Proceedings 2002

ТЕХНОЛОГИЯ ПРЕДСТАВЛЕНИЯ И ОБРАБОТКИ ЗНАНИЙ НА БАЗЕ ИНСТРУМЕНТАЛЬНОГО СРЕДСТВА ИМСЛОГ-2002

 

 

А. Е. Янковская

Томский государственный архитектурно-строительный университет

yank@tisi.tomsk.su

 

А. И. Гедике

Томский государственный архитектурно-строительный университет

gai@tsuab.ru

 

Р. В. Аметов

Томский государственный архитектурно-строительный университет

rin@tsuab.ru

 

А. Н. Кузоваткин

Томский государственный архитектурно-строительный университет

yank@tisi.tomsk.su

 

 

Ключевые слова: матричное представление данных и знаний, закономерности в знаниях, логико-комбинаторные и логико-вероятностные методы тестового распознавания, когнитивные средства визуализации, инструментальное средство, прикладные интеллектуальные системы.

 

Предлагается технология, использующая матричное представление знаний, сочетание логико-комбинаторных и логико-вероятностных методов тестового распознавания, а также разнообразные графические и когнитивные средства для обработки знаний, положенные в основу создания инструментального средства ИМСЛОГ-2002. Инструментальное средство ИМСЛОГ-2002 представляет собой трехуровневую систему, состоящую из резидентного модуля-ядра и динамически подключаемых программных модулей, реализованных на базе специально разработанных C++ классов, что позволяет создавать открытые (по наращиванию функциональных возможностей) прикладные интеллектуальные системы, адаптированные к различным проблемным областям.

 

 

1. Введение

 

Технология представления и обработки знаний включает в себя как математические модели и методы, так и реализующее их инструментальное средство. В настоящее время актуальность создания гибких, полифункциональных и удобных как для разработчика, так и пользователя инструментальных средств не вызывает сомнения.

В отличие от технологий, базирующихся на известных инструментальных средствах (например, инструментальная среда для конструирования виртуальной реальности в диалоговых системах принятия решений [1], AgSDK и MAS DK – инструментарии разработки мультиагентных систем [2, 3], инструментальный комплекс AT-ТЕХНОЛОГИЯ для поддержки построения интегрированных экспертных систем [4], инструментальное средство для конструирования динамических систем поддержки принятия решений SETRIAN [5] и ряд других), в основу предлагаемой технологии представления и обработки знаний, инвариантной к проблемным областям, положены:

1)   нетрадиционная матричная модель в пространстве признаков [6], позволяющая представлять как статические, так и динамические знания об изучаемых объектах;

2)   комплекс логико-комбинаторных и логико-вероятностных методов тестового распознавания образов [7-8], обеспечивающих следующую обработку знаний: выявление различного рода закономерностей в знаниях и оперативное принятие решений диагностического, классификационного и организационно-управленческого характера относительно предъявляемых объектов, причем, значения части признаков в описаниях объектов могут быть неизвестны или известны с некоторой вероятностью (степенью априорной уверенности в том, что то или иное значение признака может иметь место);

3)   разнообразные, ориентированные на пользователей различной квалификации графические (включая когнитивные) средства визуализации информационных структур и выявленных закономерностей, принятия и обоснования решений [9-11];

4)   инструментальное средство ИМСЛОГ-2002, поддерживающее применяемый математический аппарат представления и обработки знаний и являющееся интегрированной средой разработки и отладки прикладных интеллектуальных систем.

Данная технология является обобщением и развитием работ по созданию интеллектуальных систем, адаптированных к решению реальных задач в геологии, медицине, проектировании РЭА, строительстве, экологии, медицине чрезвычайных ситуаций, социологии, психологии, экогеологии, экобиомедицине и других областях приложения.

Инструментальное средство ИМСЛОГ-2002 является программной системой, предназначенной для комплексного решения следующих задач: формирование знаний об объектах из конкретной проблемной или междисциплинарной области, выявление закономерностей в данных и знаниях, построение решающих правил, распознавание предъявляемых (анализируемых) объектов, принятие и обоснование итоговых решений по результатам распознавания, а также для конструирования прикладных интеллектуальных систем, ориентированных на пользователей, как не обладающих специальной подготовкой, так и на квалифицированных специалистов в различных практических областях приложения, а также в научных исследованиях и в образовательных целях.

