ОБЗОР МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ НАСТУПЛЕНИЯ ПОЛИТИЧЕСКИХ СОБЫТИЙ Гуняев А.Е.
Гуняев Александр Евгеньевич - магистрант, Институт комплексной безопасности и специального приборостроения М осковский технологический университет, г. Москва
Аннотация: политические прогнозы их моделирование, как научно аргументированные рассуждения о возможном состоянии политических механизмов в будущем. Машинное обучение, как прогнозирование на основе алгоритмов и многогранное направление искусственного интеллекта.
Ключевые слова: политические события, прогнозирование, машинное обучение, методы машинного обучения.
УДК 004.9
Человечество всегда интересовало его будущее. Именно по этой причине прогностика всегда занимала важное место в области исследований перспектив развития многих процессов, связанных с разными аспектами жизненных проявлений общества.
Прогнозы, имеющие в основе научные аргументы - гарантии в развитии определенных общественных событий или политических процессов.
Прогнозирование политических явлений - система методов и правил для комплексных заключений касательно развития будущих политических фактов. Впоследствии изображенных в виде формул, схем или графиков. [1]
Машинное обучение это конструкция, состоящая из технологий, позволяющая системам, программам решать определенные задачи без содействия человека. Актуальной темой машинного обучения в наше время является прогнозирование в области политических явлений. Предвидение данного аспекта в области интеллектуальных политологических изысканий, непосредственно сопряжено с созданием политических версий на основе научных предположений о вероятных в грядущем политических событиях. [4]
Для прогностики политических процессов применяются следующие способы, методики:
1. Коллективная оценка экспертов. События в области внешней и внутренней политики определяются, как средне арифметическая величина от оценок определенного числа экспертов. Количество которых зависит от масштабности объекта.
2. Коллективная генерация идей. Акцентируется внимание и систематизируются идей относительно возможных прогнозов сложившейся ситуации. Высокая эрудиция экспертов и полное понимание ситуации.
3. Опросы и определенное количество туров. Групповой отчет на основании статистических показателей и анонимности - «метод Дельфы».
4. Сравнительный метод исторических аналогий с прошлым.
5. Экстраполирование, программирование, которое определяет будущее возможное состояние объекта, в основе анализ прошедшего и его количественные показатели.
6. Логический цикл событий, по которому скорее всего нужным образом произойдет политическое событие это методика будущих сценариев.
7. К методологическому построению «дерева целей» относят системные элементы дуалистически взаимосвязанных относительно друг друга.
8. Критерии точек равных нулю в политическом развитии и оптимальный вариант достижения целей - это метод построения сетевых графов. [2]
Прогнозирование в области политики охватывает не только состояния политических механизмов, а также направления движения и сроки свершение события. О чем свидетельствуют топологии политических прогнозов.[3]
Список литературы
1. Witten I.H., Frank E., Hall M.A. Data Mining: Practical Machine Learning Tools and Techniques. 3rd ed. Morgan Kaufmann, 2011. 630 p. (The Morgan Kaufmann series in data management systems).
2. MachineLearning.ru. Профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных.
3. Katya Scheinberg. An Efficient Implementation of an Active Set Method for SVMs // The Journal of Machine Learning Research, 2006. № 7. P. 2237-2257.
4. ФлахП. Машинное обучение. М.: ДМК Пресс, 2015. 400.
АНАЛИЗ СУЩЕСТВУЮЩИХ ИНФОРМАЦИОННЫХ СИСТЕМ РАЗМЕЩЕНИЯ И ПОИСКА ИНФОРМАЦИИ О ЖИЛЬЕ ДЛЯ КРАТКОСРОЧНОГО БЕЗВОЗМЕЗДНОГО ПОЛЬЗОВАНИЯ
Шарапов Н.Р.
Шарапов Николай Романович - бакалавр, направление: информационные системы и технологии. кафедра геоинформационных систем, факультет информатики и робототехники, Уфимский государственный авиационный технический университет, г. Уфа
Аннотация: в настоящее время все больше людей предпочитают типовому гостиничному уюту частные дома и квартиры, предоставляемые с помощью информационных систем, на основе краткосрочного безвозмездного пользования. Соответственно существует необходимость в анализе данных систем, с целью выявления наилучшей.
Ключевые слова: анализ, информационная система, краткосрочное безвозмездное пользование жильем.
В большинстве случаев информационные системы для размещения и поиска информации о жилье для краткосрочного безвозмездного пользования объединяют участников по всему миру и имеет свою собственную нишу: некоторые обслуживают более старых путешественников, в то время как некоторые привлекают молодых студентов, некоторые поощряют большее социальное взаимодействие между хозяином и гостем, некоторые из них ориентированы на жилье в обмен на работу. Ниже рассмотрены системы, функционирующие в настоящее время и имеющие наибольшее количество участников.
СоисЬ8игй^
CoшchSшrfmg - одна из крупнейших гостевых сетей, существующая в виде онлайн-сервиса [1]. Пользователи сети предоставляют друг другу ночлег во время путешествий и организуют совместные путешествия.
Основная идея заключается в том, чтобы активизировать межкультурный обмен и коммуникацию людей в дружеской неформальной обстановке. Это даёт возможность узнавать новое, обмениваться опытом в различных сферах жизни. В том числе, благодаря такому общению людей из разных стран, представителей разных культур и национальностей, имеется возможность взглянуть на многие международные проблемы с разных сторон.
Регистрация
Базовые регистрация и поиск бесплатны, но верификация аккаунта, подтверждающая личность пользователя и предоставляющая доступ к расширенным