Интеграция искусственных нейронных сетей с базами знаний

Автор: Головко В.А., Голенков В.В., Ивашенко В.П., Таберко В.В., Иванюк Д.С., Крощенко А.А., Ковалв М.В.

Журнал: Онтология проектирования @ontology-of-designing

Рубрика: Прикладные онтологии проектирования

Статья в выпуске: 3 (29) т.8, 2018 года.

Бесплатный доступ

Статья посвящена вопросам и направлениям интеграции искусственных нейронных сетей с базами знаний. Рассмотрены два направления интеграции: коммуникация через входы и выходы искусственной нейронной сети с целью использования интеграции баз знаний и искусственных нейронных сетей для решения прикладных задач; через представление искусственных нейронных сетей с помощью онтологических структур и их интерпретацию средствами представления знаний в базе знаний с целью создания интеллектуальной среды по разработке, обучению и интеграции искусственных нейронных сетей, совместимых с базами знаний. Базы знаний, с которыми интегрируются искусственные нейронные сети, построены на основе однородных семантических сетей, а обработка знаний в них осуществляется с помощью многоагентного подхода. Предложена онтологическая модель представления искусственных нейронных сетей и их спецификаций в рамках модели унифицированного семантического представления знаний, отличающаяся возможностью представления в базах знаний искусственных нейронных сетей, их динамики и знаний других видов, включая спецификации искусственных нейронных сетей в виде текстов одного языка представления знаний с общей теоретико-модельной семантикой. Предложена многоагентная модель решения задач с использованием искусственных нейронных сетей и знаний других видов, отличающаяся взаимодействием агентов в соответствии с заданной темпоральной моделью через общую память, хранящую знания, интегрированные в единую базу знаний.

Еще

Искусственные нейронные сети, база знаний, интеграция, интеллектуальная среда разработки

Короткий адрес: https://readera.org/170178792

IDR: 170178792   |   DOI: 10.18287/2223-9537-2018-8-3-366-386

Список литературы Интеграция искусственных нейронных сетей с базами знаний

  • McCulloch, W. A Logical Calculus of Ideas Immanent in Nervous Activity/W. McCulloch, W. Pitts//Bulletin of Mathematical Biophysics, 1943, p.115-133.
  • Fukushima, K. Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position/K. Fukushima//Biological Cybernetics, 1980, p.193-202.
  • Bengio, Y. Learning deep architectures for AI. Foundations and Trends in Machine Learning/Y. Bengio//Foundations and Trends® in Machine Learning, 2009, Vol. 2: No. 1, p.1-127
  • Hinton, G.E. A fast learning algorithm for deep belief nets/G.E. Hinton, S. Osindero, Y. Teh//Neural Computation, 2006, p.1527-1554.
  • Glorot, X. Deep sparse rectifier neural networks/X. Glorot, A. Bordes, Y. Bengio//14th International Conference on Artificial Intelligence and Statistics, 2011, vol. 15, p.315-323.
Статья научная