автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Модели и алгоритмы обработки слабо формализованной информации в технических системах

кандидата технических наук
Копыльцов, Антон Александрович
город
Санкт-Петербург
год
2015
специальность ВАК РФ
05.13.01
Автореферат по информатике, вычислительной технике и управлению на тему «Модели и алгоритмы обработки слабо формализованной информации в технических системах»

Автореферат диссертации по теме "Модели и алгоритмы обработки слабо формализованной информации в технических системах"

На правах рукописи

КОПЫЛЬЦОВ Антон Александрович

МОДЕЛИ И АЛГОРИТМЫ ОБРАБОТКИ СЛАБО ФОРМАЛИЗОВАННОЙ ИНФОРМАЦИИ В ТЕХНИЧЕСКИХ СИСТЕМАХ

Специальность: 05.13.01 - системный анализ, управление и обработка информации (технические системы)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

005568005

2 9 АПР 2015

Санкт-Петербург - 2015

005568005

Работа выполнена на кафедре автоматизированных систем обработки информации и управления Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И. Ульянова (Ленина)

Научный руководитель: академик РАО, доктор технических наук,

профессор Советов Борис Яковлевич

Официальные оппоненты: доктор технических наук

Дюк Вячеслав Анатольевич, ведущий научный сотрудник лаборатории биомедицинской информатики Санкт-Петербургского института информатики и автоматизации РАН

кандидат технических наук Воронин Иван Викторович, доцент кафедры систем управления и компьютерных технологий Балтийского государственного технического университета «ВОЕНМЕХ» имени Д.Ф. Устинова

Ведущая организация: ФГБОУ ВО Государственный университет морского и речного флота имени адмирала С.О. Макарова

Защита состоится «15 » июня 2015 г. в 16-00 часов на заседании совета по защите докторских и кандидатских диссертаций Д212.23 8.07 Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И. Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, 5

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им.В.И. Ульянова (Ленина) и на сайте СПбГЭТУ «ЛЭТИ»: www.eltech.ru

Автореферат разослан «14» апреля 2015 г.

Ученый секретарь совета по защите докторских и кандидатских диссертаций Д 212.238.07

Цехановский В.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В последние десятилетия разработаны разнообразные технические системы, осуществляющие сбор различной информации с помощью большого количества датчиков, которые отличаются большим разнообразием. Это могут быть видеокамеры (аналоги зрения), датчики звука и/или ультразвука (аналоги слуха), тактильные датчики (аналоги осязания), датчики регистрирующие ионы (аналоги вкуса и запаха), температуру, давление, вибрацию, направление силы тяжести, движения и др. Количество таких датчиков, с помощью которых осуществляется сбор информации в технической системе, может измеряться сотнями. Поступающая информация часто недостаточно полная, содержит искажения, помехи, шумы и т.д. Для обработки такой слабо формализованной информации в технических системах используются различные подходы, имеющие свои недостатки и преимущества. Сложность разработки подобных систем обусловлена тем, что в последнее время, с одной стороны, количество слабо формализованной информации, поступающей от различных технических систем, значительно возрастает (различных датчиков становится все больше и больше, как по видам, так и по количеству, а также и по скорости сбора информации). А с другой стороны, для поддержки принятия решений (для чего, собственно говоря, и собирается информация) выделяются интервалы времени, которые становятся все меньше и меньше. Поэтому, разработка алгоритмов и моделей обработки слабо формализованной информации в технических системах для поддержки принятия решений актуальна.

Объект и предмет исследования.

Объект исследования - слабо формализованная информация в технических системах, а предмет исследования - процесс обработки слабо формализованной информации.

Целью диссертационной работы является исследование и разработка алгоритмов и моделей обработки слабо формализованной информации в технических системах.

Для достижения цели были поставлены следующие задачи:

1. Исследование и разработка моделей обработки слабо формализованной информации при недостаточном количестве поступающей информации.

2. Разработка алгоритмов для оценивания характеристик и обработки слабо формализованной информации.

3. Исследование и разработка обобщенного алгоритма обработки слабо формализованной информации в технических системах.

Методы исследования.

Для решения поставленных задач использовались теория вероятностей, нечеткая логика, системный анализ, теория построения моделей, теория поддержки принятия решений, численные методы и. компьютерные методы обработки информации.

Научные положения, выносимые на защиту:

1. Модели обработки слабо формализованной информации при недостаточном количестве поступающей информации.

