Найти

Результаты поиска

• ЗНАНИЯ ДЛЯ АРГУМЕНТАЦИИ ПРИ СОПОСТАВЛЕНИИ ПРОСТРАНСТВЕННЫХ СИТУАЦИЙ

  С. Л. Беляков , Н.А. Голова , К.С. Яворчук , И. Н. Розенберг

  2022-05-26

  Аннотация ▼

  Традиционно применяемым способом оценки качества решения, которое предлагает-
  ся интеллектуальной системой, является объяснение хода логического вывода. Знания о
  рассуждениях применяются для аргументации выбора варианта решения. Последователь-
  ность примененных правил, использованные факты и подтвержденные гипотезы счита-
  ются аргументами, которые должны убедить пользователя в справедливости сформиро-
  ванного заключения. Недостатком подобного способа объяснения является то, что он
  отражает формально верный, но лишенный смыслового наполнения ход рассуждений.
  Аргументация полученного решения основывается на протоколе трассировки, по сути
  ничем не отличающегося от отладочной информации при трассировки программ. Аргу-
  ментация в таком случае далека от смысла ситуации. Под смыслом понимается заданный
  набор преобразований ситуации, сохраняющих неизменность ее восприятия человеком-
  аналитиком. Знания о смысловом содержании ситуаций должны представляться специ-
  альной моделью. В данной работе рассматривается представление, содержащее преце-
  дент и его допустимые преобразования. В такой форме описываются пространственные
  ситуации в геоинформационных системах. Для аргументации предлагается использовать
  специальные отношения между образами ситуаций. Вводится понятие области примени-
  мости образа. Взаимное расположение пространственно-временной и семантической обо-
  лочки образов и областей их применимости рассматривается как носитель отношения.
  Сведения об отношениях извлекаются из структуры картографической базы данных. Рас-
  сматриваются отношения наследования, агрегирования, композиции, генерализации и ас-
  социации классов объектов. Знания для аргументации представляются правилами опреде-
  ления показателя достоверности экспертного вывода для отдельных отношений и их со-
  четаний. Предлагается способ автоматической генерации правил. Приводятся соотноше-
  ния для сравнения уровней достоверности правил.

• ИНТЕЛЛЕКТУАЛЬНАЯ ПОДСИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ БИОЛОГИЧЕСКИ ПРАВДОПОДОБНЫХ АЛГОРИТМОВ САМООРГАНИЗАЦИИ

  Э. В. Кулиев , М.П. Кривенко , М.М. Семенова , С.В. Игнатьева

  2021-11-14

  Аннотация ▼

  Рассматриваются основные понятия и определения систем поддержки принятия реше-
  ний на основе самоорганизации. Системы поддержки принятия решений (Decision Support
  Systems) относятся к кругу интерактивных компьютерных систем, которые помогают ис-
  пользовать данные, модели и знания для решения частично структурированных, неструктури-
  рованных или неструктурированных проблем. Показана и описана схема базовой структуры
  системы поддержки принятий решений. Рассмотрены три основных компонента Decision
  Support Systems, а также описан случай, когда может быть применен четвертый компонент
  системы поддержки принятия решений – система управления, основанная на знаниях. В ста-
  тье предложено описание интеллектуальной системы поддержки принятия решений. Примеры
  специализированных интеллектуальных систем поддержки принятия решений включают в себя
  интеллектуальные системы поддержки принятия маркетинговых решений и системы меди-
  цинской диагностики, гибкие производственные системы. Проблемы, связанные с принятием
  оптимальных решений, занимают важное место в автоматизированном проектировании и
  требуют совершенствования методов и средств поддержки процессов оптимального проек-
  тирования на различных этапах. Рассмотрены алгоритмы самоорганизации, вдохновленные
  живой природой. Биоинспирированные алгоритмы являются представительским классом алго-
  ритмов самоорганизации. Биовдохновленные вычисления имитируют природу и используют
  основные концепции и поведение этих систем для решения сложных проблем. В статье описан
  алгоритм летучих мышей. Проведен экспериментальный анализ процесса применения алгорит-
  ма самоорганизации в системах принятия решений.

