Помощь в написании студенческих работ
Антистрессовый сервис

Семиотические аспекты интеллектуальной системы для оценки стратегических производственных возможностей стран

Диссертация: Семиотические аспекты интеллектуальной системы для оценки стратегических производственных возможностей стран
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В настоящее время происходит расширение математического аппарата, лежащего в основе интеллектуальных систем. Одним из направлений исследований в этой области является разработка теории семиотических систем, представляющей математический базис для построения интеллектуальных систем качественно нового уровня. Так, на смену формальной системы и ее частичных модификаций приходит семиотическая… Читать ещё >

Семиотические аспекты интеллектуальной системы для оценки стратегических производственных возможностей стран (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. ПОСТАНОВКА ЗАДАЧИ
    • 1. 1. Общие сведения об интеллектуальной системе для оценки стратегических производственных возможностей стран
    • 1. 2. Цель и задача ИС ОСПС
    • 1. 3. Структура ИС ОСПС
    • 1. 4. Информационная модель ИС ОСПС
    • 1. 5. Свойства информации относящейся к ядерным программам стран
    • 1. 6. Оценка информации в ИС ОСПС
  • 2. СЕМИОТИЧЕСКАЯ МОДЕЛЬ УПРАВЛЕНИЯ В ИС ОСПС
    • 2. 1. Основная семиотическая конструкция — треугольник Фреге
    • 2. 2. Нечеткая семиотическая прагматическая модель управления
    • 2. 3. Семиотическая модель управления в ИС ОСПС
    • 2. 4. Понятие прагматической функции
    • 2. 5. Представление информации с помощью прагматической переменной
    • 2. 6. Визуальная переменная как основа подсистемы ввода информации
    • 2. 7. Оценка источников информации, используемых в ИС ОСПС
  • 3. ОЦЕНКА СОСТОЯНИЯ ЯДЕРНОЙ ДЕЯТЕЛЬНОСТИ СТРАН В ИС ОСПС ОЯДС
    • 3. 1. Оценка текущего состояния
    • 3. 2. Модель ядерной деятельности стран
    • 3. 3. Задачи и цели подсистемы прогнозирования
    • 3. 4. Сравнительная оценка существующих методов прогнозирования для их использования в ИС ОСПС
    • 3. 5. Структура подсистемы прогнозирования
    • 3. 6. Оценка способов вычисления точности прогноза
    • 3. 7. Подсистема определения надежности прогноза
  • 4. ТЕСТИРОВАНИЕ ИС ОСПС
    • 4. 1. Цель тестирования
    • 4. 2. Подготовка данных для тестирования
    • 4. 3. Результаты тестирования
    • 4. 4. Некоторые интерфейсные решения, использованные в системе
  • 5. ВЫВОДЫ

Актуальность работы. Одним из центральных вопросов, являющимся в настоящее время актуальным для международного сообщества, является разработка усиленной системы контроля за выполнением странами своих международных обязательств в области нераспространения ядерных вооружений. Одним из важных элементов такой системы является интеллектуальная система для оценки стратегических производственных возможностей стран в области ядерной деятельности (ИС ОСПС).

В настоящее время происходит расширение математического аппарата, лежащего в основе интеллектуальных систем. Одним из направлений исследований в этой области является разработка теории семиотических систем, представляющей математический базис для построения интеллектуальных систем качественно нового уровня. Так, на смену формальной системы и ее частичных модификаций приходит семиотическая система, позволяющая адекватно описывать современные проблемные области, основными характеристиками которых являются открытость, динамичность и сложноструктурированность. Основоположником нового подхода к разработке интеллектуальных систем как семиотических систем моделирования является академик РАЕН доктор технических наук Д. А. Поспелов [1].

В прикладной семиотике одно из центральных мест занимает понятие семиотического моделирования. Оно описывает динамику жизнедеятельности системы при изменении ее знаний об окружающем мире и способах поведения в нем. Если классическая формальная система моделирует замкнутый, полностью описанный мир, то семиотическая система, в которой состояния соответствуют фиксированным формальным системам, а смена состояний определяется изменением договоренностей об аспектах знаков, входящих в систему, позволяет моделировать процессы, протекающие в открытых или динамических системах.

