Оброблені великі дані мають соціальне значення для розвитку суспільства та промисловості. Інтелектуальна обробка великих даних є умовою створення колективного розуму соціальної групи, компанії, держави та планети в цілому. При цьому економіка великих даних (Data Economy) виходить на перше місце в оцінці механізмів обробки, оскільки дуже важливими є два параметри: швидкодія обробки даних та енерговитрати. Тому механізми, орієнтовані на паралельну обробку великих даних усередині центру зберігання даних, будуть завжди затребувані на IT-ринку. Мета роботи - підвищення економіки великих даних (Data Economy) завдяки аналізу даних як адрес таблиці істинності для ідентифікації патернів виробничих функціональностей на основі метрики подібності-відмінності. Метод. Пропонуються архітектури Intelligent computing для управління кіберсоціальними процесами на основі моніторингу та аналізу великих даних. Пропонується обробка великих даних, як адрес таблиці істинності, для вирішення завдань ідентифікації, кластеризації, класифікації патернів соціальних та виробничих процесів. Пропонується сімейство автоматів для аналізу великих даних, як адрес. Розглядається таблиця істинності як розумна форма явних структур даних, що мають корисну константу - стандартний порядок прямування адрес. Мета обробки великих даних - зробити їх структурованими за допомогою таблиці істинності для подальшої ідентифікації до ухвалення актюаторних рішень. Таблиця істинності розглядається як механізм паралельної структуризації та пакування великих даних у її стовпці для визначення їх подібності-відмінності та еквівалентування даних за однаковими адресами. Подання даних, як адрес, пов'язане з унітарним кодуванням патернів двійковими векторами на знайденому універсумі примітивних даних. Механізм орієнтований на безпроцесорну обробку даних на основі read-write транзакцій за технологією in-memory комп'ютингу з суттєвою економією часу та енергії. Метрика обробки великих даних на таблиці істинності - це паралелізм, технологічна простота та лінійна обчислювальна складність. Платою за такі переваги є експоненційні витрати пам'яті зберігання явних структурованих даних. Висновки: наукова новизна полягає у розробці наступних інноваційних рішень: запропоновано нову векторно-матричну технологію паралельної обробки великих даних, як адрес, що характеризується використанням read-write транзакцій на матричній пам'яті без використання процесорної логіки; запропоновано архітектуру in-memory computing з глобальним зворотним зв'язком та алгоритм матричної паралельної обробки великих даних, як адрес; запропоновано метод ідентифікації патернів ключовими словами, який характеризується використанням унітарно-кодованих компонентів даних для синтезу таблиці істинності бізнес-процесу, що дає можливість використовувати транзакцію read-write для паралельної обробки великих даних, як адрес.

• Хаханов Володимир Іванович (технічні науки)
• Литвинова Євгенія Іванівна (технічні науки)
• Хаханова Ірина Віталіївна (технічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"