Инструментальное средство ИМСЛОГ-2002 функционирует в операционных средах Windows 95/98/2000/NT и разрабатывается не с "чистого листа", а является развитием интеллектуальных систем принятия решений ЭКСАПРАС [12] и ИМСЛОГ [13].

 

 

2. Представление знаний

 

В предлагаемом подходе к представлению и обработке знаний считается, что множество всех изучаемых объектов из рассматриваемой предметной области состоит из подмножеств, которым соответствуют различные образы, выделяемые с участием экспертов и/или с использованием тех или иных критериев. Описание каждого объекта задается совокупностью значений признаков, называемых характеристическими, причем, описания объектов из разных образов не пересекаются. Каждому объекту, принадлежащему одному и тому же образу, сопоставляется итоговое решение (описание данного образа), задаваемое совокупностью значений признаков, называемых классификационными. В качестве знаний о проблемной области используется обучающая выборка, представляющая собой множество описаний объектов (как реальных, так и синтезированных на основе знаний экспертов), для каждого из которых известна его принадлежность тому или иному образу, то есть, известно соответствующее итоговое решение.

Для хранения информации об обучающих объектах в инструментальном средстве ИМСЛОГ-2002 используется база знаний реляционного типа, организованная по модульному принципу. С каждым модулем знаний связывается некоторая обучающая выборка из рассматриваемой проблемной области. Каждому обучающему объекту ставится в соответствие логическая запись в базе знаний, каждому характеристическому или классификационному признаку – атрибут логической записи. Описание каждого атрибута состоит из набора характеристик, например, имя признака, его тип и ряд других. Информация, относящаяся к одному модулю знаний, размещается в отдельном файле, содержащем описание структуры знаний (количество атрибутов, их описание и пр.) и сами знания (описания объектов с указанием их принадлежности образам), а также результаты обработки данного модуля знаний, используемые на этапе принятия решений.

При выявлении закономерностей в знаниях и принятии решений используется нетрадиционная матричная модель [6], включающая матрицу описаний (Q), матрицы различений трех типов (R1, R2, R3) и матрицу переходов (P), которые строятся по записям модуля базы знаний инструментального средства ИМСЛОГ-2002.

Строкам матрицы Q сопоставляются обучающие объекты из рассматриваемой проблемной области, столбцам – характеристические признаки. Элементы i-й строки матрицы Q задают значения характеристических признаков для i-го объекта, являющихся в совокупности описанием данного объекта.

Строкам матриц R1, R2 и R3 взаимно однозначно сопоставляются строки матрицы Q, столбцам – уровни различения (классификационные признаки). С каждым уровнем различения связывается соответствующий механизм классификации, разбивающий множество изучаемых объектов на классы эквивалентности. Матрица R1 используется при вложенных механизмах классификации (каждый последующий механизм классификации задает более подробное разбиение множества объектов на классы эквивалентности). Матрица R3 используется, когда уровни различения соответствуют независимым механизмам классификации, например, мнениям различных экспертов об объектах из данной проблемной области. Элементы j-го столбца матрицы R1 (матрицы R3) задают принадлежность объектов классам, выделенным на j-м уровне различения. Матрица R2 используется, если требуется задать последовательности действий (например, организационно-управляющих), которые нужно выполнять для объектов, представленных строками матрицы Q. Для матрицы R2 с каждым уровнем различения связывается некоторое действие. Элементы i-й строки матрицы R2 задают, какие действия, и в каком порядке нужно применить к i-му объекту. При рассмотрении динамических процессов совокупность значений i-й строки матрицы R2 можно рассматривать как управляющее воздействие для i-го объекта.

Строкам матрицы P взаимно однозначно сопоставляются строки матрицы Q, столбцам – интервалы (моменты) времени или управляющие воздействия, которые, в частности, могут задаваться строками матрицы R2. Элемент p_ij матрицы P задает состояние, в которое должен переходить i-й объект матрицы Q на j-м интервале (в j-й момент) времени или в результате j-го управляющего воздействия. Иначе говоря, матрица P отражает динамику исследуемого процесса.

Отметим, что данная модель позволяет представлять не только фактические данные, но и знания экспертов, поскольку одной строкой матрицы Q можно задавать в интервальной форме подмножество объектов, для которых характерно одно и то же итоговое решение, задаваемое соответствующими строками матриц R1, R2 и R3.

