Диссертация (Методы и алгоритмы моделирования приближенных рассуждений на основе темпоральных нечетких байесовских сетей)

ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО БЮДЖЕТНОГООБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ ВЫСШЕГО ОБРАЗОВАНИЯ«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ «МЭИ»В Г. СМОЛЕНСКЕНа правах рукописиЗахаров Андрей СергеевичМЕТОДЫ И АЛГОРИТМЫ МОДЕЛИРОВАНИЯПРИБЛИЖЁННЫХ РАССУЖДЕНИЙ НА ОСНОВЕТЕМПОРАЛЬНЫХ НЕЧЁТКИХ БАЙЕСОВСКИХ СЕТЕЙСпециальность 05.13.17 – Теоретические основы информатикиДИССЕРТАЦИЯна соискание ученой степеникандидата технических наукНаучный руководительдоктор технических наук, профессорВ.В. БорисовСмоленск – 2016СОДЕРЖАНИЕВВЕДЕНИЕ ................................................................................................................. 51.

АНАЛИЗ МЕТОДОВ, МОДЕЛЕЙ И СРЕДСТВ МОДЕЛИРОВАНИЯПРИБЛИЖЁННЫХ РАССУЖДЕНИЙ ......................................................... 131.1. Анализ методов и моделей вывода в условиях неопределённости ......... 131.1.1.Нечёткий вывод ............................................................................................. 141.1.2.Методы и модели вероятностного вывода .................................................

151.2. Анализ методов приближённых рассуждений на основе байесовскихсетей доверия ................................................................................................. 271.3. Анализ подходов к представлению времени в задачах моделированиярассуждений .................................................................................................. 341.4. Анализ программных средств моделирования рассуждений на основебайесовских сетей .........................................................................................

391.5. Постановка задачи исследования ................................................................ 431.6. Выводы по главе............................................................................................ 442. РАЗРАБОТКА МОДЕЛИ И МЕТОДА ПРИБЛИЖЁНННЫХРАССУЖДЕНИЙ НА ОСНОВЕ НЕЧЁТКИХ БАЙЕСОВСКИХ СЕТЕЙДОВЕРИЯ ........................................................................................................... 452.1. Темпоральная нечёткая байесовская сеть и способ её построения ......... 452.2. Способ построения темпоральных высказываний на основе наборатемпоральных операторов ............................................................................ 532.3.

Способ расчета значений нечёткой вероятностной меры длятемпоральных высказываний....................................................................... 572.4. Метод приближённых рассуждений на основе темпоральной нечёткойбайесовской сети ...........................................................................................

672.5 Выводы по главе............................................................................................ 923. РАЗРАБОТКА АЛГОРИТМОВ И ПРОГРАММНЫХ СРЕДСТВМОДЕЛИРОВАНИЯ ПРИБЛИЖЁННЫХ РАССУЖДЕНИЙ НА ОСНОВЕТЕМПОРАЛЬНОЙ НЕЧЁТКОЙ БАЙЕСОВСКОЙ СЕТИ ......................... 933.1. Функциональное назначение и модульная структура ............................... 933.1.1.Проектирование функциональной архитектуры ....................................... 933.1.2.Модульная структура.................................................................................... 973.1.3.Технологии реализации разрабатываемых программных средств ........

10123.1.4 Разработка интерфейса программных средств ........................................ 1043.2. Алгоритмы функционирования ................................................................. 1053.2.1. Алгоритм валидации темпоральной нечёткой байесовской сети............ 1063.2.2.Алгоритм проверки согласованности темпоральных операторов итемпоральных отношений .......................................................................... 1083.2.3.Алгоритм прямого вывода в ТНБС ........................................................... 1103.2.4.Алгоритм обратного вывода в ТНБС ........................................................ 1113.2.5.Алгоритм построения очереди обхода узлов ТНБС................................ 1123.3. Оценка сложности реализации, тестирование, аппаратные требования кразработанным программным средствам .................................................

1153.4. Выводы по главе.......................................................................................... 1154. ОЦЕНКА КАЧЕСТВА И ОПЕРАТИВНОСТИ МОДЕЛИРОВАНИЯРАССУЖДЕНИЙ С ИСПОЛЬЗОВАНИЕМ РАЗРАБОТАННЫХМОДЕЛЕЙ, МЕТОДА И ПРОГРАММНЫХ СРЕДСТВ .......................... 1174.1 Оценка качества и оперативности моделирования рассуждений прирешении задач медицинской диагностики ...............................................

1174.2. Оценка рисков на опасном производственном объекте с использованимпредлагаемых метода и программных средств моделированияприближённых рассуждений ..................................................................... 1264.3. Выводы по главе.......................................................................................... 131ЗАКЛЮЧЕНИЕ ..................................................................................................... 132СПИСОК ЛИТЕРАТУРЫ ...................................................................................

