загрузка...
 
1. МЕТОДОЛОГІЯ ПРОЕКТУВАННЯ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ. 1.1. Основні визначення та класифікація інтелектуальних систем
Повернутись до змісту


1. МЕТОДОЛОГІЯ ПРОЕКТУВАННЯ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ. 1.1. Основні визначення та класифікація інтелектуальних систем

Інтелектуальні системи (ІС) – це новий клас автоматизованих систем оброблення інформації на основі ЕОМ, які моделюють розумові процеси, притаманні людині при прийнятті рішень у різних галузях соціально-економічної сфери суспільства.

Відомо, що у рамках системологічного аналізу [1,2] система повністю визначається шляхом однозначного задання таких її категорій, як елемент, відношення та властивість.

Визначення 1.1.1. Метою проектування системи є конкретизація та визначення таких значень і співвідношень  її категорій, які дозволяють системі функціонувати із визначеною ефективністю.

Визначення 1.1.2. За існуючими стандартами [3] під функціонуванням системи розуміється процес виконання системою заданого робочого алгоритму при використанні системи за призначенням, тобто за критерієм мети створення системи.

Оскільки поняття “ефективність” все ще залишається неформалізованим, пропонується таке її визначення.

Визначення 1.1.3. Загальна ефективність системи визначає ступінь відповідності її складових виконанню системою свого призначення згідно із критерієм мети.

Важливою складовою загальної ефективності є функціональна ефективність.

Визначення 1.1.4. Під функціональною ефективністю системи розуміється складова загальної ефективності, яка визначає ступінь відповідності функціонування системи за її робочим алгоритмом виконанню поставленої перед нею задачі згідно з критерієм мети.

Формування критерію мети спрямовано на зняття невизначеності в описі системи. Оскільки мірою невизначеності є кількість інформації, то критерій мети має інформаційну природу, а інформаційний критерій функціональної ефективності (КФЕ) є його важливою складовою, яка визначає асимптотичні точнісні характеристики класифікатора. Залежно від вхідних даних і уявлень про побудову та функціонування системи задачі синтезу поділяють на три класи [4]: 

інформаційний синтез, який передбачає оптимізацію (тут і далі в інформаційному розумінні) функціональної ефективності системи;

структурний синтез, який спрямований на оптимізацію складу, конфігурації, внутрішніх і зовнішніх зв’язків системи при заданих алгоритмах її функціонування;

комбінований синтез структури та алгоритмів функціонування, пов’язаний з розподілом функцій за елементами системи та визначенням їх оптимального складу.

Необхідною  умовою  синтезу системи є наявність  вхідного  математичного опису.

Визначення 1.1.5. Вхідний математичний опис є адекватною моделлю вхідних даних, що відбивають основні характеристики та властивості функціонального стану системи.

Визначення 1.1.6. Під функціональним станом розуміються основні характеристики системи у визначений момент або інтервал часу її функціонування у заданому режимі, які залежать як від технічного стану системи, так і від середовища, що впливає на неї через контрольовані і неконтрольовані фактори.

Визначення 1.1.7. Під проектуванням ІС розуміється процес створення технічного, інформаційного, програмного та організаційного забезпечення ІС для досягнення поставленої мети її функціонування. При цьому головна задача проектування полягає у формуванні переліку вимог, які повинна задовольняти ІС, та їх реалізації на етапах як апріорного, так і апостеріорного проектування.

Етап апріорного проектування здійснюється  за умов відсутності експериментальних даних функціонування ІС, що проектується, тобто це початковий етап проектування ІС з властивостями, які відсутні в природі або невідомі наперед розробнику. Етап апостеріорного проектування здійснюється за умов наявності експериментальних даних, одержаних як у результаті випробувань ІС, так і в процесі її експлуатації.   

При реалізації головної задачі проектування необхідно враховувати такі фактори:

складність проектування, яка визначається повнотою апріорної інформації про ІС, що проектується;

необхідність прийняття компромісних рішень;

розбіжність з вимогами практики;

можливі ризики.