В инструментальном средстве ИМСЛОГ-2002 матрицы различных типов и операции по манипулированию этими матрицами реализованы в виде специально разработанных С++ классов, а для визуализации знаний, представленных в матричном виде разработаны следующие графические, с элементами когнитивных средства: 1) дерево – при наличии матрицы R1; 2) двудольный граф – при наличии матрицы R2; 3) сеть – при наличии матрицы R2 [11].

 

 

3. Обработка знаний

 

3.1. Выявление закономерностей в знаниях

 

Под закономерностями в знаниях понимаются подмножества характеристических признаков с определенными, легко интерпретируемыми свойствами, влияющими на различимость объектов из разных образов, устойчиво наблюдаемыми для объектов из обучающей выборки и проявляющимися на объектах той же природы, не рассматривавшихся при поиске закономерностей, а также весовые коэффициенты признаков, отражающие их индивидуальный вклад в различимость объектов из разных образов [11].

К указанным подмножествам относятся константные (принимающие одно и тоже значение для всех объектов из обучающей выборки), устойчивые (константные внутри образа), неинформативные (не различающие ни одной пары объектов), альтернативные (различающие одни и те же пары объектов), зависимые (в смысле включения подмножеств различаемых ими пар объектов), обязательные (входящие во все безызбыточные различающие подмножества признаков), несущественные (не влияющие на принятие решений) признаки, все минимальные и все безызбыточные (либо часть безызбыточных – при большом признаковом пространстве) различающие подмножества признаков, являющиеся соответственно минимальными и безызбыточными безусловными диагностическими тестами, а также смешанные диагностические тесты, представляющие собой оптимальное сочетание безусловных и условных составляющих.

Для визуализации закономерностей в инструментальном средстве ИМСЛОГ-2002 используются графические, с элементами когнитивных средства [11]. Соотношения между различными подмножествами характеристических признаков (константных, неинформативных, обязательных, альтернативных, зависимых) отображаются на круговой диаграмме. Альтернативные признаки представляются двудольным графом, а зависимые признаки – ориентированным. Множество минимальных (безызбыточных) подмножеств признаков (диагностических тестов) представляется наглядно (при их небольшом количестве) с помощью диаграмм Венна. При этом круги, соответствующие разным тестам, окрашиваются в разные цвета. Для отображения весовых коэффициентов признаков используется гистограмма.

Для представления условий различимости обучающих объектов по матрицам Q и R1 (R3) строится безызбыточная (не содержащая поглощающих строк) двоичная матрица импликаций U' [6-7], столбцам которой сопоставляются характеристические признаки, а строкам – результаты сравнения всевозможных пар описаний типа образ-образ, объект-образ и объект-объект, принадлежащих разным образам. В случае бинарных характеристических признаков строка матрицы U' представляет собой вектор-функцию различения, m-я компонента которой принимает единичное значение (признак различающий), если m-й признак в сравниваемых описаниях принимает инверсные значения, и нулевое – в любом другом случае. Для k-значных характеристических признаков также строится двоичная матрица U', а значения признаков учитываются при вычислении их весовых коэффициентов. В ряде случаев строится секционированная по механизмам классификации матрица U' путем сравнения всевозможных пар описаний типа класс-класс, объект-класс и объект-объект, принадлежащих разным классам по каждому из механизмов классификации.

Отметим, что если только одна компонента вектор-функции различения равна единице, то признак, соответствующий этой компоненте, является обязательным в плане различимости обучающих объектов и включается во все диагностические тесты. Множество обязательных признаков образует ядро всех диагностических тестов [11].

При вычислении значения вектор-функции различения для пары объект-объект, принадлежащих разным образам, одновременно определяется противоречивость знаний. Если все компоненты вектор-функции различения для рассматриваемой пары объектов равны нулю, то имеет место противоречивость, так как в применяемом подходе образы должны быть непересекающимися.

С учетом специфики ряда проблемных областей и размерности решаемых задач разработан комплекс эффективных алгоритмов выявления закономерностей в знаниях и построения вышеперечисленных диагностических тестов [11].

Для выбора того или иного алгоритма выявления закономерностей в инструментальном средстве ИМСЛОГ-2002 предусмотрен соответствующий сценарий диалога.

