Описание решения
«Наносемантика» выступила технологическим партнером в проекте по созданию комплекса нейросетевых модулей для системы поддержки принятия решений (ИСППР).
СППР представляет собой компьютерную автоматизированную систему, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. Система выдает информацию (в печатной форме или на экране монитора или звуком), основываясь на входных данных. Данная информация помогает людям быстро и точно оценить ситуацию и принять решение.
Для анализа и выработок предложений в СППР используются разные методы: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и других. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуализированной СППР, или ИСППР. В данном проекте был разработан универсальный комплекс нейросетевых модулей для построения в условиях априорной неопределенности прогнозных данных в рамках задач социологии, статистики, управления, т.д.
Задачи, сформулированные клиентом для комплекса нейросетевых модулей
- Прогнозы должны оперативно строиться на основе данных, введенных пользователями
- Задания создания инференсов должны распределяться эффективным образом и на конкурентной основе, при этом должны быть соблюдены условия: ограниченные ресурсы vGPU и максимально возможная утилизация данных ресурсов
- Пайплайны обучения должны строиться на разнородных по составу, но сходных по своей природе моделях данных
Функциональное применение модулей
- Обучение прогнозных настраиваемых модулей для построения специализированных прогнозов в фоновом режиме
- Прогнозирование с возможностью настройки целевых показателей, а также с применением различных параметров прогноза
- Прогнозирование с учетом ретроспективных данных за любой период (дни, месяцы, года, века, т.д.) и с любым шагом (дни, недели, месяцы, т.д.)
- Выявление зависимостей между ретроспективными данными
- Использование разных моделей для прогнозирования в качестве заданных параметров.
Возможным применением ИСППР может стать, например, прогнозирование увеличения мест в школах в рамках выбранного района на основе данных о приросте населения и темпах роста строительства в районе. Или прогнозирование наличия больничных коек на основе данных о росте населения, заболеваемости и смежных параметрах.
