Вестник КРАУНЦ. Физ.-мат. науки. 2016. № 4-1(16). C. 101-106. ISSN 2079-6641

DOI: 10.18454/2079-6641-2016-16-4-1-101-106

УДК 519.7

К ВОПРОСУ О ПОСТРОЕНИИ КОГНИТИВНЫХ КАРТ ДЛЯ ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАБОТКИ ДАННЫХ

Р. А. Жилов

Институт прикладной математики и автоматизации, 36000, г. Нальчик, ул. Шорта-
нова, 89а
E-mail: kavkaze@inbox.ru

Представлен метод оптимального построения когнитивных карт заключающийся в оптимизации входных данных, размерности данных и структуры когнитивной карты. Проблема оптимизации возникает при больших объемах входных данных. Оптимизация размерности данных заключается в кластеризации входных данных и в качестве метода кластеризации используется иерархический агломеративный метод. Кластерный анализ позволяет разбивать множество данных на конечное число однородных групп. Оптимизация структуры когнитивной карты заключается в автоматической подстройке весов влияния концептов друг на друга методами машинного обучения, в частности используется метод обучения нейронной сети.

Ключевые слова: когнитивная карта, кластерный анализ, нейронная сеть, обучающая выборка, нечеткие множества.

© Жилов Р. А., 2016

MSC 68T30

ON THE QUESTION OF THE CONSTRUCTION OF COGNITIVE MAPS FOR DATA MINING

R. A. Zhilov

Institute of Applied Mathematics and Automation, 360000, KBR, Nalchik, st. Shortanova 89a, Russia
E-mail: kavkaze@inbox.ru

A method of constructing an optimal cognitive maps consists in optimizing the input data and the dimension data structure of a cognitive map. Pro-optimization problem occurs when large amounts of input data. Optimization of time-dimension data is clustering the input data and as a method of polarization-clusters using hierarchical agglomerative method. Cluster analysis allows to divide the data set into a finite number of homogeneous groups. Optimization of the structurery cognitive map is automatically tuning the balance of influence on each other concepts of machine learning methods, particularly the method of training the neural network.

Key words: cognitive map, cluster analysis, neural network training set, fuzzy sets.

© Zhilov R. A., 2016

Список литературы/References

  1. Авдеева З.К., Коврига C.B., Макаренко Д.И., “Когнитивное моделирование для решения задач управления слабоструктурированными системами (ситуациями)”, Управление большими системами, 16 (2007), 26-39, [Avdeeva Z. K., Kovriga C. B., Makarenko D. I. Kognitivnoe modelirovanie dlya resheniya zadach upravleniya slabostrukturirovannymi sistemami (situatsiyami) // Upravlenie bol’shimi sistemami. 2007. vol. 16. pp. 26-39 (in Russian)].
  2. Кулинич А. А., “Компьютерные системы моделирования когнитивных карт: подходы и методы”, Control sciences, 2010, №3, [Kulinich A. A. Komp’yuternye sistemy modelirovaniya kognitivnykh kart: podkhody i metody // Control sciences. 2010. no 3. (in Russian)].
  3. Kosko В., “Fuzzy Cognitive Maps”, International Journal of Man-Machine Studies., 1 (1986), 65-75.
  4. Розенблатт Ф., Принципы нейродинамики (перцептрон и теория механизмов мозга), Мир, М., 1965, 480 с., [Rozenblatt F. Printsipy neyrodinamiki (pertseptron i teoriya mekhanizmov mozga). Moskva. Mir, 1965. 480 p. (in Russian)].
  5. Жилов Р. А., “Применение нечетких когнитивных карт в системах принятия решении”, Материалы Всероссийской научной конференции молодых ученных «Современные вопросы математической физики, математической биологии и информатики», 2014, 54–55, [Zhilov R. A. Primenenie nechetkikh kognitivnykh kart v sistemakh prinyatiya reshenii. Materialy Vserossiyskoy nauchnoy konferentsii molodykh uchennykh «Sovremennye voprosy matematicheskoy fiziki, matematicheskoy biologii i informatiki». 2014. pp. 54–55 (in Russian)].

Список литературы (ГОСТ)

  1. Авдеева З. К., Коврига C. B., Макаренко Д. И. Когнитивное моделирование для решения задач управления слабоструктурированными системами (ситуациями) // Управление большими системами. 2007. Т. 16. С. 26-39
  2. Кулинич А. А. Компьютерные системы моделирования когнитивных карт: подходы и методы // Control sciences. 2010. №3.
  3. Kosko В. Fuzzy Cognitive Maps //International Journal of Man-Machine Studies. 1986. no 1. pp. 65-75
  4. Розенблатт Ф. Принципы нейродинамики (перцептрон и теория механизмов мозга). М.: Мир, 1965. 480 c.
  5. Жилов Р. А. Применение нечетких когнитивных карт в системах принятия решении // Материалы Всероссийской научной конференции молодых ученных «Современные вопросы математической физики, математической биологии и информатики». 2014. C. 54–55

Для цитирования: Жилов Р. А. К вопросу о построении когнитивных карт для интеллектуальной обработки данных // Вестник КРАУНЦ. Физ.-мат. науки. 2016. № 4-1(16). C. 101-106. DOI: 10.18454/2079-6641-2016-16-4-1-101-106.

For citation: Zhilov R. A. On the question of the construction of cognitive maps for data mining, Vestnik KRAUNC. Fiz.-mat. nauki. 2016, 16: 4-1, 101-106. DOI: 10.18454/2079-6641-2016-16-4-1-101-106.

Поступила в редакцию / Original article submitted: 09.11.2016

   Жилов Руслан zhilАльбердович – стажер-исследователь отдела Нейроинформатики и машинного обучения, Институт прикладной математики и автоматизации, Кабардино-Балкарская Республика, г. Нальчик, Россия.
  Zhilov Ruslan Alberdovich — Trainee Researcher Department of Neural Networks and Machine Learning, Institute of Applied Mathematics and Automation, Kabardino-Balkar Republic, Nalchik, Russia.

1

1

Скачать статью Zhilov R.A.