Дюк В. А. Логические методы машинного обучения (инструментальные средства и практические примеры). — СПб.: Издательско-полиграфическая ассоциация высших учебных заведений, 2020. — 248 с.
В списке новых технологий, которые изменят мир, на первом месте сегодня заявлены методы искусственного интеллекта (ИИ). При этом основное внимание уделяется нейросетям глубокого обучения. Здесь в ряде случаев упускается из виду тот факт, что для решения многих задач, например, медицинской диагностики, фармацевтики, социологии. прикладной химии и др. требуется не только формальный результат (например, точность предиктивной модели), но и интерпретация результата, его объяснение. Отсутствием интерпретации грешит не только нейросетевой подход. Многие другие современные методы машинного обучения, составляющих основу ИИ, сегодня ориентированы на создании больших коллективов «слабых» по отдельности алгоритмов, реализующих так называемый «роевой» интеллект и приводящих к модели в виде «черного ящика», ничего не дающего для понимания диагностических и прогностических решений. В монографии представлены сведения роли и месте альтернативного подхода, основанного на поиске логических правил в многомерных разнотипных данных (if-then) правил. Приводится описание четырех систем машинного обучения, предназначенных для выявления в данных логических правил. Первая система относится к популярному направлению, связанному с построением деревьев решений. Вторая система реализует метод ограниченного перебора комбинаций элементарных предикатов. Третья и четвертая системы основаны на инновационной авторской технологии поиска логических правил в данных с использованием феномена структурного резонанса в многомерных данных. Описание систем сопровождается примерами из различных предметных областей.
Книга не перегружена формулами и теоретическими выкладками, ориентирована на широкую аудиторию, на быстрое овладение читателем практических навыков работы с инструментами логического анализа данных. Она предназначена для студентов старших курсов, магистров, аспирантов, научных работников и других специалистов, изучающих и использующих современные методы машинного обучения.
ISBN 978-5-91155-087-5