134ПРИЛОЖЕНИЕ .................................................................................................... 1443СПИСОК СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙБСД – байесовская сеть доверия,ДБС – динамическая байесовская сеть,НБС – нечёткая байесовская сеть,ОПО – опасный производственный объект,ППФ – правильно построенная формула,СКВ – статическая концепция времени,ТНБС – темпоральная нечёткая байесовская сеть,BPTL – пропозициональная темпоральная логика ветвящегося времени(Branched Propositional Temporal Logic),CTL – логика ветвящегося времени (Computational Tree Logic),CLR – общеязыковая исполняющая среда (Common Language Runtime),DFD – диаграмма потоков данных (Data Flow Diagrams),DSL – предметно-ориентированный язык (Domain Specific Language),PTL– пропозициональная темпоральная логика (Propositional TemporalLogic),WPF – графическая система Windows Presentation Foundation.4ВВЕДЕНИЕВ настоящее время активно ведутся исследования в области создания системмоделирования рассуждений, основные тенденции развития которых заключаютсяв следующем: усиливается их ориентация на решение проблем, основанных напредставлении и обработке экспертных данных и знаний с учетом временных зависимостей; возрастает роль визуализации и интерпретируемости результатов моделирования; применяются методы интеллектуального анализа данных; широкоеиспользование находят принципы модульности и гибридизации при построениипрограммных средств моделирования рассуждений.Выполненные исследования опираются на результаты работ в области создания интеллектуальных систем таких отечественных, исследователей какД.А.

Поспелов, В.Н. Вагин, В.И. Городецкий, А.П. Еремеев, Б.А. Кобринский,О.П. Кузнецов, А.С. Нариньяни, Г.С. Осипов, А.Б. Петровский, Г.В. Рыбина,В.А. Смирнов, В.Л. Стефанюк, А.Л. Тулупьев, В.К. Финн, и других, а также зарубежных авторов R. Cowell, J. Pearl, J. Halliwell, С. Demetresku, R. Detcher,A. Gereviny и других.Моделирование приближенных рассуждений активно используется в задачах интеллектуальной поддержки принятия решений, требующих обработкизнаний в условиях как стохастической, так и нестохастической неопределённости. Для учета стохастической неопределённости применяются методы и инструменты логико-вероятностного подхода.

Класс логико-вероятностных графических моделей позволяет описывать и моделировать стохастические зависимости. Для моделирования же приближенных рассуждений в условиях нестохастической неопределённости – характеризующихся неопределённостью или же невозможностью получения данных, неточностью и даже противоречивостью –используются положения теорий нечётких множеств, логики и вычислений,предложенные и развитые в работах таких исследователей, как А.Е.

Алтунин,И.З. Батыршин,Л.С. Берштейн,А.Н. Борисов,М.В. Семухин,В.Б. Силов,R. Bellman, E. Mamdani, M. Sugeno, D. Dubuis, H. Prade, J.C. Bezdek, J.L. Castro,5A. Kaufmann, H. Larsen, T. Takagi, T. Terano, Y. Tsukamoto, R. Yager, L.A. Zadeh идругих [1, 2, 6, 8, 10, 11, 13, 15, 20, 24, 26, 27, 43, 53, 54, 57, 107, 112].Комбинирование методов теории байесовских сетей доверия и нечёткихмножеств и логики в рамках теории нечётких байесовских сетей (НБС) предложено в работах H.

Pan, L. Liu, J. Halliwell и J. Keppens. Но если для относительнонесложных задач данный подход используется довольно успешно ([104]), то егоприменение для более сложных задач моделирования приближенных рассуждений с учетом темпоральных зависимостей, достаточно ограничено.Методы представления и оперирования темпоральными знаниями в интеллектуальных системах активно исследовались в работах отечественных и зарубежных ученых: Д.А. Поспелова, А.В. Боженюка, А.П. Еремеева, С.М. Ковалева, И.Б. Фоминых, Н.Г. Ярушкиной, J. Allen, S. Kripke, A.

Prior, A. Pnueli[7, 25, 46, 46, 47, 57, 69, 73, 101, 103]. Однако для существующих нечётких байесовских сетей понятие времени не формализовано, а методы и алгоритмы вывода с использованием этих моделей недостаточно ориентированы на решениезадач моделирования рассуждений в условиях неопределенности с учётом темпоральных причинно-следственных связей.Таким образом, задача разработки и исследования методов и алгоритмовмоделирования рассуждений на основе нечётких байесовских сетей с учетомтемпоральных зависимостей является актуальной и практически значимой.Целью исследования является повышение качества и оперативности моделирования приближённых рассуждений за счет создаваемого метода и алгоритмов на основе темпоральных нечётких байесовских сетей.Научной задачей диссертационной работы является разработка и исследование методов и алгоритмов для моделирования приближённых рассужденийна основе темпоральных нечётких байесовских сетей.Для этого необходимо решить следующие задачи.1.