При построении 2-х, 3-х, k-значных тестов используются следующие подходы [11]:

1. С построением безызбыточной матрицы импликаций U'.
2. С частичным построением матрицы U'.
3. Без построения матрицы импликаций U'.

Какой из этих подходов применять, зависит от размерности знаний (число характеристических, классификационных признаков, строк матрицы Q), самих знаний и их репрезентативности. Отметим, что в инструментальном средстве ИМСЛОГ-2002 анализ знаний на репрезентативность можно осуществлять двумя способами: на основе логико-комбинаторного и статистического подходов [14].

При первом подходе к построению тестов реализованы следующие алгоритмы:

1. a) поиск всех кратчайших столбцовых покрытий с одновременным выявлением закономерностей и построением минимальных (оптимальных) тестов;
2. b) поиск безызбыточных тестов с одновременным выявлением обязательных признаков, вычислением весов признаков и использованием шагово-циклического алгоритма, заключающегося в выделении неисключаемых подмножеств столбцов из матриц Q, U' (применяется итерационная процедура удаления столбцов из матриц Q, U' или добавления столбцов к столбцам, сопоставленным обязательным);
3. c) поиск минимальных и безызбыточных безусловных тестов с использованием генетических алгоритмов [11].

При втором и третьем подходах разработаны алгоритмы, аналогичные алгоритмам b и c из первого подхода, только добавление столбцов осуществляется к неисключаемому подмножеству столбцов, сопоставленных ядру диагностических тестов, а при удалении столбцов не удаляются сопоставленные ядру столбцы.

Алгоритмы построения безусловных и смешанных минимальных и безызбыточных тестов при 1-м подходе в случае реализации алгоритмов a и b включают следующие пункты.

1. Вычисление вектор-функции различения для очередной пары описаний типа образ-образ, объект-образ, объект-объект из разных образов (класс-класс, объект-класс, объект-объект из разных классов при фиксированном механизме классификации при построении секционированной матрицы U').
2. Подсчет весовых коэффициентов признаков.
3. Добавление очередного значения вектор-функции различения в текущую матрицу U' с одновременным удалением из матрицы U' поглощающих строк.
4. Выявление обязательных признаков и, при наличии таковых, включение их в ядро диагностических тестов.
5. Выявление неинформативных, альтернативных и зависимых признаков.
6. Удаление из матрицы U' неинформативных и, если строятся минимальные диагностические тесты, зависимых признаков.
7. Нахождение всех кратчайших (всех или достаточного для принятия достоверных решений числа безызбыточных) столбцовых покрытий матрицы импликаций U' с использованием весовых коэффициентов признаков.
8. Построение минимального (безызбыточного) безусловного диагностического теста по каждому из кратчайших (безызбыточных) столбцовых покрытий.
9. Построение по каждому безусловному тесту смешанного диагностического теста с включением обязательных признаков в безусловную составляющую смешанного теста [11].
10. Вычисление весовых коэффициентов диагностических тестов.

Отметим, что построение по безусловному тесту смешанного диагностического теста целесообразно проводить по предъявлению анализируемого объекта, поскольку существенно сокращается перебор при его построении и одновременно осуществляется принятие решения.

 

3.2. Принятие и обоснование решений

 

Анализ предъявляемого описания объекта на принадлежность тому или иному образу осуществляется на основе решающих правил, построенных по каждому из диагностических тестов, в рамках логико-комбинаторного и/или логико-вероятностного подходов к распознаванию образов [7].

В первом случае распознавание осуществляется на основе вычисляемых коэффициентов условной близости предъявляемого объекта к каждому из образов и с учетом задаваемой пользователем допустимой погрешности принятия решения [7]. При этом за величину условной близости к i-му образу берется отношение коэффициента сходства описания предъявляемого объекта с описаниями объектов из i-го образа (K1_i) к коэффициенту сходства описаний объектов из i-го образа между собой (K2_i), вычисляемых с учетом всех выявленных закономерностей в знаниях.

Во втором случае распознавание осуществляется на основе вычисляемых вероятностей (степеней) принадлежности объекта к образам, вычисляемых с учетом задаваемых пользователем вероятностей значений признаков в описании данного объекта [8].

Итоговое решение относительно объекта принимается по результатам применения процедуры голосования на множестве подходов и совокупностей решающих правил, построенных по всем минимальным, всем (либо достаточного их числа) безызбыточным безусловным тестам, а также по смешанным диагностическим тестам.

