Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ

The article describes the processes of the creation of models and features of knowledge discovery in molecular memory based on ontologies and agent-based programs. Розглянуті умови моделювання та особливості пошуку знань в молекулярній пам’яті на основі онтологій та агентних програм. Рассмотрены усл...

Full description

Saved in:

Bibliographic Details
Published in:	Комп’ютерні засоби, мережі та системи
Date:	2014
Main Author:	Ходаковский, Н.И.
Format:	Article
Language:	Russian
Published:	Інститут кібернетики ім. В.М. Глушкова НАН України 2014
Online Access:	https://nasplib.isofts.kiev.ua/handle/123456789/84841
Tags:	Add Tag No Tags, Be the first to tag this record!
Journal Title:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:	Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ / Н.И. Ходаковский // Комп’ютерні засоби, мережі та системи. — 2014. — № 13. — С. 148-156. — Бібліогр.: 9 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

_version_	1859618167937040384
author	Ходаковский, Н.И.
author_facet	Ходаковский, Н.И.
citation_txt	Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ / Н.И. Ходаковский // Комп’ютерні засоби, мережі та системи. — 2014. — № 13. — С. 148-156. — Бібліогр.: 9 назв. — рос.
collection	DSpace DC
container_title	Комп’ютерні засоби, мережі та системи
description	The article describes the processes of the creation of models and features of knowledge discovery in molecular memory based on ontologies and agent-based programs. Розглянуті умови моделювання та особливості пошуку знань в молекулярній пам’яті на основі онтологій та агентних програм. Рассмотрены условия создания моделей и особенности поиска знаний в молекулярной памяти на основе онтологий и агентных программ.
first_indexed	2025-11-28T23:43:37Z
format	Article
fulltext	148 Комп’ютерні засоби, мережі та системи. 2014, № 13 M.I. Khodakovskyi RESEARCH MODEL OF SEARCH OF KNOWLEDGE IN MOLECULAR MEMORY WITH USING ONTOLOGY AND AGENT-BASED PROGRAMS The article describes the processes of the creation of models and fea- tures of knowledge discovery in mo- lecular memory based on ontologies and agent-based programs. Key words: molecular memory, training systems, ontological and agent-based software. Розглянуті умови моделювання та особливості пошуку знань в молекулярній пам’яті на основі онтологій та агентних програм. Ключові слова: онтологічні та агентні програми, молекулярна пам’ять, навчаючі системи. Рассмотрены условия создания моделей и особенности поиска знаний в молекулярной памяти на основе онтологий и агентных про- грамм. Ключевые слова: онтологические и агентные программы, модели молекулярной памяти, обучающие системы.  Н.И. Ходаковский, 2014 УДК 681.327 Н.И. ХОДАКОВСКИЙ ИССЛЕДОВАНИЕ МОДЕЛЕЙ ПОИСКА ЗНАНИЙ В МОЛЕКУЛЯРНОЙ ПАМЯТИ С ИСПОЛЬЗОВАНИЕМ ОНТОЛОГИЙ И АГЕНТНЫХ ПРОГРАММ Вступление. Изучение процессов обработки информации при формировании запоми- нающих структур различного строения и на- значения является очень актуальным для по- нимания и разработки систем обучения. По- строение обучающих систем основывается на создании подсистем постановки задачи, определения специфики задачи, выбора пути поиска, нахождения и обработки знаний в подсистемах семантической памяти обучае- мого. В указанных подсистемах памяти ин- формация организована в определенной фор- ме существования и уровне систематизации результатов познавательной деятельности че- ловека. Такое определение организации ин- формационных элементов также составляет содержимое модулей знаний, хранящихся в нейронных и синаптических сетях мозга обу- чаемых. Важной особенностью синаптиче- ских систем, состоящих из множества синап- сов, в отличие от отдельного нейрона, явля- ется способность принимать и передавать множество сигналов. Исследование моделей обработки знаний в молекулярной памяти с использованием онтологий и агентных сис- тем позволит значительно расширить воз- можности построения обучающих систем. Постановка задачи. Цель данной работы – это исследование путей обработки инфор- мации в модулях знаний молекулярной па- мяти с помощью моделей на основе исполь- зования онтологий и агентных программ для создания обучающих систем. Особенности организации молекуляр- ной памяти в системах естественного ин- ИССЛЕДОВАНИЕ МОДЕЛЕЙ ПОИСКА ... Комп’ютерні засоби, мережі та системи. 