Автореферат (Исследование и разработка методов и алгоритмов обобщения знаний для систем поддержки принятия решений реального времени)

3Общая характеристика работыАктуальность темы.Интеллектуальный анализ данных является на сегодняшний день одним изактивно развивающихся направлений в области искусственного интеллекта,тесно связанным с проблематикой машинного обучения и задачами выявления скрытых закономерностей.

Важнейшим классом задач, решение которыхтребует интеллектуальной поддержки компьютерных систем, являются задачи управления сложными техническими объектами. Главной чертой подобныхобъектов управления следует признать то, что они являются динамическими,обладают способностью к развитию, состояния таких объектов и систем могут изменяться со временем. Появление и развитие средств управления объектами, относящимися к категории динамических, тесно связано с развитием интеллектуальных систем поддержки принятия решений (ИСППР), включая наиболее сложных их представителей – ИСППР реального времени, основным направлением развития которых является разработка динамическихмоделей для представления и манипулирования знаниями о событиях, фактах, действиях, процессах, отражающих динамику поведения сложного технического объекта.

Поэтому актуальной является задача разработки моделейпредставления знаний, процедур обобщения накопленного опыта и реализации соответствующих базовых программных средств. Известен целый рядметодов и алгоритмов, способных решать задачи обобщения: индукция решающих деревьев, приближенные множества, сети Байеса и многие другие.В разработке таких методов принимали участие как выдающиеся зарубежныеучёные Quinlan R., Pawlak Z., Mingers J., Utgoff P., так и российские учёныеВагин В.Н., Финн В.К., Журавлёв Ю.И. Однако характерной особенностьютаких методов является то, что результаты обобщения являются статичнымии не учитывают такой важный при диагностике состояний сложной технической системы фактор как время. Разработкой методов и алгоритмов, учитывающих фактор времени, занимаются такие зарубежные ученые, как Console L.,Picardi C., Dvorak P., Kuipers B., Sachenbacher М., Malik А., Dupret D, Keogh E.,Pazzani M., Olszewski R., Geurts P.

С помощью таких моделей можно представлять не только статические, но и динамические знания о поведении сложноготехнического объекта. Интеллектуальные системы нового поколения ориентируются на работу с объектами, для которых характерно динамическое изменение состояний. Индуктивные модели, полученные на основе анализа таких4данных, должны учитывать динамику поведения объекта, что является крайневажным, например, при диагностике текущего состояния и прогнозированиидальнейшего поведения сложной технической системы.являютсяинтеллектуальныесистемыОбъектом исследованийподдержки принятия решений реального времени (ИСППР РВ).Предметом исследований – методы и алгоритмы обобщения знаний,позволяющие учитывать фактор времени, и их применение в ИСППР РВ.Целью данной работы является исследование и разработка методов и алгоритмов обобщения знаний, позволяющих получать обобщённые описанияклассов ситуаций, изменяющихся со временем.Для достижения поставленной цели необходимо было решить следующиезадачи:– исследование существующих методов и алгоритмов представления иобобщения знаний в интеллектуальных системах поддержки принятия решений;– разработка методов и алгоритмов обобщения знаний, позволяющих получать обобщённые описания классов ситуаций (объектов), изменяющихсясо временем;– изучение возможности использования методов методов и алгоритмовобобщения знаний в интеллектуальных системах поддержки принятия решений реального времени;– расширение понятийного аппарата: введение понятий, учитывающих динамическую природу объектов обобщения; формализация задачи обобщения для работы с динамическими данными;– разработка методов и алгоритмов обобщения знаний для динамическихобъектов обобщения;– проектирование и разработка программного комплекса, реализующегорассмотренные в работе методы и алгоритмы.Методы исследования.

Поставленные задачи решаются с использованиемметодов дискретной математики, теории информации, искусственного интеллекта, а также методов анализа вычислительной сложности алгоритмов.Научная новизна. При выполнении диссертационной работы автором былполучен ряд результатов, обладающих научной новизной. К их числу можноотнести следующие:51. введено понятие динамического объекта обобщения, на основании которого решается задача обобщения понятий при наличии темпоральныхданных;2. дана постановка задачи обобщения для динамических объектов;3. предложен метод обнаружения аномалий в наборах временных рядов,относящихся к одному или нескольким допустимым классам;4.

