Обобщенный алгоритм обработки слабо формализованной информации и его применение

Полный текст

Развитие интеллектуальных технологий и интеллектуальных вычислений в последние десятилетия показало, что методы обработки слабо формализованной информации интенсивно развиваются, и наибольшего развития в последнее время достигли эволюционные алгоритмы и различные их комбинации с нейронными, нечеткими, сетевыми и другими структурами, т.е. подходы, в основу которых заложены механизмы, заимствованные из живой природы [2; 15]. Поэтому для решения проблемы обработки слабо формализованной информации, поступающей от технических систем, предлагается подход, в основу которого положены следующие недавно открытые способы хранения и обработки информации в живом организме [3]: - информация о каком-либо объекте в видео-, аудио- и других диапазонах хранится не в разных структурах мозга, а в одной и той же части, причем с течением времени эта зона нейронов расширяется (количество задействованных нейронов увеличивается), и в случае накопления информации количество связей между нейронами также увеличивается; - обработка какого-либо объекта в видео-, аудио- и других диапазонах осуществляется одновременно не в разных структурах мозга, а в одной и той же части, независимо от вида информации; - генерация новых знаний в мозге осуществляется путем сравнения вновь поступившей информации не со всей информацией, хранящейся в памяти, а только с определенным образом обработанной информацией (метод ассоциаций, ассоциативное мышление), что позволяет существенно увеличить скорость обработки информации; - внимание - основная функция мозга, обеспечивающая выживание организма в окружающей среде, т.е. обработка информации в мозге осуществляется с учетом приоритетов, что позволяет сократить объем хранящейся в памяти информации, необходимой для принятия решений, и увеличить скорость ее обработки; - наблюдательность - важное свойство эволюции, позволяющее замечать повторяющиеся факты, т.е. выявлять периодические временные ряды, закономерности в событиях и явлениях, что позволяет увеличить скорость обработки информации при принятии решений; Исходя из этих способов хранения и обработки информации в живом организме, предлагается обобщенный алгоритм обработки слабо формализованной информации, поступающей от технических систем, на основе моделей обработки слабо формализованной информации при недостаточном ее количестве и алгоритмов обработки и оценивания характеристик поступающей слабо формализованной информации [4-12]. Используя такой подход, можно: - эффективно хранить слабо формализованную информацию путем хранения не всей информации, а только результатов ее специальной обработки; - эффективно осуществлять обработку большого объема поступающей слабо формализованной информации путем варьирования приоритетами; - выявлять повторяющиеся закономерности; - генерировать новые знания путем анализа имеющейся в памяти слабо формализованной информации в виде результатов ее специальной обработки. Обобщенный алгоритм обработки слабо формализованной информации Последовательность обработки информации в обобщенном алгоритме обработки слабо формализованной информации включает следующие этапы (рис. 1) [4-12]. Этап 1. Информация, поступающая от технической системы через совокупность различных датчиков, собирается в модуле «сбор информации». Этап 2. Информация поступает из модуля «сбор информации» в модуль «распознавание информации», где осуществляется ее распознавание, т.е. разделение на аудио- и видеоинформацию, тактильную информацию и другие виды информации. К особенностям информации при ее распознавании можно отнести то, что часто информация о наблюдаемом объекте не одного вида, а нескольких видов, т.е., например, объект можно наблюдать в видео- и аудио- диапазоне. В модуле «распознавание информации» определяются виды информации, в которых проявляет себя объект наблюдения (техническая система). сбор информации классификация информации свертка информации оценивание достоверности информации оценивание безопасности информации установление связей оценивание вероятности поддержка принятия решений обобщенная поддержка принятия решений определение числа связей выработка устойчивой реакции генерация решений распознавание информации начало конец х р а н и л и щ е Рис. 1. Идеология построения обобщенного алгоритма обработки слабо формализованной информации Этап 3. Из модуля «распознавание информации» информация поступает в модуль «классификация информации», где осуществляется ее классификация на n классов К1,… Кi,…, Кn. Значение n определяется конкретной задачей. Каждый из классов включает либо один вид информации (зрение, слух, осязание, вкус и обоняние), либо их какую-либо комбинацию по два, по три и т.