2014, № 13 149 теллекта. Долговременная и кратковременная память сохраняются в связях ме- жду нейронами и в местах контакта между ними – синапсах. В синапсах аксон в виде отростка нейрона, передающего сигнал, встречается с одним из десятков дендритов – выростов соседнего нейрона, принимающих сигнал. При формиро- вании кратковременной памяти стимуляции синапса оказывается достаточно для того, чтобы временно повысить эффективность прохождения последующих сигналов. В случае долговременной памяти повышение эффективности синапса становится постоянным [1]. Основными процессами формирования указанных выше видов молекуляр- ной памяти как памяти на молекулярном уровне являются процессы обработки информации с помощью синтеза многочисленных типов белков в виде фермент- ных систем, являющихся своеобразными программными модулями клеточной субсистемы. Функции программных агентов в данном случае выполняют про- граммные агенты в виде генов ядра нейрона. Здесь и далее понятие «програм- мный агент» используется как элемент модели. При введении термина "агент" в молекулярную информатику необходимо отметить, что последний возник при алгоритмизации программ для искусствен- ного интеллекта и определяет логическую сущность, которая обладает некото- рой автономностью в своей среде или на своем хосте [2]. В компьютерном кон- тексте под агентом понимают сущность, которая объединяет данные, код и спо- собна перемещаться между разными средами выполнения. Благодаря этому агенты могут дать ряд преимуществ, таких как уменьшение передаваемого по сети трафика, децентрализация, высокая надежность и отказоустойчивость, а также легкость развертывания. Значительные возможности программных агентов позволяют отдельным нервным клеткам получать информацию о том, какие воспоминания следует со- хранять в виде долговременных связей с другими нервными клетками, а какие можно удалить. Для поддержки функций программных агентов при запоминании или стира- нии информации требуются электрохимические сигналы от соответствующих участков клетки, чтобы активировать гены в клеточном ядре. Гены направляют свой ответ обратно в отростки клетки. При принятии главного решения на уровне нейрона срабатывает комплекс программ в виде иерархии программных агентов на подтверждение сохранения синаптических связей только в том случае, если её важность информации была неоднократно подтверждена. Введение понятия программных агентов позволяет при моделировании от- вета ядра на поступивший сигнал из синапса «узнавать» гену в виде программ- ного агента когда нужно усилить синаптическую связь, а когда дать возмож- ность поступившей информации ликвидироваться. Рассмотрим механизм запоминания при работе молекулярной памяти. Здесь важным моментом является получение эффекта усиления синаптической пере- дачи. Если синапс работает недолго, но с высокой частотой, то он становится более эффективным, и в ответ на последующие стимулы в нём будут возникать Н.И. ХОДАКОВСКИЙ 150 Комп’ютерні засоби, мережі та системи. 2014, № 13 более сильные отклонения потенциала. Данное временное усиление синаптиче- ской связи является основной характеристикой кратковременной памяти. Для долговременного усиления синаптической связи постсинаптическая клетка должна выработать специальные белки, усиливающие синаптическую связь. Эти белки могут добавлять новые рецепторы, а также влиять на пресинаптиче- скую клетку. Очень важным свойством генов в виде программных агентов является их участие в превращении памяти из кратковременной в долговременную. В рабо- те [1] на большом количестве экспериментов было показано, что обучение тре- бует синтеза новых белков в мозге в течение нескольких первых минут тренин- га, в противном случае информация в памяти будет утеряна. Чтобы произвести новый белок, программный агент находит необходимый участок ДНК, находя- щийся в клеточном ядре, копирует его на небольшую подвижную молекулу, на- зываемую матричной РНК (мРНК), которая затем выходит в цитоплазму клетки, где специальные программные агенты в виде клеточных органелл считывают закодированные в ней инструкции и синтезируют молекулы белка. Если забло- кировать процесс транскрипции ДНК в мРНК или трансляции мРНК в белок, то образование долговременной памяти нарушится, в то время как кратковре- менная не пострадает. Для понимания