Необходимость в смене состояний семиотической системы возникает всякий раз, когда формальная система начинает порождать суждения и умозаключения, не соответствующие действительности или не дающие возможности достичь поставленной цели. Смена состояний заключается в изменении различных параметров формальной системы: аксиом, правил вывода, ценностных ориентаций, стратегий поиска решений, ограничений и т. п. Реализация прикладных семиотических систем в полном объеме достаточно трудоемка и исследования в этой области в России только начинаются. Именно это обстоятельство делает исследования в области прикладной семиотики интересными и важными для практики.

Цель работы. Целью работы является разработка универсального механизма представления количественной и качественной информации, содержащейся в информационных сообщениях получаемых заинтересованной организацией, а также метода оценки состояния ядерной деятельности стран, как в настоящий момент времени, так и в будущем.

Методы исследования. При решении поставленной задачи использовались методы теории интеллектуальных систем, нечеткой математики, прикладной семиотики, теории измерений, психологии, дискретной математики, математической статистики и прогнозирования.

Научная новизна. Данная работа проводилась в отделе прикладных интеллектуальных систем и является продолжением исследований, проводимых школой Д. А. Поспелова. Теоретические и практические вопросы, связанные с разработкой прикладных семиотических систем, систем управления и прогнозирования рассматривались в работах известных российских и зарубежных ученых Журавлева Ю. И., Ларичева О. И., Поспелова Г. С., Поспелова Д. А., Рудакова К. В., Вагина В. Н., Дулина С. К., Хорошевского В. Ф., Осипова Г. С., Френкеля A.A., Заде Л., Клира Дж., Керре Э., Тейла Г. и др.

Так как ИС ОСПС разрабатывалась с учетом активного участия человека-эксперта в работе такой системы, в диссертации предложен подход к оценке количественной и качественной информации, поступающей в систему, и отражению ее влияния на элементы модели проблемы учитывающий особенности человеческого восприятия. Информация, связанная с организационными системами, во многих случаях обладает рядом таких специфических характеристик как различная степень надежности, актуальности, важности и других. С учетом таких свойств информации в диссертации предложена оригинальная методика описания элементов модели, оценки состояния предметной области.

Научная новизна работы, в первую очередь, связана с тем, что в диссертации предлагается универсальный механизм представления количественной и качественной информации, содержащейся в информационных сообщениях получаемых заинтересованной организацией. В работе рассматривается недостаточно исследованный ранее прагматический аспект треугольника Фреге и вводятся два типа функций: соответствия цели (прагматики) и выразимости. Также вводятся два новых типа шкал: прагматическая и визуальная.

В работе предложены практические принципы использования функций соответствия цели (прагматики) и выразимости при оценке поступающих в заинтересованную организацию информационных сообщений и определении состояния ядерной деятельности стран. Это делает возможным эффективное использование в системе всей доступной по проблеме информации и применение методов искусственного интеллекта для оценки как текущего, так и возможного будущего состояния проблемы.

Также в работе предлагается оригинальная методика отбора данных для прогнозирования состояния ядерной деятельности стран и оценки надежности полученного прогноза.

Практическая значимость. Описанные в диссертации принципы позволили разработать интеллектуальную информационно-управляющую систему для оценки стратегических производственных возможностей стран, и были использованы при создании программных средств для поддержки принятия решений экспертами при управлении другими организационными системами.

Реализация и внедрение результатов работы. Изложенные в диссертации теоретические и практические результаты использованы в разработках ВЦ РАН (г. Москва), ГП НИИ «Рубин» (г. Санкт-Петербург), ГУП «Завод им. В.Я.Климова» (г. Санкт-Петербург), ОАО НИИ «Звезда» (г. Санкт-Петербург), ЗАО «Диал Инжиниринг» (г. Санкт-Петербург), МАГАТЭ (г. Вена).