разработаны алгоритмы «TS-ADEEP», «TS-ADEEP-Multi», реализующиепредложенные методы; получены оценки вычислительной сложности алгоритмов;5. предложен метод построения темпоральных деревьев решений для динамических объектов обобщения;6. разработан алгоритм «Темпоральный ID3», реализующий предложенныйметод и получена оценка его вычислительной сложности.Практическая значимость работы заключается в создании программного комплекса, реализующего разработанные методы и алгоритмы обнаружений аномалий в наборах временных рядов и обобщения динамических объектов. Практическая значимость подтверждается использованием полученныхрезультатов в ООО «Фактор-ТС» для анализа данных, передаваемых черезсеть, и обнаружения аномалий в передаваемых данных с целью выявлениянесанкционированных вторжений в инфраструктуры передачи данных, а также в учебном процессе в ФГБОУ ВО «НИУ «МЭИ» при изучении дисциплин«Математическая логика» и «Дискретные математичекие модели», о чем свидетельствуют акты о внедрении.Достоверность научных результатов подтверждена теоретическими выкладками, результатами компьютерного моделирования и сравнением полученных результатов с данными, приведенными в научной литературе.Апробация работы.

Основные результаты работы докладывались на следующих конференциях: XVI Международная научно-техническая конференция«Информационные средства и технологии» (2008), XII Московская международная телекоммуникационная конференция студентов и молодых ученых«Молодёжь и Наука» (2009), 15-ая и 16-ая международная научно-техническая конференция студентов и аспирантов «Радиоэлектроника, электротехника и энергетика» (2009, 2010, Москва), 12-ая национальная конференция поискусственному интеллекту с международным участием КИИ-2010 (Тверь),Mеждународный конгресс по интеллектуальным системам и информацион-6ным технологиям (Геленджик, 2012), 14-ая национальная конференция по искусственному интеллекту с международным участием КИИ-2014 (Казань), атакже на Общемосковском научном семинаре «Проблемы искусственного интеллекта» (2010).Реализация результатов.

Результаты диссертационной работы вошли в отчёты по НИР, выполняемым по грантам РФФИ: №08-07-00212-а «Исследование и разработка методов и инструментальных средств индуктивного формирования понятий в интеллектуальных системах поддержки принятия решений», №09-01-00076-а «Исследование и разработка методов интеллектуального анализа информации и обнаружения знаний в «зашумленных» базахданных», №11-07-00038-а «Исследование и разработка методов и инструментальных средств достоверного и правдоподобного вывода в интеллектуальных системах поддержки принятия решений», №12-01-00589-а «Исследование и разработка методов индуктивного формирования понятий в темпоральных и «зашумленных» базах данных», №14-07-00862 «Методы и инструментальные средства анализа данных в системах поддержки принятия решений»,№15-01-00567 «Исследование и разработка методов и алгоритмов индуктивного формирования понятий в интеллектуальных системах поддержки принятия решений».Публикации.

Результаты диссертации представлены в 14 публикациях, втом числе в 5 научных журналах, рекомендованных ВАК РФ.Объем и структура работы. Диссертация состоит из введения, четырехглав, заключения и приложений. Полный объем диссертации 152 страницытекста с 85 рисунками и 36 таблицами. Список литературы содержит 120 наименований.Содержание работыВо введении обоснована актуальность темы диссертации, определены научная задача и цель диссертации, сформулированы её научная новизна и практическая значимость, приведено краткое содержание по главам.В первой главе приводится обзор методов представления знаний в интеллектуальных системах, рассматривается проблема обобщения понятий в ИСППР РВ, предназначенных для работы со сложными техническими системами,состояния которых изменяются с течением времени.7Обычно для контроля за состоянием сложной технической системы используется набор датчиков, отображающих и, возможно, контролирующих, значения основных параметров такой системы.

Пусть в системе имеется датчиков,показания которых снимаются в некоторые дискретные моменты времени –следовательно, состояние сложной технической системы определяется значениями этих параметров на временном интервале длины , > 1. Представимтакие данные в следующем виде (табл 1):Таблица 1 — Динамический объект обобщенияПараметр1Параметр2...ПараметрВремя (t)( )1 ( = )2 ( = )... ( = )(+1 )1 ( = + 1)2 ( = + 1)...

( = + 1)+1(+2 )1 ( = + 2)2 ( = + 2)... ( = + 2)+2..................(+−1 ) 1 ( = + − 1) 2 ( = + − 1) ... ( = + − 1) + − 1Каждая из строк указанной таблицы, обозначенная ( ), (+1 ), .., (+−1 ),представляет собой состояние рассматриваемой системы в моменты временисоответственно , + 1, .., + − 1. Каждый столбец таблицы, обозначенныйПараметр1 , Параметр2 , .., Параметр , представляет собой значения соответствующего параметра, изменяющегося за интервал времени * = .