URSS.ru - Издательская группа URSS. Научная и учебная литература
Об издательстве Интернет-магазин Контакты Оптовикам и библиотекам Вакансии Пишите нам
КНИГИ НА РУССКОМ ЯЗЫКЕ


 
Вернуться в: Каталог  
Обложка Финн В.К. Автоматическое порождение гипотез в интеллектуальных системах
Id: 63547
 
675 руб.

Автоматическое порождение гипотез в интеллектуальных системах

URSS. 2009. 528 с. Твердый переплет. ISBN 978-5-397-00431-2.

 Аннотация

В книге представлены результаты применения ДСМ-метода автоматического порождения гипотез для интеллектуального анализа данных. В отличие от известных методов анализа данных ДСМ-метод реализует взаимодействие трех познавательных процедур --- индукции, аналогии и абдукции (в известных же нестатистических методах анализа данных реализуются лишь отдельные процедуры --- например, индукция или аналогия). Особенностью ДСМ-метода является точная характеризация условий его применимости и построение спецификаций для различных предметных областей. В книге содержатся результаты применения ДСМ-метода для анализа данных в фармакологии, биохимии, медицинской диагностике, криминалистике и робототехнике.

Книга предназначена для специалистов в области искусственного интеллекта и анализа данных, а также для логиков и философов, интересующихся проблемами искусственного интеллекта.

Automatic Hypotheses Generation in Intelligent Systems

The results of the application of JSM-method of automatic hypotheses generation in Intelligent data analysis are represented in the book. The JSM-method realizes the synthesis of three cognitive procedures --- induction, analogy, abduction. This separates the method from other methods of data analysis: in non-statistical methods only single procedure --- induction or analogy, for example, --- is realized. The strict characterization of applicability conditions and details specifications for different domains seems to be considered as the peculiarities of JSM-method. The book contains the results of JSM-application to pharmacology, biochemistry, medical diagnostics, sociology, criminalistics and robotics.

The book is intended for professionals working in the field of artificial intelligence and data analysis, as well as for logicians and philosophers with an interest in this research.


 Оглавление

Предисловие (Арский Ю.М.)
Источники

Введение

Глава 1. Правдоподобные рассуждения в интеллектуальных системах типа ДСМ (Финн В.К.)
Глава 2. ДСМ-метод как система автоматического обучения (Кузнецов С.О.)
Глава 3. Об одной интерпретации ДСМ-метода автоматического порождения гипотез (Аншаков О.М.)
Глава 4. Синтез познавательных процедур и проблема индукции (Финн В.К.)

Часть I. ДСМ-метод в фармакологии: анализ данных и прогнозирование

Глава 1. Об одном методе автоматического формирования гипотез и его программной реализации (Забежайло М.И., Финн В.К., Козлова С.П., Катамадзе Т.Г., Авидон В.В., Рабинков А.А.)
Глава 2. Об экспериментах с базой данных с неполной информацией посредством ДСМ-метода порождения гипотез (Забежайло М.И., Финн В.К., Авидон В.В., Катамадзе Т.Г., Блинова В.Г., Бодягин Д.А., Рабинков Д.А.)
Глава 3. О программной реализации ДСМ-метода автоматического порождения гипотез с неодноэлементным множеством признаков (Михеенкова М.А., Авидон В.В., Суханова С.А.)
Глава 4. Экспериментальная проверка новой версии ДСМ-метода (Панкратова Е.С., Ивашко В.Г., Авидон В.В., Блинова В.Г., Бодягин Д.А.)
Глава 5. Применение ДСМ-метода к задаче распознавания прямых и непрямых канцерогенов (Панкратова Е.С.)
Глава 6. Задача прогнозирования результирующего эффекта от введения в организм двух химических веществ и ее решение средствами ДСМ-системы (Панкратова Е.С.)
Глава 7. Применение ДСМ-рассуждений для интеллектуального анализа данных и автоматического порождения гипотез о путях биотрансформации (Фабрикантова Е.Ф.
Глава 8. Алгоритмические и программные средства прогнозирования метаболизма (Матвеев А.А., Фабрикантова Е.Ф.)
Глава 9. Языки представления химических структур в интеллектуальных системах для конструирования лекарств (Блинова В.Г., Добрынин Д.А.)
Глава 10. О результатах применения ДСМ-метода порождения гипотез к задачам анализа связи "структура химического соединения -- биологическая активность (Блинова В.Г.)
Глава 11. Применение ДСМ-метода и квантово-химических расчетов для прогноза канцерогенности и хронической токсичности галогензамещенных алифатических углеводородов (Харчевникова Н.В., Блинова В.Г., Добрынин Д.А., Максин М.В., Жолдакова З.И.)
Глава 12. Архитектура интегрированной ДСМ-системы интеллектуального анализа гибридных данных (Максин М.В.)
Глава 13. Прогнозирование контрпродуктивных свойств химических соединений на основе узорных структур: сравнительный анализ подходов (Кузнецов С.О., Самохин М.В., Харчевникова Н.В.)
Глава 14. Toxicology Analysis by Means of JSM-method (Blinova V.G., Dobrynin D.A., Finn V.K., Kuznetsov S.O., and Pankratova E.S.)

