Пошук академічних текстів

Інформація × Реєстраційний номер 0123U103045, ( 0223U005869  0225U000371  ) Науково-дослідна робота Назва роботи Розробити моделі підвищення корисності та самопідсилення для децентралізованих систем аналізу великих даних Керівник роботи Кузнєцов Владислав Олександрович, к.т.н. Дата реєстрації 29-06-2023 Організація виконавець Інститут кібернетики імені В. М. Глушкова Національної академії наук України Опис роботи Мета полягає у розробці моделей ефектів самопідсилення, їх вивчення, в контексті проявів синергетичних і мережевих ефектів в системах обробки великих даних, а також дослідження (аналіз) великих децентралізованих систем обробки великих даних. В рамках дослідження передбачається дослідження впливу дій користувачів системи і кількості інформації, що формує великі дані і впливають на загальну інформативність даних, які зберігаються в системі великих даних у форматі метаданих, документів, фактів та інших показників. В роботі буде досліджено моделі ефектів самопідсилення та підвищення корисності в великих даних в рамках процесу добування, обробки і використання даних; буде побудовано нові моделі моделі ефектів самопідсилення та підвищення корисності і модель аналізу великих цифрових даних. Основні завдання роботи полягають у наступному: необхідно розробити моделі машинного навчання на великих даних для визначення мережевих та синергетичних ефектів, які впливають на вартість даних і відповідно на попит через ефекти самопідсилення. Також необхідно розробити моделі машинного навчання, що залучають статистичні показники, які є інформативними в контексті вартісності даних і підвищення попиту. Потрібно розробити підходи для отримання ознак з даних, з урахуванням прихованих властивостей даних та просторового їх розташування. Дослідити просторове розташування ознак, оцінити аномалії і відхилення в даних. Розробити методи візуального аналізу даних і машинного навчання, з урахуванням взаємодій користувачів і платформи великих даних. Розробити моделі великих даних, що враховують критерії вартісності і корисності даних, які отримані з різних джерел та поступають у ланцюг обробки великих даних. Додано в НРАТ 2024-12-09 Закрити