Апробация работы. Результаты диссертации докладывались и обсуждались на семинарах в отделе проблем искусственного интеллекта и отделе интеллектуальных прикладных систем ВЦ РАН, на российских и международных конференциях, симпозиумах и семинарах (специальный семинар в штаб-квартире МАГАТЭ в г. Вена, Австрия, 1998; Всероссийская конференция «Нейрокомпьютеры и их применение», Москва, МГУ им. Ломоносова, 2000; International Seminaron Integrated Information Systems, IAEA, Vienna, April, 2000; Всероссийская конференция «Нейрокомпьютеры и их применение», Москва, ИПУ, 2001; Всероссийский семинар по искусственному интеллекту, МЭИ, 2001, Международный научно-практический семинар «Интегрированные модели и мягкие вычисления в искусственном интеллекте», Коломна, 2001, Международная конференция по мягким вычислениям и измерениям, SCM'2001, г. Санкт-Петербург, 2001).

Публикации. Основные результаты, изложенные в диссертации, опубликованы в шести печатных работах.

Основные положения представляемые к защите.

1. Нечеткая семиотическая прагматическая модель управления ядерной деятельностью стран.

2. Методология универсального представления количественной и качественной информации для поддержки принятия решений на основе прагматической шкалы.

3. Технология оценки состояния ядерной деятельности стран с использованием функций прагматики и выразимости.

4. Лингвистическо-визуальный подход к универсальному представлению информации в ИС ОСПС при вводе оценок элементов модели на основе как качественной, так и количественной информации с использованием визуальной шкалы.

5. Методика отбора данных для проведения прогнозирования и оригинальная методика оценки надежности прогноза, основанная на свойствах информации, поступающей в систему.

Структура и объем работы. Диссертация состоит из введения, четырех глав, выводов, списка литературы. Работа содержит 135 страниц, 7 таблиц, 29 рисунков.

Список литературы

состоит из 93 наименований.

5. Выводы.

В рамках диссертационной работы получены следующие основные результаты:

1. Предложена структура и состав характеристик элемента модели, учитывающая свойства информации, циркулирующей в рамках сложных организационных проблем.

2. Предложены два типа функций: функция соответствия цели (прагматики) и функция выразимости и на их основе введены два новых типа шкал: прагматическая и визуальная.

3. Расширено понятие нечеткой семиотической модели управления до нечеткой семиотической прагматической модели управления.

4. Предложен механизм оценки текущего состояния ядерной деятельности стран с использованием функции прагматики и функции выразимости.

5. Разработан лингвистическо-визуальный механизм универсального представления информации в ИС ОСПС для ввода оценок элементов модели на основе как качественной, так и количественной информации.

6. Разработаны подходы и алгоритмы оценки состояния ядерной деятельности стран.

7. Предложена методика отбора данных для проведения прогнозирования и оригинальная методика оценки надежности прогноза, основанная на свойствах информации, поступающей в систему.

Разработанные универсальный механизм представления количественной и качественной информации, а также метод оценки состояния ядерной деятельности стран использованы при создании интеллектуальных систем для ГП НИИ «Рубин» (г. Санкт-Петербург), ГУП «Завод им. В.Я.Климова» (г. Санкт-Петербург), ОАО НИИ «Звезда» (г. Санкт-Петербург), ЗАО «Диал Инжиниринг» (г. Санкт-Петербург), МАГАТЭ (г. Вена).

