Статья

Название статьи ЭКСПЕРТНАЯ СИСТЕМА НА ОСНОВЕ ЭФФЕКТИВНЫХ УПРАВЛЕНИЙ С ИСПОЛЬЗОВАНИЕМ КОГНИТИВНЫХ МОДЕЛЕЙ
Автор А.Н. Целых, В.С. Васильев, Л.А. Целых, С.А. Барковский
Рубрика РАЗДЕЛ II. ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ И УПРАВЛЕНИЯ
Месяц, год 03, 2017
Индекс УДК 004.891.2
DOI
Аннотация Представлен композитный модуль извлечения знаний продукционной экспертной си-стемы на основе эффективных управлений (ЭСЭУ). Строение модуля ориентировано на обнаружение нового знания из концептуальной модели предметной области, т.е. из трансформированных экспертных знаний. Предлагается интеграция методологии когнитивного моделирования и алгоритмов их обработки в единый механизм эффективных управлений, который позволит выявить скрытые знания об исследуемой системе. Данный механизм сочетает в себе три аспекта: системное представление предметной области, математическую поддержку и техники автоматизации извлечения знаний. Нечеткие когнитивные карты в полной мере могут представить решаемую проблему в аспекте пони-мания ее структуры и взаимосвязей. Блок алгоритмической обработки предназначен для обработки нечетких ориентированных взвешенных знаковых графов с циклами обратной связи: выделение кластеров, выявление наиболее существенных факторов влияния и воздействия и формирование набора значимых факторов. Этот набор является основой для выработки соответствующих антецедентов и консеквентов для нечетких правил ЭС, основанной на механизме нечеткого логического вывода. Представлена реализация ЭСЭУ в численном эксперименте с использованием алгоритма эффективных управлений, основанного на теории систем и системном анализе, и адаптированного для решения задач управления в социально-экономических системах. Показано, что алгоритм является вычислительно эффективным и применимым для данной предметной области. Снижение уровня субъективизма пользователя при постановке экспертизы являлось приоритетной задачей при проектировании ЭСЭУ. Полученные на этой основе результаты повышают интеллектуальность логического вывода. Прототип ЭСЭУ был смоделирован с ориентацией на требования пользователей и максимальный отклик информационной системы на основе упрощенного гибридного гибкого итерационного подхода. Технологии реализации информационной системы включают использование реляционной системы управления базами данных MySQL, модифицированной системы сбора ошибок (error reporting system) с учетом типа приложения, стандартизации языка UML 2.4.1, UML-диаграммы.