2. Алгоритмы для оценивания характеристик и обработки слабо формализованной информации.

3. Обобщенный алгоритм обработки слабо формализованной информации в технических системах.

Научная новизна проведенного исследования:

1. Предложены модели обработки слабо формализованной информации при недостаточном количестве поступающей информации. Отличие от ранее разработанных моделей состоит в том, что учитывается сочетанное влияние различных видов слабо формализованной информации на принимаемое решение.

2. Предложены алгоритмы для оценивания характеристик и обработки слабо формализованной информации. Отличие от аналогов состоит в том, что предлагаемые алгоритмы основаны на учете особенностей хранения и обработки слабо формализованной информации в организме животного.

3. На основе разработанных алгоритмов и моделей обработки слабо формализованной информации предложен обобщенный алгоритм обработки слабо формализованной информации в технических системах. Отличие от известных алгоритмов состоит в том, что используются одновременно модели, работающие при недостаточном количестве слабо формализованной информации об объекте исследования, и алгоритмы, разработанные с учетом особенностей хранения и обработки слабо формализованной информации в организме животного.

Теоретическая значимость работы: предложенные модели и алгоритмы могут быть использованы при разработке систем искусственного интеллекта.

Практическая значимость работы: предложенные модели и алгоритмы можно практически использовать в технических системах для обработки слабо формализованной информации и поддержки принятия решений.

Апробация работы.

Результаты, полученные в диссертации, обсуждались и докладывались на

XII Санкт-Петербургской международной конференции «Региональная информатика - 2010», Санкт-Петербург, 20-22 октября 2010 г., на VII Санкт-Петербургской межрегиональной конференции «Информационная безопасность регионов России», Санкт-Петербург, 26 - 28 октября 2011 г., на

XIII Санкт-Петербургской международной конференции «Региональная информатика - 2012», Санкт-Петербург, 24-26 октября 2012 г., на VIII Санкт-Петербургской межрегиональной конференции «Информационная безопасность регионов России (ИБРР-2013)», Санкт-Петербург, 23-25 октября 2013 г., на XIV Санкт-Петербургской международной конференции «Региональная информатика - 2014», Санкт-Петербург, 29-31 октября 2014 г.

Публикации.

По диссертационному исследованию опубликовано 18 научных работ, из них - 6 статей (3 статьи опубликованы в журналах, рекомендованных ВАК, 3 статьи - в других журналах), 12 работ - в материалах научных международных, межрегиональных и всероссийских конференций. Получены акт внедрения и свидетельство о государственной регистрации программы для ЭВМ.

Структура и объем диссертации.

Диссертация содержит введение, четыре главы, заключение, список литературы, включающий 136 наименований, и приложение. Диссертация изложена на 152 страницах машинописного текста, включая 34 рисунка и 17 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении рассмотрены актуальность, цель, задачи, научная новизна, теоретическая и практическая значимость исследования, положения, выносимые на защиту, рекомендации по использованию.

В первой главе приведен обзор литературы и рассмотрены подходы, которые используются при обработке слабо формализованной информации. Показано, что слабо формализованная информация в технических системах отличается большим разнообразием и часто является недостаточно полной, содержит искажения, помехи, шумы и т.д. Обработка такой слабо формализованной информации может быть осуществлена различным образом.

Разработанные методы обработки информации имеют как преимущества, так и недостатки. Поэтому, предлагается совместная обработка информации, в основу которой положены недавно открытые механизмы хранения и обработки информации, заимствованные из живой природы (Кандель, 2012), в частности, информация различных видов (видео, аудио и другая) об объекте наблюдения обрабатывается и хранится в одной и той же структуре мозга, обработка информации осуществляется с учетом повторяемости событий и приоритетов, новые знания в мозге генерируются на основе сравнения результатов, полученных после специальной обработки информации. Взяв за основу эти способы обработки и хранения информации в живой природе, предлагается обобщенный алгоритм обработки слабо формализованной информации, базирующийся на моделях, работающих при недостаточном количестве слабо формализованной информации об объекте исследования.