• ПОДХОД К УПРАВЛЕНИЮ ТРАНСПОРТНЫМИ ПОТОКАМИ НА ОСНОВЕ СТАНДАРТА МЭК 61499

  Д. М. Елькин , В. В. Вяткин

  2021-01-19

  Аннотация ▼

  Количество транспортных средств на дорогах общего пользования постоянно увеличива-
  ется, а развитие дорожной инфраструктуры происходит низкими темпами, а не качественное
  управление транспортом влечет за собой повышение стоимости перевозок, увеличение аварий-
  ности, уровня шума, а также загрязнение окружающей среды. Вследствие этого, возникает
  необходимость применения передовых алгоритмов и подходов к управлению транспортом,
  чтобы максимально использовать существующую дорожную сеть и увеличить пропускную
  способность дорог. В ходе последних исследований выявлено, что на участках дорожной сети с
  высокой интенсивностью и изменчивостью трафика, наиболее эффективны адаптивные под-
  ходы к управлению дорожным движением. Суть применяемых на сегодняшний день подходов к
  адаптивному управлению заключается в том что,они основаны на анализе транспортной за-
  груженности и изменяют фазы работы светофора в зависимости от полученных данных в
  режиме реального времени.. Адаптивное управление транспортными потоками показывает
  намного более лучшие результаты по сравнению с жестким управлением, существенно умень-
  шает транспортные задержки, время в пути и выбросы вредных веществ в атмосферу, по-
  этому современные исследователи разрабатывают новые и усовершенствуют существующие
  подходы и алгоритмы адаптивного управления транспортом. Например, активно развиваются
  подходы к управлению трафиком, основанные на концепции IoT и использовании облачных вы-
  числений. Так же разрабатываются концепции применения агентного подхода к адаптивному
  управлению. В работе предлагается способ управления транспортными потоками и автома-
  тизации дорожной инфраструктуры с использованием агентного подхода. Предлагаемый под-
  ход включает распределенное управление различными элементами дорожной сети и их прямую
  взаимосвязь друг с другом. Для реализации этой концепции был использован открытый стан-
  дарт распределенных систем управления и автоматизации МЭК 61499, а для проверки воз-
  можности реализации использованы несколько моделей транспортных пересечений, одно из
  которых создано на основе реальных данных и SUMO - пакет микроскопического и непрерывно-
  го моделирования дорожного движения.

• ТРАНСФОРМИРОВАНИЕ ОПЫТА ПРИНЯТИЯ РЕШЕНИЙ В ПРОСТРАНСТВЕННЫХ СИТУАЦИЯХ

  С. Л. Беляков , М. Л. Белякова, С.А. Зубков , Н. А. Голова, К.С. Яворчук

  2021-01-19

  Аннотация ▼

  Рассматривается задача переноса опыта принятия решений в ситуационном анали-
  зе, использующим геоинформационные системы. Необходимость интеллектуальной под-
  держки со стороны геоинформационной системы обусловлена тем, что пространствен-
  ные объекты и связи реального мира чрезвычайно динамичны. Применять в этих условиях
  аналитические модели процессов и явлений не удается из-за неполноты и противоречиво-
  сти описывающей их информации. Статистические модели зависят от большого числа
  факторов, которое варьируется при изменении географического положения ситуации.
  Альтернативой может стать использование опыта экспертов, способных принимать
  эффективные решения в локальных пространственных ситуациях. Неконтролируемость
  повторного использования опыта является проблемой. Знания, полученные при выработке
  решений в одной местности, могут привести к неадекватным решениям в другой местно-
  сти. Опыт решения проблемы в одной и той же местности теряет свою значимость с
  течением времени. В работе предлагается представление знаний в виде образа, состояще-
  го из центра и допустимых преобразований центра. Вводятся функции трансформирова-
  ния образов, выполняющие перенос знаний. Анализируются свойства функций трансфор-
  мирования, которые несут в себе процедурное знание об образах ситуаций. Рассматрива-
  ется использование выявленных свойств для формирования плана тестирования программ-
  ных процедур трансформирования. Изучаются критерии успешного трансформирования.
  Формулируется оптимизационная задача поиска наилучшей функции трансформирования в
  базе знаний ГИС. Предлагается обобщенная методика трансформирования опыта. Приво-
  дится пример синтеза методов трансформирования для выбора центра оперативного
  обслуживания вызовов. Образ ситуации принятия решения о выборе земельного участка
  для центра обслуживания, трансформируется в заданную область на карте ГИС.

• ИДЕНТИФИКАЦИЯ НЕЯВНЫХ УГРОЗ НА ОСНОВЕ АНАЛИЗА АКТИВНОСТИ ПОЛЬЗОВАТЕЛЯ В ИНТЕРНЕТ-ПРОСТРАНСТВЕ

  В. В. Бова , Д.Ю. Запорожец , Ю.А. Кравченко , Э. В. Кулиев , В.В. Курейчик , Н. А. Лызь

