Разработка обучающей интеллектуальной аналитической системы с использованием технологии XAI

Автор: Пальмов С.В., Диязитдинова А.А.

Журнал: Инфокоммуникационные технологии @ikt-psuti

Рубрика: Новые информационные технологии

Статья в выпуске: 4 (84) т.21, 2023 года.

Бесплатный доступ

Интеллектуальный анализ данных является востребованной услугой. Многие отечественные вузы занимаются подготовкой специалистов в этой области. Однако запросы потребителей возрастают, что ведет к повышению требований к формируемым математическими моделями результатам. Клиент хочет быть уверенным в качестве получаемых рекомендаций. Один из способов достичь этого - использовать технологию объяснимого искусственного интеллекта (XAI). Сложившаяся в мире ситуация накладывает серьезные ограничения на использование зарубежного программного обеспечения, а отечественные аналитические системы, потенциально доступные для вузов, не содержат среди имеющихся в них функций модуля XAI. Выходом является самостоятельная разработка такой системы. Авторами создан программный продукт, позволяющий обучать математические модели трех видов, для прогнозов каждой из которых может быть сгенерировано объяснение в текстовом формате. Была проведена серия экспериментов, подтвердивших работоспособность всех элементов созданного продукта, а также возможность его применения в учебном процессе вуза.

Еще

Искусственный интеллект, высшее образование, классификация, метод опорных векторов, стохастический градиентный спуск, гауссовский процесс

Короткий адрес: https://sciup.org/140304966

IDR: 140304966   |   DOI: 10.18469/ikt.2023.21.4.09

Список литературы Разработка обучающей интеллектуальной аналитической системы с использованием технологии XAI

  • Loginom. Возможности. URL: https://loginom.ru/platform#components (дата обращения: 23.03.2024).
  • Система self service аналитики данных PolyAnalyst. URL: https://www.megaputer.ru/produkti (дата обращения: 23.03.2024).
  • Deductor. URL: https://basegroup.ru/deductor/description (дата обращения: 23.03.2024).
  • Data Plexus. URL: https://data-plexus.ru/(дата обращения: 23.03.2024).
  • Машинное обучение как часть корпоративной ДНК. URL: https://www.polymatica.ru/polymatica-ml/ (дата обращения: 23.03.2024).
  • Пальмов С.В. Повышение эффективности методов искусственного интеллекта посредством технологии XAI // Наука, инновации, образование: актуальные вопросы XXI века: материалы IX Международной научно-практической конференции. Пенза, 2024. С. 31-34.
  • Local Interpretable Model-agnostic Explanations(LIME). URL: https://ema.drwhy.ai/LIME.html(дата обращения: 23.03.2024).
  • Theodoros E., Massimiliano P. Support Vector Machines: Theory and Applications // Machine Learning and Its Applications. 2001. Vol. 2049. P. 249-257. DOI: 10.1007/3-540-44673-7_12.
  • Tian Y., Zhang Y., Zhang H. Recent Advances in Stochastic Gradient Descent in Deep Learning // Mathematics. 2023. Vol. 11, no. 3. P. 682.
  • Ebden M. Gaussian Processes for Regression and Classification: A Quick Introduction. 2015. URL: https://www.researchgate.net/publication/276296816_Gaussian_Processes_for_Regression_and_Classification_A_Quick_Introduction (дата обращения: 21.03.2024).
Еще
Статья научная