процессов формирования долговременной молекулярной памяти рассмотрим возможный вклад в такой процесс программных агентов. Так, в молекулярной информатике таким важным программным агентом может быть представлен транскрипционный фактор под названием CREB, который иг- рает ключевую роль в превращении кратковременной памяти в долговремен- ную. Транскрипционные факторы – это управляющие белки, содержащиеся в клеточном ядре, которые отыскивают с помощью соответствующих про- граммных агентов конкретные последовательности ДНК и связываются с ними. Фактически они являются выключателями, управляющими транскрипцией ге- нов. Поэтому активация CREB в нейроне ведет к активации генов, что приводит к производству белков, усиливающих синаптическую связь, и превращают кратковременную память в долговременную. Использование различных моделей для описания процессов формиро- вания запоминающих структур в молекулярной долговременной памяти. Сетевая модель имеет аналогом структуру долговременной памяти человека и пригодна для представления знаний любых типов. Она может быть представлена в виде семантических сетей для целей моделирования естественного языка. Се- тевая структура используется при этом для представления семантических отно- шений между концептами (словами, обозначающими некоторые понятия пред- метной области) [3]. При моделировании знаний семантическая сеть состоит из двух множеств: узлов и соединяющих узлы ребер, которые отражают бинарные отношения между ними. В качестве узлов в модели используются объекты предметной области, их свойства и значения, а также события, процессы, явле- ния. Ребра могут иметь или не иметь тип, направление и количественную оценку ИССЛЕДОВАНИЕ МОДЕЛЕЙ ПОИСКА ... Комп’ютерні засоби, мережі та системи. 2014, № 13 151 отношений между узлами. Главное преимущество сетевой модели – способность выражения достаточно тонких смысловых оттенков знаний [4]. Важным типом модели для представления знаний является продукционная модель. Основу этой модели составляет множество так называемых продукци- онных правил, которые применяются в тех областях, где значительная часть знаний основана на опыте специалистов, эмпирических закономерностях и ас- социациях [5, 6]. Модель базируется на логике «из ситуации следует действие», представляет систему правил вида «Если..., то...» и обеспечивает способ пред- ставления выводов, рекомендаций, указаний, стратегий. Эта модель широко ис- пользуется в слабоформализованных областях. С началом широкого развития поисковых систем начал разрабатываться он- тологический подход к моделированию знаний. Под онтологией в компьютер- ном контексте представляют на некотором языке знания о предметной области [7]. При этом онтология может быть эквивалентной формальной системе поня- тий предметной области, их свойств, отношений между ними и правил операций над ними. Таким образом онтология является моделью предметной области и служит основой баз знаний и баз данных. Главная цель создания онтологии – стандартизация и максимальная формализация моделей знаний. При использовании онтологий достигается значительная эффективность в совместном использовании людьми или программными агентами структуры ин- формации о предметной области. Также онтологии позволяют совмещение раз- ных частей модели предметной области с возможностью изменения и доступно- сти моделей для новых пользователей. Важной особенностью онтологий являет- ся отделение структуры знаний предметной области от конкретных данных. Рассмотрим этапы разработки компьютерных программ-онтологий. Можно выделить несколько этапов разработки онтологии. После определения предмет- ной области надо осуществить поиск существующих онтологий и рассмотреть возможность их повторного использования. Многие онтологии доступны в элек- тронном виде и могут быть импортированы в среду проектирования новой онто- логии. Затем важно получить полный список терминов предметной области, разработать иерархию классов и описать их свойства. Следующим шагом явля- ется описание отношений между элементами онтологии. На этом этапе важно определиться, на каком уровне иерархии находится понятие, т. е. является ли оно классом объектов, конкретным объектом или свойством одного из объектов. Глубина детализации определяется приложением онтологии. Последним этапом является создание отдельных экземпляров классов путем ввода конкретных значений их свойств. Обоснование и эффективность введения процессов обработки онтоло- гий при формировании молекулярной памяти. Поскольку онтологии сами являются моделью исследуемой предметной области и служат основой баз знаний и баз данных об этой области, то их моделирование для понимания об- работки информации в подсистемах синапс-ядро нейрона является достаточно важным инструментом. Программные продукты, используемые нейроном по- казывают возможность и необходимость применения интеллектуальных аген- Н.