Конструктивно ІС складається з програмно-апаратної частини і об’єкта, процесу  або явища, що досліджуються (далі замість цих понять будемо використовувати переважно узагальнюючий термін  “процес”).

ІС можуть функціонувати у двох режимах: автоматичному, тобто без участі в контурі функціонування системи людини – особи, що приймає рішення, (ОПР), або автоматизованому.

На рис 1.1 показано функціональну схему ІС, що функціонує в автоматичному режимі.

Рисунок 1.1– Функціональна схема ІС, що функціонує в

автоматичному режимі

На рис.1.1 прийнято такі позначення: ЗП – пристрій, що задає вхідний сигнал;  – компаратор (суматор, пристрій порівняння); КП – керуючий пристрій; ЗЗ – зворотний зв’язок;  – випадкові неконтрольовані збурюючі фактори.

На рис 1.2 наведено функціональну схему ІС, що функціонує в автоматизованому режимі.

Рисунок1.2.– Функціональна схема ІС, що функціонує в автоматизованому режимі

Як видно з рис.1.2, в автоматизованій ІС функції регулятора виконують СППР і ОПР.

Використання ІС, що функціонують в автоматичному режимі, є виправданим для розв’язання задач контролю та керування формалізованими процесами, моделювання  яких можливе за традиційними математичними методами [5]. У той самий час областю застосування автоматизованих ІС є слабо формалізовані процеси (автоматична класифікація, ідентифікація, розпізнавання образів, керування, діагностування та інше), які відбуваються за умов апріорної невизначеності.

Визначення 1.1.8. Слабо формалізованим процесом називається динамічний процес, що має такі характеристики:

 унікальність процесу, пов’язана з моделюванням розумових процесів, властивих людині при прийнятті рішень;

 природа ознак розпізнавання може бути як кількісна, так і якісна;

неоднорідність (різнотиповість) шкал вимірів ознак розпізнавання;

імплікативний характер взаємозв’язку характеристик  ІС;

багаторівнева ієрархічна організація бази даних і взаємозв’язку підпроцесів;

різноманітність можливих форм взаємодії підпроцесів між собою, яка породжує  неоднорідність інформації, що циркулює в системі;

багатофакторність і наявність часткових суперечливих критеріїв;

нечітка, у загальному випадку, компактність реалізацій образу, обумовлена довільними початковими умовами динамічного процесу в моменти зняття інформації.

Таким чином, СППР є обов’язковою складовою автоматизованої ІС. Основною функцією СППР є створення шляхом аналізу досліджуваного процесу бази знань, яка містить дані та методи для виведення нових знань, необхідних для формування рекомендацій ОПР для вироблення оперативних і високо достовірних рішень. Далі під СППР будемо розуміти інтелектуальну СППР, здатну самостійно, на відміну від експертної системи, формувати базу знань.

Сучасна класифікація СППР повинна враховувати всі попередні класифікації, що стосуються автоматизованих систем різного призначення [6,7]. За типом вирішальних правил ІС поділяють на детерміновані, статистичні і детерміновано-статистичні. 

До детермінованих відносять СППР, що приймають рішення за чіткими вирішальними правилами. Цей клас СППР характеризується високою оперативністю, простими вирішальними правилами, але низькою достовірністю рішень, що приймаються, через вплив на ІС випадкових факторів.

Статистичні СППР ставлять за мету максимізацію (мінімізацію) статистичних критеріїв якості функціонування системи при заданих обмеженнях на саму систему або на сигнали та процеси, які впливають на неї.

У детерміновано-статистичних інтелектуальних СППР поєднано переваги як детермінованого, так і статистичного підходів до розв’язання задач аналізу та синтезу систем. У рамках цього підходу будуються прості детерміновані вирішальні правила, які  на етапі навчання системи оптимізуються (тут і далі в інформаційному розумінні) шляхом статистичної корекції.

