционирования в условиях неопределенности. Методология является интеллектуальной собственностью Программные продукты имеют сертификаты Росстандарта об их регистрации.Данная задача соответствует пункту 21 Дорожной карты «Нейронет». Целью предлагаемого проекта является создание программного комплекса на основе нейросети и информационно-аналитической системы на основе БИТ ( для сбора и интеграции и предварительной аналитической обработки разнотипной информации , в том числе данных, представленных: измерительной информацией, получаемой непосредственно от датчиков или сетей IoТ; статистическими рядами и таблицами; геоинформационными массивами, а также знаний , представленных, например, экспертными оценками, аналитическими выражениями, высказываниями в лингвистической форме и в других формах) , функционирующего в условиях информационной неопределенности и нестабильности. В соответствии с поставленной целью выделен ряд следующих задач : 1.Разработать концепцию и архитектуру программного продукта для выбранного типа нейросети и программных продуктов на основе БИТ. 2.Сформулировать требования, критерии и ограничения к процессам обработки информации. 3. Разработать модель сложного объекта прикладной задачи для нейросети.. Определить ключевые измеряемые характеристики сложного объекта. 4. Инвентаризировать и разработать метрологическое обоснование выбранных источников информации. 5. Разработать алгоритмическую базу для интеграции программных продуктов 6. Разработать и заполнить базы данных и знаний . 7.Интегрировать программный продукт с нейросетью . 8. Произвести обучение нейросети на основе интегрированных потоков информации об объекте 9.Произвести расчет рабочего примера. 10. Произвести тестирование программного комплекса. 11. Разработать техническую документацию. Научную новизну проекта представляют:- .Методы и алгоритмы получения и интеграции разнотипной информации на основе байесовских интеллектуальных технологий, отличающиеся от существующих способностью соединять числовые данные и знания в единый информационный поток, что обеспечивает надежность, качество и скорость поучения результатов нейросетевых систем, также обеспечивает значительное расширение круга решаемых прикладных задач.- Метрологическое обоснование качества и достоверности получаемых решений, что впервые дает возможность достижения требуемых показателей точности результатов нейросетей- Методы шкалирования в целях оптимизации процессов в условиях неопределенности на основе байесовского регуляризирующего подхода, что значительно повышает скорость обработки больших массивов данных и знаний, снижая их размерность без потери содержания. Практическую значимость представляют собой следуюшие аспекты:- Универсальный характер методологии РБП , позволяющий использовать разработанный программный продукт для предварительной подготовки информационных потоков для нейросетевых систем различных типов машинного обучения, существенно расширяющий круг прикладных задач. В том числе для классического обучения, обучения с учителем, с подкреплением, а также в концепции обучения представлениям. Универсальность обеспечивается единой технологией свертки разнотипной информации и подготовки ее к формированию наборов данных в блоки dataset нейросетей. При этом тип, форма представления и содержание информации не оказывают влияние на структуру алгоритмов свертки .- Возможность обучения и самообучения пользователей нейросетевых систем в рамках концепции интеллектуальных рабочих мест специалистов (ИРМ), реализованных на базе продукта «Инфоинтегратор».- Коммерциализация и практическое использование «Инфоинтегратора» предполагает реализацию двух бизнес-моделей : В2В и В2С. В качестве бизнес-модели В2В он может быть использован разработчиками нейросетевых систем. Как самостоятельный программный продукт , включающий нейросети, может быть использован для решения задач принятия решений в сферах промышленности, энергетики, бизнеса, экологии, социально-экономической деятельности, управления развитием территориальных комплексов. У Заявителя имеется большой опыт коммерциализации предыдущих разработок - аналогов этого продукта. Однако, интеграция байесовских интеллектуальных технологий с нейросетями определенно даст мощный эффект в создании новых типов прикладных интеллектуальных систем .