автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Логические тесты и средства когнитивной графики в комплексе интеллектуальных систем

Актуальность темы. Мощным катализатором научно-технического прогресса в разных отраслях науки и техники является массовое внедрение вычислительной техники и использование новых информационных технологий (НИТ). Искусственный интеллект является одним из важнейших направлений НИТ. Научно-технический прогресс в различных проблемных областях (проектирование устройств логического управления (УЛУ), медицина, медицина чрезвычайных ситуаций, генетика, экология, геология, психология, социология, экономика, криминалистика, архитектура и строительство, управление, образование, научные исследования и др.), а также в междисциплинарных областях (биомедицина, экобиомедицина, геоэкология, геохимия и др.) невозможен без развития адекватных математических моделей, эффективного математического аппарата и разработанного на их основе комплекса интеллектуальных систем проектирования, принятия оптимальных решений, научных исследований и обучения.

В разные периоды времени учеными, работающими в различных проблемных областях, получены фундаментальные теоретические и практические результаты, послужившие основой и стимулом к развитию научных исследований диссертанта.

В области теоретических основ и автоматизации проектирования УЛУ, начиная от функционального описания и кончая структурой проектируемого устройства, - это работы Гаврилова М.А., Глушкова В.М., За-кревского А.Д., Лазарева В.Г., Пархоменко П.П., Поспелова Д.А., Пранги-швили И.В., Рогинского В.Н., Якубайтиса Э.А. и др.; в области разработки специальных методов проектирования, снижающих сложность устройства и учитывающих дополнительные требования к проектируемому устройству на различных этапах проектирования, - это работы Агибалова Г.П., Ам-барцумяна A.A., Бандман О.Л., Баранова С.И., Берштейна Л.С., Варшавского В.И., Девяткова В.В., Евтушенко Н.В,, Закревского А.Д., Капитоновой Ю.В., Карповского М.Г., Кузнецова О.П., Курейчика В.М., Матросо-вой А.Ю., Мелихова А.Н., Поспелова Д.А., Перчука В.Л., Пийль Е.И., Ро-земблюма Л.Я., Сагаловнча Ю.Л., Чистова В.П., Шалыто A.A. и др.

Источником творческих идей при проведении научных исследований диссертанта в области искусственного интеллекта явились многочисленные заинтересованные обсуждения результатов с авторами многих фундаментальных работ Поспеловым Д.А. и Финном В.К., а в области распознавания образов - с Журавлевым Ю.И.

Важные результаты по большинству задач в области распознавания образов получены: Загоруйко Н.Г. - по прикладным методам анализа данных и знаний; Закревским А.Д. — по распознаванию как логическому выводу (особенно по выявлению импликативных закономерностей); Вълевым il.B. - по распознаванию с большими массивами обучающей информации;

Дгаковой Е.В. - по асимптотически оптимальным тестовым алгоритмам в задачах распознавания (в основном по тупиковым тестам); Котелышковым И.В. - по алгоритмам построения тупиковых нечетких тестов; Лбовым Г.С. - по логическим решающим функциям; Мошковым М.Ю. - по условным тестам; Неймарком Ю.И. - по ряду задач распознавания, включая отбор и кодирование признаков; Печерским Ю.Н. - по теоретико-графическим методам в распознавании образов; Рязановым В.В. - по ряду задач распознавания, основанных на нахождении для каждого класса логических закономерностей в виде конъюнкций элементарных предикатов, и др.

Бесспорно, существенное влияние на формирование научных исследований диссертанта оказали результаты исследований в области искусственного интеллекта и интеллектуальных систем Журавлева Ю.И., Ларичева О.И., Осипова Г.С., Попова Э.В., Поспелова Г.С., Поспелова Д.А., Финна В.К. и их школ, а также результаты исследований по инженерии знаний Гавриловой Т.А., Найденовой К.А., Хорошевского В.Ф., по автоматизированному порождению гипотез Финна В.К. и его учеников, по моделированию рассуждений Вагина В.Н., Плесневич Г.С., по анализу знаний Заго-руйко Н.Г., Стефанюка В.Л., по прикладным системам и системам поддержки принятия решений Башлыкова A.A., Гладуна В.П., Еремеева А.П., Закревского А.Д., Ларичева О.И., Нариньяни A.C., Переверзева-Орлова B.C., Пачерского Ю.Н., Попова Э.В., Рыбиной Г.В., Тарасова В.Б. и их учеников, по инструментальным средствам Попова Э.В., Хорошевского В.Ф. и их учеников, по обработке образной информации Валькман Ю.Р., Зенкина A.A., Кобринского Б.А., Кузнецова О.П., Хорошевского В.Ф., по моделированию Эрлих А.И., по нечетким моделям и мягким вычислениям Аверкнна А.Н., Батыршина И.З., Берштейна Л.С., Блишуна А.Ф., Курейчи-ка В.М., Мелихова А.Н., Нариньяни A.C. и многих других авторов, внесших значительный вклад в развитие НИТ.

Общей чертой разработки автоматизированных методов решения разнообразных задач в вышеуказанных областях является необходимость глубокого анализа информации - анализа, требующего весьма изощренных логико-комбинаторных и логико-вероятностных методов, развитию которых посвящена диссертационная работа. Создание же интеллектуальных систем связано с развитием способов представления знаний и их интеграции, логического вывода, новых подходов в "мягких вычислениях", методологии построения систем с применением когнитивной графики, эволюционного моделирования, инструментальных средств построения интеллектуальных систем и ряда других исследований, включенных в "прорывные направления" научных исследований по НИТ и отмеченных в решении Научной сессии Отделения информатики, вычислительной техники и автоматизации РАН по проблеме "Искусственный интеллект" от 11.10.1994 г. Именно исследованиям в этих направлениях уделено большое внимание в диссертации.

В настоящее время в этих направлениях выполнен широкий круг научных исследований и разработано большое количество интеллектуальных систем, ориентированных, как правило, на решение конкретных задач, не охватывающих проблему в целом даже в рамках одной проблемной области, поскольку применяемые модели представления знаний (фреймы, продукции, семантические сети) не позволяют описывать в едином формализме все отношения, важные для принятия комплексных решений в большом признаковом пространстве. Кроме того, для решения задач из одной и той же проблемной области, как правило, используется различный математический аппарат. Применяемые алгоритмы выявления закономерностей в знаниях, процедуры вывода для решения задач большой размерности (несколько сотен признаков и тысяч объектов) весьма трудоемки при реализации их в интеллектуальных системах. Недостаточно развиты также разнообразные когнитивные средства обоснования принимаемых решений, ориентированные на пользователей различной квалификации и инвариантные к проблемным областям.

Именно этим проблемам посвящена диссертационная работа.