рус eng
«ИЗВЕСТИЯ ИРКУТСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА». СЕРИЯ «МАТЕМАТИКА»
«IZVESTIYA IRKUTSKOGO GOSUDARSTVENNOGO UNIVERSITETA». SERIYA «MATEMATIKA»
«THE BULLETIN OF IRKUTSK STATE UNIVERSITY». SERIES «MATHEMATICS»
ISSN 1997-7670 (Print)
ISSN 2541-8785 (Online)

Список выпусков > Серия «Математика». 2025. Том 51

Объектные онтологии как априорные модели логико-вероятностного вывода

Автор(ы)
Д. Н. Гаврилин1, А. В. Манцивода1

1Иркутский государственный университет, Иркутск, Российская Федерация

Аннотация
Логико-вероятностное машинное обучение (ЛВМО) – метод искусственного интеллекта, который способен работать не только со знаниями, полученными через глубокое обучение, но и с априорными знаниями, явно представленными в виде моделей данных. Перспективный пример таких моделей — объектные онтологии, которые являются расширенным логическим аналогом объектно-ориентированных моделей в программировании. Реализованные в рамках платформы bSystem объектные онтологии позволяют решать прикладные задачи высокой сложности, например в области управления. Комбинация возможностей ЛВМО и объектных онтологий позволяет решать задачи прогнозирования, автоматического контроля, выявления проблем, поддержки принятия решений и синтеза бизнес-процессов, направленных на достижение целей. Близость формализмов ЛВМО и объектных онтологий, основанных на семантическом моделировании, позволяет интегрировать их в рамках единой гибридной формальной системы, которая представлена в данной работе. В ней описывается механизм интеграции этих двух систем и закладываются алгоритмические основы реализации получившегося гибридного формализма в рамках платформы bSystem.
Об авторах

Гаврилин Денис Николаевич, аспирант, Иркутский государcтвенный университет, Иркутск, 664003, Российская Федерация

Манцивода Андрей Валерьевич, д-р физ.-мат. наук, проф., Иркутский государcтвенный университет, Иркутск, 664003, Российская Федерация

Ссылка для цитирования

Gavrilin D. N., Mantsivoda A. V. Object Ontologies as a Priori Models for Logical-Probabilistic Machine Learning // Известия Иркутского государственного университета. Серия Математика. 2025. Т. 51. C. 116–129. https://doi.org/10.26516/1997-7670.2025.51.116

Ключевые слова
объектная онтология, логико-вероятностный вывод, платформа bSystem
УДК
004.89
MSC
68T35, 68T27
DOI
https://doi.org/10.26516/1997-7670.2025.51.116
Литература
  1. Demin A.V., Ponomaryov D.K. Machine Learning with Probabilistic Law Discovery: a Concise Introduction. The Bulletin of Irkutsk State University. Series Mathematics, 2023, vol. 43, pp. 91–109. https://doi.org/10.26516/1997-7670.2023.43.91
  2. Demin A.V., Vityaev E.E. Relyatsionnyy podkhod k izvlecheniyu znaniy i ego primeneniya [Relational Approach to Knowledge Discovery and its Applications]. Materialy Vserossiyskoy konferentsii s mezhdunarodnym uchastiem “Znaniya – Ontologii – Teorii” [Proc. ZONT Conference], Novosibirsk, 2013, vol. 1, pp. 122–130. (in Russian)
  3. Ershov Yu.L., Goncharov S.S., Sviridenko D.I. Semantic Foundations of Programming. Fundamentals of Computation Theory: Proc. Intern. Conf. FCT 87, Lect. Notes Comp. Sci. Kazan, 1987, vol. 278, pp. 116–122. https://doi.org/10.1007/3- 540-18740-5_28
  4. Gavrilin D.N., Kustova I.A., Mantsivoda A.V. Object Modelas as Microservices: a query language. The Bulletin of Irkutsk State University. Series Mathematics, 2022, vol. 42, pp. 121–137. https://doi.org/10.26516/1997-7670.2022.42.121 (in Russian)
  5. Gavrilina D.Je. and Mantsivoda A.V. Low-code and Object Spreadsheets. The Bulletin of Irkutsk State University. Series Mathematics, 2022, vol. 40, pp. 93–103. https://doi.org/10.26516/1997-7670.2022.40.93 (in Russian)
  6. Mantsivoda A.V., Ponomaryov D.K. Towards Semantic Document Modelling of Business Processes. The Bulletin of Irkutsk state university. Series Mathematics, 2019, vol. 29, pp. 52–67. https://doi.org/10.26516/1997-670.2019.29.52
  7. Mantsivoda A.V., Ponomaryov D.K. On Termination of Transactions over Semantic Document Models. The Bulletin of Irkutsk state university. Series Mathematics, 2020. vol. 31, pp. 111–131. https://doi.org/10.26516/1997-7670.2020.31.111
  8. Vityaev E.E. Logiko-verojatnostnye metody izvlechenija znanij iz dannyh i kompjuternoe poznanie [Logical-probabilistic methods of knowledge extraction from data and computer cognition]. Dr. sci. diss. Novosibirsk, 2006, 170 p. (in Russian)
  9. Vityaev E.E., Goncharov S.S., Gumirov V.S., Mantsivoda A.V., Nechesov A.V., Sviridenko D.I. Task Approach: On the Way to Trusting Artificial Intelligence. World Congress Theory, Algebraic Biology, Artificial Intelligence: Mathematical Foundations and Applications, 2023, pp. 179–243. https://doi.org/10.18699/sblai2023-41

Полная версия (english)