Интеллектуальная модель управления знаниями в условиях гетерогенности информационного пространства

Процессы поиска данных сместились в сторону открытых процессов с визуализацией и настройкой параметров и прогнозной модели. Данные и модели в гиперпространствах могут быть визуализированы для конечных пользователей с помощью популярных платформ интеллектуального анализа данных. Многочисленные исследования показали, как корректировка и даже создание классификаторов дерева решений помогают конечным пользователям лучше понимать набор данных и контекст, в котором были собраны данные. Чтобы использовать возможности такого открытого подхода, в статье представлен метод расширенного интеллекта, а также биоинспирированный алгоритм, основанный на адаптивном поведении летучих мышей. Данный метод позволит конечным пользователям анализировать данные в итеративном процессе. На основе предложенного метода обнаружение знаний и точность прогнозирующей модели, сгенерированной алгоритмом, со временем возрастают благодаря взаимодействиям между моделями и конечными пользователями. В статье описаны методы извлечения информации при интеллектуальном анализе данных. Описан расширенный интеллект, включающий алгоритмы машинного обучения и сетей глубинного обучения, а также методы рационального и дополненного машинного обучения, на базе которых будут созданы собственные данные, при ограниченном объеме информации для обучения.