Во второй главе предлагается идеология построения обобщенного алгоритма обработки слабо формализованной информации (Рис. 1, Рис. 2). Функциональные возможности обобщенного алгоритма обработки слабо формализованной информации (ОСФИ) следующие: оценивание достоверности поступающей слабо формализованной информации, оценивание безопасности поступающей слабо формализованной информации, оценка вероятности, с которой можно доверять поступающей слабо формализованной информации, выработка устойчивой реакции на поступающую слабо формализованную информацию и ее запоминание, поддержка принятия решений и генерация новой информации. Обобщенный алгоритм содержит 14 модулей (Рис. 1). Предложены алгоритмы распознавания и классификации поступающей слабо формализованной информации, модели обработки слабо формализованной информации, которая поступает от видео-, аудио-, ионных и других датчиков, а также различных их сочетаний. Предложены алгоритмы анализа слабо формализованной информации, поступающей от объектов, изменяющихся в нескольких диапазонах (видео-, аудио- и др.) одновременно или последовательно. Проведено сравнение с живыми системами и оценивание работоспособности системы (предложен вероятностный алгоритм). Предложены алгоритмы оценивания характеристик поступающей информации (достоверности, безопасности, наличия связей между вновь полученной слабо формализованной информацией и информацией, находящейся в хранилище).

X р

а

н и л

и Щ

е

( начало )

_i_

сбор информации

распознавание информации

т

классификация информации

т

| свертка информации |

<—>1 оценивание достоверности информации I, 1

I оценивание безопасности информации 1

{ установление связей |-

»—4 оценивание вероятности I-

п 1 , по,одержка принятия решений I

1

I обобщенная поддержка принятия решений! |—Ч определение числа связей |-

__Ц_=__

<—>|_выработка устойчивой реакции_I -

А.

генерация решении

*

( конец )

Рис. 1.

Рис. 2.

В третьей главе предложены алгоритмы обработки слабо формализованной информации, в частности, алгоритмы поддержки принятия решений, оценки числа связей, подтверждающих верность принятого решения, выработки устойчивой реакции на поступающую информацию, коррекции связей в хранилище, генерации новой информации. Предложен обобщенный алгоритм обработки слабо формализованной информации, который содержит следующие 14 этапов (Рис. 1).

Этап 1. В модуле «Сбор информации» собирается информация, которая поступает от технической системы, с помощью различных датчиков.

Этап 2. В модуль «Распознавание информации» поступает информация из модуля «Сбор информации». В этом модуле происходит разделение информации на аудио, видео, тактильную и другие виды информации.

Этап 3. В модуль «Классификация информации» информация поступает из модуля «Распознавание информации». Там она разделяется на классы К!г...

К;,.....,Кп, где и - число классов (величина п зависит от конкретной задачи).

Классы содержат один из видов информации (зрение, слух, осязание, вкус и обоняние) или комбинации из них по два, по три и более. Число различных видов информации может быть увеличено или уменьшено в зависимости от конкретной задачи. Количество разных классов и их наименования в модуле «Классификация информации» может изменяться с течением времени.

Этап 4. В модулях «Свертка информации» осуществляется обработка информации по определенному алгоритму. В основе алгоритма свертки, используемого при недостаточном количестве информации, лежат следующие предположения. Во-первых, пусть есть некоторый объект, характеризующийся факторами (например, их количество равно и), и каждый фактор ^ (1 < / < и) характеризуется показателями (например, их количество равно /и,-, 1 < г < п ). Во-вторых, накладываются условия дискретности, приоритета и нормировки. Если

= ^ Р] К1 - формула для вычисления г'-го фактора /¡, где Щ (/ = 1, ..., т,) —

численные величины показателей, характеризующих фактор /¡, т, - число показателей, характеризующих фактор/ (1 <г<п),Ру- весовые коэффициенты, то условие дискретности имеет вид: коэффициенты Р,- принимают значения из множества {О, 1/7^, 2ЛУ,...., (Ы-1)/Ы, N/N=1}. Расчеты показали, что лучше взять N равное, 20, 50, 100 или более (выбор числа N определяется возможностями компьютера и задачей). Накладываются отношения порядка между показателями (условие приоритета), а именно, значительно важнее, важнее,

немного важнее. Если показатель Кр значительно важнее показателя Кч (обозначение Кр»Кч), то между Рр и Рч находится как минимум один коэффициент Рг такой, что Рр>Рр>Рч. Если показатель Кр важнее показателя Кч (обозначение Кр>Кд)„ то Рр>Рд- Если показатель Ка немного важнее показателя Кв (обозначение КР>КЧ), то Ра>Рв, Накладывается условие нормировки

У Р, =1, т.е. сумма весовых коэффициентов для каждого фактора равна 1.

