doi:
УДК: 004.89

ПРОБЛЕМЫ ИСПОЛЬЗОВАНИЯ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ИНТЕРЕСАХ СТРУКТУРНОЙ АДАПТАЦИИ РАСПРЕДЕЛЕННОЙ БАЗЫ ДАННЫХ

Иванов А. Ю., Изотова Н. А.
Язык статьи: русский

Аннотация

В последние годы распределенные базы данных стали все более популярными в различных сферах, таких как финансовые услуги, медицина и транспорт. Однако использование методов искусственного интеллекта (ИИ) для структурной адаптации этих баз данных может вызвать некоторые проблемы. Использование методов ИИ в интересах структурной адаптации распределенных баз данных как представляет потенциал для оптимизации работы системы, так и вызывает ряд проблем, требующих дальнейших исследований и разработок. Необходимо учитывать особенности распределенного хранения данных, обеспечивать конфиденциальность и отказоустойчивость системы, а также разрабатывать эффективные алгоритмы для работы с большими объемами данных. Ключевые слова: искусственный интеллект, структурная адаптация, базы данных, нейронные сети.

Список литературы

1. Дмитриев А.В. Применение методов ИИ для оптимизации процесса репликации данных в распределенной базе // Труды Международной конференции «Системы управления и обработки информации». 2019. Выпуск 11, № 2. С. 112–118.
2. Калинин Ю.Ю. Проблемы использования методов глубокого обучения при работе с распределенными базами данных // Вестник Московского университета имени Сеченова (Первый московский государственный медицинский университет имени И.M. Сечeновa).2018. № 11. С. 54–59.
3. Лазарев А.А. Применение методов машинного обучения для анализа и оптимизации распределенных баз данных // Информационные технологии и программирование. 2019. Т. 45, № 3. С. 312–327.
4. Смирнов Д.А. Проблемы интеграции распределенных баз данных при использовании системы управления знаниями // Вестник Национального исследовательского университета «Высшая школа экономики». 2018. Т. 22, № 1. С. 187–200.
5. Шестаков Д.В. Применение алгоритма главных компонент для оптимизации распределенных баз данных // Международный журнал прикладной фундаментальной науки. 2020. № 4–2 (70). С. 114–119.