За критерієм ступеня інтелектуалізації, який у першому наближенні може характеризуватися обсягом інформації, що обробляється, ІС можна поділити так:

системи перебору варіантів рішень згідно з встановленою пріоритетністю для наперед змодельованих ситуацій [8];

ІС, які приймають рішення за детермінованими вирішальними правилами без навчання[9-14];

ІС, що реалізують алгоритми компараторного розпізнавання за еталонами [15];

експертні системи, що з метою прийняття ефективних рішень маніпулюють спеціальними знаннями, накопиченими фахівцями-експертами у конкретно-предметній сфері знань  [16-18];

ІС, що навчаються [19-23];

знання-орієнтовані (knowledge-based) ІС, що здатні утворювати базу знань [24,25].

Здатні навчатися ІС можна поділити на такі основні класи:

ІС, що розв’язують задачу розпізнавання образів за апріорно класифікованою навчальною матрицею (навчання з “учителем”) [9,12,23];

ІС, що реалізують алгоритми факторного кластер- аналізу  [23,26];

ІС, що реалізують алгоритми кластер-аналізу при незмінному словнику ознак і за апріорно некласифікованими навчальними матрицями, тобто за умови неповної апріорної інформації про функціональний стан системи (навчання без “учителя”) [23, 27];

ІС, що самонавчаються, які реалізують так само алгоритми автоматичної класифікації за апріорно некласифікованими навчальними матрицями, але, крім того, здатні оптимізувати параметри словника ознак розпізнавання [28,29];

відмовостійкі ІС, що здатні самостійно діагностувати свій функціональний стан і відновлювати свою функціональну спроможність при виникненні відмов [30];

адаптивні ІС, що здійснюють класифікаційне самонастроювання та самоорганізацію системи [31,32];

 томографічні ІС, що відновлюють щільність перерізу об’єкта за його проекціями [33,34];

 ІС, що вирішують проблему шкалювання, яка полягає в побудові для шкал з різними мірами виміру зведеної шкали, координати якої можуть бути обернено відображені на відповідні вихідні шкали [26,35];

сенсорні ІС, що моделюють чуттєві функції людини і КТЗ яких базується на “образному” комп’ютері, наділеному властивостями “технічного зору”, усномовного розпізнавання, розпізнавання пахощів, та інше;

гібридні ІС, які поєднують різні алгоритми та методи автоматичної класифікації [36,37].

До знання-орієнтованих ІС відносять:

 системи, що ґрунтуються на інструктивних знаннях (rulebased reasoning);

системи, що ґрунтуються на автоматичному доведенні теорем (automatic theorem-proving techniques);

системи, що ґрунтуються на автоматичному породженні гіпотез (automatic hypothesizing);

системи, що ґрунтуються на доведенні за аналогією (analogical reasoning);

об’єктно-орієнтовані інтелектуальні системи (object-oriented intelligent systems);

об’єктно-логічні інтелектуальні системи, що поєднують окремі переваги об’єктно-орієнтованих систем з системами автоматичного доведення теорем і використовують об’єктно-логічні мови, фреймові логіки (F-logics), логіки транзакції (transaction logics) та інше.

Зрозуміло, що наведена класифікація не є досить повною, оскільки відбувається неперервне розширення номенклатури ІС як за призначенням, так і за принципами функціонування.

На сьогодні можна виділити такі основні підходи до аналізу і синтезу ІС:

 алгебраїчний;

геометричний;

теоретико-інформаційний;

теоретико-статистичний;

 структурний (лінгвістичний);

 біонічний (нейромережний);

 мережний;

 нечіткий;

теоретико-ігровий та інші.

Незважаючи на те, що наведені підходи відрізняються один від одного рівнем і видом математичної формалізації слабо формалізованих процесів прийняття рішень, між ними не існує чіткої межі, а самі підходи часто доповнюють один одного. Оскільки всі основні підходи, окрім алгебраїчного, перетинаються з геометричним, то саме в рамках геометричного підходу формування загальної теорії проектування ІС є найбільш виправданим.



загрузка...