Комплекс методов и средств интеллектуального анализа слабоструктурированных данных для медицины и социологии

Номер гранта:18-29-03063
Область научного знания:нет данных
Тип конкурса: («мк»)(мк) конкурс на лучшие научные проекты междисциплинарных фундаментальных исследований
Год выполнения:2018г.
Руководитель: Финн ВикторКонстантинович
Статус заявки:поддержана

Аннотация к заявке:

Проект развивает возможности ДСМ-метода автоматизированной поддержки научных исследований, применяемого для разработки интеллектуальных систем анализа данных в областях, где данные слабо структурированы и разнородны, однако, при этом существует потребность в извлечении эмпирических закономерностей в открытых базах фактов (БФ). ДСМ-метод содержит формализацию (средствами специальной многозначной логики) взаимодействия индукции, аналогии, абдукции. Приоритетным направлением планируемого развития инструментальных средств ДСМ-метода является разработка процедур обнаружения эмпирических закономерностей и распознавания их непротиворечивости при расширении БФ. Предложенный подход открывает новые возможности для интеллектуального анализа описанных выше данных средствами интеллектуальных систем. Целевой областью приложений для развиваемой в проекте математических средств формализации знаний ИАД являются медицина и анализ социального поведения, где обычно доступен обширный эмпирический материал (по большей части, неструктурированного и гетерогенного характера), а существующие закономерности, как правило, имеют лишь частичный (ограниченный, не универсальный) характер. Критичная особенность таких предметных областей (ПО) – потребность оперировать в том числе и небольшими массивами эмпирических данных, где применение традиционных статистических методов анализа данных не является адекватным. Однако в реальных приложениях (в частности, в ряде задач медицинской диагностики, изучения общественного мнения и др.) в ситуациях подобного типа также необходимо иметь надежные инструменты компьютерного анализа данных и поддержки управленческих решений. Это может быть достигнуто «настройкой» предлагаемой схемы ИАД на основе дополнительных исследований с ориентацией на прикладные задачи и разработку эффективных технологий их решения. Часто в исследованиях рассматриваемого типа приходится сталкиваться с доказуемо трудноразрешимыми комбинаторными задачами (что критично при работе с выборками больших размеров). Необходимо искать дополнительные уточнения исходной постановки, которые позволяют регулировать объемы вычислений, выделяя при этом приемлемые (с точки зрения искомого прикладного решения) подклассы порождаемых эмпирических закономерностей (ЭЗк). Предлагаемые в проекте подходы (реализующая приближенный ДСМ-метод технология оптимизации перебора вариантов при порождении ЭЗк, быстрые алгоритмы вычисления сходства и др.) открывают возможности распространить развиваемую конструкцию ДСМ-ИАД и на анализ больших объемов данных (так называемых Big Data). Реализация предложенных в проекте подходов позволяет связать в единый цикл соответствующие фундаментальные, поисковые и прикладные исследования, обеспечить создание конкурентоспособных технологий и решений для обсуждаемого класса задач современной высокотехнологичной медицины и анализа социального поведения.

Аннотации к заявке и отчету приведены в авторской редакции. по состоянию на 20.04.2019.
Помог ли вам материал?
0    0