Eidolon

На этой странице Вы найдете публикации по реализации на основе семантической нейронной сети систем понимания текстов естественного языка, а также материалы по искусственному интеллекту и биоадаптивному управлению.

Автор: Шуклин Д.Е.
URL: http://eidolon.euro.ru/

Статьи

• Модели семантических нейронных сетей и их применение в системах искусственного интеллекта 3/3
• Структура семантической нейронной сети извлекающей в реальном времени смысл из текста 3/3
• Семантическая нейронная сеть, как формальный язык описания и обработки смысла текстов на естественном языке 2/3
• Структура семантической нейронной сети, реализующей морфологический и синтаксический разбор текста 2/3
• Морфологический и синтаксический разбор текстов как конечный автомат, реализованный семантической нейронной сетью имеющей структуру синхронизированного линейного дерева 2/3
• Разработка системы обрабатывающей текст естественного языка на основе семантической нейронной сети 2/3
• Реализация бинарного синхронизированного линейного дерева и его применение для обработки текста естественного языка 1/2
• Реализация нейронов в семантических нейронных сетях
• Применение семантической нейронной сети в экспертной системе, преобразующей смысл текста на естественном языке
• Применение семантической нейронной сети как формального языка описания смысла текста естественного языка
• Обработка морфологической и синтаксической синонимии и омонимии в семантической нейронной сети

• Способ активного биоадаптивного регулирования психофизиологического состояния и устройство его осуществления. / Тесленко А.И., Шуклин Д.Е. // pat. UA20874 A61B 5/16
• LocNet Ver. 0.3 - Применение семантической нейронной сети для обработки семантической синонимии и омонимии финансовых показателей электронных документов (Excel 97/Access 97) / Шуклин Д.Е.// Id: 620 Date: 2002.04.29
  По итогам проверки в испытательной лаборатории PC Magazine/RE в рамках программы Microsoft Office Extensions разработка соответствует требованиям к программным продуктам, предъявляемым испытательной лабораторией, и помещена в библиотеку Office Extensions (http://www.microsoft.ru/offext/)

Описание

Основные задачи исследования

• построение формальной модели смысла текста естественного языка в виде некоторой формальной алгебры;
• разработка семантической нейронной сети как формальной алгебры, описывающей смысл текста на естественном языке;
• разработка операций над смыслом текста, как операций, выполняемых семантической нейронной сетью;
• разработка структуры семантической нейронной сети, идентифицирующей понятия, соответствующие элементам текста естественного языка;
• разработка структуры семантической нейронной сети, выполняющей морфологический разбор слов естественного языка;
• разработка структуры семантической нейронной сети, выполняющей синтаксический разбор предложений естественного языка;
• разработка структуры семантической нейронной сети, обрабатывающей морфологическую и синтаксическую синонимию и омонимию слов естественного языка;
• разработка структуры семантической нейронной сети, выполняющей обработку понятий естественного языка;
• создание виртуальной машины моделирующей семантическую нейронную сеть на последовательной вычислительной системе;
• создание программных продуктов, в основу которых положены разработанные структуры семантической нейронной сети и проверка правильности их функционирования на контрольных примерах;
• экспериментальная проверка функционирования разработанных структур семантической нейронной сети;

Научная новизна работы

• получила дальнейшее развитие гипотеза о близкой аналогии между естественным языком и математическими высказываниями. На основании чего введено понятие семантической нейронной сети как формального представления и обработки смысла текста;
• установлено, что в качестве формального языка описания смысла текста может выступать некоторая алгебра, организованная в виде семантической нейронной сети;
• предложена реализация функций обработки градиентных данных, выполняемых нейронами;
• предложена реализация нейронной сети с помощью синхронизированных и не синхронизированных нейронов;
• разработана структура синхронизированного линейного дерева, обеспечивающая:
  • идентификацию понятий, соответствующих элементам текста;
  • морфологический разбор слов;
  • обработку морфологической синонимии и омонимии;
  • словообразование и словоизменение;
  • синтаксический разбор предложений;
  • обработку синтаксической синонимии и омонимии;
• предложена структура линии времени, обеспечивающая на уровне дискурса обработку связей между элементами различных предложений;
• разработана структура семантической нейронной сети, эквивалентная продукционной экспертной системе.

Практическое значение полученных результатов

• предложен набор функций API для ядра виртуальной машины, моделирующей семантическую нейронную сеть;
• разработана программная реализация виртуальной машины моделирующей семантическую нейронную сеть на последовательной вычислительной системе;
• разработана программная реализация продукционной экспертной системы на основе виртуальной машины, моделирующей семантическую нейронную сеть;
• разработана программная реализация, строящая дерево синтаксического подчинения предложения естественного языка;
• реализована специально модифицированная семантическая нейронная сеть обрабатывающая семантическую синонимию и омонимию финансовых показателей электронных документов;
• на основе синхронизированного линейного дерева реализована модель внутреннего монолога;
• осуществлено применение модели внутреннего монолога для синтеза фраз естественного языка.