ЭКСПЕРИМЕНТАЛЬНОЕ ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНЫХ ПАРАМЕТРОВ РЕКУРРЕНТНОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ЗАДАЧ КЛАССИФИКАЦИИ ПАТЕНТОВ


УДК 004.032.26
DOI: 10.26102/2310-6018/2019.25.2.027

А.Г. Кравец , А.С. Бурмистров , П.А. Задорожный


Показатели патентной активности в настоящее время нередко используются при технологическом прогнозировании и в конкурентной разведке. Важную роль приобретает прогнозирование развития патентных трендов в отдельно взятых странах и во всем мире, позволяющее выявить основные приоритетные направления развития технологий. Одной из основных операций анализа уровня техники для патентной заявки является поиск патентов аналогов. Международная патентная классификация устарела, большинство исследований носит междисциплинарный характер. Появляется необходимость в выделении и создании новых классов. Цель данного исследования – анализ параметров, влияющих на результаты работы рекуррентной нейронной сети, предназначенной для тематической классификации патентного массива. Проведение анализа выявленных параметров, влияющих на качество работы нейросети и подбор оптимальных значений. Были определены оптимальные параметры нейронной сети: количество слоев, размер слоёв, значение исключающего параметра, размер партии для обучения сети, осуществлен выбор оптимизатора библиотеки Keras. Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-07-01200.

Ключевые слова: тренд, классификация, патент, рекуррентная нейронная сеть, исключающий слой, анализ оптимизаторов, размер партии.

Полный текст статьи:
KravetsSoavtors_2_19_1.pdf