Розробка системи генерації на основі алгоритму штучного інтелекту. Частина 1

Скорочена інформація про документ
dc.contributor.authorВережинський, В.А.
dc.contributor.authorДаниленко, А.В.
dc.contributor.authorРупіч, С.С.
dc.contributor.authorЦибульник, С.О.
dc.date.accessioned2023-07-26T08:40:57Z
dc.date.available2023-07-26T08:40:57Z
dc.date.issued2023
dc.description.abstractРозвиток сучасних інструментів і методів штучного інтелекту забезпечує широкий функціонал у різних наукових і прикладних сферах та надає можливість досягати нових результатів. Постає питання щодо застосування елементів штучного інтелекту для знаходження нових поєднань і сполучень шляхом генерації. В якості цільового результату розглядається застосування нейронної мережі для формування нових, унікальних рецептів харчової суміші, з метою визначення ефективності впровадження та використання методів і моделей штучного інтелекту. Для вирішення задачі генерації поєднань складових рецептів, у роботі розглянуто всі етапи технологічного процесу від збору, аналізу, препроцесингу даних до вибору математичного алгоритму та моделювання навченої системи. Кожен з етапів роботи містить у собі повний опис кроків, необхідних для вирішення поставленого завдання. Алгоритм машинного навчання має можливість обробляти тисячі прикладів для знаходження певної закономірності поєднань інгредієнтів. І значна увага приділяється формуванню тренувального датасету. На етапі збору даних розглядаються особливості та основні проблеми, що виникають при роботі парсера. Важливою частиною є обхід захисних технологій при запитах до інтернет-ресурсів та зчитування DOM- дерева з коду HTML сторінки. Описано налаштування алгоритму автоматизованого збору інформації. Для розробки парсеру в роботі використовуються інструменти для швидкого розгортання проєкту та ефективного керування додатками Docker та Docker Compose. Окремим етапом є побудова датасету та аналіз даних для моделі нейронної мережі, який полягає у проведенні препроцесінгу та декодуванні і композиції у табличний вигляд. При автоматизованому процесі збору даних формується інформація зі значними шумами та зайвими елементами. Значна увага приділяється саме процесу очищення та підготовки корисної інформації, адже саме від чистоти даних та їх повноти в більшості випадків залежить якість математичної моделі та процесу моделювання для знаходження нових закономірностей та поєднань.uk
dc.description.abstractotherThe development of modern tools and methods of artificial intelligent provides a wide range of functionality for various scientific and applied tasks, and also allows obtaining new results. A question arises about how to apply elements of artificial intelligence to obtain new combinations and connections obtained by generation. As a purpose of the article is considered applying a neural network technology for the formation of new, unique recipes for cocktails with the aim of demonstrating the effectiveness of implementation and verification methods and models of artificial intelligence. To solve generation problems according to ingredient recipes, in the article all stages of the technological process are analyzed from data collection, analysis, preprocessing to the selection of a mathematical algorithm and modeling of the trained system. Each stage of the work contains a separate description of the steps necessary to solve the task. The machine learning algorithm has the ability to process thousands of examples to find a certain pattern of combinations of ingredients. And important attention is paid to the formation of a training date. At the stage of data collection, individuals and main problems are considered, which are checked during the work of the parser. The important part is the partial use of encrypted technologies when using Internet resources and reading the DOM tree with the code of the HTML page. The paper shows settings for the automated algorithm of information collection. For the parser development, a tool for rapid project development and effective management as Docker and Docker Compose add-ons were used. Completed the stage with the acquisition of the data set and the data for neural network models has been analyzed. The stage consists in preprocessing, decoding and compositions collected data in relevant tables. During the automated data collection process, information with significant noise and redundant elements is processed. Considerable attention is paid to the process of cleaning and preparation of useful information, because the purity of the data and their completeness in the most cases determine the quality of the mathematical model and the modeling process for finding new laws and combinations in generation.uk
dc.format.pagerangePp. 110-116uk
dc.identifier.citationРозробка системи генерації на основі алгоритму штучного інтелекту. Частина 1 / Вережинський В.А., Даниленко А.В., Рупіч С.С., Цибульник С.О. // Вісник КПІ. Серія Приладобудування : збірник наукових праць. – 2023. – Вип. 65(1). – С. 110-116. – Бібліогр.: 9 назв.uk
dc.identifier.doihttps://doi.org/10.20535/1970.65(1).2023.283455
dc.identifier.issn0321-2211 (p)
dc.identifier.issn2663-3450 (e)
dc.identifier.orcid0000-0001-8237-7001uk
dc.identifier.orcid0000-0002-4462-0936uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/58611
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofВісник КПІ. Серія Приладобудування: збірник наукових праць, Вип. 65(1)uk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectгенераціяuk
dc.subjectаналізuk
dc.subjectпрепроцесингuk
dc.subjectматематичний алгоритмuk
dc.subjectнейронна мережаuk
dc.subjectмашинне навчанняuk
dc.subjectgenerationuk
dc.subjectanalysisuk
dc.subjectpreprocessinguk
dc.subjectmathematical algorithmuk
dc.subjectneural networkuk
dc.subjectmachine learninguk
dc.subject.udc004.021, 004.62, 004.855.5uk
dc.titleРозробка системи генерації на основі алгоритму штучного інтелекту. Частина 1uk
dc.title.alternativeDesign of generation system based on artificial intelligence algorithm. Part 1uk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
283455-653269-1-10-20230629.pdf
Розмір:
401.9 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Вісник КПІ. Серія Приладобудування: збірник наукових праць, Вип. 65(1)