Abstrakt

Súčasné trendy v informačných technológiach ukazujú na nutnosť vyvinúť viac efektívne metódy pre štrukturálnu analýzu dát a data mining. Zároveň tieto smery otvárajú nové perspektívy pre ďalší rozvoj informatiky. Tu vidíme možnosť zhodnotiť skúsenosti tímu v oblasti neurónových sietí a reštartovacích automatov. Niekoľko typov problémov z oblasti štrukturálneho rozpoznávania vzorov a data miningu sú dosť podobné a na ich riešenie by šlo použiť učenie neurónových sietí alebo reštartovacích automatov z príkladov.

Naše ciele sú

• Vyvinúť nové metódy pre efektívnu extrakciu poznatkov. Rozšíriť tieto metódy tiež na extrakciu informácie súvisiacej s hierarchickou štruktúrou dát (použitím samoorganizujúcej sa analýzy a analýzy citlivosti v BP-sieťach).
• Rozšíriť pôvodný 1D model reštartovacích automatov tak, aby pracoval na 2D vstupoch, napríklad na obrázkoch. Analyzovať teoretické vlastnosti 2D-reštartovacích automatov, resp. 2D-gramatík.
• Implementovať vyvinuté metódy a testovať ich s cieľom určiť ich limity v praktických aplikáciach. Použiť vyvinuté softvérové moduly v dvoch pilotných štúdiach – extrakcia poznatkov (napríklad pre ekonomické alebo multimediálne data) a na štrukturálne rozpoznávanie matematických vzorcov.