В зависимости от постановки задачи решения могут носить диагностический, классификационный, организационно-управленческий или прогностический характер.

Для выбора того или иного метода распознавания в инструментальном средстве ИМСЛОГ-2002 предусмотрен соответствующий сценарий диалога. Кроме того, как для принятия решений, так и для обоснования принимаемых решений используются следующие альтернативные и дополняющие друг друга когнитивные средства [11]: гистограмма специального типа, правильный n-симплекс (равносторонний треугольник при n=2), круговая диаграмма с отрезком или прямоугольником.

Гистограмма отражает количественные соотношения между числовыми значениями условной степени близости распознаваемого объекта ко всем выделенным образам. Равносторонний треугольник отражает пространственное расположение объекта относительно трех характерных образов. Круговая диаграмма с отрезком (прямоугольником) отражают: 1) количественные соотношения (по каждому образу отдельно) между коэффициентами сходства описаний объектов внутри образа и описания предъявляемого объекта с описаниями объектов из образов; 2) пространственное расположение предъявляемого объекта относительно любых двух (четырех) образов.

Для визуализации динамики изучаемого процесса используются гистограмма и равносторонний треугольник специального вида [9].

Для отображения решений при логико-комбинаторном распознавании используются вышеупомянутые коэффициенты сходства описаний объектов внутри образов, сходства описания предъявляемого объекта с описаниями объектов в образах и условной степени близости распознаваемого объекта к образам, а при логико-вероятностном распознавании – вероятности (степени) принадлежности объекта к образам.

 

4. Инструментальное средство ИМСЛОГ-2002

 

Создаваемое в лаборатории интеллектуальных систем (ЛИС) ТГАСУ инструментальное средство ИМСЛОГ-2002 ориентировано на операционные среды Windows 95/98/2000/NT, представляет собой трехуровневую систему программных модулей, реализованных с использованием библиотеки специально разработанных, тесно взаимодействующих друг с другом С++ классов, и является интегрированной средой разработки и отладки прикладных интеллектуальных систем, адаптированных к различным областям приложения.

Верхнему уровню соответствует резидентный программный модуль, называемый ядром. Ко второму уровню относятся модули, поддерживающие интеллектуальный интерфейс с пользователем, управление базой знаний, оптимизацию базы знаний, принятие решений, графические и когнитивные средства визуализации. Все остальные программные модули, реализующие различные алгоритмы обработки знаний или отдельные функции создаваемых интеллектуальных систем, относятся к третьему уровню.

Ядро имеет собственную систему команд, выполняет функции координирующего центра и обеспечивает: 1) автоматическое подключение к интеллектуальной системе новых модулей; 2) загрузку модулей второго уровня на время сеанса работы с системой; 3) динамический вызов модулей третьего уровня; 4) передачу управления от одного модуля к другому; 5) информационную связь между модулями; 6) контроль корректности выполнения модулей. Все модули второго и третьего уровней содержат специальный блок регистрации в ядре, необходимый для их автоматического подключения к создаваемой прикладной интеллектуальной системе, и, если в процессе их работы требуется устанавливать межмодульные связи, используют команды ядра.

Взаимодействие с пользователем организовано в форме многооконного интеллектуального интерфейса с развитой системой экранной помощи, поддерживающего основные соглашения GUI (Graphic User Interface) среды Windows.

Интеллектуальный интерфейс представляет собой отдельный программный компонент, оформленный в виде динамически подключаемого модуля – плагина. Особенностью и очевидным достоинством инструментального средства ИМСЛОГ-2002 является то, что нет жесткой привязки функциональных программных модулей к управляющим элементам пользовательского интерфейса. Обязательным является лишь наличие ядра. Все остальные программные компоненты, в том числе и модуль интерфейса могут создаваться в контексте решаемой задачи и видоизменяться в зависимости от требований, предъявляемых к прикладной интеллектуальной системе, причем, эти изменения никоим образом не затрагивают остальные программные компоненты. Стандартная реализация модуля пользовательского интерфейса включает в себя интеллектуальную графическую оболочку инструментального средства ИМСЛОГ-2002 (рис. 1).

 

 

Рис.1. Графическая оболочка среды разработки ИМСЛОГ-2002.