Часть II. ДСМ-метод в интеллектуальных системах диагностики по клиническим данным

Глава 1. Применение ДСМ-метода для прогнозирования высокопатогенных типов вируса папилломы человека (Панкратова Е.С., Панкратов Д.В., Финн В.К., Шабалова И.П.)
Глава 2. Интеллектуальная ДСМ-система для диагностики заболеваний органа зрения на примере дегенеративных и наследственных форм ретиношизиса (Панкратова Е.С., Добрынин Д.А., Цапенко И.В., Зуева М.В.)

Часть III. ДСМ-метод в социологии: анализ данных и прогнозирование

Глава 1. ДСМ-метод как метод выявления детерминант социального поведения (Климова С.Г., Михеенкова М.А., Панкратов Д.В.)
Глава 2. О ситуационном расширении ДСМ-метода автоматического порождения гипотез (Финн В.К., Михеенкова М.А.)
Глава 3. О логических средствах автоматизированного анализа мнений (Гусакова С.М., Михеенкова М.А., Финн В.К.)
Глава 4. Логические средства формализации закрытых опросов и проблемы распознавания рациональности мнений (Финн В.К., Михеенкова М.А.)

Часть IV. ДСМ-метод для анализа исторических данных

Глава 1. Подход к решению задач атрибуции исторических источников с помощью ДСМ-метода (Гусакова С.М.)

Часть V. ДСМ-метод в криминалистике

Глава 1. Применение ДСМ-метода к решению задач почерковедческой экспертизы (Гусакова С.М., Комаров А.С., Устинов В.В., Федорович В.Ю.)

Часть VI. ДСМ-метод в интеллектуальных роботах

Глава 1. Моделирование некоторых форм адаптивного поведения интеллектуальных роботов (Добрынин Д.А., Карпов В.Э.) реализации ДСМ-метода автоматического порождения гипотез с неодноэлементным множеством признаков (Михеенкова М.А., Авидон В.В., Суханова С.А.)

 Предисловие

Интеллектуальные системы -- основной продукт исследований в области искусственного интеллекта. Интеллектуальные системы обладают как средствами имитации мыслительной деятельности человека, так и средствами ее усиления. Интеллектуальные системы могут быть усилителями мыслительной деятельности человека благодаря использованию больших баз данных, специализированных баз знаний и автоматизации рассуждений. Важным видом автоматизированных рассуждений являются правдоподобные рассуждения, посредством которых можно порождать гипотезы относительно эффектов, представленных в специализированных базах данных.

Предлагаемый сборник статей сотрудников сектора "Интеллектуальных информационных систем" Всероссийского института научной и технической информации РАН содержит систематическое изложение опыта применения метода автоматического порождения гипотез в интеллектуальных системах поддержки научных исследований и медицинской диагностики по клиническим данным.

Разработанный в ВИНИТИ РАН ДСМ-метод автоматического порождения гипотез (ДСМ-метод АПГ) средствами современной логики формализует идеи об индукции знаменитого английского ученого и философа Джона Стюарта Милля. Авторами предлагаемой книги была разработана логико-математическая теория индукции, являющаяся фундаментальным вкладом в компьютерную логику и теорию интеллектуальных систем. Следует отметить, что результаты теоретических и экспериментальных исследований создателей ДСМ-метода АПГ получили международное признание. Доклад редактора-составителя этой книги В.К.Финна на Мировом конгрессе "Karl Popper-2002" (Вена, 3--7 июля 2002 г.) "The Use of Induction in Plausible Reasoning in Intelligent Systems" был высоко оценен Программным комитетом Конгресса, а программа предсказания токсичности химических соединений, реализующая ДСМ-метод АПГ, была признана одной из лучших программ на симпозиуме по предсказательной токсикологии Общеевропейской конференции по извлечению знаний (knowledge discovery) и машинному обучению (Фрайбург, 2001 г.).

Интеллектуальные системы, созданные в секторе "Интеллектуальных информационных систем" ВИНИТИ РАН, успешно применялись и применяются в Лаборатории клинической физиологии зрения МНИИ глазных болезней им.Гельмгольца и в Отделении нефрологии Городской клинической больницы им.С.П.Боткина.

Важной областью применения ДСМ-метода АПГ является также анализ социологических данных в интеллектуальных системах и порождение гипотез о причинно-следственных зависимостях между характеристиками субъекта поведения и эффектами его поведения (действиями, установками, мнениями). Применение ДСМ-метода АПГ для анализа социологических данных явилось важным шагом в разработке формализованного качественного анализа данных, который начал развиваться в американской и европейской социологии с конца 1980Нх годов.

ДСМ-метод АПГ был также применен для анализа криминалистических данных (в сборнике имеется статья, представляющая первые результаты в этой области).

Многообещающим оказалось применение ДСМ-метода АПГ и интеллектуальных систем соответствующей архитектуры в робототехнике.

Применение автоматического порождения гипотез в интеллектуальных системах типа ДСМ в фармакологии, медицинской диагностике, социологии, криминалистике и робототехнике является убедительным свидетельством научной состоятельности ДСМ-метода АПГ.

Интеллектуальные системы и правдоподобные рассуждения, реализующие ДСМ-метод АПГ, получили отражение в научной и учебной литературе. Однако имеется потребность в систематическом изложении специфики этого метода и особенностей интеллектуальных систем, его использующих. Эту цель может достигнуть книга "Автоматическое порождение гипотез в интеллектуальных системах". В силу этого данную книгу можно рекомендовать читателям, интересующимся проблемами искусственного интеллекта и методами анализа данных.

Директор ВИНИТИ РАН,
академик РАН Ю.М.Арский
 
© URSS 2016.

Информация о Продавце