J=1

При проведении расчетов обычно получаем несколько значений /¡. Можно

А -

j-(fJ £(/,-/)

найти среднее значение / = — , дисперсию £> = —-, среднее

О Nо

квадратичное отклонение (Т = £>0'5, где N0 - число полученных факторов

Вычисленная величина / называется сверткой факторов Предлагаемый

алгоритм отличается от других тем, что весовые коэффициенты не

вычисляются явно и расчеты проводятся при недостатке информации с учетом

наложенных условий дискретности, приоритета и нормировки.

Этап 5. В модулях «Оценивание достоверности информации» осуществляется оценивание достоверности информации, полученной после свертки, в каждом из п классов. Это достигается методом сравнения недавно поступившей информации с ранее поступившей информацией, которая хранится в модуле «Хранилище». Если достоверность поступившей информации меньше некоторого значения, заранее выбранного для каждого класса, то считается, что информация не достоверная и происходит переход в модуль «Распознавание информации», где проводится повторная обработка информации согласно алгоритму и информация попадает в другой класс (Рис.1).

Этап 6. Оценивание безопасности информации происходит в п модулях «Оценивание безопасности информации» для каждого класса, методом ее сравнения с ранее поступившей информацией. Если уровень опасности поступившей информации превышает некоторое заранее взятое для каждого из п классов значение, то поступившая информация считается опасной и происходит переход в модуль «Распознавание информации», где проводится повторная обработка информации согласно алгоритму и информация попадает в другой класс. (Рис.1).

Этап 7. В модулях «Установление связей» осуществляется установление связей в каждом из п классов между информацией, которая поступила недавно и которая поступила раньше и находится в модуле «Хранилище». В случае, когда число связей не превышает некоторой, заранее заданной для каждого из п классов величины, происходит переход в модуль «Распознавание информации», где проводится повторная обработка информации согласно алгоритму и информация попадает в другой класс (Рис.2.1).

Этап 8. В модулях «Оценивание вероятности» происходит оценивание в каждом из п классов вероятности, с которой можно доверять недавно полученной информации. Это достигается с помощью вероятностного алгоритма. В случае, когда вероятность не превосходит некоторой, заранее выбранной величины, определяемой для каждого из п классов, то происходит переход в модуль «Распознавание информации», где проводится повторная обработка информации согласно алгоритму и информация попадает в другой класс. Мы имеем две системы. Первая — это система наблюдения, включающая большое количество различных датчиков, и объект наблюдения, т.е. техническая система, на которой установлены различные датчики (или установлены на некотором расстоянии от нее (объекта наблюдения)), с которых снимается слабо формализованная информация и перерабатывается определенным образом. Предполагается, что система наблюдения, от которой поступает слабо формализованная информация, содержит модули: модуль зрения, модуль слуха, модуль осязания, модуль вкуса и обоняния и др. При необходимости количество модулей легко может быть уменьшено или увеличено. Каждая из неисправностей (выхода из строя) каждого модуля характеризуется определенным набором признаков, которые представлены в виде множества вопросов, на которые возможны ответы «да» или «нет».

Алгоритм реализован в виде следующих 7 пунктов.

П 1. Ввод исходных данных (неисправности, количество неисправностей, характеристики неисправностей). Каждая неисправность характеризуется набором признаков неисправностей: характерные признаки (есть всегда), нехарактерные признаки (отсутствуют всегда), полухарактерные признаки (промежуточные признаки между характерными и нехарактерными, могут быть, но с некоторой вероятностью). Тогда информация может быть записана в виде:

{А, РА, N1', Ph\ Pl2', NI2, Р1,2, Р12\ ............................. Nlj, Р1/, Р12{

N2', P2,'t P2i, N22, P2i, Р22, ............................................ N2k, Р2,к, Р22к,

