ОСОБЛИВОСТІ ПОБУДОВИ МАСИВУ ДАНИХ НА ОСНОВІ НЕЙРОМЕРЕЖІ У СФЕРІ ІНТЕРНЕТУ РЕЧЕЙ ДЛЯ ГОТЕЛЬНО-РЕСТОРАННОГО БІЗНЕСУ

Анотація

У статті досліджено принципи формування масиву даних на основі нейронної мережі у сфері Інтернету речей для готельно-ресторанного бізнесу. Було виявлено, що Інтернет речей генерує величезну кількість неструктурованих даних, і аналітика великих даних є ключовим аспектом. Концепція Інтернету речей представляє особливу цінність для розвитку готельно-ресторанного бізнесу завдяки даним, які можна отримати з підключених елементів і гаджетів. Сформульовано дві теореми, які сприяють розкриттю принципу обміну знаннями, які можна взяти із взаємодії людини і комп’ютера. Визначено, що присвоєння назви суб’єкта господарювання має включати слова людською мовою, а не абревіатури, коди чи двійкові відображення. Їх можуть інтерпретувати лише машини, які є технічно більш ефективними з точки зору простору для зберігання даних або пропускної здатності мережі. Розкрито принципи теорії верифікаціонізму та описано шляхи адаптації структури масиву даних. Схематично запропоновано структуру машинних знань, яка представлена стосовно формування масиву даних на основі нейронної мережі у сфері Інтернету речей для готельно-ресторанного бізнесу. Описана структура має три бази знань: гіпотезу, онтологію та параметри. Визначено, що запропонована інтелектуальна база даних масиву може бути застосована в Інтернеті речей у сфері готельно-ресторанного бізнесу щодо автономного обміну та накопичення знань, а платформа, у свою чергу, може використовувати онтології для інтеграції пристрої IoT з інтелектуальними системами. Описано переваги та недоліки моделі. Зазначається, що перевага цієї моделі полягає в тому, що датчики IoT у хмарі можуть навчатися від віддалених датчиків у фоновому режимі, незалежно від затримки мережі підключення до віддаленої програми, а недолік полягає в тому, що затримка мережі може стати вузьким місцем, коли потрібно в режимі реального часу прийняття рішень зростає. Наголошується, що реалізація описаного алгоритму формування масиву даних, а також відповідного інтелектуального середовища дозволить знизити поріг входження розробників у сферу вирішення завдань за допомогою нейронної мережі.