 

Данная оболочка обеспечивает интерфейс между разработчиком прикладных интеллектуальных систем и ядром инструментального средства ИМСЛОГ-2002. Она дает возможность генерировать все множество обрабатываемых ядром команд, включая команды оперирования данными и знаниями, выявления различного рода закономерностей в знаниях (с использованием комплекса системных алгоритмов) и их отображения, принятия итогового решения одним из методов принятия решений (на множестве минимальных, безызбыточных или смешанных тестов) либо путем голосования на множестве методов и/или подходов, отображения и интерпретации полученных решений, а также осуществлять компоновку, отладку и тестирование прикладных интеллектуальных систем. Пользователь осуществляет ввод команд посредством клавиатуры или манипулятора типа "мышь". Большинство команд можно выполнить несколькими способами, используя выпадающие и контекстные меню, панели инструментов с пиктограммами, многостраничные панели управляющих элементов, оформленные в виде так называемых закладок, "горячие" клавиши, а также системную консоль, через которую пользователь может непосредственно общаться с командным процессором инструментального средства ИМСЛОГ-2002, вводя с клавиатуры ключевые слова и выражения.

Для обеспечения гибкости оконная система оформлена в MDI (Multi Document Interface) форме, что позволяет пользователю произвольно располагать рабочие окна программы на экране, изменять их размер и расположение, а также сворачивать не используемые в текущий момент окна в компактные пиктограммы. Все диалоги и окна, в которых происходит вывод информации, имеют возможность скроллинга (прокрутки) области просмотра в случае, если она выходит за рамки текущего окна. Предусмотрен вывод событий в файл протокола, куда заносятся также результаты работы сценариев, значения некоторых переменных и параметров, а также, в случае необходимости, отладочная информация. Область вывода для всех подключаемых модулей, предусматривающих какой-либо диалог с пользователем, является общей, поэтому, при активизации системных функций, происходит формирование панелей управления для выполнения конкретных действий. При необходимости создаются специальные диалоговые окна или панели так называемых "Мастеров", осуществляющие поэтапный ввод требуемых данных в нужном порядке. Пример окна диалога, создаваемого при активизации подсистемы принятия решения приведен на рис. 2.

 

 

Рис. 2. Подсистема принятия решения.

 

Поскольку система инкапсулирует в виде подключаемых модулей набор способов принятия решений, то, соответственно, панель управления дает возможность пользователю задать различные входные данные, способ принятия решения, значение допустимой погрешности принятия решения, а также варьировать значения параметров при исследовании объектов. Встроенные алгоритмы позволяют защитить как систему, так и информацию в базах знаний от неправильных действий пользователя. Решение выдается непосредственно пользователю в текстовом окне, а при необходимости интерпретируется с помощью методов когнитивной графики.

В ряде случаев, когда требуется лишь принимать решения в автономном режиме (например, при управления процессами, для решения задач контроля качества), основными критериями выбора прикладной интеллектуальной системы являются надежность и оперативность. Для повышения значений данных характеристик в инструментальном средстве ИМСЛОГ-2002 реализована терминальная версия модуля интерфейса. При этом визуальные средства и управляющие элементы сведены к минимуму, а весь обмен информацией происходит посредством программного терминала (рис. 3.).

 

 

 

Рис. 3. Терминальная версия модуля интерфейса пользователя.

 

Результаты принятия решения в зависимости от решаемой задачи выводятся в протокол, и/или используются для выработки управляющих воздействий.

 

 

5. Построение прикладных интеллектуальных систем

 

Конструирование прикладной интеллектуальной системы обработки знаний на основе инструментального средства ИМСЛОГ-2001 выполняется в четыре этапа.

На первом этапе осуществляется систематизация и структуризация информации, необходимой для решения требуемой задачи в данной проблемной области. При этом ведется активная работа с экспертами по выявлению наиболее адекватных данных и знаний, на основе которых будут формироваться описания объектов обучающей выборки при создании и заполнении базы знаний. Кроме того, на первом этапе определяются функциональный состав системы, её архитектура и методы, наиболее подходящие для выявления закономерностей в знаниях и принятия решений относительно предъявляемых объектов при решении именно этой задачи.

Второй этап является техническим и состоит в компоновке требуемой конфигурации интеллектуальной системы путем подключения к ядру (с автоматической регистрацией) соответствующих программных модулей.

