ИССЛЕДОВАНИЕ МЕТОДОВ И АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ОПРЕДЕЛЕНИИ СТОИМОСТИ ПРОИЗВЕДЕНИЙ ИСКУССТВА

  • Сергей Владимирович Горев Ивановский государственный химико-технологический университет https://orcid/org/0000-0002-4370-9533
Ключевые слова: искусственный интеллект, произведение искусства, нейронная сеть, машинное обучение, наблюдения, алгоритм, метод, оценка, сети

Аннотация

Статья посвящена изучению существующих методов и алгоритмов искусственного интеллекта, в том числе для определения стоимости произведений искусства. Описаны методы не только машинного обучения (индуктивное, дедуктивное), но и искусственного интеллекта, такие как экспертные системы, рассуждения на основе прецедентов, нейронные сети, эволюционные вычисления, байесовские сети, нечеткие системы, семантическая сеть. Рассмотрены алгоритмы принятия решений искусственным интеллектом (наивный байесовский классификатор, метод ансамблей, метод опорных векторов, дерево принятия решений, логическая регрессия, метод наименьших квадратов). Показано, что искусственный интеллект тесно взаимосвязан с жизнью людей, в коммерческих целях, а также активно используется при создании и оценке произведений искусства. Установлено, что, несмотря на быстро развивающиеся технологии, существует довольно большой пласт работ в области поиска новых решений для улучшения использования методов и алгоритмов искусственного интеллекта. Выявлена целесообразность применения при определении стоимости произведений искусства при использовании машинного обучения алгоритм «случайный лес», так как этот алгоритм строит деревья решений, раз за разом исправляя ошибки предыдущего дерева, в итоге качество полученных предсказаний намного выше в сравнении с использованием алгоритма «дерево решений». В исследованиях, проведенные в рамках определения стоимости произведений искусства получены самые различные результаты, как для отличающихся друг от друга методик, так и для методик, использующих одни и те же алгоритмы, так и для систем, основывающихся на одном и том же алгоритме, что, в свою очередь, подтверждает необходимость дальнейших исследований данной области.

Литература

Civil Code of the Russian Federation (Part four) N 230-FL of 18.12.2006. https://www.consultant.ru/document/cons_doc_LAW_64629/. (in Russian).

Federal Law of the Russian Federation "On Objects of Cultural heritage (monuments of history and culture) of the peоples of the Russian Federation" N 73-FL of 25.06.2002. http://www.consultant.ru/document/cons_doc_LAW_37318/. (in Russian).

Federal Law "On Cultural Values Displaced to the USSR as a Result of World War II and Located on the Territory of the Russian Federation" N 64-FL of 15.04.1998. https://docs.cntd.ru/document/901705791. (in Russian).

Fundamentals of the legislation of the Russian Federation on culture (approved by the Supreme Court of the Russian Federation 09.10.1992 N 3612-1) https://www.consultant.ru/document/cons_doc_LAW_1870/. (in Russian).

The Law of the Russian Federation "On the export and import of cultural values" N 4804-1 of 15.04.1993. https://base.garant.ru/10101361/. (in Russian).

Bonner A. T. Fakes on the antique market. Legislation. 2006. N 8. P.65-68. (in Russian).

Gorev S.V. Features of forensic examination of art objects. Collection of scientific papers of Russian universities «Problems of economics, finance and production management». 2020. N 47. P. 101-104. (in Russian).

Gorev S.V. Kutuzova A.S. Practical tools for assessing the value of art objects. Ivecofin. 2021. N 1 (47). P. 6-13. DOI: 10.6060/ivecofin.20214701.511. (in Russian).

Gorev S.V. Kutuzova A.S. Analysis of the practice of taxation of transactions with art objects. Ivecofin. 2021. N2(48). P. 23-28. DOI: 10.6060/ivecofin.2021482.530. (in Russian).

Fukushima K., Miyake S. Neocognitron: A Self-Organizing Neural Network Model for a Mechanism of Visual Pattern Recognition. Competition and Cooperation in Neural Nets. Lecture Notes in Biomathematics. Vol. 45. Berlin: Heidelberg Springer. 1982. P. 267–285.

Hochreiter S., Schmidhuber J. Long Short-Term Memory. Neural Computation. MIT Press Journals. 1997. Vol. 9. N 8. P. 1735–1780.

Jordan M.I. Serial Order: A Parallel Distributed Processing Approach: Tech. Rep. ICS Report 8604: Institute for Cognitive Science, University of California, San Diego, 1986.

LeCun Y. Backpropagation Applied to Handwritten Zip Code Recognition. Neural Computation. 1989. Vol. 1. N 4. P. 541–551.

McCulloch W.S., Pitts W. A logical calculus of the ideas immanent in nervous activity. The Bulletin of Mathematical Biophysics. 1943. Vol. 5. N 4. P. 115–133.

Rumelhart D.E., Hinton G.E., Williams R.J. Learning Internal Representations by Error Propagation. Parallel Distributed Processing. Vol. 1. USA: MIT Press. 1986.

Half of all works of art on the market are fake. http://rupo.ru/rn/775/polowina_wseh_proizwedeniy_iskusstwa_na_rynke_-_poddel.html. (in Russian).

Mizgirev L., Galiaskarov E., Astrakhantseva I., Bobkov S., Astrakhantsev R. Transfer learning for road-based location classification of non-residential property. CEUR Work-shop Proceedings. Moscow: 2021. 03. EDN NQTBDE.

Astrakhantseva I., Kutuzova A., Astrakhantsev R. Artificial Neural Networks in Inflation Forecasting at the Meso-Level. SHS Web of Conferences: III International on New Industrialization and Digitalization (NID 2020). Ekaterinburg: EDP Sciences. 2021. P. 02005. DOI: 10.1051/shsconf/20219302005. EDN HXSSQJ.

Astrakhantseva I.A., Astrakhantsev R.G., Mitin A.V. Randomized C/C++ dynamic memory allocator. Journal of Physics: Conference Series: 2. Moscow. 2021. P. 012006. DOI: 10.1088/1742-6596/2001/1/012006. EDN POZQDG.

Bobkov S., Galiaskarov E., Astrakhantseva I. The use of cellular automata systems for simulation of transfer processes in a non-uniform area. CEUR Workshop Proceedings. Moscow: 2021. 42. EDN WZNKHE.

Опубликован
2022-12-16
Выпуск
Раздел
ФИНАНСЫ, ДЕНЕЖНОЕ ОБРАЩЕНИЕ, КРЕДИТ. ЦИФРОВЫЕ ФИНАНСОВЫЕ ТЕХНОЛОГИИ