Интеллектуальные модели качественного анализа слабо формализованных временных процессов в системах поддержки принятия решений

• Автор: Муравский, Александр Викторович
• Шифр специальности: 05.13.18, 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Ростов-на-Дону
• Количество страниц: 223 с. : ил.

СОДЕРЖАНИЕ
Введение.
1. Методы моделирования слабо формализованных процессов в системах речевой коммуникации и их применение на ж.д. транспорте

1.1 Предпосылки использования речевых технологий на ж.д. транспорте

1.2 Использование композиционно динамического программирования в системах анализа СВП

1.3 Использование искусственных нейронных сетей в системах

анализа СВП

1.4 Использование Скрытых Марковских моделей при анализе СВП

1.5 Структурнологические методы в системах анализа СВП

1.6 Выводы
2. Методы формирования вторичных временных признаков на основе нечетких временных отношений.
2.1. Значение временной информации и способы ее извлечения из необработанных данных.
2.2. Представление спектральновременной информации в речевых сигналах на основе структур нечетких временных отношений
2.3. Формирование оптимальных наборов нечетких временных признаков для баз знаний интеллектуальных систем анализа СВП.
2.4. Выводы.
Чи.Л
Глава З
3. Методы представления и обработки нечеткой динамической
ф информации в базах знаний интеллектуальных систем
3.1 Организация базы знаний интеллектуальной системы на основе структур нечетких временных отношений.
3.2. Методы обработки информации в моделях интеллектуальных
систем на основе алгоритмов нечеткологического вывода
3.3 Методы формирования и оптимизации баз знаний ИС на основе
алгоритмов обучения.
3.4. Выводы.
4. Структурно программные аспекты реализации интеллектуальных моделей анализа СВП в системах речевого распознавания
4.1 Состав и специфика речевого корпуса оператора технологического процесса сортировочной горки
4.2 Структура и принципы построения интегрированной системы автоматической классификации СВП.
4.3 Программная реализация автоматизированного рабочего места для исследования СВП
4.4 Выводы.
Заключение
Список литерату


Построение и внедрение действительно дикторонезависимых систем пока что| возможно лишь для специализированных задач, оперирующих небольшим (до 0 слов) словарем. Для многих задач ж. Данное состояние характеризуется пониженным вниманием, замедленной реакцией и периодами микросна, зачастую человек не чувствует, что находится в таком состоянии. Проведенные исследования показали наличие боле длинных пауз между фонемами при произнесении слов человеком в состоянии сонливости [3]. Система, построенная на этом принципе способна определить, путем запроса на произнесение определенной фразы и последующего ее анализа, находится ли человек в сонливом состоянии либо нет. И при положительном результате принять соответствующие меры (подача определенного сигнала, вмешательство в систему управлению и т. АСУ ТП). Такие системы в подавляющим большинстве случаев не являются полностью автоматическими и подразумевают наличие человека - оператора, зачастую специалиста в соответствующей технологической области, в чьи задачи входит контроль и при необходимости непосредственное вмешательство в работу АСУ ТП. В современных АСУ ТП человек взаимодействует с системой через контрольный терминал, в качестве которого обычно выступает персональный либо промышленный компьютер, оборудованный монитором, клавиатурой и манипулятором типа “мышь”. То есть информация о состоянии системы доступна визуально и в некоторых случаях дублируется звуковыми сигналами для привлечения внимания оператора, управление т. Соответственно оператор во время работы подвергается всем психологическим и биологически вредным нагрузкам и воздействиям связанным с вычислительной техникой и ведущим к появлению различных заболеваний [, ] (например использование клавиатуры может приводить к нарушению кровоснабжения верхних конечностей). Это в свою, очередь ведет к повышению утомляемости и, как следствие, понижению сконцентрированности на текущем сосотоянии технологического процесса. Улучшение качества обслуживания клиентов - в связи с активным внедрением современных информационных технологий и появлением качественных линий связи, становиться возможным полностью автоматизировать процесс получения клиентом интересующей его информации, например: расписание поездов, информации о задержках, заказ билетов. Системы такого класса успешно функционируют на ж. ARISE [6], проходящая испытания на сети европейских железных дорог. На рис 1. Откуда еы выезжаете ? Семантически? Расписание поездоз Откуда? Куда: Париж Дата: /Ю5 ! Рис. Пример схемы запроса к информационной ж. На железной дороге Union Pacific [] введена в строй система подтверждения доставки грузов. Клиент звонит и сообщает, что вагон с его грузом прибыл и уже разгружен. Данная система проводит верификацию диктора по голосу чтобы предотвратить дорогостоящие ошибки, и убедиться, что клиент сообщает именно о забронированном им вагоне, так как идентификационные номера вагонов и перевозчика представляют собой сложные буквенно - цифровые последовательности и могут быть легко перепутаны. Это позволяет клиентам не покидать своего офиса и не стоять в очереди к менеджеру, чтобы сообщить об успешной доставке груза. Железнодорожные перевозки являются одним из самых массовых, надежных, и дешевых способов доставки грузов. После довольно длительного интервала уменьшения количества перевозимых грузов внутри нашей страны и постсоветского пространства, связанного со спадом производства и общей экономической ситуацией в стране, вновь начинается использование максимальной загрузки сети железных дорог. Это приводит к возрастанию необходимости разработки и внедрению новых АСУ ТП, так как качественное обеспечение массового перевозочного процесса является главной составляющей в современных условиях рынка и свободной конкуренции. Одним из ключевых технологических факторов обеспечения быстрого и качественного перевозочного процесса, является расформирование составов на горочных сортировочных станциях [8]. Правильно организованный процесс расформирования составов влияет на одну из значительных экономических составляющих - пропускную способность станции.