Смирнов Андрей Александрович
д.воен.н., Федеральное государственное казенное военное образовательное учреждение высшего образования «Военная орденов Жукова и Ленина Краснознаменная академия связи имени Маршала Советского Союза С.М. Буденного» Министерства обороны Российской Федерации
(Военная академия связи), доцент, 194064, Санкт-Петербург, Тихорецкий пр., д. 3, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., SPIN-код: 8559-4689, AuthorID: 850972
Кудрявцев Александр Михайлович
д.воен.н., профессор, Военная академия связи, профессор, 194064, Санкт-Петербург, Тихорецкий пр., д. 3, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., SPIN-код: 4031-3294, AuthorID: 847484
Материал поступил в редакцию 19 сентября 2023 года.
Аннотация
Рассматривается проблемный вопрос подготовки наборов размеченных данных для обучения систем искусственного интеллекта, готовящихся к автономной работе в предполагаемых новых условиях, когда формирование признакового описания объектов и ситуаций с известной целевой переменной невозможно или значительно затруднено. В качестве общего подхода к его решению предложено построение и использование программного полигона, обеспечивающего генерацию обучающих и контрольных выборок, проверку на них результативности различных методов машинного обучения, формирование наборов информативных признаков объектов и явлений, связок «вектор-реализация признаков – метод классификации (кластеризации, регрессии)». Представлены результаты систематизации научных подходов к определению видов машинного обучения, а также основных методов машинного обучения, используемых в интеллектуальном анализе данных. На примере решения задачи оценки динамики изменения радиоэлектронной обстановки показаны особенности реальных признаковых описаний объектов и явлений, существенно влияющих на качество решения задач. Для формирования обучающих выборок, адекватно отражающих эти особенности, предложено применять системы имитационного моделирования, реализующие агент-ориентированный подход к построению моделей. Представлен пример постановки задачи и построения такой модели, обеспечивающей формирование наборов размеченных данных, соответствующих моделируемым условиям обстановки.
Ключевые слова
Обработка информации, анализ данных, агентный подход, AnyLogic.
DOI
10.31776/RTCJ.12204
Индекс УДК
004.852:004.94:519.876.5
Библиографическое описание
Смирнов, А.А. Автоматизация формирования наборов размеченных данных в интересах машинного обучения на основе имитационного моделирования / А.А. Смирнов, А.М. Кудрявцев // Робототехника и техническая кибернетика. – Т. 12. - № 2. – Санкт-Петербург : ЦНИИ РТК. – 2024. – С. 109-117. – Текст : непосредственный.
Литература
- Российская Федерация. Указ Президента РФ от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации». – Текст: непосредственный.
- Загоруйко Н.Г. Прикладные методы анализа данных и знаний. – Новосибирск: Изд-во ИМ СО РАН, 1999. – 270 с. – Текст: непосредственный.
- Петровский Д.В. Сравнение методов искусственной генерации данных для глубокого обучения системы мониторинга / Д.В. Петровский, В.А. Соболевский // Логистика и управление цепями поставок. – № 3(86). – С. 86-93, 2018. – Текст: непосредственный.
- Волков А.В. Имитационная модель для тестирования алгоритмов отбора признаков / А.В. Волков, Н.Н. Яцков, В.В. Гринев // Междунар. науч. конференция «Информационные технологии и системы 2018 (ИТС 2018)»: материалы, Минск, 25 октября 2018 г. – Минск: Белорусский государственный университет информатики и радиоэлектроники, 2018. – С. 278-279. – Текст: непосредственный.
- Использование имитационного моделирования для генерации наборов данных для комплексного анализа и прогнозирования динамических процессов / В.В. Доенин [и др.] // XV-ая междунар. науч.-техн. конференция «Оптико-электронные приборы и устройства в системах распознавания образов и обработки изображений. Распознавание – 2019»: сборник материалов, Курск, 14–17 мая 2019 г. – Курск: Юго-Западный государственный университет, 2019. – С. 146-148. – Текст: непосредственный.
- Смирнов А.А. Имитационное моделирование радиоэлектронной обстановки в районе действий воинских формирований / А.А. Смирнов, А.М. Кудрявцев, С.Ю. Галов // Электросвязь. – № 10, С. 36-41, 2020. – DOI: 10.34832/ELSV.2020.11.10.005. – Текст: электронный.
- Удальцов Н.П. Методика построения имитационной модели радиоэлектронной обстановки на основе агентного подхода / Н.П. Удальцов, А.М. Кудрявцев, А.А. Смирнов // Успехи современной радиоэлектроники. 75, 4. – С. 6-12, 2021. – DOI: 10.18127/j20700784-202104-02. – Текст: электронный.
- Смирнов А.А. Агент-ориентированное имитационное моделирование радиоэлектронной обстановки в интересах совершенствования информационно-аналитического обеспечения ее оценки / А.А. Смирнов, А.М. Кудрявцев, А.А. Иванов // III-ая всерос. науч.-техн. конференция «Состояние и перспективы развития современной науки по направлению «АСУ, информационно-телекоммуникационные системы»: сборник статей, Анапа, 22-23 апреля 2021 г. – Т. 3. – Анапа: ФГАУ "Военный инновационный технополис «ЭРА», 2021. – С. 5-14. – Текст: непосредственный.
- Смирнов А.А. Применение метода динамической таксономии для построения решающих функций при автоматизации обработки данных радиомониторинга / А.А. Смирнов, А.М. Кудрявцев, А.А. Иванов // II-ая всерос. науч.-техн. конф. «Состояние и перспективы развития современной науки по направлению «АСУ, информационно-телекоммуникационные системы»: сборник статей, Анапа, 18 июня 2020 г. – Военный инновационный технополис «ЭРА». – Т. 1. – Анапа: Федеральное государственное автономное учреждение «Военный инновационный технополис «ЭРА», 2020. – С. 81-88. – Текст: непосредственный.
- Способ «трассовой» обработки данных радиомониторинга среды со случайными параметрами / А.А. Иванов [и др.] // Информация и космос. – № 4. – С. 10-14, 2009. – Текст: непосредственный.
