文章的正确链接:
Osipov M.Y. —
关于Shat GPT图灵测试的制定和使用的具体问题
// 软件系统和计算方法.
– 2023. – № 4.
– 和。 1 - 16.
DOI: 10.7256/2454-0714.2023.4.68680 EDN: TCQVHG URL: https://cn.nbpublish.com/library_read_article.php?id=68680
注释,注释:
本文的研究主题是基于Shat GPT技术的系统功能的特征和规律，这些知识使我们能够对图灵测试进行适当的修改，以及基于Shat GPT技术的系统的图灵测试的制定和使用的特征和规律。 本研究的目的是确定基于Shat GPT技术的系统的功能特征和模式，以及基于Shat GPT技术的系统图灵测试的制定和使用特征和模式。 在研究基于Shat GPT技术的系统时,采用了社会实验方法,提出了某些问题,得到了答案,分析了基于Shat GPT技术的系统"思维"的特点。 在研究过程中，发现了以下内容。 与基于某些事实的人类思维不同，基于Shat GPT技术的系统的"思维"在某些情况下不是基于现实中发生的事实，通常用户被故意提供有关现实中发生的事实和 与通常是系统性的人类思维形成鲜明对比的是，基于Shat GPT技术的系统的"思维"是无序和零碎的。 基于Shat GPT技术的系统不能承认他们的错误，并且试图迫使基于Shat GPT技术的系统批判性地理解他们的答案导致这些系统的故障。 本文还提供了作者为Shat GPT开发的图灵测试，这使得基于Shat GPT技术识别系统"思维"的特征成为可能。
关键词:
图灵测试, 人类思维, 系统思维, 技术, 人工智能, 聊天GPT, 批判性分析, 反射;反射, 模式, 计算机科学
文章的正确链接:
Sheptukhin M. —
评估投资项目有效性的工具和软件产品的系统分析
// 软件系统和计算方法.
– 2023. – № 4.
– 和。 17 - 29.
DOI: 10.7256/2454-0714.2023.4.68973 EDN: BLOZQY URL: https://cn.nbpublish.com/library_read_article.php?id=68973
注释,注释:
本研究的主题是投资设计管理工具，允许评估投资项目选择的有效性。 研究的对象是数字产品（软件解决方案），专为自动化效率评估和选择有吸引力的投资项目而设计。 作者已经确定，选择最有利可图的投资项目是投资过程投资前阶段的关键任务，而大量信息的存在，外部和内部弱控制因素的影响，投资过程伴随的不确 特别注意确定和正式确定软件产品的要求,以便进行风险分析和评价投资项目的效力,这将节省时间和财政资源,并消除人为因素对选择投资项目的影响。 研究方法包括使用系统的方法来确定评估投资决策有效性的工具和指标。 作者对软件产品进行了比较分析，这些软件产品在选择最适合工业企业商业活动发展的软件产品时，作为评估投资项目吸引力的工具。 对信息技术市场上提出的国内外投资项目管理软件解决方案进行比较分析的结果使程序系统化、确定其优点和缺点并制定对分析和评价工业企业投资项目有效性的最佳软件包的要求成为可能。 作者开发的用于风险分析和评估投资项目有效性的数字解决方案应具有以下特征：功能，可靠性和稳定性，界面和可用性，兼容性，价格和许可条件，技术支 根据研究结果，确定了软件产品比较分析结果的适用范围-进一步开发评估投资项目有效性的数字解决方案，确保企业投资设计管理过程的有效性。
关键词:
投资项目, 系统的方法, 比较分析, 绩效评估指标, 评估有效性的方法, 投资项目的选择, 软件产品, 程序特性, 软件产品的优点, 软件产品的缺点
文章的正确链接:
Dimitrichenko D.P. —
利用可变结构自动机优化循环神经网络
// 软件系统和计算方法.
– 2023. – № 4.
– 和。 30 - 43.