Показать весь текст

Список литературы

  1. Д.А. Семиотические модели в управлении// Кибернетика. Дела практические.- М.: Наука, 1984, с.70−87.
  2. А.Г., Федосеева И. Н. Прогнозирование состояния динамических сложных систем в условиях неопределенности. М.: ВЦ РАН, 1999 г.
  3. А.Н., Федосеева И. Н. Параметрические логики в интеллектуальных системах управления. М.: ВЦ РАН, 2000, 60с.
  4. А.Г. Разработка модели сложной проблемы для нечеткой интеллектуальной информационно-управляющей системы. М.: МЭИ, 1999.
  5. Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986.
  6. Zadeh L. A. Calculus of fuzzy restrictions. In: Fuzzy Sets and Their Applications to Cognitive and Decision Processes/Ed, by L. A. Zadeh et al. New York: Academic Press, 1975.
  7. Ч.С. Пирс. Из работы «Элементы логики. Grammatica speculativa». Перевод с англ. Т. В. Булыгиной и А. Д. Шмелева. СЕМИОТИКА, том 1
  8. Б.: БГК им. И. А. Бодуэна де Куртенэ, 1998. с.36−89.
  9. Д. Льюиз. Общая семантика. Перевод с англ. В. З. Демьянкова. СЕМИОТИКА, том 1, Б.: БГК им. И. А. Бодуэна де Куртенэ, 1998. с.36−89.
  10. Д.А. Большие системы (ситуационное управление). М.: Знание, 1975.
  11. Д.А. Прикладная семиотика и искусственный интеллект// Програмные продукты и системы. 1996, № 3, с. 10−13.
  12. А.Н., Бернштейн Л. С., Коровин С. Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.
  13. Averkin A.N. Fuzzy Models in Situation Control.// Workshop on Russian Situation Control and Cybernetic/Semiotic Modeling. Edited by Robert J. Strohl, Battelle, USA, 1995. P.123−137.
  14. Д. А. Логико-лингвистические модели в системах управления.-М.: Энергия, 1981.
  15. Ч. У. Моррис. Основания теории знаков. СЕМИОТИКА, том 1 Б.: БГК им. И. А. Бодуэна де Куртенэ, 1998. с.36−89.
  16. Morris Ch. W. Logical Positivism, Pragmatism and Scientific Empiricism. Paris, 1937.
  17. Управление, информация, интеллект. Под ред. А. И. Берга, Б. В. Бирюкова, Е. С. Геллера, Г. Н. Поварова. М., «Мысль», 1976
  18. A.H., Головина Е. Ю., Сергиевский A.E. Проектирование нечетких регуляторов на основе триангулярных норм. //Изв. Академии наук. Теория и системы управления, 1997, N 5. С. 112−118
  19. А.Н., Головина Е. Ю., Круг П. Г. Система настройки модели нечеткого регулятора на логику пользователя. Труды Vl-й национальной конференции с международным участием (КИИ-98). Пущино:-ОНТИ. ИФПБ РАН, 1998. Т.1. С.350−355.
  20. А.Н., Батыршин И. З., Блишун А. Ф. и др. Нечеткие множества в моделях управления и искусственного интеллекта. М.:Наука, 1986. 312 с.
  21. А. А. Харкевич. О ценности информации.— «Проблемы кибернетики», вып. 4. М., .1960
  22. Averkin A.N., Tarasov V.B. The fuzzy modelling relation and its application in psychology and artificial intelligence// Fuzzy Sets and Systems. 1987. Vol.22. N ½. P. 44−51.
  23. Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М., Мир, 1976.
  24. Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М., Мир, 1976.
  25. Л. Основы нового подхода к анализу сложных систем и процессовпринятия решений. -//. Математика сегодня. М.: Знание, 1974.
  26. Averkin A.N. Decision Making Based on Multivalued Logic and Fuzzy Logic.// Architectures for Semiotic Modeling and Situation Analysis in Large Complex Systems, Proceedings of the 1995 ISIC Workshop, 27−29 August, Monterey, California, 1995.
  27. Saaty T. L. A scaling method for priorities in hierarchical structures.- Journal of Mathematical Psychology, 1977, June.
