Вісник Національного технічного університету «ХПІ». Серія: Системний аналіз, управління та інформаційні технології

Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/79885

Офіційний сайт http://samit.khpi.edu.ua/

Рецензоване наукове видання відкритого доступу, яке публікує нові наукові результати в області системного аналізу та управління складними системами, отримані на основі сучасних прикладних математичних методів і прогресивних інформаційних технологій. Публікуються роботи, пов'язані зі штучним інтелектом, аналізом великих даних, сучасними методами високопродуктивних обчислень у розподілених системах підтримки прийняття рішень.

Рік заснування: 1961. Періодичність: 2 рази на рік. ISSN: 2079-0023 (Print), ISSN: 2410-2857 (Online)

Переглянути

Фільтри

20241

Налаштування

ORCID: search.filters.orcid.https://orcid.org/0000-0002-8690-5702Ключові слова: search.filters.subject.інформаційні технології

Результати пошуку

Зараз показуємо 1 - 1 з 1
  • Ескіз
    Документ
    Побудова можливісних причинно-наслідкових залежностей між класами еквівалентності даних в інтелектуальній інформаційній системі
    (Національний технічний університет "Харківський політехнічний інститут", 2024) Чалий, Сергій Федорович; Лещинський, Володимир Олександрович
    Предметом дослідження є процеси формування пояснень щодо прийняття рішень в системі штучного інтелекту. Пояснення в таких системах дають можливість зробити прозорим та зрозумілим процес формування рішень для користувача і, як наслідок, підвищити довіру користувача до отриманих результатів. Мета роботи полягає у розробці підходу до побудови ймовірнісної каузальної моделі пояснення з урахуванням класів еквівалентності вхідних, проміжних і результуючих даних. Вирішення цієї задачі створює умови для побудови пояснень у формі причинно-наслідкових залежностей на основі доступної інформації про властивості вхідних даних, а також про властивості отриманих у системі штучного інтелекту результатів. Для досягнення мети вирішуються такі задачі: розробка моделі каузальної залежності між класами еквівалентності вхідних та вихідних даних; розробка методів побудови класів еквівалентності даних процесу прийняття рішень та методу побудови причинно-наслідкового представлення пояснення. Запропоновано ймовірнісну модель каузальної залежності, що містить причиннонаслідковий зв’язок між класами еквівалентності вхідних або проміжних та результуючих даних, отриманих у процесі прийняття рішень в системі штучного інтелекту. Цей зв’язок враховує оцінки можливості і необхідності такої залежності. Модель створює умови для пояснення можливих причин отриманого рішення. Запропоновано комплекс методів побудови класів еквівалентності даних процесу прийняття рішень та побудови причинно-наслідкового представлення пояснення, що встановлює каузальний зв’язок між класами еквівалентності. При побудові класів еквівалентності встановлюються відношення обов’язкового і необов’язкового уточнення даних, вимоги або виключення даних, а також кон’юнкції даних. При побудові причинно-наслідкового представлення пояснення розраховується можливість та обмеження необхідності такої залежності, що дає можливість побудувати пояснення на основі доступної інформації про отримані рішення та вхідні і проміжні дані, які були використані для формування цих рішень.