  2020-10-11

  Аннотация ▼

  Статья посвящена проблеме идентификации неявных информационных угроз п о-
  исковой деятельности пользователя в Интернет-пространстве на основе анализа его
  активности в процессе данного взаимодействия. Применение знаний, хранящихся в
  интернет-пространстве, для реализации преступных намерений несет в себе угрозу
  для всего общества. Выявление злого умысла в действиях пользователей глобаль ной
  информационной сети не всегда является тривиальной задачей. Отработанные техн о-
  логии анализа контекста интересов пользователя дают сбой в случае осторожных
  грамотных действий злоумышленников, которые в явном виде не демонстрируют пр е-
  следуемой ими цели. В работе проведен анализ угроз, связанных с определенными сц е-
  нариями реализации поисковых процедур, проявляющихся в поисковой деятельности.
  Описаны критерии оценки неэффективных и эффективного сценариев поиска. Среди
  признаков, указывающих на возможность наличия угрозы, выделены следующие основ-
  ные: уход от решения задачи в бесцельную навигацию или к привлекательным ресурсам,
  поверхностный поиск, отсутствие смыслового погружения в решение поисковой зад а-
  чи, хаотичные действия при поиске. Для определения налич ия неблагоприятных при-
  знаков построена система показателей. Сформулированы признаки эффективного
  сценария организации поиска в Интернет-пространстве, описаны варианты наличия
  неявных угроз для подобной ситуации. Представлен подход идентификации описанных
  угроз с учетом заданных критериев оценки различных сценариев поведения пользоват е-
  ля в глобальном информационном пространстве. Разработан алгоритм машинного
  обучения для идентификации проблемных сценариев путем сравнения с ключевыми
  паттернами поведения. Создана программная реализация подсистемы идентификации
  информационных угроз, проведены экспериментальные исследования для подтвержд ения эффективности подсистемы. Экспериментальные исследования проводились на основе обработки открытых данных из социальных сетей, а также с применением
  анализа поисковой деятельности пользователей в университетской корпоративной
  информационной среде.

• БИОИНСПИРИРОВАННЫЙ МЕТОД ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ ДИСПЕТЧЕРИЗАЦИИ ПОТОКОВ ПАРАЛЛЕЛЬНЫХ ЗАЯВОК В GRID- СИСТЕМАХ

  Д. Ю. Кравченко, Ю. А. Кравченко, В. В. Курейчик, А.Э. Саак

  2020-07-20

  Аннотация ▼

  Статья посвящена решению задачи диспетчеризации потоков параллельных заявок в
  пространственно-распределённых вычислительных системах. Актуальность задачи обос-
  нована значительным ростом востребованности парадигмы распределенных вычислений в
  условиях информационного переполнения и неопределенности. В статье рассмотрены про-
  блемы диспетчирования заявок пользователей, требующих для своего обслуживания не-
  сколько процессоров одновременно, что выходит за рамки классической теории расписа-
  ний. Проанализированы аспекты эффективности применения эвристических алгоритмов
  диспетчирования планарными ресурсами. Определены причины их недостаточности как по
  результативности, так и по эмпиричности подходов. Предложено решать задачу диспет-
  черизации параллельных заявок на основе комплексного применения коалиции интеллекту-
  альных агентов и событийной имитационной модели. Классификацию поступающих на
  вход заявок предлагается проводить на основе применения модифицированного биоинспи-
  рированного метода оптимизации поиском кукушки. Совместное использование коалиции
  интеллектуальных агентов и биоинспирированного метода позволит обеспечить беспреце-
  дентный параллелизм вычислений, а последующее определение путей обработки классифи-
  цированных заявок на основе имитационной модели сформирует наборы альтернативных
  решений, позволяющих ускорить решение задач и оптимизировать распределение имею-
  щихся вычислительных ресурсов в зависимости от наборов поступающих заявок. Для оцен-
  ки эффективности предложенного подхода разработан программный продукт и проведе-
  ны эксперименты с разным количеством поступающих на вход заявок. Каждая поступаю-
  щая на вход заявка имеет определенный набор атрибутов, являющийся вектором призна-
  ков заявки. Степень сходства вектора признаков заявки и эталонного вектора признаков
  вершины в распределяющей имитационной модели является критерием классификации
  заявки. Для повышения качества процесса диспетчеризации введены новые процедуры дуб-
  лирования неклассифицированных заявок, позволяющие интенсифицировать поиск совпаде-
  ний в векторах признаков. Также предусмотрены резервные траектории диспетчеризации
  необходимые для обработки прецедентов появления на входах заявок с абсолютным при-
  оритетом. Полученные количественные оценки демонстрируют экономию времени при
  решении задач относительно большой размерности (от 500000 вершин) не менее 10 %.
  Временная сложность в рассмотренных примерах составила . Описанные исследова-
  ния имеют высокий уровень теоретической и практической значимости и напрямую связа-
  ны с решением классических задач искусственного интеллекта, направленных на поиск
  скрытых зависимостей и закономерностей на множестве больших данных.