АНАЛИЗ МОДЕЛЕЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯЭФФЕКТИВНОГО РЕШЕНИЯ ЗАДАЧ ОПТИМИЗАЦИИ И ПРИНЯТИЯРЕШЕНИЙ
Keywords:
искусственный интеллект, машинное обучение, глубокое обучение, эволюционные алгоритмы, нейронные сети, задачи оптимизации, принятие решений, анализ данных.Abstract
В современном мире, где объемы данных постоянно растут, а задачи становятся всё более сложными и многогранными, роль искусственного интеллекта (ИИ) в оптимизации процессов и принятии решений становится неоценимой. Эта статья посвящена разработке и анализу передовых моделей ИИ, способных эффективно решать задачи оптимизации и принятия решений в различных областях, включая производство, логистику, финансы и здравоохранение. Мы исследуем, как различные модели ИИ, включая машинное обучение, глубокое обучение, эволюционные алгоритмы и неронные сети, могут быть применены для анализа данных, прогнозирования будущих тенденций и оптимизации процессов с целью улучшения эффективности и снижения затрат.
Особое внимание уделяется анализу способов интеграции моделей ИИ в существующие системы принятия решений, а также оценке их способности адаптироваться к изменяющимся условиям и обеспечивать точные и обоснованные решения в условиях неопределенности. Рассматриваются как теоретические аспекты моделирования ИИ, так и практические случаи успешного применения этих технологий в реальных условиях.
Downloads
References
Bennett C. C., Hauser K. Artificial intelligence framework for simulating clinical decision-making: A Markov decision process approach //Artificial intelligence in medicine. – 2013. – Т. 57. – №. 1. – С. 9-19.
Duan Y., Edwards J. S., Dwivedi Y. K. Artificial intelligence for decision making in the era of Big Data–evolution, challenges and research agenda //International journal of information management. – 2019. – Т. 48. – С. 63-71.
Ding R. X. et al. Large-Scale decision-making: Characterization, taxonomy, challenges and future directions from an Artificial Intelligence and applications perspective //Information fusion. – 2020. – Т. 59. – С. 84-102.
Tkatek S. et al. Artificial intelligence for improving the optimization of NP-hard problems: a review //International Journal of Advanced Trends Computer Science and Applications. – 2020. – Т. 9. – №. 5.
Goli A. et al. Hybrid artificial intelligence and robust optimization for a multi-objective product portfolio problem Case study: The dairy products industry //Computers & industrial engineering. – 2019. – Т. 137. – С. 106090.
Ahmed R. et al. Artificial intelligence techniques in refrigeration system modelling and optimization: A multi-disciplinary review //Sustainable Energy Technologies and Assessments. – 2021. – Т. 47. – С. 101488.
Vercellis C. Business intelligence: data mining and optimization for decision making. – John Wiley & Sons, 2011.
Golkarnarenji G. et al. Multi-objective optimization of manufacturing process in carbon fiber industry using artificial intelligence techniques //Ieee Access. – 2019. – Т. 7. – С. 67576- 67588.
Yaxshiboyev R., Apsilyam N. UZBEKISTAN-A COUNTRY WITH HIGH ECONOMIC POTENTIAL //CENTRAL ASIAN JOURNAL OF EDUCATION AND COMPUTER SCIENCES (CAJECS). – 2023. – Т. 2. – №. 4. – С. 18-21.
Apsilyam N., Shamsudinova L. THE SIGNIFICANCE OF INFORMATION QUALITY IN THE MODERN GLOBAL WORLD: ISSUES AND WAYS TO ADDRESS THEM //CENTRAL ASIAN JOURNAL OF EDUCATION AND COMPUTER SCIENCES (CAJECS). – 2023. – Т. 2. – №. 5. – С. 26-29.
Yakhshiboyev R. et al. The Development of a Hardware-Software Complex Based on a Neural Network for Primary Diagnostics //parameters. – Т. 20. – С. 27.
RE Y. R. E. Y. Analysis of The Impact of Hardware And Software System Developments And Inte-gration On The Domestic Healthcare Market //Eduvest-Journal of Universal Studies. – 2024. – Т. 4. – №. 1. – С. 63-77.
Downloads
Published
Issue
Section
License
License Terms of our Journal.
