СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ «ФУНГУС» ДЛЯ РАСПОЗНАВАНИЯ ГРИБОВ ПО ОПИСАНИЮ ИХ ВНЕШНЕГО ВИДА
Ключевые слова:
искусственный интеллект, распознавание образов, дерево решений, искусственная нейронная сеть, обработка естественного языка, диагностика, чат-бот, диалоговый интерфейс, объяснимый искусственный интеллект, микология.Аннотация
В этой работе представлена методика разработки системы поддержки принятия решений и внедрению чат-бота «Фунгус» для определения грибов по описанию их внешнего вида. Система «Фунгус» повышает уровень знаний в области микологии и помогает при сборе или покупке грибов. В настоящей статье показана актуальность внедрения системы поддержки принятия решений для обучающих целей и метод её разработки на примере системы распознавания грибов «Фунгус».
Библиографические ссылки
Mihajlov V. A., Mihajlov S. V. Osobennosti razvitiya informacionnokommunikativnoj sredy sovremennogo obshestva // Sbornik nauchnyh trudov «Aktualnye problemy teorii kommunikacii». SPb., 2004. S. 34-52.
Messina Chris. 2016 will be the year of conversational commerce // A Medium Corporation. URL: https://goo.su/4jr5 (data obrasheniya: 07.03.2021).
Mobilnye operatory nazvali samye populyarnye u rossiyan messendzhery. URL: https://tass.ru/ekonomika/10544793 (data obrasheniya: 07.03.2021).
Radzhabov K.Ya. Uchebnoe posobie discipliny «Sistemy podderzhki prinyatiya reshenij» dlya napravleniya podgotovki Biznesinformatika, profil «Elektronnyj biznes». – Mahachkala: DGUNH, 2019 g. S. 17-24.
Strukturirovannye i nestrukturirovannye dannye: sravnenie i obyasnenie // Asu-analitika. URL: https://clck.ru/TrLVW (data obrasheniya: 22.03.2021).
V. V. Voronina, A. V. Miheev, N. G. Yarushkina, K. V. Svyatov Teoriya i praktika mashinnogo obucheniya: uchebnoe posobie. Ulyanovsk : UlGTU, 2017. S 52-56.
Uraev D. A. Klassifikaciya i metody sozdaniya chat-bot prilozhenij — M.: International scientific review, 2019. — 30 s.
Goldberg J. Nejrosetevye metody v obrabotke estestvennogo yazyka // per. s ang. A. A. Slinkina. M.: DMK Press, 2019. 282 s.
Abadi M., Barhem P., Chen D., Chen Zh., Devis E., Din Dzh., Devin M., Gemavat S., Irving Dzh., Isard M., Kudlur M., Levenberg Dzh., Monga R., Mur Sh., Myurrej D. Dzh., Shtejner B., Taker P., Vasudevan V., Varden P., Vik M., Yu Yu., Cheng K., Google Brain TensorFlow: Sistema dlya krupnomasshtabnogo mashinnogo obucheniya. Machine Learning Proceedings of the 12th USENIX Symposium on OSDI. Savanna, Dzhordzhiya, SShA, 2016. 21 s.
Vishnevskij M. V. Griby. Opredelitel gribov russkih lesov i polej. — M.: Eksmo-Press, 2014 g.
Arijeta A.B., Diaz-Rodrigez N., Del Sera H., Bennetot A., Tabik S., Barbado A., Garsiya S., Gil-Lopez S., Molina D., Bendzhamin R., Shatila R., Gerrera F., Obyasnimyj iskusstvennyj intellekt (XAI): Koncepcii, klassifikacii, vozmozhnosti i problemy na puti k otvetstvennomu iskusstvennomu intellektu. TECNALIA, Ispaniya, 2019. 72 s.
Brandtzaeg P. B., Folstad A. Why people use chatbots? / The 4th International Conference on Internet Science, November 2017. Lecture Notes in Computer Science. — URL: https://btfr.cc/dmz (data obrasheniya: 09.03.2021).
Metodicheskie materialy Federalnoj sluzhby po nadzoru v sfere zashity prav potrebitelej i blagopoluchiya cheloveka v Rossijskoj Federacii. — URL: https://goo.su/4Jr (data obrasheniya: 07.03.2021).
Gavryuchenkov D. V., Lemeshenko E. Yu. Massovye otravleniya gribami. — M.: Medicinskaya sestra. Professiya: teoriya i praktika, 2015. — S. 48-49.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NoDerivatives» («Атрибуция — Без производных произведений») 4.0 Всемирная.
CC BY-ND
Эта лицензия позволяет свободно распространять произведение, как на коммерческой, так некоммерческой основе, при этом работа должна оставаться неизменной и обязательно должно указываться авторство.