И. ХОДАКОВСКИЙ 152 Комп’ютерні засоби, мережі та системи. 2014, № 13 тов для автоматического принятия решения. В свою очередь, онтологии могут широко использоваться для моделирования свойств реактивности интеллекту- альных агентов. Рассмотрим наиболее интересующий сегмент автоматизированного проек- тирования онтологий в свете организации обработки информации в нейроне. Необходимо отметить, что онтологии представляют собой результат детальной формализации некоторой области знаний с помощью концептуальной схемы. Обычно такая схема состоит из структуры данных, содержащей все релевантные классы объектов, их связи, правила, теоремы и ограничения, принятые в этой области [8]. Здесь необходимо подчеркнуть важное свойство автоматизирован- ных систем как систем, имеющих возможность автоматического принятия ре- шений. Аналогично структуре команды «if» в языках программирования, в он- тологии имеется выбор для программ при принятии решений [9]. Детальное изучение процессов обработки информации в нейронных и си- наптических сетях систем естественного интеллекта при обучении позволяет использовать на уровне моделей процессы обработки информации в компью- терных программных системах онтологий с использованием программных аген- тов. При этом широкое использование онтологий в семантической паутине (Semantic Web) позволяет рассматривать ряд важных ее свойств при изучении уровней организации обработки информации в большом количестве подсистем субнаносистемы нейрона. Не трудно предположить, что для физического пред- ставления различных предметных областей в нейроне используются своеобраз- ные онтологии и словари. Как и в объектно-ориентированном описании про- грамм, здесь онтология также состоит из классов и их экземпляров. У классов и экземпляров выделяются свойства, на свойства могут накладываться логические ограничения. Для описания онтологий, подобных Semantic Web с языками RDFS и OWL, в нейроне, в том числе в цепи подсистем, обслуживающих «вы- числительный» тракт «синапс-ядро нейрона», существуют свои описания про- грамм и библиотеки подпрограмм. Наличие в модельном описании онтологии в нейроне позволяет программ- ным агентам иметь доступ к структурам информации о предметной области клетки. При этом можно выделить несколько этапов работы программного аген- та с онтологией. После определения предметной области осуществляется поиск существующих онтологий и рассмотрение возможности их повторного исполь- зования. Многие онтологии могут копироваться и быть импортированы в среду проектирования новой онтологии. Возможности использования процессов построения онтологий в моле- кулярной памяти при обучении. При построении обучающих компьютерных систем важно использовать имеющийся арсенал инструментов построения онто- логий, как в базах знаний компьютера, так и в «базах знаний», расположенных в нейронных и синаптических сетях обучаемого. После нахождения необходимой онтологии важно получить полный список терминов предметной области, раз- работать иерархию классов и описать их свойства. Следующим шагом является описание отношений между элементами онтологии. На этом этапе важно опре- ИССЛЕДОВАНИЕ МОДЕЛЕЙ ПОИСКА ... Комп’ютерні засоби, мережі та системи. 