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

Федеральное государственное учреждение Федеральный исследовательский центр «Информатика и управление» Российской академии наук. Адрес: 119333, Москва, Вавилова, д.44, кор.2. Телефон: +7 (499) 135-62-60. Е-п1а11; 1р1гапф1р1гап.гп, байр:драч влр1гап.гп, Отзыв официального оппонента на диссертацию Антипова Сергея Геннадьевича «Исследование и разработка методов и алгоритмов обобщения знаний для систем поддержки принятия решений реального временииз представленную на соискание ученой степени кандидата технических наук по специальности 05.13.17 — Теоретические основы информатики (технические науки) Актуальность темы. Диссертационная работа посвящена исследованию и разработке методов и алгоритмов обобщения накопленных данных и знаний, позволяющих учитывать фактор времени. Особенно востребованы такие алгоритмы в интеллектуальных системах поддержки принятия решений реального времени (ИСППР РВ), что обусловлено высокой сложностью современных объектов управления и мониторинга.

Обработка больших массивов эмпирических данных, полученных при изучении разного рода явлений и — в случае изменяющихся данных— процессов методами обобщения информации позволяет формировать новое знание. Задача обобщения заметно усложняется в случае наличия временных факторов, но и значение предлагаемых в этом случае средствами ИСППР РВ решений существенно возрастает. Это свидетельствует об актуальности темы диссертационного исследования„связанной с разработкой методов и алгоритмов обобщения темпоральных данных Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы (120 наименований), списка рисунков, списка таблиц, приложения. Объем работы — 152 страницы 1с приложениями), 85 рисунков, Зб таблиц.

Содержание работы. Во введении приводится обоснование актуальности темы, определяются цель, методы и задачи исследования и формулируются научная новизна, теоретическая и практическая значимость полученных результатов. Здесь же представлен краткий обзор содержания диссертационной работы по главам. В первой главе рассматривается структура современных интеллектуальных систем поддержки принятия решений и приводится обзор методов представления знаний в таких системах.

Рассматривается задача интеллектуального анализа темпоральных данных, вводится понятие динамического объекта обобщения и приводится постановка задачи обобщения для темпоральных данных, представимых динамическими объектами. Во второй главе рассматривается задача обнаружения аномалий для частного случая динамического объекта обобщения — временного ряда. Приводится описание наборов данных из использованных в работе репозиториев ЮС1 МасЫпе Х,еалппд Яероя1о~у и УСА Тйпе Белея С1аифсайоп АгсАВе.

Предлагается метод обнаружения аномалий в наборах временных рядов: относящихся как к одному классу, так и к нескольким допустимым классам. Приводятся псевдокоды и примеры работы соответствующих алгоритмов «ТЬ-АВЕЕРв и «ТЯ-А.ОЕЕР-Ми%», реализованных на основе предложенных методов. В третьей главе рассматривается задача обобщения для динамических объектов, которые в общем случае представляют собой наборы временных рядов. Для решений задачи обобщения и классификации ситуаций, представимых в виде набора временных рядов, предлагается использовать аппарат темпоральных деревьев решений.

Предлагается новый метод построения тем поральных деревьев решений, приводится псевдокод алгоритма Темпоральный АЗ, реализующего предложенный метод, и пример его работы. Получена оценка вычислительной сложности разработанного алгоритма. В четвертой глаае дано описание архитектуры реализованного программного комплекса и приведены результаты компьютерных экспериментов на описанных во второй главе наборах данных для задач обнаружения аномалий и обобщения для динамических объектов. По результатам экспериментов сделан вывод об эффективности предложенных в работе методов и алгоритмов.

В заключеиии приведены основные результаты, полученные в работе. В приложении приведены примеры работы разработанного программного комплекса, полученные автором свидетельства о государственной регистрации программ для ЭВМ, акты о внедрении и об использовании результатов диссертационного исследования. Научная новизна и теоретическая значимость работы. К основным новым научным результатам, полученным в работе, определяющим ее теоретическую значимость, можно отнести следующие. 1. Предложены методы обнаружения аномалий в наборах временных рядов, относящихся к одному или нескольким допустимым классам. Предложенные методы являются непараметрическими и основаны на поиске «множества-исключения». 2.

