загрузка...
 
2.15 Визначення періоду прийняття рішень у режимі екзамену
Повернутись до змісту

2.15 Визначення періоду прийняття рішень у режимі екзамену

У підвищенні ефективності та оперативності функціонування ІС, що використовуються для керування різними процесами, важливу роль відіграє вибір періоду оброблення та аналізу інформації з метою прийняття рішень у режимі екзамену.

Нехай дано  алфавіт класів розпізнавання , навчальна матриця типу “об’єкт–властивість”  , де N, n – кількість ознак розпізнавання та векторів-реалізацій образу відповідно. Задано структурований вектор параметрів функціонування системи, що навчається, ,  який складається з еталонного вектора-реалізації   найбільш бажаного (базового) класу ,  геометричного параметра   – кодової відстані гіперповерхні контейнера   класу   від  вершини еталонного вектора ;  – період зняття (оброблення) інформації, .

Треба на етапі навчання вибрати такий оптимальний період оброблення інформації, щоб було можливо за апріорно класифікованими реалізаціями нечітких образів побудувати у реальному часі функціонування ІС оптимальне в інформаційному розумінні чітке розбиття  дискретного простору ознак  на  М  класів розпізнавання шляхом ітераційної максимізації значення інформаційного КФЕ навчання системи.

Категорійна модель у вигляді діаграми відображення множин, що застосовуються при виборі оптимального періоду оброблення інформації, така

    (2.15.1)

У діаграмі (2.15.1) Тобр – терм-множина інтервалів оброблення вхідних даних, t1 – оператор зіставлення відповідних елементів терм-множин  Е  і Тобр;  t2 – оператор зіставлення відповідних елементів терм-множин  Тобр  і  ?.

Алгоритм навчання для визначення оптимального періоду оброблення інформації полягає у реалізації багатоциклічної ітераційної процедури оптимізації структурованих параметрів функціонування ІС шляхом пошуку глобального максимуму усередненого за всім алфавітом класів значення КФЕ:

             ,       (2.15.2)

де  – область допустимих значень для періоду оброблення  інформації.

Розглянемо узагальнену схему реалізації такого алгоритму:

1. Обнуляється лічильник кроків оптимального періоду оброблення інформації  t:=0.

2. Запуск лічильника кроків оптимального періоду оброблення інформації  t:=t+1

3. Реалізується алгоритм оптимізації кроку квантування за часом вхідних реалізацій образу, який визначає період опитування датчиків інформації. При цьому обов’язково реалізується один із алгоритмів оптимізації контрольних допусків на ознаки розпізнавання (паралельний, послідовний або послідовно-паралельний).

4. Якщо , то виконується крок 2, інакше – крок 5.

5. ;   і  “ЗУПИН”.

Алгоритм визначення оптимального періоду оброблення інформації, який наведено вище, реалізовано в процесі функціонування здатної навчатися АСКТП виробництва складних мінеральних добрив у ВАТ «Сумихімпром». Як критерій оптимізації навчання АСКТП розглядалася модифікація критерію Кульбака (2.7.9), який обчислювався за робочою формулою (2.7.9) при  і . На рис. 2.17 показано процес оптимізації контейнерів трьох класів за алгоритмом послідовної оптимізації контрольних допусків (2.9.4.)  при  tобр = 15 с.

                 а)

            б)

           в)

Рисунок 2.17 – Графік залежності КФЕ від радіусів  контейнерів класів розпізнавання при  tобр=15 с:

а) клас ; б) клас ;  в) клас  

 Аналіз рис. 2.17 показує, що для всіх класів розпізнавання інформаційний КФЕ досягає свого граничного максимального значення в робочій області його визначення, яка на рисунку заштрихована.

Графіки залежності інформаційного КФЕ за Кульбаком від значення радіусів контейнерів відповідних класів розпізнавання для  tобр=30 с  показано на рис. 2.18.

             а)

              б)

              в)

Рисунок 2.18 – Графіки залежності КФЕ від радіусів контейнерів класів розпізнавання  при tобр = 30 с:

а) клас ; б) клас ; в) клас  

Аналіз рис. 2.18 показує, що тільки для двох класів розпізнавання   і  інформаційний КФЕ досягає свого гранично максимального значення в робочій області його визначення.

На рис. 2.19 наведено графіки залежності інформаційного КФЕ за Кульбаком від значення радіусів контейнерів відповідних класів розпізнавання для              tобр = 60 с.

              а)

            б)

              в)

 Рисунок 2.19– Графіки залежності КФЕ від радіусів контейнерів класів розпізнавання при tобр =60с:

а) клас ; б) клас ; в) клас

Аналіз рис. 2.19 показує, що значення КФЕ  в робочій області його визначення не досягають свого граничного максимального значення для всіх класів і є ще меншими у порівнянні з випадком  tобр = 30с.

Таким чином, аналіз рис. 2.18 – рис. 2.21 показує, що оптимальний максимальний період оброблення інформації з метою формування ІС керуючих команд для розглянутого технологічного процесу виробництва складного мінерального добрива NKP дорівнює  . Такий період оброблення інформації значно збільшує обчислювальний ресурс ІС і в перспективі дозволяє розширювати мультиагентну систему для розв’язання задач традиційного кластер-аналізу, самонавчання та прогностичного класифікаційного керування. Зменшення функціональної ефективності ІС при періодах оброблення інформації  пояснюється втратою інформації через вплив на систему неконтрольованих факторів за більший період часу.



загрузка...