2014, № 13 153 делиться, на каком уровне иерархии находится понятие, т. е. является ли оно классом объектов, конкретным объектом или свойством одного из объектов. Глубина детализации определяется приложением онтологии. Последний этап – это создание отдельных экземпляров классов путем ввода конкретных значе- ний их свойств. Приведенный короткий путь построения онтологий может быть использо- ван как при формировании соответствующих запоминающих структур, являю- щихся хранилищем существующих онтологий клетки и сетевых ресурсов мозга, так и при воспроизведении информации по интересующему нас вопросу. Следу- ет подчеркнуть, что существующие возможности автоматизированного проек- тирования онтологий могут в значительной мере быть использованы при созда- нии электронных учебников и сценариев работы мастер-классов. Здесь важным выводом может быть положение о том, как готовить и пода- вать новый материал при обучении. Необходимо подчеркнуть, что процесс под- готовки материала должен на первом этапе учитывать технологию, используе- мую в Semantic Web, а в дальнейшем быть значительно более эффективным за счет применения методических основ извлечения экспертных знаний с помощью новых когнитивных и коммуникативных психологических методов. Представля- ется, что разработка современных и доступных для аналитиков психологических методов извлечения знаний ускорит и увеличит эффективность разработки баз знаний и интеллектуальных компьютерных программ. Представление моделей работы онтологических и агентных программ в молекулярной памяти при обучении. Важнейшую роль в семантической сети, как компьютера, так и в синаптических сетях естественного интеллекта должны играть специальные программы – интеллектуальные агенты, в задачу которых входит работа с информацией, представленной в семантической сети онтологи- ческими программами. Указанные агенты по заданиям пользователей способны находить источники информации, запрашивать данные, сопоставлять и прове- рять их на соответствие критериям поиска, а затем выдавать ответ в удобной для пользователей форме [9]. Определение програ́ммного аге́нта сводится к программе, способной всту- пать во взаимодействие с пользователем или другой программой. При этом агент получает соглашение выполнять действия от имени кого-либо. Такие дей- ствия дают возможность право решать, какие действия представляются целесо- образными для действий данного агента. Таким образом, основное назначение агентов состоит в активации программ принятия решений самостоятельно. В связи с приведенным выше определением программных агентов целесо- образно привести деление указанных интеллектуальных агентов в зависимости от выполняемых ими функций. Основное понятие интеллектуальных агентов, обладающих определенными формами искусственного интеллекта в виде рассу- ждения и обучения, позволяет изменять способ достижения своих целей. Рас- пределённые агенты выполняют свои действия на физически различных интел- лектуальных системах или компьютерах. Многоагентные системы в отличие от http://ru.wikipedia.org/wiki/%D0%98%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9_%D0%B0%D0%B3%D0%B5%D0%BD%D1%82 http://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82 http://ru.wikipedia.org/wiki/%D0%9E%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5 Н.И. ХОДАКОВСКИЙ 154 Комп’ютерні засоби, мережі та системи. 2014, № 13 распределённых агентов, для достижения цели должны общаться. Мобиль- ные агенты способны перемещать результаты своей работы на другие испол- няющие устройства, аналогичные процессорам. Здесь необходимо также отме- тить, что указанные типы агентов обладают рядом свойств, способствующих для принятия правильных решений. Так свойство реактивности позволяет агентам реагировать на изменения среды в реальном времени. Проактивность предостав- ляет возможность решать задачи, в отличие от реактивных агентов, не простым реагированием на изменения среды, а с предварительным опрашиванием среды для принятия соответствующих решений. Важно отметить свойство обучаемости как проявление интеллектуальности агентов, выражающейся в возможности находить новые решения. При этом ука- занные агенты способны изменять алгоритм своей работы на основе имеющего- ся своего опыта и опыта других агентов, реализованных в соответствующей программе. Обосновывая использование технологий работы онтологических и агентных программ при обучении посредством построения запоминающих молекулярных структур, необходимо отметить, что человеческий мозг содержит функциональ- ные структуры, позволяющие определять грамматическую правильность тех или иных высказываний. Более того, это осуществляется и в случае, когда смыс- ла таких высказываний он еще не понимает. Правильные суждения мозг обраба- тывает по заложенным программам построения общих законов синтаксиса во время предыдущего обучения. Процесс человеческого логического мышления зиждется на определенной формальной системе правил и, при