##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Анотація
Анотація. У пошуках нових рішень фахівці звернулися до принципів функціонування людського мозку, в основі якого лежить передача електричних імпульсів між нейронами. Цей природний механізм дозволив створити штучні нейронні мережі — інструмент, який імітує процеси прийняття рішень, здатен адаптуватися, навчатися і вирішувати складні задачі без необхідності чіткого програмування. Завдяки гнучкості і потужності, нейронні мережі стали основою для створення інтелектуальних систем у різних галузях — від ІТ до медицини й харчової промисловості.
Сучасне середовище також породжує потребу у роботі з Big Data — масивами структурованих і неструктурованих даних, що генеруються у колосальних обсягах. Застосування штучних нейронних мереж у роботі з Big Data дає змогу не лише ефективно обробляти інформацію, а й знаходити нові знання, формувати прогнози та приймати рішення. У цьому дослідженні розглядається створення інформаційної системи на основі ШНМ, яка реалізує функцію навчання за допомогою генетичного алгоритму, що дозволяє адаптувати мережу до поставленого завдання і підвищити її ефективність.
##plugins.themes.bootstrap3.article.details##
Посилання
2. What is big data analytics? Fast answers from diverse data sets // InfoWorld: [Веб-сайт]. URL: https://www.infoworld.com/article/3220044/what-is-big-data-analytics-fast-answers-from-diverse-data-sets.html (дата звернення: 12.03.2025).
3. Understanding the 3 Vs of Big Data - Volume, Velocity and Variety [Electronic Resource] // Whishworks. - 2017. - Access mode to the resource: https://www.whishworks.com/blog/big-data/understanding-the-3-vs-of-big-data-volume-velocity-and-variety.
4. Yaqoob, I., Hashem, I. A. T., Gani, A., Mokhtar, S., Ahmed, E., Anuar, N. B., & Vasilakos, A. V. (2016). Big data: From beginning to future. International Journal of Information Management, 36(6), 1231-1247.
5. Weng, Y. (2024). Big data and machine learning in defence. International Journal of Computer Science and Information Technology, 16(2), 25-35.
6. Duary, S., Choudhury, P., Mishra, S., Sharma, V., Rao, D. D., & Aderemi, A. P. (2024, February). Cybersecurity threats detection in intelligent networks using predictive analytics approaches. In 2024 4th International Conference on Innovative Practices in Technology and Management (ICIPTM) (pp. 1-5). IEEE.
7. Goel, A., Goel, A. K., & Kumar, A. (2023). The role of artificial neural network and machine learning in utilizing spatial information. Spatial Information Research, 31(3), 275-285.
8. Ryo, M. (2022). Explainable artificial intelligence and interpretable machine learning for agricultural data analysis. Artificial Intelligence in Agriculture, 6, 257-265.
9. Ahmed, I., Jeon, G., & Piccialli, F. (2022). From artificial intelligence to explainable artificial intelligence in industry 4.0: a survey on what, how, and where. IEEE Transactions on Industrial Informatics, 18(8), 5031-5042.
10. Linka, K., Hillgärtner, M., Abdolazizi, K. P., Aydin, R. C., Itskov, M., & Cyron, C. J. (2021). Constitutive artificial neural networks: A fast and general approach to predictive data-driven constitutive modeling by deep learning. Journal of Computational Physics, 429, 110010.