На третьем этапе средствами модуля управления базой знаний создается модуль базы знаний, что подразумевает формирование структуры модуля и занесение описаний объектов, образующих обучающую выборку. При этом имеется возможность конвертировать информацию из других программных систем. Далее средствами модуля анализа и оптимизации базы знаний проводится обработка модуля знаний на предмет выявления закономерностей, по которым формируется набор решающих правил, используемый в дальнейшем модулем принятия решений для анализа предъявляемых объектов. По окончании формирования набора решающих правил, база знаний преобразовывается в специальный формат для ускорения доступа к знаниям и с учетом требований обеспечения защиты информации.

И, наконец, четвертый этап включает в себя окончательную настройку сконструированной прикладной интеллектуальной системы для передачи заказчику. При этом устанавливаются внутренние связи, подключаются словари, отвечающие за диалог с пользователем, и пр. При наличии дополнительных словарей возможна быстрая перенастройка системы для иностранных заказчиков.

В зависимости от решаемых задач конструируются прикладные интеллектуальные системы различной конфигурации. Так, если при эксплуатации прикладной интеллектуальной системы будут решаться отдельные задачи, не требующие модификации модулей знаний, то все вышеприведенные четыре этапа выполняются с участием разработчиков инструментального средства ИМСЛОГ-2001 и система передается заказчику, что называется, "под ключ". Если же планируется использовать прикладную интеллектуальную систему для решения задач, связанных с модификацией модулей знаний (например, в исследовательских и образовательных целях), то при передаче построенной системы заказчику, ему предоставляется возможность выполнять третий и четвертый этапы самостоятельно.

Отметим также, что построенные прикладные интеллектуальные системы можно достаточно легко и быстро модифицировать с учетом растущих потребностей пользователя, добавляя, при необходимости, новые и/или изменяя существующие программные модули. Тем самым обеспечивается открытость создаваемых систем в плане оперативного наращивания их функциональных возможностей по обработке и представлению знаний с применением новых алгоритмов и когнитивных средств визуализации.

 

 

6. Заключение

 

Основанное на сочетании логико-комбинаторного и логико-вероятностного подходов к тестовому распознаванию образов с использованием глубоких оптимизирующих логико-комбинаторных и, при необходимости, генетических преобразований в пространстве анализируемых признаков; разнообразных графических (включая когнитивные) средствах визуализации информационных структур, закономерностей, принимаемых решений относительно предъявляемых объектов и обоснования принимаемых решений инструментальное средство ИМСЛОГ-2002 представления и обработки знаний позволяет существенно повысить эффективность процессов разработки и конструирования прикладных интеллектуальных систем за счет наличия пополняемой (при необходимости – изменяемой) библиотеки программных модулей, имеющих широкое применение на всех этапах обработки знаний, и координирующего центра (ядра) с собственной системой команд, который осуществляет автоматическую регистрацию всех подключаемых программных модулей и обеспечивает управляющую и информационную связь между ними во время работы.

Имея интеллектуальный интерфейс, ориентированный как на специалиста, так и на неподготовленного пользователя, и средства визуализации по умолчанию, инструментальное средство ИМСЛОГ-2002 просто и доступно в использовании и, благодаря наличию конверторов, легко интегрируется с другими программными системами.

Таким образом, инструментальное средство ИМСЛОГ-2002 является гибким, полифункциональным современным инструментальным средством для построения прикладных интеллектуальных систем и для решения как теоретических, так и практических задач диагностики, классификации, прогноза и управления.

Областями приложения сконструированных на базе инструментального средства ИМСЛОГ-2001 прикладных интеллектуальных систем являются как конкретные проблемные области (проектирование, медицина, геология, строительство и др. ), так и междисциплинарные (биоэкомедицина, геоэкология, социальная психология и др.).

В настоящее время выполняется реализация основных программных модулей инструментального средства ИМСЛОГ-2002, а также их отладка и тестирование.

Работа выполнена при финансовой поддержке РФФИ (проекты № 01-01-00772 и № 01-01-01050).

