Для достижения основной цели и решения задач управления необходимо выполнять работы по следующим направлениям: регулярное получение исходной информации о состоянии объекта управления; обработка исходной информации на компьютерах; анализ обработанной информации, прогнозирование развития объекта управления, выработка рекомендаций по оказанию управляющих воздействий на объект управления; разработка и применение (или предоставление рекомендаций заказчикам) различных методов оказания управляющих воздействий на объект управления.

Для этого необходима определенная организационная структура: научно-методический отдел включает: научно-методический сектор; сектор разработки программного обеспечения; сектор внедрения и сопровождения программного обеспечения; сектор организационного и юридического обеспечения; отдел мониторинга: сектор исследования объекта управления; сектор по работе с независимыми экспертами; сектор по взаимодействию с поставляющими информацию организациями; сектор по анализу информации общего пользования; отдел обработки информации: сектор ввода исходной информации (операторы); сектор сетевых технологий и Internet; сектор внедрения, эксплуатации и сопровождения программных систем; сектор технического обслуживания компьютерной техники; сектор ведения архивов баз данных по проведенным исследованиям; аналитический отдел имеет структуру, обеспечивающую компетентный профессиональный анализ результатов обработки данных мониторинга по объектам, которые приняты для контроля и управления.

Для выполнения работ по этим направлениям необходимо определенное обеспечение деятельности: техническое, программное, информационное, организационное, юридическое и кадровое. Детально подобная структура и виды обеспечения ее деятельности описаны в работе.

АСК-анализ, как технология синтеза и эксплуатации рефлексивных АСУ активными объектами. Применение АСК-анализа обеспечивает выявление информационных зависимостей между факторами различной природы и будущими состояниями объекта управления, т.е. позволяет осуществить синтез содержательной информационной модели, а фактически - осуществить синтез АСУ. Применение АСК-анализа в составе АСУ обеспечивает ее эксплуатацию в режиме непрерывной адаптации модели (на детерминистских этапах), а когда это необходимо (т.е. после прохождения точек бифуркации) - и ее нового синтеза.

Ниже приведена технология системы "Эйдос" как инструментария АСК-анализа:

Шаг 1-й: формализация предметной области (БКОСА-1): разработка описательных и классификационных шкал и градаций, необходимых для формализованного описания предметной области. Описательные шкалы описывают факторы различной природы, влияющие на поведение активных объектов управления (АОУ), а классификационные - все его будущие состояния, в том числе целевые.

Шаг 2-й: формирование обучающей выборки (БКОСА-2): информация о состоянии среды и объекта управления, а также вариантах управляющих воздействий поступает на вход системы. Работа по преобразованию этой информации в формализованный вид (т.е. кодирование) осуществляется специалистами, обслуживающими систему с использованием описательных и классификационных шкал. Вся эта информация представляется в виде специальных кодированных бланков, используемых также для ввода информации в компьютер. В результате ее формируется так называемая "обучающая выборка".

Шаг 3-й: обучение (БКОСА-3): обучающая выборка обрабатывается обучающим алгоритмом, на основе чего им формируются решающие правила (обобщенные образы состояний АОУ, отражающие весь спектр будущих возможных состояний объекта управления) и определяется ценность факторов для решения задач подсистем идентификации, мониторинга, прогнозирования и выработки управляющих воздействий.

Шаг 4-й: оптимизация (БКОСА-4): факторы, не имеющие особой прогностической ценности, корректным способом удаляются из системы. Данный процесс осуществляется с помощью итерационных алгоритмов, при этом обеспечивается выполнение ряда ограничений, таких как результирующая размерность пространства факторов, его информационная избыточность и т.п.

Шаг 5-й: верификация модели (БКОСА-5): выполняется после каждой адаптации или пересинтеза модели. На этом шаге обучающая выборка копируется в распознаваемую и осуществляется ее автоматическая классификация (в режиме распознавания). Затем рассчитываются так называемые внутренняя дифференциальная и интегральная валидности, характеризующие качество решающих правил.

