Создание, накопление, обработка и использование информации в мире составляют мощную информационную среду. Она занимает ведущее значение в различных областях человеческой деятельности. Монография представляет начальный шаг выделения частных свойств указанного сложного процесса, их численного изучения с помощью предложенных методов и моделей инженерного характера. На наш взгляд, именно такие методы и модели составляют основу обработки больших данных в сфере решения научно-исследовательских задач. Рассматриваются и усовершенствуются классические методы и модели исследования сложных систем, основные законы (Меткалфа, Амдала, Густавсона - Барсиса, Гроша) взаимодействия сетевых структур, модели и методы оценивания их эффективности и качества, а также модели и методы исследования сложных систем с нечеткими параметрами. Рассматриваются современные инструментальные средства и технологии интеллектуальной обработки больших данных. Представлены оригинальные результаты, касающиеся решения задач: информационного взаимодействия, контроля состояния, оценивания надежности и предсказания событий для сложных систем; оценивания эффективности, качества и производительности сетевых структур, а также оценивания и обеспечения их надежности; расчета функций принадлежности с нечётким аргументом и коэффициентом, решения нечётких нелинейных уравнений, поиска условного экстремума при нечётком ограни-чении, решения дифференциальных уравнений с нечёткими коэффициентами. Дан вариант обработки больших данных на основе совместного использования инструментальной системы Hadoop под управлением Windows и сверточной нейронной сети при решении задачи распознавания рукописных цифр. Обучение нейронной сети проводится на основе набора данных MNIST образцов написания рукописных цифр. Построение сверточной нейронной сети производится с помощью системы Neural Network Toolboox. Рекомендуется преподавателям и научным сотрудникам, а также магистрантам и аспирантам и при исследовании сложных систем и технологий обработки больших данных.
Sozdanie, nakoplenie, obrabotka i ispolzovanie informatsii v mire sostavljajut moschnuju informatsionnuju sredu. Ona zanimaet veduschee znachenie v razlichnykh oblastjakh chelovecheskoj dejatelnosti. Monografija predstavljaet nachalnyj shag vydelenija chastnykh svojstv ukazannogo slozhnogo protsessa, ikh chislennogo izuchenija s pomoschju predlozhennykh metodov i modelej inzhenernogo kharaktera. Na nash vzgljad, imenno takie metody i modeli sostavljajut osnovu obrabotki bolshikh dannykh v sfere reshenija nauchno-issledovatelskikh zadach. Rassmatrivajutsja i usovershenstvujutsja klassicheskie metody i modeli issledovanija slozhnykh sistem, osnovnye zakony (Metkalfa, Amdala, Gustavsona - Barsisa, Grosha) vzaimodejstvija setevykh struktur, modeli i metody otsenivanija ikh effektivnosti i kachestva, a takzhe modeli i metody issledovanija slozhnykh sistem s nechetkimi parametrami. Rassmatrivajutsja sovremennye instrumentalnye sredstva i tekhnologii intellektualnoj obrabotki bolshikh dannykh. Predstavleny originalnye rezultaty, kasajuschiesja reshenija zadach: informatsionnogo vzaimodejstvija, kontrolja sostojanija, otsenivanija nadezhnosti i predskazanija sobytij dlja slozhnykh sistem; otsenivanija effektivnosti, kachestva i proizvoditelnosti setevykh struktur, a takzhe otsenivanija i obespechenija ikh nadezhnosti; rascheta funktsij prinadlezhnosti s nechjotkim argumentom i koeffitsientom, reshenija nechjotkikh nelinejnykh uravnenij, poiska uslovnogo ekstremuma pri nechjotkom ograni-chenii, reshenija differentsialnykh uravnenij s nechjotkimi koeffitsientami. Dan variant obrabotki bolshikh dannykh na osnove sovmestnogo ispolzovanija instrumentalnoj sistemy Hadoop pod upravleniem Windows i svertochnoj nejronnoj seti pri reshenii zadachi raspoznavanija rukopisnykh tsifr. Obuchenie nejronnoj seti provoditsja na osnove nabora dannykh MNIST obraztsov napisanija rukopisnykh tsifr. Postroenie svertochnoj nejronnoj seti proizvoditsja s pomoschju sistemy Neural Network Toolboox. Rekomenduetsja prepodavateljam i nauchnym sotrudnikam, a takzhe magistrantam i aspirantam i pri issledovanii slozhnykh sistem i tekhnologij obrabotki bolshikh dannykh.