Обгрунтування синтезу діалогової моделі на основі рекурентної нейронної мережі

Abstract

Пояснювальна записка: с. 102, рис. 37, додатків. 3, джерела 50. Об'єкт дослідження: нейронна діалогова модель. Мета магістерської роботи: реалізація нейронної діалогової моделі на мові Python, використовуючи рекурентні нейронну мережу і бібліотеку машинного навчання TensorFlow. Методи дослідження. При вирішенні поставленого завдання використовувалися наукові досягнення в областях штучного інтелекту і нейронних мереж. Наукова новизна отриманих результатів полягає в проведенні аналізу та виявленні недоліків навчанні моделі ввести діалог, а також в реалізації нейронної діалогової моделі на основі використання рекурентной нейронної мережі. Практична цінність результатів полягає в створенні програмних модулів, програмного продукту, які дозволяють оцінити переваги машинного навчання на базі нейронних мереж. Область застосування. Розроблена діалогова система може застосовуватися для вирішення широкого спектру завдань, зокрема, для машинного навчання, ведення діалогу зі штучним інтелектом . Значення роботи та висновки. Удосконалена методика дозволяє проектувати діалогові системи зі значним скороченням як матеріальних витрат, так і тимчасових, що підтверджується розробленим програмним продуктом в даній магістерській роботі. Прогнози щодо розвитку досліджень. Розробити універсальні програмні модулі, які можуть бути використані для підтримки проектування ділогових систем з різних програмних платформ. Розробити комплекс програмних засобів і призначений для користувача інтерфейс для графічного представлення результатів, ведення ділогу зі штучним інтелектом з використанням рекурентної нейронної мережі. У розділі «Економіка» проведені розрахунки трудомісткості розробки програмного забезпечення, витрат на створення ПЗ й тривалості його розробки, а також провести маркетингові дослідження ринку збуту створеного програмного продукту.

Пояснительная записка: с. 102, рис. 37, приложений. 3, источники 50. Объект исследования: нейронная диалоговая модель. Цель магистерской работы: реализация нейронной диалоговой модели на языке Python, используя рекуррентные нейронную сеть и библиотеку машинного обучения TensorFlow. Методы исследования. При решении поставленной задачи использовались научные достижения в областях искусственного интеллекта и нейронных сетей. Научная новизна полученных результатов заключается в проведении анализа и выявлении недостатков обучении модели ввести диалог, а также в реализации нейронной диалоговой модели на основе использования рекурентной нейронной сети. Практическая ценность исследования заключается в создании программных модулей, программного продукта, которые позволяют оценить преимущества машинного обучения на базе нейронных сетей. Область применения. Разработанная диалоговая система может применяться для решения широкого спектра задач, в частности, для машинного обучения, ведения диалога с искусственным интеллектом. Значение работы и выводы. Усовершенствованная методика позволяет проектировать диалоговые системы со значительным сокращением как материальных затрат, так и временных, что подтверждается разработанным программным продуктом в данной магистерской работе. Прогнозы по развитию исследований. Разработать универсальные программные модули, которые могут быть использованы для поддержки проектирования дилогових систем из программных платформ. Разработать комплекс программных средств и пользовательский интерфейс для графического представления результатов, ведения дилогу с искусственным интеллектом с использованием рекуррентной нейронной сети. В разделе «Экономика» проведены расчеты трудоемкости разработки программного обеспечения, затрат на создание ПО и длительности его разработки, а также провести маркетинговые исследования рынка сбыта созданного программного продукта.

Explanatory note: p. 102, rice. 37, applications. 3, sources 50. Object of research: neural dialogue model. The purpose of the degree project: the implementation of the neural dialogue model in the language of Python, using the recurrent neural network and the library of machine learning TensorFlow. Methods of research. In addressing the task used scientific advances in the areas of artificial intelligence and neural networks. The scientific novelty of the results obtained is to carry out the analysis and identify the disadvantages of teaching the model to enter the dialogue, as well as in the implementation of the neural dialogue model based on the use of the recurrent neural network. The practical value of work is to create software modules, software products that allow us to assess the benefits of machine learning based on neural networks. The scope. The developed dialogue system can be used to solve a wide range of tasks, in particular, for machine learning, dialogue with artificial intelligence. The value of the work and conclusions. The advanced technique allows designing dialog systems with significant reductions both material costs and temporary, which is confirmed by the developed software product in this master's thesis. Projections on development research. Develop universal program modules that can be used to support the design of divine systems from various software platforms. Develop a set of software tools and a user interface for graphic presentation of results, conducting a file with artificial intelligence using a recurrent neural network. In section "Economics" calculations of the complexity of software development, expenses for software development and duration of its development, as well as marketing researches of the market of the created software product are carried out.