Общие посылки использования нейройсетевых технологий при аналитическом обеспечении управления правоохранительной сферой

Размещено на http://www.allbest.ru/

УДК 005

Общие посылки использования нейройсетевых технологий при аналитическом обеспечении управления правоохранительной сферой

А.Н. Лепёхин

Академия МВД Республики Беларусь

Преобразования современного мира, смещение векторов развития общества в сторону информационно-технического прогресса, при значительном возрастании роли информации обусловили значительное увеличение объемов генерируемой информации. Указанные факторы предопределяют и совершенствование инструментария по сбору, обработке и анализу информации, и одной из таких аналитических технологий является использование искусственных нейронных сетей при проведении анализа данных в целях реализации функций управления правоохранительной сферой. управление информация нейронный сеть

В литературе отмечаются основные недостатки адаптивных систем управления [1], разработанных согласно традиционным принципам, которые состоят в том, что большинство алгоритмов адаптации получены при условии отсутствия неконтролируемых возмущающих воздействий и при возможности определения всех параметров объекта (системы) в процессе идентификации. Кроме того, практически все алгоритмы адаптации работоспособны лишь, если выполняется гипотеза квазистационарности объекта управления. Следует также заметить, что существующие алгоритмы адаптации достаточно сложны в реализации, а процесс адаптации часто занимает неприемлемо продолжительное время.

В этой связи можно констатировать, что для практического применения алгоритмов управления необходимо, чтобы они были адаптивными, устойчивыми, нелинейными, а также простыми для реализации и понимания. Именно по этим причинам в настоящее время широкое применение получают интеллектуальные системы управления, при синтезе которых используют алгоритмы, обладающие указанными свойствами, что в итоге приводит к повышению эффективности управления системой (правоохранительным органом) в целом. Очевидно, что указанные обстоятельства обуславливают необходимость поиска новых технологических решений в анализе данных и одним из таких способов решения научной и прикладной задачи является использование искусственных нейронных сетей при осуществлении аналитической деятельности в правоохранительной сфере.

Нейросетевые системы управления - это системы управления, в которых используется архитектура искусственных нейронных сетей и их способность к обучению [2, 3]. Искусственные нейронные сети являются весьма многообещающей альтернативой классическим методам идентификации нелинейных систем, имеющим место в сложных социальных процессах (преступности), контроль над которыми является основной задачей правоохранительных органов.

При этом следует отметить, что даже при использовании статических искусственных нейронных сетей в ряде случаев удается построить качественные динамические модели. Динамические искусственные нейронные сети также являются весьма эффективными при идентификации нелинейных динамических объектов при осуществлении аналитической деятельности, однако наличие в них обратной связи и появление в связи с этим переходных процессов требует исследования вопросов устойчивости данных сетей. Изменение условий внешней среды функционирования (оперативной обстановки) приводит к необходимости периодического анализа вопросов устойчивости. Поэтому применение данных искусственных нейронных сетей в реальном времени требует их адаптации и может быть проблематичным.

Интеллектуальные системы управления - это системы управления способные к «пониманию» и обучению в отношении объектов управления, возмущений, внешней среды и условий работы [2, 3, 4]. Основное отличие интеллектуальных систем - наличие механизма системной обработки знаний. Главная архитектурная особенность, отличающая интеллектуальные системы управления от «традиционных» - это механизм получения, хранения и обработки знаний для реализации своих функций. Структурно интеллектуальные системы управления содержат дополнительные блоки, выполняющие системную обработку знаний на основе названных выше информационных технологий.

В этой связи, представляет определенный научный интерес построение традиционных моделей нелинейных динамических объектов с помощью нейросетевого подхода. Являясь альтернативой традиционным методам управления, нейросетевое управление основано на применении полностью определенных искусственных нейронных сетей для выработки требуемых сигналов управления. Высокий интерес к данному направлению в теории управления определяется следующими факторами:

- искусственные нейронные сети представляют собой адаптивные системы, способные обучаться решению сложных задач. Необходимым условием качественного обучения является правильный выбор структуры нейросетевой модели и объем информации;

- нейросетевые технологии управления позволяют преодолеть многие сложности, возникающие при работе с нелинейными объектами или с объектами неизвестной структуры и неразрешимые с помощью обычных методов адаптивного управления (способность искусственных нейронных сетей реализовывать сложные нелинейные отображения обусловлена применением нелинейных функций активации);

- способность искусственных нейронных сетей к самообучению позволяет использовать нейрорегуляторы даже в условиях существенных неопределенностей, в то время как для реализации традиционных методов адаптивного управления необходимым условием является наличие большого объема априорной информации об объекте управления;

- высокое быстродействие и надежность нейрорегуляторов обусловлена высокой степенью параллельности искусственных нейронных сетей.

Анализ традиционных методов управления показывает, что они хорошо зарекомендовали себя при относительно невысокой сложности объекта управления и наличии достаточно полной информации о нем. При этом нейросетевые системы управления целесообразно применять при отсутствии информации или высокой сложности объекта управления. Промежуточное положение между данными технологиями занимают нечеткие системы. Отметим, что границы между различными подходами сами по себе являются весьма условными (нечеткими). Заметим также, что применение гибридной технологии позволяет создавать системы управления эффективные во всем спектре управленческих ситуаций [4].

Таким образом, учитывая многомерность исследуемых процессов в правоохранительной сфере, их разнотипность, нестационарность характеристик и неполноту информации на всех уровнях управления для поддержки принятия эффективных решений руководителями и другими лицами принимающими решения, а также повышения качества принимаемых решений, необходимо применение интеллектуального подхода. Для применения одной из наиболее эффективных и современных технологий интеллектуального управления сложных объектов - нейроуправления, согласно [2, 3] необходимо осуществление следующих действий:

1) формирование цели и критериев управления;

2) исследование объекта управления;

3) определение структуры нейросетевой математической модели объекта управления (выбор архитектуры нейросетевой модели);

4) определение параметров нейросетевой модели объекта управления;

5) синтез нейросетевого управления (интеллектуального регулятора) на основе выбранного алгоритма;

6) коррекция и оптимизация отдельных этапов нейроуправления.

Список литературы

1. Усков А. А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика / А. А. Усков, А. В. Кузьмин. - М. : Изд-во Горячая линия - Телеком, 2004. - 143 с.

2. Хайкин С. Нейронные сети: полный курс / Хайкин С. ; [пер. с англ.]. - М. : Изд-во Вильямс, 2006. - 1104 с.

3. Омату С. Нейроуправление и его приложения / Омату С., Халид М., Юсоф Р. ; пер. с англ. Пер с англ. Н.В. Батина. - М. : Изд-во ИПРЖР, 2000. - 272 с.

4 Люгер Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / Люгер Дж. Ф. - М. : Изд-во Вильямс, 2003. - 864с.

Размещено на Allbest.ru