  28. Averkin A.N., Dulin S.K. Decrease of contradiction in an active knowledge system. II Computers and Artificial Intelligence. V.5. N 3. P.67−73.
  29. A.H., Нгуен M.X. Нечеткое отношение моделирования в экспертных системах. М.:ВЦ АН СССР, 1988. 24 с.
  30. А.Г. Разработка интеллектуальной информационно-управляющей системы для оценки ядерной деятельности стран. Диссертация на соискание ученой степени кандидата технических наук. М., 1999.
  31. А.Г., Федосеева И. Н. Прагматические шкалы в семиотических интеллектуальных системах. Труды VII всероссийской конференции «Нейрокомпьютеры и их применение», Москва, ИПУ, 2001, CD-ROM стр.663−669
  32. М. Многомерное шкалирование (методы наглядного представления днных). М.: Финансы и статистика, 1988.
  33. А.Г., Федосеева И. Н. Прагматическая компонента в прикладных семиотических системах, SCM'2001, Международная конференция по мягким вычислениям и измерениям, г. Санкт-Петербург, 25−27 июня, 2001, стр.62−65.
  34. В.Ф. Психосемантика сознания. М.: Издательство Московского университета, 1988.
  35. С. Е., Snci G. J., ТаппепЬаит P. Н. The measurement of meaning. University of Illinois Press, Urbana, 1957.
  36. Психологические измерения/Пер, с англ.- Под ред. Л. Д. Мешалкина.- М.: Мир, 1967.
  37. L.A. 1978 Fuzzy sets as a basis for a theory jf possibility. Fuzzy sets and Systems, 1, 3−28.
  38. Рабочая книга по прогнозированию, М.:Мысль, 1982.
  39. С.А., Голованов Л. В. Прогнозирование развития больших систем. М.:Высшая школа, 1975.
  40. Л.П., Ершов Ю. В., Бруяцкий Е. В. Методика коллективной экспертной оценки перспектив развития конкретной отрасли техники. //Материалы международного симпозиума по методологическим вопросам прогнозирования развития науки и техники. М. 1969.
  41. В.Б. Принятие стратегических решений в нечеткой обстановке в макроэкономике, политике, социологии, менеджменте, экологии, медицине.
  42. Axelrod R. Structure of Decision: the Cognitive Maps of Political Elites. /Priston Univ. Press, N.Y., 1976.
  43. Ф.С. Дискретные модели с приложениями к социальным, биологическим и экологическим задачам. М.: Наука, 1986.
  44. Методика прогнозирования развития науки и техники. Госкомитет Совета Министров СССР по науке и технике. М., 1972.
  45. П.Л., Нусенбаум Д. М. Практика сетевого планирования научноисследовательских и опытно-конструкторских работ. М.: Экономика, 1967.
  46. Е.М. Статистические методы прогнозирования. М.: Статистика, 1975.
  47. Т. Статистический анализ временных рядов. М. Наука, 1976.
  48. Статистические методы для ЭВМ/Под ред. К. Энслейна, Э. Рэлстона, С. Уилфа: Пер с англ./Под ред. М. Б. Малютова. М.: Наука, 1986. 464с.
  49. Статистический анализ экономических временных рядов и прогнозирование. М.:Статистика, 1973.
  50. А.Г., Лапа В. Г. Предсказание случайных процессов. Киев, 1965.
  51. Gale W.A., Hand D.J., Kelly А.Е. Statistical Applications of Artificial Intelligence/In: Handbook of Statistics, 9: Compretational Statistics. Edit, by C.R.Rao. North-Holland Publ., 1993.
  52. Г. С., Френкель A.A. Анализ временных рядов и прогнозирование. М.: Статистика, 1973.
  53. А.А., Миляев П. В., Дорский Ю. Д. и др. Статистическая обработка результатов экспериментов. Л.: Энергоатомиздат, 1991.
  54. Теория прогнозирования и принятия решений, под ред. Саркисяна С. А. М.:Высшая школа, 1977.
  55. Л.Н., Френкель А. А. Выбор оптимального параметра сглаживания в методе экспоненциального сглаживания. //Основные проблемы и задачи научного прогнозирования. М, 1972.