этом, очень похож на работу аналогичных компьютерных программных онтологий. Здесь важно подчеркнуть, что способность мышления обучаемого основана на том, что наши мысли в действительности представляют собой систему логи- ческих операций и связок как результат полученных ранее программ. Свойства программных агентов, которые могут быть использованы в моделях формирования молекулярной памяти. Рассмотрим возможности программных агентов в моделях формирования молекулярной памяти. Интел- лектуальные автономные агенты достаточно эффективно могут участвовать в процессах построения молекулярной памяти, поскольку способны самообучать- ся, взаимодействовать друг с другом и проявлять самостоятельность при обще- нии с клиентом. Технологии автономных агентов актуальны с точки зрения разработчика тем, что дают возможность пользователю, не знающему способа решения задачи или необходимых параметров управления процессами, обойтись использовани- ем одного прототипа агента. Группы таких агентов запускаются в распределен- ную сеть и довольно эффективно производят обработку информации согласно параметров окружающей среды и поставленным задачам. Перспектива развития интеллектуальных агентов для выполнения всевоз- можных операций поиска и сбора информации зависит, в первую очередь, от запросов поисковых систем Интернета. В последней используются различные сетевые агенты, Web-роботы для индексации данных в базах данных и базах ИССЛЕДОВАНИЕ МОДЕЛЕЙ ПОИСКА ... Комп’ютерні засоби, мережі та системи. 2014, № 13 155 знаний поисковых систем. Стремительный рост Web-пространства требует но- вых подходов для отбора нужных сведений. Новые поколения интеллектуаль- ных автономных агентов подходят для этого как нельзя лучше – они способны самообучаться, эффективно взаимодействовать друг с другом и проявлять опре- деленную самостоятельность при общении с клиентом. Агенты объединяются в мультиагентные системы для решения более серьезных задач и для более быст- рого выполнения их. Рассмотрим принципы работы агентов в поисковых системах, приближаю- щихся по сложности к нейронным и семантическим сетям человека. Актуаль- ность таких сравнений может быть отнесена, например, к мобильным вычисле- ниям в сети. Миграция агентов при этом может поддерживаться не только меж- ду постоянно подсоединенными к сети узлами, но и между мобильными плат- формами, подключаемыми к постоянной сети на промежутки времени по низко- скоростным каналам. Клиент подсоединяется к постоянной сети на короткий промежуток времени с мобильной платформы, отправляет агента для выполне- ния задачи и отсоединяется; затем клиент подсоединяется к другой точке сети и забирает результаты работы агента. В случае использования сервера, на который должен переместиться агент, последний подсоединяется к сети, а затем после выполнения своих функций отсоединяется. В этом случае агент может перемес- титься на подсоединяемый сервер и вернуться в постоянную сеть. Поисковые агенты могут содержать сведения о различных информационных источниках путем определения типа информации, способа доступа к ней и таких характери- стик информационного источника, как надежность и точность данных. Выводы. Программные онтологии – это основные объекты для агента при сборе и передачи информации в различных базах. Важно чтобы онтология была как можно понятней агенту, что необходимо для более эффективной его работы. Агенты имеют возможность считывать из онтологии предметные знания и тем самым настраиваться динамически на решение определенных задач. Используя онтологии, агенты получают возможность совершать поиск в определенных ба- зах и предметных областях. Онтологии предназначены так же для общения ме- жду агентами. Функции программных агентов при запоминании или стирании информации проявляются посредством использования электрохимических сигналов от уда- лённых участков клетки для активации генов в клеточном ядре. При этом гены направляют свой ответ обратно в отростки клетки. При принятии главного решения на уровне нейрона срабатывает комплекс программ в виде иерархии программных агентов на подтверждение сохранения синаптических связей только в том случае, если её важность информации была не однократно подтверждена. Введение понятия программных агентов позволяет при моделировании от- вета ядра на поступивший сигнал из синапса «узнавать» гену в виде программ- ного агента когда нужно усилить синаптическую связь, а когда дать возмож- ность поступившей информации ликвидироваться. Н.