350 руб
Журнал «Наукоемкие технологии» №6 за 2023 г.
Статья в номере:
Оценивание сложных систем и процессов на основе онтологии и нейро-нечеткого классификатора
Тип статьи: научная статья
DOI: https://doi.org/10.18127/j19998465-202306-07
УДК: 004.89
Авторы:

И.А. Прокопенков1, А.С. Гарковенко2, В.В. Сухов3, М.А. Пучкова4

1,2 Военная академия войсковой ПВО ВС РФ (г. Смоленск, Россия)
3,4 МИРЭА – Российский технологический университет (Москва, Россия)
 

Аннотация:

Постановка проблемы. Развитие информационных технологий привело увеличению количества данных, обмен которыми осуществляют сложные системы. Своевременное оценивание эффективности работы сложных систем позволяет оперативно принимать управленческие решения. Классические подходы по сбору, хранению и анализу данных эффективно применяются для решения задач оценивания систем, в которых наборы данных представлены ограниченным списком параметров. Функционирование сложных систем приводит к тому, что классические технологии хранения и обработки баз данных не позволяют реализовать их своевременный и качественный анализ для формирования оценки системы, так как зачастую для выявления новых зависимостей в данных необходимо сформировать новую метрику. Для повышения оперативности оценивания сложных систем на основе применения данного подхода обработку информации о функционировании системы осуществляют специалисты по анализу данных, что сказывается на экономической составляющей процесса оценивания. Оперативность оценивания информации о функционировании системы специалистами по анализу данных напрямую зависит от уровня их квалификации и знании ими предметной области.

Цель. Представить подход, позволяющий сократить время оценивания потребительских предпочтений за счет представления знаний проблемной области в виде онтологической модели, формирования относительно ее классов баз нечетких прецедентов, построения и обучения модели оценивания в виде нейро-нечеткого классификатора.

Результаты. Представлены результаты исследования подхода к оцениванию сложных систем, основанного на представлении знаний проблемной области в виде онтологической модели, формировании относительно ее классов баз нечетких прецедентов, построении и обучении модели оценивания в виде нейро-нечеткого классификатора.

Практическая значимость. Данный анализ позволяет исследовать комплекс факторов, влияющих на изменение потребительских предпочтений. Результаты оценивания потребительских предпочтений позволяют существенно сократить издержки на производство товара, а также повысить уровень продаж. Программная реализация предложенного подхода позволяет осуществлять формирование выводов в условиях неполных и неточных исходных данных, а также извлечение новых знаний, учитывать опыт в виде прецедентов в интересах повышения качества и оперативности оценивания сложных систем и процессов.

Страницы: 61-71
Для цитирования

Прокопенков И.А., Гарковенко А.С., Сухов В.В., Пучкова М.А. Оценивание сложных систем и процессов на основе онтологии и нейро-нечеткого классификатора // Наукоемкие технологии. 2023. Т. 24. № 6. С. 61−71. DOI: https://doi.org/10.18127/j19998465-202306-07

Список источников
  1. Тиндова М. Г., Леднева О. В. Применение инновационных инструментов продвижения нового товара в конкурентной среде // Современная конкуренция. 2023. Т.17. №1(91). С.87–95. DOI: 10.37791/2687-0649-2023-17-1-87-95.
  2. Халин В.Г., Калайда С.А., Чернова Г.В., Юрков А.В. Алгоритмы формирования моделей эффективного бизнеса // Прикладная информатика. 2023. Т. 18 №3(105). С. 5–21. DOI: 10.37791/2687-0649-2023-18-3-5-21.
  3. Романов А.А., Басенко В.П., Жуков Б.М. Маркетинг: Учеб. пособие. М.: Издательско-торговая корпорация «Дашков и К°», 2012. 440 с.
  4. Соловьева Ю.Н. Управление маркетинговой компетентностью: учебник для вузов / Под ред. Г.Л. Багиева. СПб.: Астерион. 2015. 285 с.
  5. Годин А.М. Маркетинг: Учебник. М.: Издательско-торговая корпорация «Дашков и К°», 2013. 671 с.
  6. Таранов В.В. Метод оценки привлекательности клиентов // Марктеинг в России и зарубежом. 2013. № 1. С. 47–51.
  7. Романенкова О.Н. и др. Маркетинговые коммуникации. Учебник и практикум для прикладного бакалавриата: Учебник для вузов по экономическим направлениям и специальностям / Под ред. О.Н. Романенковой. М.: Юрайт. 2014. 455 с.
  8. Официальный сайт Федеральной службы государственной статистики [Электронный ресурс]: Режим доступа: http://chelstat.gks.ru/html, свободный.
  9. Ярушкина Н.Г. Анализ слабоструктурированных текстов на основе нечетких онтологий // Гибридные и синергетические интеллектуальные системы: ГИСИС 2018: материалы IV Всероссийской Поспеловской конференции с международным участием. Светлогорск. 14–19 мая / Под ред. А.В. Колесникова. Калининград: Изд-во БФУ им. И. Канта. 2018. С. 133–139.
  10. Грибова В.В., Тимченко В.А. Концепция поддержки лазерного аддитивного производства на основе онтологического подхода // Онтология проектирования. 2020. Т. 10. № 2(36). С. 176–189.
  11. Муромцев Д.И. Онтологический инжиниринг знаний в системе Protégé. СПб.: ИТМО. 2007. 62 с.
  12. Загорулько Ю.А., Сидоров О.И., Боровикова О.И. Онтологический подход к построению систем информационной поддержки научной и производственной деятельности // Сб. трудов Всеросс. конф. с международным участием «ЗНАНИЯ – ОНТОЛОГИИ – ТЕОРИИ» (ЗОНТ-09). Новосибирск: Институт математики им. С.Л. Соболева СО РАН. 2009. Т.2. С. 93–102.
  13. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер. 2001. 384 с.
  14. Прокопенков И.А., Котов Д.В., Молявко А.А. Способ формирования обобщенных прецедентных решений на основе композиционного онтологического подхода // Сб. науч. трудов VIII Международной НПК «Нечеткие системы, мягкие вычисления и интеллектуальные технологии». Смоленск: Универсум, 2020. Ч. II. С. 128–135.
  15. Борисов В.В., Федулов А.С., Зернов М.М. Основы нечеткой математики. Часть 4. Основы нечеткого логического вывода. Учебно-теоретическое пособие по дисциплине «Нечеткие модели и сети»: курс лекций. Смоленск: РИО филиала МЭИ в г. Смоленске. 2014. 102 с.
  16. Борисов В.В., Федулов А.С., Зернов М.М. Основы нечеткой математики. Часть 5. Основы гибридизации нечетких моделей: Учеб. пособие. М.: Горячая линия – Телеком. 2016. 105 с.
Дата поступления: 30.06.2023
Одобрена после рецензирования: 14.07.2023
Принята к публикации: 15.08.2023