N3', РЗ/, Р32, N32, РЗ,2, Р322, ...................................... N3m, РЗГ, Р32т),

где А — номер неисправности, Ра — вероятность неисправности с номером А; N1' - номера характерных признаков (вопросов) (/ — количество характерных признаков (вопросов), 1 </<_/'), PI} - вероятность ответа «да» на i - ый вопрос, Р12' - вероятность ответа «нет» на i - ый вопрос; N2' - номера нехарактерных признаков (вопросов) (к — количество нехарактерных признаков (вопросов) 1 </<£), Р2{ - вероятность ответа «да» на i - ый вопрос, Р2} - вероятность ответа «нет» на i — ый вопрос; N3' - номера полухарактерных признаков (вопросов) (т - количество полухарактерных признаков (вопросов) 1 <i<m), РЗ1 - вероятность ответа «да» на i — ый вопрос, Р32' - вероятность ответа «нет» на i - ый вопрос, причем PI¡+Р12=\, P2i'+P22'=\, P3i+P32= 1 и сумма всех Рл по всем неисправностям А равна 1. Количество вопросов характерных, нехарактерных и полухарактерных удовлетворяет неравенствам j>\, к>\, т>\. Общее количество вопросов Veonpocoe = j+k+m и вопросы хранятся в виде пронумерованного списка.

П 2. Ввод вопроса. Выбирается вопрос из списка вопросов, на который ответу «да» соответствует неисправность с максимальной вероятностью.

П 3. Из списка неисправностей выделяется новый список неисправностей, удовлетворяющих условию: на заданный вопрос ответу "да" соответствует вероятность Р>Р*, где 0<Р*<1. Конкретное значение числа Р* зависит от решаемой задачи.

П 4. Выбор вопроса осуществляется следующим образом. Просматриваем все численные значения вероятности с ответом "да" на характерные, нехарактерные и полухарактерные вопросы и выбирается наибольшее значение вероятности. Если их оказалось больше 1, то выбираем любой. Максимальному значению вероятности соответствует какой-то вопрос и этот вопрос и задается. На этот вопрос можно ответить "да" или "нет". Этот вопрос исключаем из общего списка вопросов.

П 5. Если на вопрос ответ "да", то просматриваются все значения вероятности с ответом "да" на характерные, нехарактерные и полухарактерные вопросы и выбирается наибольшее. Если их больше, чем 1, то выбирается произвольно любое. Этому выбору соответствует новый вопрос, который задается и исключается из списка вопросов. Из списка неисправностей убираются неисправности, в которых на этот вопрос (номер этого вопроса) вероятность ответа «да» p<p**t где 0<Р**< 1. Конкретное значение числа Р** зависит от задачи. Если на вопрос ответ "нет", то просматриваем все значения

вероятности с ответом "нет" на характерные, нехарактерные и полухарактерные вопросы и выбираем наименьшее. Если их больше 1, то выбираем любое. Этому выбору соответствует новый вопрос, который задается и исключается из списка. Из списка убираются неисправности, в которых на этот вопрос (номер этого вопроса) вероятность ответа «нет» Р>Р***, где 0<Р***<1. Конкретное значение числа р*** зависит от задачи.

П 6. Проверка количества оставшихся неисправностей. Если их больше 1, то осуществляется переход в пункт 4. Таким образом, список неисправностей постепенно сокращается и в итоге останется одна неисправность, которая является ответом.

П 7. Коррекция вероятностей. Коррекцию вероятностей можно записать следующим образом. Если до коррекции было NN наблюдений и для неисправности с номером А имели

(А, РА, Nl', Pli, PI 2, Nl2, PI,2, Pl22,............................. Nlj, Р1/, PI I

N21, P2,', P22l, N22, P22, P2/, ...........................................N2*. P2,k, P22k,

N3', РЗ/, P32', N32, P32, P322, .....................................N3m, РЗГ, P32m),

а после провели еще MM наблюдений и с неисправностью А было А1 случаев, из которых: на вопрос с номером N1' (1 < i <j) ответ «да» был в Nip случаях и «нет» - в Nlm случаях, на вопрос с номером N2' (1< i < к) ответ «да» был в N2p' случаях и «нет» - в N2m' случаях, на вопрос с номером N3' (1 < i < т) ответ «да» был в N3p' случаях и «нет» — в N3m' случаях, то после коррекции

будем иметь

(А, Р/, N1', Р1,м, Р12ш, Ш2, Р1,ш, Р12ш, .................N1', Р1Д Р1Г,

N2', Р2,ш, Р221М, N22, Р22М, Р22м, ................................N2", Р2,ш, Р22ш,

N3', Р3,м, Р32ш, Ю2, РЗЛ Р32ш, ............................N3"', РЗГ", Р32т\

и новые значения вероятностей

Р/, Р1Г, Р12ш, Р1,ш, Р12ы,.................................Р1Г, Р1Г,

. Р2,ш, Р22ш, Р21ш, Р22ш, ............................................. Р2,ш, Р22ш,