Скачать в PDF

Ключевые слова Экспертные системы; эффективные управления; извлечение знаний; обнаружение знаний.
Библиографический список 1. Hayes-Roth F., Waterman D.A. a Lenat D.B. Building Expert Systems. – New York: Addison-Wesley, 1983. – 443 p.
2. Feigenbaum E. The art of artificial intelligence: themes and case studies of knowledge engineering // in Proceedings of the Fifth International Joint Conference on Artificial Intelligence, Cambridge, MA, 1977.
3. Leu G. and Abbass H. A multi-disciplinary review of knowledge acquisition methods: From human to autonomous eliciting agents // Knowledge-Based Systems. – 2016. – Vol. 105.
– P. 1-22.
4. Altay A. and Kayakutlu G. Fuzzy cognitive mapping in factor elimination: A case study for innovative power and risks // in WCIT-2010. Procedia Computer Science, Istanbul, Turkey, 2011.
5. Целых А.Н., Васильев В.С., Целых Л.А. и Барковский С.А. Метод выделения эффективных управлений в нечетких когнитивных моделях, представленых ориентированными взвешенными графами // Известия ЮФУ. Технические науки.
– 2016. – № 5 (178). – P. 5-19.
6. Lee K.C. and Lee S. A causal knowledge-based expert system for planning an Internet-based stock trading system // Expert Systems with Applications. – 2012. –Vol. 39. – P. 8526-8635.
7. Gomez A., A. Morenoa, J. Parosa and Sierra-Alonso A. Knowledge maps: An essential technique for conceptualization // Data & Knowledge Engineering. – 2000. – Vol. 33.
– P. 169-190.
8. Rafea A., Hassen H. and Hazman M. Automatic knowledge acquisition tool for irrigation and fertilization expert systems // Expert Systems with Applications. – 2003. – Vol. 24. – P. 49-57.
9. Ozdena A., Faghria A. and Li M. Using Knowledge-Automation Expert Systems to Enhance the Use and Understanding of Traffic Monitoring Data in State DOTs // in International Conference on Sustainable Design, Engineering and Construction. Procedia Engineering, 2016.
10. Ruiz-Mezcua B., Garsia-Crespo A., Lopez-Cuadrado J.L. and Gonzalez-Carrasco I. An expert system development tool for non AI experts // Expert Systems with Applications. – 2011.
– Vol. 38. – P. 597-609.
11. Do Rosário C.R., Kipper L.M., Frozza R. and Mariani B.B. Modeling of tacit knowledge in industry: Simulations on the variables of industrial processes // Expert Systems with Applications. – 2015. – Vol. 145, Issue 3. – P. 1613-1625.
12. Akinnuwesi B.A., Uzoka F.-M.E., Olabiyisi S.O. and Omidora E.O. A framework for user-centric model for evaluating the performance of distributed software system architecture // Expert Systems with Applications. – 2012. – Vol. 39. – P. 9323-9339.
13. Akinnuwesi B.A., Uzoka F.-M.E. and Osamiluyi A.O. Neuro-Fuzzy Expert System for evaluating the performance of Distributed Software System Architecture // Expert Systems with Applications. – 2013. – Vol. 40, Issue 9. – P. 3313-3327.
14. Guillaume S. and Charnomordic B. Fuzzy inference systems: An integrated modeling environment for collaboration between expert knowledge and data using FisPro // Expert Systems with Applications. – 2012. – Vol. 39. – P. 8744-8755.
15. Kim J.S. Development of a Composite Knowledge Manipulation Tool: K-Expert // Expert Systems with Applications. – 2014. – Vol. 41. – P. 4337-4348.
16. Casillas J., Cordón O., Herrera F. and Magdalena L. Interpretability Improvements to Find the Balance Interpretability-Accuracy in Fuzzy Modeling: An Overview // in Accuracy Improvements in Linguistic Fuzzy Modeling. Series Studies in Fuzziness and Soft Computing. – Berlin: Springer, 2003. – Vol. 129. – P. 3-24.
17. Breuker J. A cognitive science perspective on knowledge acquisition // International Journal of Human-Computer Studies. – 2013. – Vol. 71. – P. 177-183.
18. Kroenke M.D. Database processing – Fundamentals, design and implementation. – Addison Wesley, 2014. – 640 p.
19. Muthitacharoen А. and Saeed A.K. Examining user involvement in continuous software development (a case of error reporting system) // Communications of the ACM. – 2009.
– Vol. 52 (9). – P. 113-117.
20. Larman, Applying UML and Patterns: An Introduction to Object-Oriented Analysis and Design and Iterative Development. – Lebanon, Indiana: Prentice Hall, 2004. – 616 p.
21. Booch G., Rumbaugh J. and Jacobson I. Unified Modeling Language User Guide. – Addison Wesley Professional, 2005. – 496 p.
22. Ambler S.W. The Object Primer 3rd Edition: Agile Model Driven Development with UML 2.
– New York: Cambridge University Press, 2004. – 572 p.
23. Целых А.Н. и Целых Л.А. Методология сравнительного когнитивного моделирования на основе анализа нечетких целевых и управляющих факторов // Известия ЮФУ. Технические науки. – 2015. – № 7 (168). – С. 101-115.
24. Clancey W.J. The epistemology of a rule based system – a framework for explanation // Artificial Intelligence. – 1983. – Vol. 20. – P. 215-251.
25. Owrang O.M.M. Database systems techniques and tools in automatic knowledge acquisition for rule-based expert systems // Knowledge-Based Systems. – 2000. – Vol. 1. – P. 201-248.

Comments are closed.