Название статьи или книги, фамилия автора, DOI

Программный комплекс SciLab как инструмент обучения применению искусственных нейронных сетей для обработки результатов химического эксперимента

А.С. Кузнецов1, Е.В. Бурляева2

научная статья УДК 004.93 Страницы: 68-74 doi.org/10.18127/j19998554-202403-07

  1. 1,2 РГСУ – Российский государственный социальный университет (Москва, Россия); МИРЭА – Российский технологический университет (Москва, Россия)

Аннотация

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.

Поступила
06.04.2024
Одобрена
22.04.2024
Принята
26.05.2024

Для цитирования

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

Список источников
  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.