д. Количество видов информации при желании может быть уменьшено или увеличено. Параметры (количество классов и их разнообразие) в модуле «классификация информации» изменяются в процессе работы технической системы (наблюдения за каким-либо объектом), т.е. это самообучающаяся система. На начальном этапе работы можно использовать либо обучающую выборку, либо случайным образом сгенерированное распределение поступающей информации между классами. Этап 4. Информация, поступающая в каждый из n классов, подвергается в модулях «свертка информации» своей, присущей данному классу, обработке по определенному алгоритму (свертке) [1; 6; 9; 10; 14; 16]. В итоге получается новая информация, обработанная специальным образом, присущим данному классу. Этап 5. После свертки оценивание достоверности информации осуществляется в модулях «оценивание достоверности информации». Оценивание достоверности полученной информации проводится в каждом классе путем сравнения ее с ранее полученной информацией (предполагается, что есть модуль «хранилище», где хранится ранее полученная информация). Если информация недостоверная (достоверность ее ниже некоторого, заранее заданного для каждого класса, уровня), то осуществляется переход в модуль «распознавание информации», где впоследствии информация подвергается повторному распознаванию, классификации и помещается в другой класс. Этап 6. В модулях «оценивание безопасности информации» осуществляется оценивание безопасности информации в каждом классе путем сравнения ее с ранее полученной информацией. Если информация представляет собой опасность (уровень опасности ее выше некоторого, заранее заданного для каждого класса уровня), то осуществляется переход в модуль «распознавание информации» (рис. 1), где информация впоследствии подвергается повторному распознаванию, классификации и помещается в другой класс. Если же и при повторной классификации информация представляет собой опасность, то выдается предупреждение «Информация опасная» и далее управление системой осуществляется в ручном режиме, т.е. с участием эксперта. Этап 7. Установление связей между вновь полученной информацией в каждом классе и ранее полученной информацией, находящейся в модуле «хранилище», осуществляется в модулях «установление связей». Если количество связей меньше некоторой, заранее заданной величины, специфичной для каждого класса, то осуществляется переход в модуль «распознавание информации» (рис. 1), где информация впоследствии подвергается повторному распознаванию, классификации и помещается в другой класс. Этап 8. Оценивание вероятности, с которой можно доверять полученной информации, в каждом классе осуществляется в модулях «оценивание вероятности» с помощью вероятностного алгоритма оценивания работоспособности системы наблюдения. Если вероятность меньше некоторой, заранее заданной величины, специфичной для каждого класса, то осуществляется переход в модуль «распознавание информации» (рис. 1), где информация впоследствии подвергается повторному распознаванию, классификации и помещается в другой класс. Этап 9. Поддержка принятия решений в каждом классе осуществляется в модулях «поддержка принятия решений», т.е. генерируется совокупность решений для каждого класса. Этап 10. Сбор сгенерированных решений из всех классов осуществляется в модуле «обобщенная поддержка принятия решений» и затем на их основе осуществляется генерация новой совокупности решений в поддержку принятия решений. Окончательное решение принимает эксперт. Этап 11. В модуле «определение числа связей» осуществляется сравнение принятого решения с решениями, принятыми ранее на основе сравнения вновь поступившей информации с информацией, хранящейся в модуле «хранилище». Если число подтверждений меньше некоторого, заранее заданного числа, то осуществляется переход в модуль «распознавание информации», где информация в дальнейшем подвергается повторному распознаванию, классификации и помещается в другой класс. Этап 12. В модуле «выработка устойчивой реакции» осуществляется выработка устойчивой реакции на многократно поступающую информацию и ее запоминание путем сравнения с ранее полученной информацией, хранящейся в модуле «хранилище». Если вновь полученная и проверенная информация отсутствует в модуле «хранилище», то она туда записывается. Этап 13. В модуле «генерация решений» осуществляется генерация решений. Этап 14. Модуль «хранилище» включает в себя хранилище информации, поступившей ранее. В