Шаг-6: принятие решения об эксплуатации модели или ее пересинтезе. Если результаты верификации модели удовлетворяют разработчиков рефлексивной АСУ активными объектами (РАСУ АО), то она переводится из пилотного (экспериментального) режима, при котором управляющие решения генерировались, но не исполнялись, в режим экспериментальной эксплуатации, а затем и опытно-производственной эксплуатации, когда они реально начинают использоваться для управления. Иначе, т.е. если же модель признана недостаточно адекватной, то необходимо осуществить ее пересинтез, начиная с шага 1. При этом используются следующие приемы: расширение набора факторов, т.к. значимые факторы могли не войти в модель; увеличение объема обучающей выборки, т.к. существенные примеры могли не войти в обучающую выборку; исключение артефактов, т.к. в модель могли вкрасться существенно искажающие ее не подтверждающиеся данные; пересмотр экспертных оценок и, если необходимость этого возникает систематически, то и переформирование экспертного совета, т.к. причиной этого могла быть некомпетентность экспертов; объединение некоторых классы, т.к. по ним недостаточно данных; разделение некоторых классов, т.к. по ним слишком высокая вариабельность объектов по признакам, и т.д.

Шаг 7-й: идентификация и прогнозирование состояния АОУ (БКОСА-7).

Шаг 8-й: оценка качества идентификации состояния АОУ. Если качество идентификации высокое, то состояние АОУ рассматривается как типовое, а значит, причинно-следственные взаимосвязи между факторами и будущими состояниями данного объекта управления считаются адекватно отраженными в модели и известными (т.е. если качество идентификации высокое, то считается, что объект относится к генеральной совокупности, по отношению к которой обучающая выборка репрезентативна). Поэтому в этом случае осуществляется переход на Шаг-9 (выработка управляющего воздействия и последующий анализ). Иначе - считается, что на вход системы идентификации попал объект, не относящийся к генеральной совокупности, адекватно представленной обучающей выборкой. Поэтому в этом случае информация о нем поступает на Шаг-13, начиная с которого запускается процедура пересинтеза модели, что приводит к расширению генеральной совокупности, представленной обучающей выборкой.

Шаг 9-й: выработка решения об управляющем воздействии (БКОСА-9) путем решения обратной задачи прогнозирования [5].

Шаг 10-й типологический анализ классов и факторов (БКОСА-10): кластерно-конструктивный и когнитивный анализ, семантические сети, когнитивные диаграммы состояний АОУ и факторов [5].

Шаг 11-й: многофакторное планирование и принятие решения о применении системы управляющих факторов (БКОСА-11).

Шаг 12-й: оценка адекватности принятого решения об управляющих воздействиях: если АОУ перешел в заданное целевое состояние, то осуществляется переход на вход адаптации содержательной информационной модели (Шаг-2): в подсистеме идентификации предусмотрен режим дополнения распознаваемой выборки к обучающей, чтобы в последующем, когда станут известны результаты управления, этой верифицированной (т.е. достоверной) оценочной информацией дополнить обучающую выборку и переформировать решающие правила (обучающая обратная связь). Иначе, т.е. если АОУ не перешел в заданное целевое состояние, переход на вход пересинтеза модели (Шаг-1), при этом могут быть изменены и описательные, и классификационные (оценочные) шкалы, что позволяет качественно расширить сферу адекватного функционирования РАСУ АО.

Шаг 13-й (неформализованный поиск нетипового решения об управляющем воздействии и подготовка данных для пересинтеза модели, как в случае, если решения оказалось удачным, так и в противном случае).

Таким образом, предложена технология применения системы "Эйдос" как инструментария применения АСК-анализа, основанного на системной теории информации, ориентированной на синтез рефлексивных АСУ АО. В процессе эксплуатации системы "Эйдос" успешно решаются все задачи АСК-анализа: формирование обобщенных образов состояний АОУ на основе обучающей выборки (обучение); идентификация состояний АОУ на основе его параметров (распознавание); определение влияния входных параметров на перевод АОУ в различные будущие состояния (обратная задача прогнозирования); прогнозирование поведения АОУ в условиях полного отсутствия управляющих воздействий; прогнозирование поведения АОУ при различных вариантах многофакторных управляющих воздействий.

