Реферат Інтелектуалізація методів моделювання із застосуванням експертних систем, нечіткої логіки та нейронних мереж

Вступ

1. Вибір методики побудови системи

2. Імітаційне дослідження

3. Моделювання сукупності джерел

4. Моделювання процесу формування групового сигналу

Висновки

Список літератури

Вимірювальна система чи не основна інформаційна ланка в контурі керування об'єктом дослідження, що здійснює збирання, опрацювання та передавання інформації про об'єкт керування. Здійснення заходів що­до безпеки персоналу, надійності функціонування об'єкта, відсутність достатньо повних апріорних відомостей про зовнішні впливові фактори, необхідність якомога повнішої ефективності здійснюваних дослід­жень та окупності вкладених коштів висуває вимоги дедалі більшої гнучкості в роботі системи. Коштов­ність вимірювальних систем наближається до кош­товності контрольованої апаратури. Й хоча сьогодні можна здійснити близько 100 млн. вимірювань за се-кунду,проте практично вдається використати лише (5... 10)% даних, одержаних від вимірювальної системи [1]. Потреба в опрацюванні значної частини вимірю­вальної інформації безпосередньо поблизу її місця появи накладає на систему ряд обмежень, пов'язаних із жорстким обмеженням енергетичних ресурсів, обсягів запам'ятовувальних та реєструючих засобів, потуж­ностей обчислювальних алгоритмів, маси та габаритів використовуваної апаратури.

Перелічені фактори зумовлюють потребу під­вищення автономності системи інформаційного забез­печення, висувають принципово нові вимоги щодо організації оперативного, раціонального та цілеспря­мованого збирання, опрацювання та обміну значних і неперервно наростаючих масивів інформації, оператив­ного оцінювання стану об'єкта дослідження, керування вимірювальним експериментом. Ці тенденції задо­вольняють вимірювально-обчислювальні комплекси, оснащені однією або кількома спеціалізованими чи універсальними машинами, які можуть контактувати з віддаленими абонентами вимірювально-обчислюваль­ної мережі.

Ускладнення обслуговуваних об'єктів, а отже, й поставлених перед багатоканальними системами зав­дань, підвищення вимог до ефективності їх функціо­нування водночас ускладнює і проектування систем, а іноді й виключає застосування аналітичних методів. Одним із основних етапів проектування є системо-технічний, на якому здійснюється вибір структури сис­теми, визначення набору підсистем, їх параметрів та способів взаємодії, при цьому визначається і структура процесів, що відбуваються в системі та їх кількісні характеристики [2]. Розв'язуючи завдання даного етапу проектування, використовують методи математичного моделювання [3], серед яких чи не найефективніший — метод імітаційного моделювання на ЕОМ [4 - 6]. Обмежені ж можливості сучасного математичного апа­рату й складність одержуваних аналітичних моделей багатоканальних систем є причиною того, що іміта­ційне моделювання — чи не єдиний спосіб розв'язання даної задачі. Воно дає змогу:

- відмовитися від спрощення алгоритмів функці­онування підсистем та пристроїв, виду та характеру вхідних сигналів вимірювальної інформації, тобто за­безпечує можливість створення адекватної матема­тичної моделі системи;

- використати універсальні імітаційні моделі під­систем під час дослідження та проектування багато­канальних вимірювальних систем різних класів та різноманітного призначення, що скорочує витрати на впровадження математичного забезпечення, налагод­ження програми тощо;

- відпрацювати програмне виконання окремих мо­дулів системи як для їх дослідження, так і автома­тизувати сам процес дослідження - як передумову до автоматизованого проектування багатоканальної системи;

- відійти від коштовного натурного (тобто фізичного) випробування новостворюваної техніки до мо­дельного, автоматизувати і сам процес проектування, замінити апаратне виконання деяких процедур опрацювання вимірювальної інформації програмним.

Проаналізуємо можливості сучасних інформаційних технологій та їх використання під час проектування вимірювальних систем.

Загальна оцінка ефективності ІСД КС здійснюється за формулою:

де - експлуатаційна ефективність неінтелектуальних (алгоритмічних) систем діагностування;

– вагові коефіцієнти додаткових характеристик та критеріїв ІСД КС;

- визначається на основі експертних оцінок.

Запропоновані показники дають змогу уточнити методику обчислення ефективності гібридних інтелектуальних систем діагностування, враховуючи особливості апаратної і програмної реалізації та цільових задач КС різних типів.