модуле «хранилище» на основе вновь записанной информации и путем ее сравнения с ранее записанной информацией генерируется новая информация. Осуществляется проверка информации на новизну. Если информация действительно новая, то она поступает в модуль «сбор информации» на последующую обработку. Применяя разработанный обобщенный алгоритм обработки слабо формализованной информации, поступающей от технических систем, получаем на выходе рекомендации по поддержке принятия решений. Окончательное решение принимает эксперт. В следующих разделах предложено экспериментальное оценивание полученных результатов. Динамическое равновесие длинного стержня Рассмотрим длинный цилиндрический стержень (С), который поставлен на подвижную платформу (А). Цилиндр теряет равновесие и начинает падать. Задача заключается в том, чтобы платформу (А) двигать таким образом, чтобы цилиндр не упал. В первом приближении считается, что цилиндр (С) находится в плоскости XOY (рис. 2) и может отклоняться влево или вправо, т.е. в первом приближении это толстая пластина, которая изменяет положение в плоскости XОY. В случае отклонения цилиндра вправо платформа должна сдвинуться вправо на такое расстояние, чтобы проекция центра тяжести цилиндра (F) проходила через его основание. Аналогично, в случае отклонения цилиндра влево платформа должна сдвинуться влево на такое расстояние, чтобы проекция центра тяжести цилиндра (F) проходила через его основание. Если скорость обработки информации, поступающей от видео-датчиков достаточно велика, то цилиндр не упадет и будет качаться в окрестности устойчивого состояния. В случае обобщения на более сложный случай, когда цилиндр может качаться не только в плоскости XOY, но и в плоскости YOZ (рис. 2), подвижная платформа должна двигаться вдоль осей OX и OZ. Рис. 2. Цилиндр (С) на платформе (А) F - вектор силы тяжести, приложенный в центре тяжести цилиндра. Стрелочки обозначают направления движения платформы (А) и цилиндра (С) В случае, когда цилиндр отклоняется не в плоскостях XOY или YOZ, а в промежуточном направлении (между плоскостями XOY и YOZ), платформа, на которой он стоит, должна перемещаться в том же направлении. Этого можно достичь, одновременно перемещая платформу вдоль осей OX и OZ. В итоге получим, что цилиндр качается в окрестности устойчивого состояния. Рассмотрим более подробно двумерную модель. В этом случае колебания стержня представляют собой колебания длинного прямоугольника в плоскости (рис. 3). Оценим максимальный угол наклона прямоугольника, при котором он не упадет на бок. Пусть прямоугольник имеет основание a и высоту b. Тогда расстояние от центра тяжести до основания l1= b/2, длина половины диагонали l2 = . Максимальный угол φmax, при котором прямоугольник не упадет на бок (проекция центра тяжести не должна быть вне опоры прямоугольника), , , . В идеальном случае (нет потери энергии на тепло, сопротивление воздуха и т.д.) при начальном отклонении прямоугольника на угол φ0 < φmax колебания будут продолжаться бесконечно долго с той же амплитудой. Рис. 3. Колебания двумерного стержня Точками обозначен центр тяжести стержня (стержень предполагается однородным). Колебания стержня осуществляются в следующей последовательности: А (максимальное отклонение влево), В (центральное положение), С (максимальное отклонение вправо), В, А, В, С и т.д. В случае подвижной платформы, на которой стоит прямоугольник, можно изменить амплитуду колебаний прямоугольника. Для этого нужно в момент времени, когда прямоугольник находится в крайнем левом (или правом) положении, передвинуть платформу таким образом, чтобы угол наклона перпендикуляра, опущенного из центра тяжести прямоугольника, изменился. Возможны варианты: либо этот новый угол φ00 < φ0, либо φmax > φ00 > φ0. В первом случае амплитуда колебаний прямоугольника уменьшится, а во втором - увеличится. Если φ0 или φ00 больше φmax, то прямоугольник упадет на бок. Безопасное движение автотранспорта Предполагается, что на автомобиле установлены видео- и аудио-датчики в различных диапазонах (например, видео-датчик, звуковой и ультразвуковой датчики). Если погода хорошая, то видео-датчики позволяют хорошо наблюдать обстановку в окружении автомобиля. Если же погода плохая (туман, снег, дождь и т.д.), то видео-датчики с этой задачей могут не справиться, и совместная работа видео- и аудио-датчиков может привести к желаемому результату. С этих датчиков поступает информация о находящихся поблизости препятствиях (построек, деревьев, других автомобилях, людей и т.