  56. Д. И. Френкель А.А. Прогнозирование экономических показателей с помощью метода простого экспоненциального сглаживания.// Статистический анализ экономических временных рядов и прогнозирование. М., 1973.
  57. R. М. The Dynamic Behavior of Linear Forecasting and Scheduling Rules. //Operational Research Quarterly, 1966, vol.17.
  58. Brown R.G. Smoothing, Forecasting and Prediction of Discrete Time Series. N.Y. 1969.
  59. Г. Экономические прогнозы и принятие решений. М.: Прогресс, 1970.
  60. И.Л., Ширяев А. Н. Минимальные веса в задаче выделения тренда случайного процесса. //Теория вероятностей и ее применение. 1971, T. XVI, № 2.
  61. А.А. Математические методы анализа динамики и прогнозирования производительности труда. М., 1972
  62. Ю.Г. Вероятностное моделирование на электронных вычислительных машинах. М.: Наука, 1977.
  63. С. Математическая статистика. М.: Статистика, 1967.
  64. ., Хуань К. Дж. Многомерные статистические методы для экономики. М.: Финансы и статистика, 1979.
  65. Ю.П. Адаптивные методы прогнозирования экономических показателей. М.: Статистика, 1979.
  66. Nerlove М., Wage S. The Optimality of Adaptive Forecasting. «Management Science», 1964, vol.10, № 2.
  67. H.K. Инженерный метод решения и исследования обыкновенных линейных дифференциальных уравнений, М.:Высшая школа, 1964.
  68. Н.К. Элементы высшей математики на основе функции с гибкой структурой. М., МТИПП, 1972.
  69. Н.К. Многофакторное прогнозирование на основе функций с гибкой структурой. //Основные проблемы и задачи научногопрогнозирования. МДНТП: Знание, 1972.
  70. Дж.-О. Ким, Ч. У. Мьюллер, У. Р. Клекка и др. Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989.
  71. О.Ким, Ч. У. Мьюллер. Факторный, дискриминантный и кластерный анализ. (Пер. с англ.) М.: Финансы и статистика, 1989.
  72. .Б. Распознавание образов в экономических исследованиях. М.: Статистика, 1973.
  73. Ю.А. и др. Распознавание образов и медицинская диагностика. М&bdquo- 1972
  74. Фу К. Последовательные методы в распознавании образов и обучении машин. М., 1971
  75. Ту Дж., Гонсалес Р. Принципы распознавания образов. М., 1978.
  76. К., Хатанаак М. Спектральный анализ временных рядов в экономике. М.: Финансы и статистика, 1972.
  77. С.А. и др. Классификация многомерных наблюдений М.:Наука, 1974.
  78. К.Д. Методы прогнозирования экономических показателей. М.: Финансы и статистика, 1986.
  79. И. М. Фомин C.B. Вариационное исчисление. М.:Наука, 1961.
  80. B.C. Применение простых цепей Маркова для прогнозирования расходов населения. Проблемы моделирования народного хозяйства, ч.4, Новосибирск, 1973.
  81. Дж., Снелл Дж. Конечные цепи Маркова. М.: Статистика, 1970.
  82. Д.С. Программное обеспечение прикладной статистики. М.: Финансы и статистика, 1989.
  83. Й. Нелинейное оценивание параметров. М.: Статистика, 1979.90. Мир ПК, 1998, № 6 с. 16 691. Мир ПК, 1997, № 8 с.32
  84. B.C. Мир ПК, 1998, № 12 с.40.
  85. Семиотические аспекты интеллектуальной системы для оценки стратегических производственных возможностей стран".
  86. Научно-техническая комиссия ГУП НИИ «Рубин» в составе:
  87. Лингвистическо-визуальный механизм универсального представления информации в ИС ОСПС для ввода оценок элементов модели на основе как качественной так и количественной информации-
  88. Председатель комиссии: Селин И.Е.
  89. Члены комиссии: Кравченко Ю. В. Сиротенко Ф.А. Афанасьев В.Х.V
Заполнить форму текущей работой

Сессия? Спокойно!