Напрямки досліджень:

- Розробка теоретичних засад створення та застосування систем штучного інтелекту різноманітного призначення;

- теоретичні засади та прикладні проблеми створення інтелектуалізованих робототехнічних систем;

- моделювання інтелектуальної діяльності людини та його застосування в системах штучного інтелекту;

- створення засобів і систем інтелектуалізації комп'ютерних інтерфейсів;

- розробка алгоритмів і програмно-апаратних засобів для систем комп'ютерного розпізнавання та відтворення (синтезу) мовних і зорових образів;

- дослідження процесів формування образів і моделювання принципів їх відтворення на підставі формальних логік;

- розробка інтелектуальних систем керування автономними роботами та роботехнічними комплексами;

- розробка сенсорних інтелектуальних систем розпізнавання;

- створення й застосування високоінтелектуальних мульти- та гіпермедійних технологій і засобів для систем штучного інтелекту;

- створення навчальних програм і віртуальних середовищ з елементами штучного інтелекту;

- створення математичних моделей на принципах нечіткої логіки для застосування в системах штучного інтелекту;

- розробка принципів, методів й архітектурних розв'язань побудови баз знань і технологія їх експертування (експертні та багатоагентні системи);

- комп'ютерна лінгвістика та лексикографічні системи;

- аналіз, синтез і моделювання нейронних мереж, розроблення методів їх проектування, оптимізації та навчання;

- розробка технологій застосування нейрокомп'ютерів, прикладні системи на основі нейронних мереж.

1. Поморова О.В. Теоретичні основи, методи та засоби інтелектуального діагностування комп’ютерних систем: Монографія. - Хмельницький: Тріада-М, 2007. – 252 с.

2. Локазюк В.М., Поморова О.В., Домінов А.О. Інтелектуальне діагностування мікропроцесорних пристроїв та систем: Навч. посібник для вузів.- Хмельницький – Київ: Такі справи, 2001. – 286 с.

3. Герасимов Б.М., Локазюк В.М., Оксіюк О.Г., Поморова О.В. Інтелектуальні системи підтримки прийняття рішень: Навч. посібник. – К.: Вид-во Європ.ун-ту, 2007. – 355 с.

4. Поморова О.В. Підвищення ефективності діагностування мікропроце-сорних пристроїв на основі кластерного аналізу їх станів // Вісник Технологічного університету Поділля. – 2002. - №3 . – С.52-55.

5. Локазюк В.М., Поморова О.В., Данілов В.О. Достовірність та ступінь адекватності нейромережних моделей модернізації телефонного електрозв’язку // Вісник Технологічного університету Поділля. –2003. - №3. -Т.2 - С. 7-13.

6. Поморова О.В. Життєвий цикл інформації у системах інтелектуального діагностування обчислювальних засобів // Вимірювальна та обчислювальна техніка в технологічних процесах. - 2003. - №1 . – С. 99-101.

7. Локазюк В.М., Поморова О.В., Данілов В.О. Уточнення якісних і кількісних параметрів процесу модернізації електрозв’язку // Автоматизація виробничих процесів. – 2003. – №1 (16). – С.58-61.

8. Локазюк В.М., Поморова О.В. Методологія процесу діагностування обчислювальних засобів в умовах невизначеності інформації // Автоматизація виробничих процесів. – 2003. – №2 (17). – С.44-47.

9. Поморова О.В. Концепція створення інтелектуальної інформаційно-діагностичної системи моніторингу комп’ютерних пристроїв // Вісник Технологічного університету Поділля. – 2004.- Ч.1, т.2, №2 – С.157-161.

10. Локазюк В.М., Поморова О.В., Медзатий Д.М. Метод прогнозування технічного стану комп'ютерних систем // Вісник Хмельницького національного університету. – 2005. - Ч.1, т.1, №4. – С. 81-86.

11. Поморова О.В., Гнатчук Є.Г. Система нечіткого логічного висновку для процесу діагностування комп'ютерних засобів // Вісник Хмельницького національного університету. – 2005. - Ч.1, т.2, №4. – С. 187-190.    

12. Поморова О. В., Чайковський Д. Ю. Розподілена мультиагентна система діагностування комп’ютерних пристроїв // Оптико-електронні інформаційно - енергетичні технології. – 2005. - № 2 (10). – С. 114-118.

13. Lokazyuk V., Pomorova O. The problems of information defense in diagnosis intelligent systems of microprocessor devices // Computing. - 2005. – V.4, Issue 2, P.46-53.

14. Поморова О.В., Олар О.Я. Формалізація представлення знань у багатокомпонентних системах діагностування мікропроцесорних пристроїв // Оптико-електронні інформаційно-енергетичні технології. – 2006. - № 1 (11). – C.146 -150.

15. Поморова О.В., Курилова Н. Г. Проблеми представлення інформації у системах інтелектуального діагностування обчислювальних засобів // Інформаційні технології та комп’ютерна інженерія. – 2006. - №3 (7). – С.116-121.

16. Поморова О.В., Олар О.Я. Метод представлення знань у багатокомпонентних інтелектуальних системах діагностування мікропроцесорних пристроїв // Радіоелектронні і комп'ютерні системи. – 2006.- №6 (18). - C. 110-114.

17. Pomorova O.V. Neural nets method of computer system diagnosis // Радіоелектронні і комп'ютерні системи. – 2006. - №5 (17). - С. 155-160.