Нейросетевая модель формулы сбалансированного питания

• Veröffentlicht in: Штучний інтелект
• Datum: 2010
• Hauptverfasser: Ляхов, А.Л., Алешин, С.П.
• Format: Artikel
• Sprache: Russian
• Veröffentlicht: Інститут проблем штучного інтелекту МОН України та НАН України 2010
• Schlagworte: Прикладные интеллектуальные системы. Моделирование объектов и процессов
• Online Zugang: https://nasplib.isofts.kiev.ua/handle/123456789/56144
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Zitieren: Нейросетевая модель формулы сбалансированного питания / А.Л. Ляхов, С.П. Алешин // Штучний інтелект. — 2010. — № 2. — С. 131-139. — Бібліогр.: 8 назв. — рос.

Работа посвящена проблеме автоматизации принятия решений в построении формулы сбалансированного питания с применением технологий искусственного интеллекта. Предложена методика построения нейросетевой модели базовых процессов поиска оптимального состава ингредиентов. Построены модели кластерного анализа входных данных, классификатора состояний и аппроксиматора многомерной функции. Предлагаемая методика позволяет автоматизировать процесс поиска оптимального состава биологически активных добавок и снизить степень субъективизма в принятии решений. Робота присвячена проблемі автоматизації прийняття рішень в побудові формули збалансованого харчування із застосуванням технологій штучного інтелекту. Запропоновано методику побудови нейромережної моделі базових процесів пошуку оптимального складу інгредієнтів. Побудовано моделі кластерного аналізу вхідних даних, класифікатора станів і апроксиматора багатовимірної функції. Запропонована методика дозволяє автоматизувати процес пошуку оптимального складу біологічно активних добавок та знизити ступінь суб’єктивізму у прийнятті рішень. The work deals with the problem of automation of decision-making in the construction of a formula of balanced nutrition with the use of artificial intelligence technologies. The technique of constructing neural network model of basic processes of finding the optimal composition of ingredients. We construct a model cluster analysis of input data, the classifier states and approksimatora multidimensional function. The proposed method allows to automate the process of finding the optimum composition of dietary supplements and reduce the degree of subjectivity in the decision-making.