А.С. Кузнецов1, Е.В. Бурляева2

1,2 РГСУ – Российский государственный социальный университет (Москва, Россия)

1,2 МИРЭА – Российский технологический университет (Москва, Россия)

1 as_kuznetsov@list.ru, 2 burlyaeva@mirea.ru

Постановка проблемы. Решение практических задач по интеллектуальной обработке и анализу данных химического эксперимента требует применения практических навыков использования групп методов и знания основ работы современных программных продуктов. Применение современных программных комплексов позволяет исследователю решать достаточно широкий круг проблем, связанных с обработкой и визуализацией данных эксперимента. Предлагается использование программного пакета SciLab изучения методов обучения и применения искусственных нейронных сетей.

Цель. Обучить студентов работе с искусственными нейронными сетями и применению современных программных средств на основе свободно распространяемого комплекса SciLab для решения задач интеллектуального анализа и обработки данных химического эксперимента на примере решения научной задачи классификации химических соединений по уровню токсичности.

Результаты. Рассмотрена классификация методов и инструментов интеллектуальной обработки и анализа данных. Изучено использование искусственных нейронных сетей для решения задачи анализа и классификации на примере свойства токсичности химических соединений.

Практическая значимость. Приведен практический пример обработки результатов химического эксперимента и интеллектуального анализа данных для решения задач классификации и визуализации полученных результатов с использованием пакета SciLab.

Кузнецов А.С., Бурляева Е.В. Программный комплекс SciLab искусственных нейронных сетей для обработки результатов химического эксперимента // Нейрокомпьютеры: разработка, применение. 2024. T. 26. № 3. С. 68-74. DOI: https://doi.org/10.18127/ j19998554-202403-07

1. Дядичев В.В., Ромашка Е.В., Голуб Т.В. Задачи и методы интеллектуального анализа данных // Геополитика и экогеодинамика регионов. 2015. Т. 1(11). № 3. С. 23–29.
2. Баранов В.Г., Мисевич А.А., Севрюков А.А., Суслов Б.А., Севрюков М.А., Алипова Н.А. Применение методов интеллектуального анализа данных в информационно-аналитических системах мониторинга // Информационно-измерительные и управляющие системы. 2011. Т. 9. № 3. С. 38–42.
3. Певченко С.С. Методы интеллектуального анализа данных // Молодой ученый. 2015. № 13(93). С. 167–169.
4. Бурляева Е.В., Ушаков П.А. Прогнозирование активности органических соединений с использованием искусственных нейронных сетей // Вестник МИТХТ им. М.В. Ломоносова. 2008. Т. 3. № 4. С. 77–81.
5. Баскин И.И., Маджидов Т.И., Антипин И.С., Varnek A.A. Искусственный интеллект в синтетической химии: достижения и перспективы // Успехи химии. 2017. Т. 86. № 11. С. 1127–1156. DOI 10.1070/RCR4746.
6. Scilab | ESI Group. [Электронный ресурс] – Режим доступа: https://www.scilab.org/, дата обращения 25.04.2022.
7. Семененко М.Г. Обучение студентов использованию нейросетевых технологий в моделировании сложных технических объектов // Сборник материалов VI Всеросс. науч.-практич. конф. «Технологии разработки и отладки сложных технических систем». М.: МГТУ им. Н.Э. Баумана. 2019. С. 209–214.