Разработка моделей формализации динамической базы знаний на основе принципа адаптивного резонанса

• Автор: Петров, Олег Николаевич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Санкт-Петербург
• Количество страниц: 181 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ.
Глава 1. Особенности задачи контроля нештатных и экстремальных ситуаций в бортовых интеллектуальных системах

1.1.Проблемы создания динамической базы знаний в бортовых интеллектуальных системах

1.2.Г1ринципы формализации знаний в адаптивных системах.

1.3.Аналитический обзор.

1.4.Постановка задачи исследования

1.5.Общая характеристика диссертационной работы.

Выводы по первой главе

Глава 2. Концепция и особенности построения динамической

базы знаний на основе принципа адаптивного резонанса

2.1.Концептуальная модель и общие принципы построения динамической базы знаний.
2.2. Модель динамической базы знаний на основе принципа адаптивного резонанса.
2.3.Архитектура системы и ее функциональные модули
2.4.Модели контроля нештатных и экстремальных ситуаций в
нечеткой среде
2.5.Модель оценки риска принимаемых решений при контроле
нештатных и экстремальных ситуаций
Выводы по второй главе
Глава 3. Моделирование, анализ и интерпретация нештатных и экстремальных ситуаций в бортовых интеллектуальных системах
3.1.Методы и модели в задачах принятия решений при моделировании нестандартных ситуаций
3.2.Моделирование динамики взаимодействия объекта с внешней средой при контроле нештатных и экстремальных ситуаций.
3.3.Анализ результатов моделирования при контроле нестандартных и
экстремальных ситуаций.
ЗАТестироваиие динамической базы знаний при контроле нестандартных
ситуаций
3.5.Оценка адекватности математической модели динамики объекта при
контроле нестандартных ситуаций.
Выводы по третьей главе.
Глава 4. Разработка программного комплекса, обеспечивающего функционирование динамической базы знаний на основе разработанных принципов интерпретации информации
4.1.Общий подход к оценке поведения сложного динамического объекта в
рамках принципа конкуренции.1
4.2.0собенности функционирования программного комплекса.
4.3.Средства подготовки и анализа данных расчетов и моделирования
4.4.Верификация и тестирование программного комплекса.
4.5.Анализ альтернатив и принятие решений при контроле поведения
динамического объекта.
Выводы по четвертой главе.
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ


О такой ситуации говорят как о возникновении адаптивного резонанса в сети в ответ на предъявление образа. Если резонанс не возникает в пределах некоторого заданного пороговою уровня, то успешным считается тест новизны, и образ воспринимается сетью как новый. Модификация весов нейронов, не испытавших резонанса, при этом не производится. Запомненный образ не будет изменяться, если текущий входной вектор не окажется достаточно похожим на него. Таким образом, решается проблема стабильности-пластичности. Новый образ может создавать новые классы, однако при этом существующая память не разрушается. Первым важным понятием в теории адаптивного резонанса является так называемый шаблон критических черт информации. Этот термин показывает, что не все черты (признаки), предъявленные в некотором образе, являются существенными для системы восприятия. Результат распознавания определяется присутствием специфических критических особенностей в образе. Одна и та же черта образа может быть не существенной в одном случае и критической в другом. Задачей ИНС является формирование правильной реакции в обоих случаях: «пластичное» решение о появлении нового образа и «стабильное» решение о совпадении со старым образом. При этом выделение критической части информации должно происходить автоматически в процессе работы и обучения сети на основе ее индивидуального опыта. В общем случае одного лишь перечисления признаков может оказаться недостаточно для успешного функционирования ИНС. Критическими могут оказаться и специфические связи между несколькими отдельными признаками. Вторым важным понятием теории адаптивного резонанса является самоадаптация алгоритма поиска образов в памяти. В ART используется управляемый алгоритм обучения, основным свойством которого является динамическая самоорганизация классов прототипов, соответствующих классам векторов в признаковом пространстве, путем наращивания числа нейронов в выходном слое (слое распознавания). Если поиск класса, попадающего в «резонанс» с входным вектором по соответствующему критерию сходства, не привел к успеху, то создается новый класс (добавляется новый нейрон). В противном случае согласно обучающему правилу модифицируется прототип того класса, сходство с входным вектором которого максимально. Для этого производится обучение весового вектора выигравшего нейрона слоя распознавания. Эти и другие особенности теории адаптивного управления нашли свое отражение в нейросетевых архитектурах APT. Разработано несколько модификаций сетей ART. Сеть ART-1 предназначена для обработки образов, содержащих двоичную информацию. Сети ART-2 и ART-3 могут работать с непрерывной информацией. Указанные выше идеи принципа адаптивного резонанса оказываются очень полезными при разработке адаптивных моделей динамической базы знаний, характеристика которых дается во второй главе диссертации. При разработке адаптивной системы может оказаться актуальной задача определения функции выбора [0]. С помощью этой функции можно осуществлять сужение множества альтернатив при выборе и обосновании лучшего решения. Функция выбора ? Pds = Р(Рль->Рлш5 Роь*• Оп> Кл1,. Исследуемые частные параметры в (1. Поскольку параметры, входящие в соотношение (1. S =I>, S ^7 ^Ai + S Yк ^Лк (1. Выражения (1. Pds = 1 - exp [ - (XdsKaKt], (1. КЛ - коэффициент, учитывающий особенности алгоритма проектного решения; К| — коэффициент, учитывающий время выполнения алгоритма. Для иллюстрации на рис. На этом рисунке цифрами 1,2,3 обозначены сравниваемые алгоритмы, а через А,В,С - средства их реализации, например, программная логика, микропроцессорные средства, программные средства. Рис. В качестве конкурирующих вычислительных технологий могут быть реализованы алгоритмы, построенные с помощью методологической схемы Балчи и моделей оценки риска [ 7], [ 4],[ 7],[ 9]. Аналитический обзор современного состояния проблемы разработки динамической базы знаний при анализе сложных ситуаций выполнен в табличной форме (табл. ИС новых поколений. В обзоре рассмотрены только те работы, которые имеют непосредственное отношение к теме диссертации.