Разработаны алгоритмы «Т5-АОЕЕР» и «ТБ-АУЕЕР-Мийя, реализующие предложенные методы обнаружения аномалий, получена оценка их вычислительной сложности. 3. Предложен метод построения темпоральных деревьев решений, при построении которых используется критерий «прирост информативности» для разбиения множества наблюдений, входящих в обучающую выборку. 4.

На основе предложенного метода разработан алгоритм «Темпоральный П)3». Получена оценка вычислительной сложности разработанного алгоритма и показано, что она имеет полиномиальный характер. Обоснованность и достоверность научных положений, выводов и заключений, полученных в диссертации, обеспечивается корректностью постановки и решения задач исследований, согласованностью полученных теоретических выводов с данными в научной литературе, результатами практикой внедрения, вычислительных экспериментов и квалифицированным применением методов искусственного интеллекта, теории алгоритмов, математической логики и разработки программного обеспечения. Подтверждением обоснованности и достоверности научных результатов работы является также их публикация в рецензируемых журналах из списка ВАК и получение трех свидетельств о регистрации программ для ЭВМ.

Практическая значимость результатов работы заключается в создании программного комплекса, реализующего предложенные в работе методы обнаружения аномалий и построения темпоральных деревьев решений. Практическая значимость подтверждается использованием полученных результатов в 000 «Фактор-ТС» для анализа сетевого трафика, в НИР, выполняемых кафедрой Прикладной математики по грантам РФФИ, а также в учебном процессе в ФГБОУ ВО «НИУ «МЭИ» при изучении дисциплин «Математическая логика» и «Дискретные математические модели», что подтверждается актами о внедрении. На отдельные модули реализованного программного комплекса получены свидетельства о государственной регистрации программ для ЭВМ М 2012611444 от 13.12.2011, №2013618587 от 12.09.2013, №2013618586 от 12.09.2013. Соответствие диссертации специальности.

Работа соответствует пунктам 4, 5 паспорта специальности 05,13.17 — Теоретические основы информатики. Апробация результатов. Основные результаты диссертации были представлены на 8 конференциях, включая международные. По теме исследования опубликовано 14 печатных работ в журналах и сборниках конференций, включая 5 статей в журналах из перечня ведущих рецензируемых научных журналов и изданий ВАК. Замечания по диссертационной работе. 1. При оценке вычислительной сложности алгоритмов «ТБ-АВЕЕР» и «ТЯ-АВЕЕР-МиИ» указывается, что сокращение перебора без снижения точности обнаружения аномалий может быть достигнуто ограничением мощности рассматриваемых подмножеств.

Было бы полезно указать соображения, на основании которых выбирается это ограничение — возможно, в зависимости от характерных размеров задачи. 2. В выводах ко второй главе указано, что решение задачи обнаружения аномалий в наборах временных рядов сводится к задаче обобщения понятий и классификации. Однако соотношение между этими задачами описано недостаточно подробно. 3. В главе 4 в результатах эксперимента говорится о классических алгоритмах, среди которых упоминается метод К ближайших соседей (Кпп), и о специализированных алгоритмах, среди которых указан метод ближайшего соседа 11-ХЫ Б:)).

Непонятно отнесение этих алгоритмов к разным классам, так как при К=1 это фактически один и тот же метод, 4. По результатам глав 3 и 4 стоило бы более ясно указать, за счет чего достигается преимущество предложенного алгоритма «Темпоральный Х03» (порой заметное) перед наиболее близким к нему алгоритмом «СРВ». 5. В главе 4 говорится 1и подтверждается результатами, приведенными в таблицах), что точность обнаружения аномалий предложенными алгоритмами в «зашумленных» данных выше, чем в данных без шума.

Хотелось бы, чтобы этот интересный эффект был проанализирован — хотя бы на качественном уровне. 6. В работе встречается некоторое количество опечаток. Так„ на стр. 74 в оценке вычислительной сложности алгоритма «ТЯ-А.ОЕЕР-'1.й«п» опущен индекс «1» (должно быть Оф~2"') вместо 0(1~2")). На с 98 размер подмножества обучающих примеров на уровне ~' определен как — вместо — . Ь' )Л!' Заключение Диссертационная работа Антипова С.Г. «Исследование и разработка методов и алгоритмов обобщения понятий для систем поддержки принятия решений реального времени» является завершенной научно- квалификационной работой, выполненной автором самостоятельно.