Ред. Финн В.К. Автоматическое порождение гипотез в интеллектуальных системах Изд. стереотип.

2020. 528 с.

Белая офсетная бумага

Твердый переплет
Другой вариант 1179 р. ››

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... (Подробнее)

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

О редакторе

Финн Виктор Константинович

Известный специалист в области искусственного интеллекта, логики и методологии наук о жизни и социальном поведении. Доктор технических наук (1990; тема диссертации — «Правдоподобные рассуждения в экспертных системах с неполной информацией»), профессор, заслуженный деятель науки Российской Федерации. В настоящее время — главный научный сотрудник Федерального исследовательского центра «Информатика и управление» РАН, а также руководитель Отделения интеллектуальных систем в гуманитарной сфере Российского государственного гуманитарного университета.

Основные научные результаты: формализация n-значных обобщений трехзначной логики Д. А. Бочвара и исследование их алгебраических свойств; установление предполноты множества функций n-значных логик Я. Лукасевича, таких, что n–1 есть простое число; построение логик аргументации с неассоциативными логическими связками; создание ДСМ-метода автоматизированной поддержки исследований (ранее — ДСМ-метод автоматического порождения гипотез), содержащего автоматизированные правдоподобные рассуждения, которые применяются в интеллектуальных системах для фармакологии, медицины, социологии и криминалистики. В своих исследованиях В. К. Финн существенным образом использует идеи выдающихся отечественных логиков Д. А. Бочвара и А. В. Кузнецова.