Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/341159| Заглавие документа: | Интеллектуальный анализ данных на основе сравнения паттернов классов |
| Другое заглавие: | Data mining based on class pattern comparison / V. V. Krasnoproshin, A. V. Karkanitsa, V. G. Rodchenko |
| Авторы: | Краснопрошин, В. В. Карканица, А. В. Родченко, В. Г. |
| Тема: | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика |
| Дата публикации: | 2025 |
| Издатель: | Минск : БГУ |
| Библиографическое описание источника: | Информационные системы и технологии = Information Systems and Technologies : материалы XI Междунар. науч. конгр. по информатике (CSIST-2025), Респ. Беларусь, Минск, 29–31 окт. 2025 г. В 2 ч. Ч. 2 / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др]. – Минск : БГУ, 2025. – С. 181-188. |
| Аннотация: | В настоящее время интеллектуальный анализ данных базируется на использовании методов классификации, моделирования и прогнозирования, к которым относятся деревья решений, искусственные нейронные сети, генетические алгоритмы и др. Их использование сопряжено с необходимостью привлечения специалистов в области Data Science, а получаемые результаты практически не поддаются интерпретации в терминах предметной области. Для решения указанных проблем предлагается метод, основанный на оригинальном алгоритме обучения по прецедентам. Исходными данными для процедуры обучения являются априорный словарь признаков и классифицированная обучающая выборка. Обучение выполняется в автоматическом режиме и предусматривает выявление сочетаний признаков априорного словаря (интерпретируемых в терминах предметной области), которые обеспечивают различение классов |
| Аннотация (на другом языке): | Currently, data mining is based on the use of classification, modeling, and prediction methods, such as decision trees, artificial neural networks, genetic algorithms, and others. Their use entails the need to involve Data Science specialists, and the results obtained are practically impossible to interpret in terms of the subject domain. To solve these problems, a method based on an original algorithm for precedent learning is proposed. The input data for the training procedure are a predefined feature dictionary and a classified training sample. The training is performed automatically and involves the identification of combinations of features from the predefined dictionary (which are interpretable in terms of the subject domain) that ensure the distinction between classes |
| Доп. сведения: | Раздел II. Нейронные сети и глубокое обучение |
| URI документа: | https://elib.bsu.by/handle/123456789/341159 |
| ISBN: | 978-985-881-851-7 978-985-881-853-1 (ч. 2) |
| Лицензия: | info:eu-repo/semantics/openAccess |
| Располагается в коллекциях: | 2025. Информационные системы и технологии |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 181-188.pdf | 484,24 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.