И. ХОДАКОВСКИЙ 156 Комп’ютерні засоби, мережі та системи. 2014, № 13 Представляется, что разработка современных и доступных для аналитиков психологических методов на основе использования агентных и онтологических систем при извлечении знаний ускорит и увеличит эффективность разработки баз знаний и интеллектуальных компьютерных программ. 1. Ходаковский Н.И. Исследование синаптических систем молекулярной памяти и их мик- ропроцессорных свойств при обучении // Комп’ютерні засоби, мережі та системи. – 2012. – № 11. – С. 23 – 32. 2. Осуга С., Саэки Ю. Приобретение знаний. – М.: Мир, 1990. – 304 с. 3. Анохин К.В. Молекулярные сценарии консолидации долговременной памяти // ЖВНД. – 1997. – Т. 47, вып. 2. – С. 261 – 279. 4. Bailey C.H., Kandel E.R., Si K. The persistence of long-term memory: a molecular approach to self-sustaining changes in learning-induced synaptic growth // Neuron. – 1994. – Т. 44. – Р. 49 – 57. 5. Fields D., Itoh K. Neural cell adhesion molecules in activity-dependent development and syn- aptic plasticity // Trends in Neurosciences. –1996. – Vol. 19. – issue 11. – P. 473 – 480. 6. Shortliffe Е.Н. Knowledge engineering for medical decision making / Shortliffe E.H., Buchaman D.G., Feigenbaum E.A. // Rev. Computer-based Clin. Decision Aids. – 1979. – Vol. 67, N 9. – P. 1207 – 1223. 7. Автоматическое построение онтологий [Электронный ресурс]. – [2009] . – Режим дос- тупа: http://shcherbak.net/avtomaticheskoe-postroenie-ontologij/] 8. QuiUian M.R. Semantic memory / Quillian M.R. 11 Semantic Information Processing / Ed. by M. Minsky. Cambridge. Massachusetts: MIT Press, 1968. – P. 216 – 270. 9. Кяещев А.С. Определение структурных свойств онтологий // Изв. РАН. Теория и систе- мы управления. – 2008. – № 2. – С. 69 – 78. Получено 15.10.2013 http://www.cell.com/trends/neurosciences/issue?pii=S0166-2236(00)X0012-4 http://shcherbak.net/avtomaticheskoe-postroenie-ontologij/
id	nasplib_isofts_kiev_ua-123456789-84841
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
issn	1817-9908
language	Russian
last_indexed	2025-11-28T23:43:37Z
publishDate	2014
publisher	Інститут кібернетики ім. В.М. Глушкова НАН України
record_format	dspace
spelling	Ходаковский, Н.И. 2015-07-16T06:22:14Z 2015-07-16T06:22:14Z 2014 Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ / Н.И. Ходаковский // Комп’ютерні засоби, мережі та системи. — 2014. — № 13. — С. 148-156. — Бібліогр.: 9 назв. — рос. 1817-9908 https://nasplib.isofts.kiev.ua/handle/123456789/84841 681.327 The article describes the processes of the creation of models and features of knowledge discovery in molecular memory based on ontologies and agent-based programs. Розглянуті умови моделювання та особливості пошуку знань в молекулярній пам’яті на основі онтологій та агентних програм. Рассмотрены условия создания моделей и особенности поиска знаний в молекулярной памяти на основе онтологий и агентных программ. ru Інститут кібернетики ім. В.М. Глушкова НАН України Комп’ютерні засоби, мережі та системи Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ Research model of search of knowledge in molecular memory with using ontology and agent-based programs Article published earlier
spellingShingle	Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ Ходаковский, Н.И.
title	Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ
title_alt	Research model of search of knowledge in molecular memory with using ontology and agent-based programs
title_full	Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ
title_fullStr	Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ
title_full_unstemmed	Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ
title_short	Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ
title_sort	исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ
url	https://nasplib.isofts.kiev.ua/handle/123456789/84841
work_keys_str_mv	AT hodakovskiini issledovaniemodeleipoiskaznaniivmolekulârnoipamâtisispolʹzovaniemontologiiiagentnyhprogramm AT hodakovskiini researchmodelofsearchofknowledgeinmolecularmemorywithusingontologyandagentbasedprograms

Исследование моделей поиска знаний в молекулярной памяти с использованием онтологий и агентных программ

Institution

Similar Items