Решение задач в области искусственного интеллекта, связанных с обработкой темпоральных данных. Архитектура рекуррентных нейросетей Джордана-Элмана. Использование концептов теории динамических систем и обоснование возможностей коннекционистских моделей.
Аннотация к работе
ГИБРИДНЫЕ КОННЕКЦИОНИСТСКИЕ МОДЕЛИ ИЗВЛЕЧЕНИЯ ТЕМПОРАЛЬНЫХ ЗНАНИЙ ИЗ БАЗ ДАННЫХ Ковалев С.М., д.т.н., профессор Ростовский государственный университет путей сообщения Проблема выявления темпоральных знаний является центральной при решении многих задач в области искусственного интеллекта, связанных с интеллектуальным анализом и обработкой темпоральных данных. Первое традиционное направление заключается в явном представлении времени путем ассоциации порядка следования событий в темпоральном образе с вектором упорядоченных во времени событий. Новый развивающийся класс коннекционистских моделей представления темпоральных знаний на основе специального вида рекуррентных нейронных сетей (RNN) с контекстными слоями нейронов [1,2] оказывается лишенным отмеченных недостатков. Доказательная база под этот факт впервые была подведена в работке [3], где было предложено использовать RNN с дополнительным контекстным слоем нейронов в качестве средства для осуществления темпоральных обобщений, а затем эта идея была существенно развита в работах Д.