ФРАКТАЛЬНО КИБЕРНЕТИЧЕСКАЯ МОДЕЛЬ ЗНАНИЕ: ФРАКТАЛЬНО КИБЕРНЕТИЧЕСКАЯ МОДЕЛЬ ЗНАНИЕ

Канат Амиртаев; Ербол Рустамов

doi:10.47526/3135-6877.237

Авторлар

Канат Амиртаев Қожа Ахмет Ясауи атындағы Халықаралық қазақ-түрік университеті https://orcid.org/0000-0001-8042-7167
Ербол Рустамов Ташкент мемлекеттік көлік университеті https://orcid.org/0009-0000-1976-0059

##plugins.pubIds.doi.readerDisplayName##:

https://doi.org/10.47526/3135-6877.237

Кілт сөздер:

білім фракталы, білім базасы, ақпарат, деректер, ақпарат, білім, кибернетикалық модель

Аңдатпа

Жұмыста интеллектуалды жүйелердегі мәліметтерді деректерге, ақпаратқа және білімге түрлендіру процестерін ресімдеуге арналған білімнің фракталдық-кибернетикалық моделінің (БФКМ) жаңа архитектурасы ұсынылады. Зерттеудің өзектілігі гетерогенді деректер мен ақпараттық белгісіздік көлемінің үнемі өсуі жағдайында тиімді жұмыс істей алатын жасанды интеллектті ұйымдастырудың жаңа тәсілдерін әзірлеу қажеттілігімен байланысты. Негізінен есептеу ресурстарын ұлғайтуға және құрылымдалмаған ақпараттың үлкен массивтерін өңдеуге бағытталған заманауи нейрондық желілік технологиялардан айырмашылығы, ұсынылған тәсіл білімді семантикалық ұсынуға және ақпараттық ағындарды интеллектуалды басқару механизмдеріне негізделген.

Мақалада "мәліметтер", "деректер", "ақпарат" және "білім" ұғымдарының семантикалық байланысы қарастырылады, сондай-ақ оларды бірыңғай фракталдық құрылым шеңберінде түрлендірудің формальды схемасы ұсынылады. Әзірленген модель өзін-өзі ұйымдастыруды, бейімделуді және келіп түскен ақпаратты интеллектуалды сүзуді қамтамасыз ететін кері байланыс механизмдерін қамтиды. Контекстік өңдеу және тиісті ақпаратты таңдау функцияларын орындайтын ассоциативті субъектілердің рөліне ерекше назар аударылады. Модельдің жұмысының математикалық сипаттамасы ұсынылған және оның практикалық қолданылуының мысалы қарастырылған.

Жұмыстың ғылыми жаңалығы ақпаратты қалыптастыру және түсіндіру процестерін рекурсивті басқаруды қамтамасыз ететін білімді ұйымдастырудың фракталдық принципін әзірлеу болып табылады. Зерттеудің практикалық маңыздылығы интеллектуалды жүйелерді, сараптамалық кешендерді, шешімдерді қолдау жүйелерін, робототехникалық платформаларды және жасанды интеллекттің перспективалық архитектураларын құруда ұсынылған модельді пайдалану мүмкіндігінен тұрады.

Әдебиеттер тізімі

Ackoff, R. L. (1989). From data to wisdom. Journal of Applied Systems Analysis, 16, 3–9.

Amirtaev, K. B., Rustamov, E. N., & Mukhamediya, D. T. (2023–2025). Semanticheskoe modelirovanie znaniy v intellektualnykh sistemakh [Semantic modeling of knowledge in intelligent systems]. In Materialy mezhdunarodnykh nauchnykh konferentsiy po iskusstvennomu intellektu i predstavleniyu znaniy [Proceedings of international scientific conferences on artificial intelligence and knowledge representation].

Chichkin, A. V. (1990). Matematicheskaya informatika [Mathematical informatics]. Nauka, Glavnaya redaktsiya fiziko-matematicheskoy literatury.

Mukhamedieva, D. T., Rustamov, E. N., & Vasieva, D. D. (2025). Algoritmicheskie osnovy postroeniya fraktala produktsionnogo znaniya [Algorithmic foundations of constructing a fractal of production knowledge]. European Journal of Interdisciplinary Research and Development, 2025, 171–177. http://www.ejird.journalspark.org

Muhamediyeva, D. T., & Rustamov, E. (2022). Semantic representation of production knowledge. In 2022 International Conference on Information Science and Communications Technologies (ICISCT) (pp. 1–4). IEEE. https://doi.org/10.1109/ICISCT55600.2022.10146951

Rajabi, E., & Etminani, K. (2022). Knowledge-graph-based explainable AI: A systematic review. Journal of Information Science, 50(4), 1019–1029. https://doi.org/10.1177/01655515221112844

Rustamov, E. N., Abdrakhmanov, R., Saparkhojayev, N., & Mukasheva, A. (2018). Algorithm bases of fractal knowledge bases designing in intellectual systems. Vestnik KazNRTU, 6(130), 192–198.

Rustamov, E. N., Muhamediyeva, D. T., & Safarova, L. U. (2024). Development and management of product knowledge base. In Proceedings of SPIE: Vol. 13065. Third International Conference on Optics, Computer Applications, and Materials Science (CMSD-III 2023). SPIE.

Rustamov, N. T. (1999). Prikladnoe raspoznavanie [Applied recognition]. Turkestan.

Rustamov, N. T., & Rustamov, E. N. (2022). Evristicheskaya model funktsionirovaniya psikhiki cheloveka [Heuristic model of the functioning of the human psyche]. Fan va texnologiyalar nashriyot-matbaa uyi. ISBN 978-9943-8122-5-3.

Wang, Z., Liu, Q., Yin, Y., et al. (2021). Neural, symbolic and neural-symbolic reasoning on knowledge graphs. AI Open, 2, 14–35.

Zakar-Polyák, E., Nagy, M., & Molontay, R. (2023). Towards a better understanding of the characteristics of fractal networks. Applied Network Science, 8, Article 17. https://doi.org/10.1007/s41109-023-00537-8

Zhuravlev, Yu. I., Kamilov, M. M., & Tulyaganov, Sh. E. (1974). Algoritmy vychisleniya otsenok i ikh primenenie [Algorithms for computing estimates and their application]. Tashkent.

ФРАКТАЛДЫҚ КИБЕРНЕТИКАЛЫҚ БІЛІМ МОДЕЛІ