DOI: 10.7256/2454-0714.2023.4.69011 EDN: FEIPTC URL: https://cn.nbpublish.com/library_read_article.php?id=69011
注释,注释:
本研究的主题是确定循环神经网络和随机自动机固有的一组常见结构属性，其特征是动态环境中的有目的行为。 与此同时，属性的必要共性在其功能的过程中以及在其训练（调整）的过程中都被揭示出来。 作者详细考虑了该主题的这些方面：有目的行为的形式化，对自动机设计的考虑，提供这种行为，以及对所考虑的自动机设计的比较分析。从揭示的功能的共性和建立的一个完全连接的循环神经网络的神经元和具有可变结构的概率自动机的状态的一对一对应关系，可以认为调谐随机自动机的结构可以作为一组循环神经网络连接的参考。 即使在设置阶段，这也会导致基于相应自动机的参数去除冗余状态（神经元）和它们之间的连接。所进行的研究的方法是在完全连接的循环神经网络的神经元和具有可变结构的自动机的内部状态之间建立一对一的对应关系，以及在调谐过程之后相关的它们之间的转换概率。 通过一对一的对应关系，自动机转换的概率对应于最优配置神经元之间连接的权重。 该研究的主要结论： 1。 将循环神经网络和具有可变结构的自动机的结构进行比较，可以利用具有可变结构的自动机来解决动态环境中适当行为的问题，并在此基础上构建循环 循环神经网络的内部结构与具有可变结构的自动机的对应关系允许已经在训练阶段将训练的循环神经网络从其结构中的冗余神经元和冗余连接中释 由于具有可变结构的自动机以学习率的非线性值接近这些条件的线性策略的最优自动机的事实，这允许对最终循环神经网络的结构进行逻辑分析。
关键词:
神经元, 时间顺序, 上下文环境, 管理任务, 适当的行为, 线性战术, 概率矩阵, 马尔可夫链, 机器, 循环神经网络
文章的正确链接:
Nikitin P.V., Andriyanov N.A., Gorokhova R.I., Bakhtina E.Y., Dolgov V.I., Korovin D.I. —
使用机器学习工具评估执行政府合同风险的方法
// 软件系统和计算方法.
– 2023. – № 4.
– 和。 44 - 60.
DOI: 10.7256/2454-0714.2023.4.44113 EDN: HMHCXC URL: https://cn.nbpublish.com/library_read_article.php?id=44113
注释,注释:
该研究的主题是开发一个软件包，用于使用机器学习方法和非结构化信息分析智能预测政府合同的执行情况。 研究的对象是公共采购领域的控制和决策过程，包括承包商的选择，合同的执行以及对其实施的时间和成本的评估。 在研究中特别关注解释型机器学习方法的开发和应用，以解决评估选择无良承包商的风险，不按时履行合同的风险以及预测合同实施的可能时机和 作者详细考虑了这些方面作为一个独特的数据集，是从各种信息系统收集。 他们还开发了自动数据收集和更新系统，可以安装在客户的服务器上。 在工作中使用了机器学习，非结构化信息分析和解释方法的方法。 构建解释性机器学习模型是为了评估选择无良承包商的风险，评估未按时履行合同的风险，以及评估合同执行的可能时机和成本。 在工作中收集了一个独特的数据集，包括来自各种系统的超过190功能的83千数据，例如统一信息系统（UIS）公共采购登记册，无良供应商登记册（RNP）EIS和SPARK信 已经开发了可以部署在客户服务器上的自动数据收集和更新系统。 在研究过程中，开发了用于智能预测政府合同执行情况的软件包，为使用非结构化信息分析方法，机器学习模型和解释方法进行更准确的风险分析提 这使得有可能提高监督政府合同执行情况的有效性，并减少腐败和违规行为的可能性。 该研究证明了机器学习方法和模型在公共合同领域的重要性和适用性，并为改善公共采购领域的控制和决策过程提供了新的机会。
关键词:
政府合约, 机器学习, 智能系统, 数据可视化, 支持向量机, 风险评估, 预测, 回归分析, 解读人工智能, 合奏方法
文章的正确链接:
Lyutikova L.A. —
逻辑建模用于诊断目的的医疗数据的分析和分类的应用。
// 软件系统和计算方法.
– 2023. – № 4.
– 和。 61 - 72.
DOI: 10.7256/2454-0714.2023.4.68876 EDN: KIUUOL URL: https://cn.nbpublish.com/library_read_article.php?id=68876
注释,注释:
研究的主题是数据分析的逻辑方法和能够识别隐藏模式的软件工具的开发，即使数据量有限。 输入数据由患者的诊断指标，他们的诊断和医生在医疗实践过程中获得的经验组成。 研究方法是开发基于多值谓词逻辑系统的软件工具，用于分析患者数据。 这种方法将源数据视为一组一般规则，其中可以区分那些足以解释所有观察到的数据的规则。 反过来，这些规则对于所考虑的领域是产生的，有助于更好地理解所研究对象的性质。 该研究的新颖性在于应用多值逻辑来分析患者的有限数量的医疗数据，以便以给定的准确性确定最可能的诊断。 所提出的方法使得可以检测患者检查的症状和结果中的隐藏模式，对其进行分类并识别各种形式的胃炎的独特体征。 与神经网络不同，逻辑分析是透明的，不需要对大量数据进行训练。 这项研究的结果表明，这种方法的诊断与缺乏信息的可能性，以及提供的替代方案，如果没有达到诊断所需的准确性。
关键词:
诊断学, 通讯, 多值逻辑, 数据资料, 分析, 隐藏模式, 分类器, 产品规则, 培训课程, 联合制作
Cn
© 1998 – 2023 Nota Bene. Publishing Technologies. NB-Media Ltd.
