Дисертаційну роботу присвячено розробленню методів моделювання, формування аналітичних ознак, інтелектуального аналізу табличних і текстових консолідованих даних для підвищення точності, достовірності та інформативності результатів аналізу, які використовуються для підтримки прийняття рішень в інформаційно-аналітичних системах. Розроблено метод оптимізації прогнозної аналітики часових рядів з використанням стекінгового об'єднання та відбору різнотипних моделей на основі лінійної регресії LASSO та байєсівської регресії. Проаналізовано поєднання байєсівської лінійної та машинно-навчальної логістичних регресій у задачах виявлення технічних відмов. Розглянуто оптимізацію послідовності дій інтелектуального агента в задачах аналітики попиту з використанням глибокого Q-навчання та імітаційного моделювання середовища. Запропоновано модель векторного представлення текстових даних у просторі семантичних та тематичних полів. Проведено аналіз текстових даних на основі алгоритмів машинного навчання з використанням кількісних семантичних ознак. Розроблено метод виявлення додаткових аналітичних ознак на основі лексемних поєднань у семантичних структурах текстових масивів. Запропоновано модель семантичних концептів текстових масивів на основі теорії аналізу формальних концептів.

Постачальник даних: УкрІНТЕІ (Український Інститут науково-технічної експертизи та Інформації)

  Завантажити автореферат