РЗ,ш, Р32ш, РЗ,2М, Р322К, ............................................ РЗ:тН, Р32тМ

можно определить следующим образом: Р/ = (NN' Рл+А1)/^ + ММ),

Pl,iN = (NN- РА ■ PI,' + Nip') / (NN- Ра + А1), P12'n =1 - Pl/N, 1 < i<j, P2,M = (NN' PA ■ P2i + N2p') /(NN' PA +Al), P22iN =/ - P2/N, 1 <i<k, P3/N = (NN- PA ■ РЗ/ + N3p') / (NN- PA + Al), P32iN =1 - P3/N, 1 <i<m,

где ИЫ+ММ - общее число случаев после коррекции, ИЫ' Р,- число случаев с неисправностью А до коррекции, (№У Рл + А1) - число случаев с неисправностью А после коррекции.

Этап 9. В модулях «Поддержка принятия решений» происходит поддержка принятия решений в п классах, т.е. генерируется некоторая совокупность решений для каждого из п классов.

Этап 10. В модуле «Обобщенная поддержка принятия решений» происходит сборка сгенерированных решений из всех п классов и на их основе формируется новая обобщенная совокупность решений. Итоговое решение принимает эксперт.

Этап 11. Сравнение принятого решения с решениями, которые были приняты ранее, происходит в модуле «Определение числа связей». Это достигается путем сравнения с ранее поступившей информацией, хранящейся в модуле «Хранилище». В случае, когда число подтверждений не превосходит некоторого, заранее выбранного числа, то, происходит переход в модуль «Распознавание информации, где происходит повторная обработка информации согласно алгоритму и информация попадает в другой класс (Рис.2.1).

Этап 12. Выработка устойчивой реакции на неоднократно поступающую информацию и ее запоминание происходит в модуле «Выработка устойчивой реакции». Это достигается методом сравнения недавно поступившей информации и информации полученной раньше и находящейся в модуле «Хранилище». В случае, когда полученная новая и проверенная информация не имеется в модуле «Хранилище», то она помещается туда на хранение.

Этап 13. Генерация решений происходит в модуле «Генерация решений».

Этап 14. Поступившая ранее информация собирается в модуле «Хранилище». В модуле «Генерация решений» генерируется новая информация с учетом сведений о недавно записанной информации и ранее записанной информацией в модуле «Хранилище». Там же проводится проверка информации на степень ее новизны. В случае, когда информация действительно является новой, то эта информация поступает в модуль «Сбор информации» для последующей обработки согласно алгоритму.

В четвертой главе приведено экспериментальное оценивание полученных результатов. Предложено применение обобщенного алгоритма обработки слабо формализованной информации для различных технических систем. Рассмотрены такие задачи, как падение предметов на подвижную платформу, локализация областей коры головного мозга с повышенным

возбуждением нейронов, регулирование химической реакции, обеспечение безопасного движение автотранспорта, обеспечение динамического равновесия длинного стержня на подвижной платформе, повышение производительности труда. Приведено сравнение обобщенного алгоритма с другими подходами. Показано, что обобщенный алгоритм включает в себя некоторые элементы следующих моделей: продукционная модель (условие - заключение) (этапы 9,10,12,13); фреймы (стереотипы поведения) (этап 12)); нейронные сети (сети связности) (этап 14); нечеткие множества (оценивание и коррекция граничных значений) (этап 9). В обобщенном алгоритме используются элементы экспертных систем, эвристического подхода, нечетких множеств, нейронных сетей и группировки данных. В обобщенном алгоритме учитываются следующие характеристики: сбор информации, распознавание информации, классификация информации, свертка информации, оценивание достоверности информации, оценивание безопасности информации, установление связей между недавно и ранее полученной информацией, оценка вероятности, с которой можно доверять недавно полученной информации, поддержка принятия решений, выработка устойчивой реакции на неоднократно поступающую информацию, генерация новой информации, возможность обучения, учет работоспособности системы наблюдения, обработка разнородной информации по единообразному алгоритму, учет приоритетов при обработке информации, учет повторяющихся закономерностей при обработке информации, обработка информации при недостатке информации. Сравнение методов показывает, что обобщенный алгоритм учитывает больше характеристик, чем иные подходы.