Кроме того, выявленные в результате работы рефлексивной АСУ причинно-следственные зависимости между факторами различной природы и будущими состояниями объекта управления позволяют, при условии неизменности этих закономерностей в течение достаточно длительного времени, построить АСУ с постоянной моделью классического типа.

Выводы. 1. Создан программный и методический инструментарий СК-анализа - Универсальная когнитивная аналитическая система "Эйдос", рядом Свидетельств РосПатента РФ [14-23].

2. Система "Эйдос" на базе формализуемой когнитивной концепции успешно реализует предложенную семантическую информационную модель и алгоритмы базовых когнитивных операций системного анализа, и, таким образом, является специальным программным инструментарием для синтеза и экспулатации приложений управления знаниями. Система "Эйдос" является эффективным инструментарием СК-анализа. В функциях и структуре системы "Эйдос" нашли воплощение фундаментальные закономерности познания, связанные с функциональной асимметрией мозга и знаковых систем [2, 5].

3. Технология синтеза и эксплуатации приложений системы "Эйдос", видеограммы ее пользовательского интерфейса и технические характеристики (текущая версия системы "Эйдос-12.5" позволяет обрабатывать десятки тысяч будущих состояний активных объектов управления и градаций факторов).

4. Технология разработки приложения управления знаниями в системе "Эйдос" включает: когнитивную структуризацию и формализацию предметной области (подсистема "Словари"); синтез модели (подсистема "Обучение"); оптимизацию модели (подсистема "Оптимизация"); верификацию модели (оценка степени адекватности, скорости сходимости и семантической устойчивости модели).

5. Технология эксплуатации приложения системы "Эйдос" в режиме адаптации и синтеза модели включает: идентификацию и прогнозирование (подсистема "Распознавание"); кластерно-конструктивный, семантический и когнитивный анализ (подсистема "Типология"); анализ достоверности, валидности, независимости (подсистема "Анализ"); средства и инструменты обеспечения надежности эксплуатации (подсистема "Сервис").

5. Система "Эйдос" является большой системой. Листинг ее исходных текстов (вместе с системами окружения "Эйдос-фонд", "Эйдос-" и «Эйдомс-астра») 6-м шрифтом составляет около 800 страниц, в процессе работы система оперирует десятками баз данных (около 70).

6. Разработана инфраструктура применения системы "Эйдос", детализированы организационные, юридические, экономические, технические и другие аспекты информационной технологии применения данной системы для решения задач синтеза рефлексивных АСУ активными объектами и эксплуатации этих АСУ в режиме адаптации и периодического синтеза модели.

7. Разработана технология синтеза рефлексивных АСУ активными объектами и методики ее применения в конкретных предметных областях. Предложено рассматривать алгоритм СК-анализа, как алгоритм синтеза рефлексивных АСУ активными, а сам СК-анализ, как технологию синтеза рефлексивных АСУ активными объектами и их эксплуатации в режиме адаптации и периодического синтеза модели:

шаг 1-й: формализация предметной области (БКОСА-1);

шаг 2-й: формирование обучающей выборки (БКОСА-2);

шаг 3-й: обучение (БКОСА-3);

шаг 4-й: оптимизация (БКОСА-4);

шаг 5-й: верификация модели (БКОСА-5);

шаг 6-й: принятие решения об эксплуатации модели или ее пересинтезе;

шаг 7-й: идентификация и прогнозирование состояния АОУ (БКОСА-7);

шаг 8-й: оценка качества идентификации состояния АОУ;

шаг 9-й: выработка решения об управляющем воздействии (БКОСА-9);

шаг 10-й: типологический анализ классов и факторов (БКОСА-10);

шаг 11-й: многофакторное планирование и принятие решения о применении системы управляющих факторов (БКОСА-11);

шаг 12-й: оценка адекватности принятого решения об управляющих воздействиях;

шаг 13-й: (неформализованный поиск нетипового решения об управляющем воздействии и подготовка данных для пересинтеза модели, причем как в случае, если решение оказалось удачным, так и в противном случае).

