ОСОБЛИВОСТІ ПОБУДОВИ МАСИВУ ДАНИХ НА ОСНОВІ НЕЙРОМЕРЕЖІ У СФЕРІ ІНТЕРНЕТУ РЕЧЕЙ ДЛЯ ГОТЕЛЬНО-РЕСТОРАННОГО БІЗНЕСУ
FEATURES OF BUILDING A DATA ARRAY BASED ON A NEURAL NETWORK IN THE SPHERE OF THE INTERNET OF THINGS FOR THE HOTEL AND RESTAURANT BUSINESS
Сторінки: 252-257 . Номер: №5, 2023 (323) 
Автори:
ШРАМ М.М.
Державний університет телекомунікацій
ORCID ID: 0009-0007-0640-1349
АНТОНЕНКО А.В.
Національний університет біоресурсів і природокористування України
ORCID ID: 0000-0001-9397-1209
e-mail: artem.v.antonenko@gmail.com
ЗАМКОВИЙ О.Ю.
Державний університет телекомунікацій
ORC ID: 0009-0000-1019-5217
ОРЛЮК Х.В.
Державний університет телекомунікацій
ORCID ID: 0009-0004-0538-0919
ДУТКО П.М.
Державний університет телекомунікацій
ORCID ID: 0009-0003-5073-9567
SHRAM MAKSYM M.
State University of Telecommunications
ANTONENKO АRTEM V.
National University of Life and Environmental Sciences of Ukraine
ZAMKOWYI OLEKSII YU., ORLIUK KHRYSTYNA V., DUTKO PAVLO M.
State University of Telecommunications
DOI: https://www.doi.org/10.31891/2307-5732-2023-325-5-252-257
Анотація мовою оригіналу
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.
Ключові слова: масив даних, штучний інтелект, нейронна мережа, Інтернет речей, датчик, інтелектуальна система, готельно-ресторанний бізнес
Розширена анотація англійською мовою
The article examines the principles of forming a data array based on a neural network in the field of the Internet of Things for the hotel and restaurant business. It has been identified that the Internet of Things generates a huge amount of unstructured data, and big data analytics is a key aspect. The concept of the Internet of Things represents a special value for the development of the hotel and restaurant business thanks to the data that can be obtained from connected elements and gadgets. Two theorems have been formulated that contribute to the disclosure of the principle of knowledge exchange that can be taken from human-computer interaction. It is determined that the assignment of the name of the economic entity should include words in the human language, and not abbreviations, codes or binary mapping. They can only be interpreted by machines that are technically more efficient in terms of storage space or network bandwidth. The principles of the theory of verificationism are revealed and the ways of adapting the structure of the data array are described. The structure of machine knowledge is schematically proposed, which is presented in relation to the formation of an array of data based on a neural network in the field of the Internet of Things for the hotel and restaurant business. The described structure has three knowledge bases: hypothesis, ontology, and parameters. It was determined that the proposed intelligent database of the data array can be applied to the Internet of Things in the field of hotel and restaurant business, regarding the autonomous exchange and accumulation of knowledge, and the platform, in turn, can use ontologies to integrate IoT devices with intelligent systems. The advantages and disadvantages of the model are described. It is noted that the advantage of this model is that IoT sensors in the cloud can learn from remote sensors in the background, regardless of the network latency connecting to the remote application, and the disadvantage is that network latency can become a bottleneck when the need in real-time decision-making is growing. It is emphasized that the implementation of the described algorithm for the formation of the data array, as well as the appropriate intellectual environment, will allow to reduce the threshold for developers to enter the field of solving problems using a neural network.
Keywords: data array, artificial intelligence, neural network, Internet of Things, sensor, intelligent system, hotel and restaurant business