д.). Задача состоит в том, чтобы на основе этой информации автомобиль двигался так, чтобы не произошло его столкновение с каким-либо препятствием. Для этого существует 2 параметра: скорость и направление движения автомобиля. В случае уменьшения расстояния между нашим автомобилем и другим автомобилем или каким-либо препятствием наш автомобиль может изменить либо направление движения, либо скорость. Изменяя скорость и направление движения, можно достичь безопасного движения автомобиля. Регулирование неравновесной реакции При исследовании неравновесных реакций, например, реакции Белоусова-Жаботинского и других, на экспериментальных установках (рис. 4) необходимо по всему объему емкости, в которой происходит реакция, поддерживать одинаковую температуру и концентрацию реагентов. Рассмотрим эту задачу на примере реакции Белоусова-Жаботинского (БЖ). Для того, чтобы провести успешное наблюдение реакции Белоусова-Жаботинского, нужны следующие реагенты: Н2SO4 (серная кислота), СH2(COOH)2 (малоновая кислота), NaBrO3 (бромат натрия), Ce2(SO4)3 (сульфат церия), Fe(С12H8N2)3SO4 (ферроин). Рис. 4. Экспериментальная установка для смешивания жидкостей В емкость (8), помещенную в термостат (9), поступают растворы серной кислоты (1), малоновой кислоты (2), бромата натрия (3), сульфата церия (4), ферроина (5). Жидкость, находящаяся в емкости (8), перемешивается мешалкой (6), а ее избыток вытекает через сток (7) Нужно смешать водные растворы реагентов, и тогда возникнут колебательные процессы при протекании реакции, которые хорошо видно благодаря изменению окраски раствора. Если в качестве катализатора выбрать ферроин (Fe(С12H8N2)3SO4), то окраска раствора будет изменяться от красной до синей и обратно с периодичностью в несколько минут. В настоящее время открыто несколько наборов компонент, которые приводят к периодическим реакциям в пробирке. Один из механизмов, объясняющих реакцию Белоусова-Жаботинского, был предложен в 1972 г. Филдом, Кёрёсом и Нойесом (ФКН-механизм), и он имеет вид [13]: Как видно, ФКН-механизм реакции Белоусова-Жаботинского довольно сложный (включает 13 реакций с 14 компонентами). Он был реализован с помощью экспериментальной установки, представляющей собой емкость, помещенную в термостат, к которой подведены трубки, по которым поступают растворы серной кислоты, малоновой кислоты, бромата натрия, сульфат церия и ферроина. Смесь в емкости перемешивается механической мешалкой, а избыток смеси выливается через сток (рис. 4). Температуру раствора измеряют градусниками, а концентрации ионов - специальными датчиками, которые реагируют на определенные ионы. Например, в реакции БЖ такими ионами являются ионы брома Br-. Очень часто при реакциях необходимо измерять кислотность среды (ионы водорода Н+, показатель рН) и другие показатели. Равномерность распределения температуры и концентрации реагентов в растворе достигается путем размещения емкости с реактивами в термостате и использования механических мешалок. В самом простом случае используется одна мешалка. Тогда задача заключается в том, чтобы определить, с какой скоростью должны поступать реагенты в емкость и с какой скоростью должна вращаться мешалка, чтобы концентрации реагентов были равномерно распределены по объему емкости, и температура раствора была одинаковой во всех частях емкости. Этого можно достичь, изменяя скорость вращения мешалок и скорость поступления реагентов в емкость, где происходит реакция. Заключение Экспериментальное оценивание полученных результатов показало, что разработанный подход может быть применен к различным техническим системам, в частности, для поддержания динамического равновесия колеблющегося стержня, для безопасного движения автомобиля, для управления неравновесной химической реакцией и др. Таким образом, области возможного использования предложенного подхода довольно широки. Разработанный подход может быть использован при описании моделей и алгоритмов поддержки принятия решений применительно к различным техническим системам.

Об авторах

Антон Александрович Копыльцов

Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И.Ульянова (Ленина) (СПбГЭТУ)

инженер-программист кафедры автоматизированных систем обработки информации и управления СПбГЭТУ

Александр Васильевич Копыльцов

Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И.Ульянова (Ленина) (СПбГЭТУ); Санкт-Петербургский государственный университет аэрокосмического приборостроения (ГУАП); Смольный университет РАО (СУРАО)

профессор кафедры автоматизированных систем обработки информации и управления СПбГЭТУ, профессор кафедры высшей математики ГУАП, профессор кафедры информационных систему СУРАО

Список литературы

Дополнительные файлы