В заключении отмечено, что в ходе проведенного исследования получены следующие результаты:

1. Разработаны модели обработки слабо формализованной информации, поступающей от технических систем, при недостаточном количестве информации. В частности, модели свертки для обработки видеоинформации, аудиоинформации, информации поступающей от тактильных и ионных датчиков. Разработаны модели совместной обработки слабо формализованной информации, поступающей от технических систем, информация от которых поступает через различные датчики одновременно или последовательно в различных диапазонах. Предложены модели распознавания и классификации поступающей слабо формализованной информации, вероятностный алгоритм оценивания работоспособности системы, алгоритмы оценивания характеристик

(достоверности и безопасности) поступающей слабо формализованной информации, алгоритм установления связей между вновь полученной слабо формализованной информацией и ранее полученной, находящейся в хранилище, информацией.

2. Разработаны алгоритмы обработки и оценивания характеристик поступающей слабо формализованной информации. В частности, алгоритмы поддержки принятия решений в классах, выявленных после классификации слабо формализованной информации, алгоритм оценивания числа связей, подтверждающих правильность принятого решения, алгоритм выработки устойчивой реакции на поступающую слабо формализованную информацию, алгоритм обобщенной поддержки принятия решений, алгоритм коррекции связей в хранилище и генерации новой информации.

3. На основе разработанных моделей и алгоритмов обработки слабо формализованной информации предложен обобщенный алгоритм обработки слабо формализованной информации.

4. Экспериментальное оценивание полученных результатов показало, что разработанный подход может быть применен к различным задачам, таким, как падение предметов на подвижную платформу, локализация областей коры головного мозга с повышенным возбуждением нейронов, регулирование химической реакции, обеспечение безопасного движение автотранспорта, обеспечение динамического равновесия длинного стержня на подвижной платформе, повышение производительности труда.

ОПУБЛИКОВАННЫЕ РАБОТЫ ПО ТЕМЕ ДИССЕРТАЦИИ Статьи, опубликованные в ведущих рецензируемых научных журналах и изданиях, рекомендованных ВАК МОИ РФ:

1.Копыльцов, A.A. Модель классификации информации и алгоритм ее предварительной обработки для статических и динамических объектов [Текст] // Известия СПбГЭТУ "ЛЭТИ" (известия государственного электротехнического университета), серия "Информатика, управление и компьютерные технологии". - 2013. - № 6. - С. 134-139.

2. Копыльцов, A.A. Алгоритм обработки слабо формализованной информации, поступающей от технических систем [Текст] / A.A. Копыльцов, A.B. Копыльцов // Известия СПбГЭТУ "ЛЭТИ" (известия государственного электротехнического университета), серия "Информатика, управление и компьютерные технологии". - 2012. - № 8. - С. 30 - 36.

3. Копыльцов, A.A. Применение обобщенного алгоритма обработки слабо формализованной информации для управления неравновесной химической реакцией [Текст] // Инженерный вестник Дона. 2015. № 1. ч.2. URL: ivdon.ru/ru/magazine/archive/nlp2y2015/2812

Свидетельство об интеллектуальной собственности:

4.Копыльцов, A.A. Программа для обработки слабо формализованной информации, поступающей от технических систем // Свидетельство о государственной регистрации программы для ЭВМ № 2013617310. Правообладатель: ФГБОУ ВПО «Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им В.И. Ульянова (Ленина)» (СПбГЭТУ). Заявка № 2013615041. Дата поступления 19 июня 2013 г. Дата государственной регистрации в Реестре программ для ЭВМ 08 августа 2013 г.

Публикации в других изданиях:

5.Копыльцов, A.A. Алгоритм коррекции связей между фрагментами слабо формализованной информации и генерация новой информации [Текст] // Вестник Нижневартовского государственного университета. — 2014. - № 3. - С. 28-34.

6.Копыльцов, A.A. Обработка слабо формализованной информации, поступающей от технических систем [Текст] / A.A. Копыльцов, A.B. Копыльцов // Вестник Нижневартовского государственного гуманитарного университета. — 2013. - № 1. - С. 32-36.

7.Копыльцов, A.A. Обобщенный алгоритм обработки слабо формализованной информации и его применение [Текст] / A.A. Копыльцов, A.B. Копыльцов // Вестник Нижневартовского государственного университета. -2014.-№35.-С. 35-44.

