Архитектура распределенной интеллектуальной поисковой системы, использующей файловые нейро-индексы в условиях неопределенности и недостаточности априорной информации о динамике развития

  • Гарнага В.В. Кубанский государственный университет, Краснодар, Россия
  • Кольцов Ю.В. Кубанский государственный университет, Краснодар, Россия
  • Полупанов А.А. Кубанский государственный университет, Краснодар, Россия
  • Продан Ю.М. Кубанский государственный университет, Краснодар, Россия
УДК: 004.03, 004.04, 004.09

Аннотация

Описываются архитектура распределенной интеллектуальной поисковой системы (РИПС) и методика представления файловых поисковых индексов в виде весов нейронных сетей. Предлагаемая система позволяет отслеживать динамику развития РИПС в условиях неопределенности и недостаточности априорной информации.

Ключевые слова: неопределенность, нейронная сеть, поиск, индекс

Информация об авторах

Валерий Владимирович Гарнага
канд. физ.-мат. наук, доцент кафедры информационных технологий Кубанского государственного университета
e-mail: Valeriy.Garnaga@gmail.com
Юрий Владимирович Кольцов
канд. физ.-мат. наук, заведующий кафедрой информационных технологий Кубанского государственного университета
e-mail: yurikoltsov@mail.ru
Алексей Александрович Полупанов
канд. техн. наук, доцент кафедры информационных технологий Кубанского государственного университета
e-mail: polualex@mail.ru
Юрий Михайлович Продан
преподаватель кафедры информационных технологий Кубанского государственного университета
e-mail: y.prodan@gmail.com

Литература

  1. Борисов С. Конкурентоспособность и малое предпринимательство // Вопросы экономики. 2005. №1. С. 65-70.
  2. Сундеев П.В. Разработка научно-методического аппарата анализа функциональной стабильности критичных информационных систем: Автореф. дис. … канд. тех. наук, Краснодар, 2007.
  3. Zilberstein S. Using anytime algorithms in intelligent systems // In Proc. of the Eighteenth International Joint Conference on Artificial Intelligence, 1996. P. 528-544.
  4. Левенштейн В.И. Двоичные коды с исправлением выпадений, вставок и замещений символов // ДАН СССР. 1965. Т. 163. Вып. 4. С. 845-848.
  5. Каяшева Г.А. Дискретно-логические регуляторы с минимизацией продолжительности отработки системы продукционных правил и повышенной точностью: Дисc.… канд. техн. наук. Уфа, 2009. 153 с.
  6. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. М.: Мир, 1992. 240 с.
  7. DLVQ Fundamentals. [URL: http://www.ra.cs.uni-tuebingen.de/SNNS/UserManual/node160.html].
  8. Aberdeen D., Baxter J., Edwards R. 92c/Mflops, Ultra-large-scale neural-network training on a PIII cluster // In: Proceedings of Supercomputing 2000.
  9. Гарнага В.В. Распределенная система прогнозирования FOREGRID // Студенческая научная весна-2009: Матер. Межрегиональной научно-технической конференции студентов, аспирантов и молодых ученых Южного федерального округа. Новочеркасск, 2009. С. 20-21.

Финансирование

Работа выполнена при поддержке РФФИ (13-01-00807).

Выпуск
Страницы
26-31
Прислано
2013-06-14
Опубликовано
2013-09-23