Постановка и программная реализация системы «Эйдос» универсальна, т.е. не зависит от предметной области, потому она может быть эффективно применена в самых различных предметных областях.

Перспективы развития системы «Эйдос». Основную перспективу развития Универсальной когнитивной аналитической системы «Эйдос» автор видит в разработке многоязычной (прежде всего русской и английской) Internet версии (система «Эйдос-net»), работающей в локальной сети Host-компьютера (на кластере), к которой был бы обеспечен доступ с любого компьютера, находящегося в Internet.

Основные отличия системы «Эйдос-net» от локальной версии состоят в наличии диспетчера приложений и нескольких уровней авторизации пользователей. Предполагается также пересмотреть структуру диалога системы, а также снять ограничения на размерности обрабатываемых моделей, имеющиеся в текущей версии. Подробнее перспективы развития СК-анализа и системы «Эйдос» описаны в 7-й главе работы [5] http://lc.kubagro.ru/aidos/aidos02/7.htm .

Диспетчер приложений обеспечивает создание или выбор текущего приложения в пределах компетенции пользователя, определяемого уровнем авторизации. Предполагается несколько уровней авторизации:

Таблица - Уровни авторизации и права пользователей

системы «Эйдос-net»

В настоящее время автор работает над реализацией этого проекта.

Но необходимо отметить, что и сегодня имеется техническая возможность:

- одновременной интерактивной on-line демонстрации текущей «локальной» версии системы «Эйдос» на любом количестве компьютеров, подключенных к Internet;

- удаленной инсталляции системы «Эйдос» для дальнейшего использования на этих удаленных компьютерах;

- удаленного использования системы «Эйдос» на любых компьютерах, на которых она проинсталлирована.

Для обеспечения всех этих возможностей может быть использована, например, программа TeamViewer (http://www.teamviewer.com/). Эта программа, в отличие от RemoteAdmin (Radmin) и NetOP, обеспечивает доступ к удаленным компьютерам, в т.ч. и не имеющим внешних IP-адресов и находящимся за брандмауэром, прокси-сервером и другими экранами.

В режиме демонстрации на удаленных компьютерах отображается рабочий стол главного компьютера, с которого осуществляется демонстрация, и изображение с его монитора, но нет никакого другого доступа к этим удаленным компьютерам. При этом с главного компьютера есть возможность аудио- и видео-общения с аудиторией около удаленных компьютеров, т.е. можно комментировать презентацию, а также слышать вопросы слушателей и отвечать на них, т.е. автор может вести дистанционное преподавание с целью освоения системы «Эйдос», например, по лекционным и лабораторным курсам [6, 8, 9]. Удаленную инсталляцию системы «Эйдос» для дальнейшего использования на удаленных компьютерах осуществляет автор. Удаленное использование системы «Эйдос» на любых компьютерах, на которых она проинсталлирована, осуществляют те, кому автором предоставлено такое право.

Библиографический список

искусственный интеллект эйдос

1. Луценко Е.В. Универсальная автоматизированная система распознавания образов "Эйдос" (версия 4.1): Монография (научное издание). - Краснодар: КЮИ МВД РФ, 1995. -76с.

2. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"): Монография (научное издание). - Краснодар: КЮИ МВД РФ, 1996. -280с.

3. Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов: Монография (научное издание). - Краснодар: ТУ КубГТУ, 1999. -318с.

4. Симанков В.С., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении: Монография (научное издание). /Под науч. ред. В.С.Симанкова. - Краснодар: ИСТЭК КубГТУ, 2001. -258с.

5. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605с.

6. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие с грифом УМО для студентов специальности 351400 "Прикладная информатика (по отраслям)". - Краснодар: КубГАУ. 2004. - 633с.

7. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом: Монография (научное издание). - Краснодар: КубГАУ. 2005. -480с.

8. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие с грифом министерства для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп.- Краснодар: КубГАУ, 2006. -615с.

9. Луценко Е.В. Лабораторный практикум по интеллектуальным информационным системам: Учебное пособие с грифом министерства для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп. - Краснодар: КубГАУ, 2006. - 318с.