8. Копыльцов, A.A. Обработка слабо формализованной информации в живых и технических системах [Текст] // Материалы Всероссийской научно-практической конференции студентов, магистров, аспирантов «Современное программирование» (16—17 апреля 2014 г.). Нижневартовск: Издательство Нижневартовского государственного университета. - 2014. - С. 117-121.

9.Копыльцов, A.A. Цифровой образовательный ресурс «Обработка слабо формализованной информации в живых и технических системах» [Текст] // Материалы сетевой международной научно-практической конференции «Электронное обучение в ВУЗе и школе» (16-19 апреля 2014 г.). СПб: РГПУ. -2014.-С. 151-153.

Ю.Копыльцов, A.A. Кластерное атрибутирование объектов информационной обработки по понятийным частным и интегральным признакам [Текст] / A.A. Копыльцов, P.A. Нечитайленко // Материалы XII Санкт-Петербургской международной конференции «Региональная информатика - 2010» (20 - 22 октября 2010 г.). Санкт-Петербург: СПОИСУ. -2010.-С. 49-50.

11 .Копыльцов, A.A. Обеспечение пороговой безопасности обработки слабо формализованной информации при распределенном управлении с целью принятия решений [Текст] / A.A. Копыльцов, P.A. Нечитайленко // Труды VII Санкт- Петербургской межрегиональной конференции «Информационная безопасность регионов России» (26 - 28 октября 2011 г.). Санкт-Петербург: СПОИСУ. - 2011. - С. 154-155.

12.Копыльцов, A.A. Обработка информации в живых и технических системах [Текст] // Материалы XIII Санкт-Петербургской международной конференции «Региональная информатика - 2012» (24 - 26 октября 2012 г.). Санкт-Петербург: СПОИСУ. - 2012. - С. 373-374.

13.Копыльцов, A.A. Обработка слабо формализованной информации при недостатке информации [Текст] // Материалы XIII Санкт-Петербургской международной конференции «Региональная информатика - 2012» (24 - 26 октября 2012 г.). Санкт-Петербург: СПОИСУ. - 2012. - С. 374.

14.Копыльцов, A.A. Технические системы и слабо формализованная информация [Текст] / A.A. Копыльцов, A.B. Копыльцов // Материалы XIII Санкт-Петербургской международной конференции «Региональная информатика - 2012» (24 - 26 октября 2012 г.). Санкт-Петербург: СПОИСУ. -2012.-С. 375.

15. Копыльцов, A.A. Сохранение конфиденциальности данных при поддержке принятия решений, на основе извлекаемой специальным образом информации [Текст] // Материалы VIII Санкт- Петербургской межрегиональной конференции «Информационная безопасность регионов России» (23 - 25 октября 2013 г.). Санкт-Петербург: СПОИСУ. - 2013. - С. 104.

16. Копыльцов, A.A. Цифровой образовательный ресурс «Краткая история моделирования» и его применение в учебном процессе [Текст] / A.A. Копыльцов, A.B. Копыльцов // Материалы сетевой международной научно-практической конференции «Электронное обучение в ВУЗе и школе» (16-19 апреля 2014 г.). СПб: РГПУ. - 2014. - С. 153-155.

17.Копыльцов, A.A. Особенности обработки слабо формализованной информации [Текст] // Материалы XIV Санкт-Петербургской международной конференции «Региональная информатика - 2014» (29 - 31 октября 2014 г.). Санкт-Петербург: СПОИСУ. - 2014. - С. 555-556.

18. Копыльцов, A.A. Слабо формализованная информация и алгоритмы ее обработки [Текст] // Материалы XIV Санкт-Петербургской международной конференции «Региональная информатика - 2014» (29 - 31 октября 2014 г.). Санкт-Петербург: СПОИСУ. - 2014. - С. 556-557.

19. Копыльцов, A.A. Качественная и количественная слабо формализованная информация и ее обработка [Текст] / A.A. Копыльцов, A.B. Копыльцов // Материалы XIV Санкт-Петербургской международной конференции «Региональная информатика - 2014» (29 - 31 октября 2014 г.). Санкт-Петербург: СПОИСУ. - 2014. - С. 557.

Подписано в печать 13.04.15. Формат 60*84 1/16. Бумага офсетная. Печать цифровая. Печ. л. 1,0. Тираж 100 экз. Заказ 15.

Отпечатано с готового оригинал-макета в типографии издательства СПбГЭТУ "ЛЭТИ" 197376, С.-Петербург, ул. Проф. Попова, 5