 

 

Литература

 

1. Еремеев А.П. Инструментальные средства для конструирования виртуальной реальности в диалоговых системах принятия решений // VI Национальная конференция с международным участием по искусственному интеллекту (КИИ-98). Сб. научных трудов. Пущино: РАИИ, 1998. Т. 2. С. 543-548.
2. Нарушев Е.С., Хорошевский В.Ф. AgSDR: инструментарий разработки мультиагентных систем // VII Национальная конференция с международным участием по искусственному интеллекту (КИИ-2000).Сб. трудов. М.: Физматлит, 2000. Т. 2. С. 840.
3. Городецкий В.И., Карасев О.В., Котенко И.В., Хабалов А.В. MAS DK: инструментарий для разработки мультиагентных систем // Искусственный интеллект в XXI веке. Труды Международного конгресса. М.: Физматлит, 2001. Т. 1. С. 249-262.
4. Левин Д.Е., Пышагин С.В., Рыбина Г.В., Смирнов В.В. Новые возможности инструментального комплекса АТ-ТЕХНОЛОГИЯ, предназначенного для поддержки построения интегрированных экспертных систем // VIIНациональная конференция с международным участием по искусственному интеллекту (КИИ-2000).Сб. трудов. М.: Физматлит, 2000. Т. 2. С. 749-757.
5. Головина Е.Ю. Абдуктивный вывод в инструментальных средствах для создания динамических систем поддержки принятия решений // Искусственный интеллект в XXI веке. Труды Международного конгресса. М.: Физматлит, 2001. Т. 1. С. 50-60.
6. Янковская А.Е. Оптимизирующие преобразования в процессе синтеза асинхронного автомата и их приложения // MTA SZTAKI TANULMANYOK. BUDAPEST, 99/1980. С. 212-227.
7. Янковская А.Е. Тестовое распознавание на базе сочетания различных подходов // Математические методы распознавания образов (ММРО-9). Доклады IX Всероссийской конференции. Москва, 1999. С. 131-133.
8. Yankovskaya A.E. Logic-Combinational Probabilistic Recognition Algorithms // Pattern Recognition and Image Analysis. 2001. Vol. 11, No 1. P. 123-126.
9. Аметов Р.В., Гедике А.И., Янковская А.Е. Интеллектуальная динамическая система // Искусственный интеллект в XXI веке. Труды Международного конгресса. М.: Физматлит, 2001. Т. 2. С. 783-796.
10. Янковская А.Е. Принятие и обоснование решений с использованием методов когнитивной графики на основе знаний экспертов различной квалификации // Известия РАН. Теория и системы управления. 1997. № 5. С. 125-128.
11. Янковская А.Е. Логические тесты и средства когнитивной графики в интеллектуальной системе // НИТ в исследовании дискретных структур. Доклады 3-ей Всероссийской конференции с международным участием. Томск: СО РАН, 2000. С. 163-168.
12. Yankovskaya A.Ye., Gedike A.I. Integrated Intelligent System EXAPRAS and Its Application // Journal of Intelligent Control, Neurocomputing and Fuzzy Logic. USA, Nova Science Publishers, Inc. 1995. Vol. 1. P. 243-269.
13. Янковская А.Е., Гедике А.И., Аметов Р.В., Блейхер А.М., Гергет О.М., Муратова Е.А., Кузоваткин А.Н. Интеллектуальная система ИМСЛОГ // Новые информационный технологии в исследовании дискретных структур. Доклады 3-ей Всероссийской конференции с международным участием. Томск: СО РАН, 2000. С. 169-175.
14. Терпугов А.Ф., Колупаева С.Н., Янковская А.Е. Оценка информативности признаков и объема обучающей выборки в задаче распознавания образов // Математические методы распознавания образов (ММРО-9). Доклады IX Всероссийской конференции. Москва, 1999. С. 108- 111.

 

 

 

 

Technology of representation and processing of knowledge on the base

of software tool IMSLOG-2002

1. E. Yankovskaya, A. I. Gedike, R. V. Ametov, A. N. Kuzovatkin

 

 

Keywords: matrix data and knowledge representation, regularities in knowledge, logic-combinatorial and logic-probabilistic test recognition, cognitive means of visualization, software tool, applied intelligent systems.

 

 

Technology of knowledge representation and logical-combinatorial and logical-probability processing of knowledge is realized in applied intelligent systems created on the base of the software tool IMSLOG-2002. The software tool is represented in form of 3-level hierarchical system of the base modules those are loaded and executed as necessary under knowledge processing. This software tool is realized in the program on the base of the C++ classes system. Construction of applied intelligent systems of different configuration and their adaptation to knowledge processing in specific problem areas are realized by several steps.