10. Наприев И.Л., Луценко Е.В., Чистилин А.Н. Образ-Я и стилевые особенности деятельности сотрудников органов внутренних дел в экстремальных условиях: Монография (научное издание). - Краснодар: КубГАУ. 2008. -262с.

11. Луценко Е. В., Лойко В.И., Великанова Л.О. Прогнозирование и принятие решений в растениеводстве с применением технологий искусственного интеллекта: Монография (научное издание). - Краснодар: КубГАУ, 2008. -257с.

12. Трунев А.П., Луценко Е.В. Астросоциотипология: Монография (научное издание). - Краснодар: КубГАУ, 2008. -264с.

13. Луценко Е.В., Коржаков В.Е., Лаптев В.Н. Теоретические основы и технология применения системно-когнитивного анализа в автоматизированных системах обработки информации и управления (АСОИУ) (на примере АСУ вузом): Под науч. ред. д.э.н., проф. Е.В.Луценко. Монография (научное издание). - Майкоп: АГУ. 2009. - 536 с.

14. Луценко Е.В. Универсальная автоматизированная система распознавания образов "ЭЙДОС". Свидетельство РосАПО №940217. Заяв. № 940103. Опубл. 11.05.94. - 50с.

15. Луценко Е.В. Универсальная автоматизированная система анализа, мониторинга и прогнозирования состояний многопараметрических динамических систем "ЭЙДОС-Т". Свидетельство РосАПО №940328. Заяв. № 940324. Опубл. 18.08.94. - 50с.

16. Луценко Е.В., Шульман Б.Х. Универсальная автоматизированная система анализа и прогнозирования ситуаций на фондовом рынке «ЭЙДОС-фонд». Свидетельство РосАПО №940334. Заяв. № 940336. Опубл. 23.08.94. - 50с.

17. Луценко Е.В. Универсальная когнитивная аналитическая система "ЭЙДОС". Пат. № 2003610986 РФ. Заяв. № 2003610510 РФ. Опубл. от 22.04.2003.

18. Луценко Е.В., Некрасов С.Д. Автоматизированная система комплексной обработки данных психологического тестирования "ЭЙДОС-". Пат. № 2003610987 РФ. Заяв. № 2003610511 РФ. Опубл. от 22.04.2003.

19. Луценко Е.В., Трунев А.П., Шашин В.Н. Система типизации и идентификации социального статуса респондентов по их астрономическим показателями на момент рождения "Эйдос-астра" (Система "Эйдос-астра"). Пат. № 2008610097 РФ. Заяв. № 2007613722 РФ. Опубл. от 09.01.2008.

20. Луценко Е.В., Лебедев Е.А. Подсистема формализации семантических информационных моделей высокой размерности с сочетанными описательными шкалами и градациями (Подсистема "ЭЙДОС-Сочетания"). Пат. № 2008610775 РФ. Заяв. № 2007615168 РФ. Опубл. от 14.02.2008.

21. Луценко Е.В. Система решения обобщенной задачи о назначениях (Система «Эйдос-назначения»). Пат. № 2009616033 РФ. Заяв. № 2009614931 РФ. Опубл. от 30.10.2009.

22. Луценко Е.В. Система восстановления и визуализации значений функции по признакам аргумента (Система «Эйдос-map»). Пат. № 2009616034 РФ. Заяв. № 2009614932 РФ. Опубл. от 30.10.2009.

23. Персональная система обработки информации "ВЕГА-М" для мини-ЭВМ "Искра-226". ИЛ о научно-техническом достижении №87-12. -Краснодар: КЦНТИ, 1987. Гос. рег. .№ 01.06.01.Н15.06.03.05.02. - 4с.

24. Луценко Е.В. Автоматизированная система распознавания образов, математическая модель и опыт применения. В сб.: "В.И.Вернадский и современность (к 130-летию со дня рождения)". Тезисы научно-практической конференции. - Краснодар: КНА, 1993. - С. 37-42.

25. Сайт автора: http://lc.kubagro.ru/

Размещено на Allbest.ru