ПЗ_Забарин (1220033), страница 10
Текст из файла (страница 10)
При решении задач идентификации и управления динамическими процессами нейросеть, как правило, выполняет несколько функций. Она представляет собой нелинейную модель этого процесса, обеспечивающую выработку соответствующего управляющего воздействия. Сеть также выступает в роли следящей системы, адаптирующейся к изменяющимся условиям окружающей среды. Очень большое значение, особенно при управлении роботами, имеет функция классификации, реализуемая при выработке решения о дальнейшем развитии процесса.
В приложении К приведена составленная классификации задач нейронных сетей и методов решения.
С точки зрения программной реализации существуют библиотеки JavaScript позволяющие вести работу с документами представленными в JSON формате
4.4. Выводы по главе. Технико-экономическое обоснование проекта
В России доступны решения, использующие технологию Big Data от ведущих производителей (Cisco, HP, IBM, Microsoft, Oracle, Apache), но проектов по реализации крайне мало в основном это решения для банковских систем, данные которых достаточно формализованы, информационных систем в рамках концепции «Открытое правительство Хабаровского края» еще нет. В ходе выполнения ВКР было составлено техническое задание, проведен анализ спроса на разрабатываемую технологию и выяснено, что различные регионы РФ оценивают стоимость разрабатываемой системы от 30 до 60 млн. рублей.
В настоящей работе, на этапе формирования общих принципов и начальной разработке, весьма затруднительно произвести полноценную оценку эффективности внедрения информационной системы.
Можно произвести характеристику стоимости аппаратной части разрабатываемого комплекса, который представляет собой решение рассчитанное на базу данных объемом 1 ТБ и 20000 пользователей, где в качестве сервера БД использован сервер класса Hiend – Fujitsu DX200 S3 стоимостью 2 млн. руб. И для аналитики используется кластер Hadoop включающий 10 рабочих станций общей стоимостью 300 тыс. руб. Таким образом, суммарная стоимость предлагаемого решения составляет 2 млн. 300 тыс. рублей. В тоже время, эквивалентное аппаратное решение, предлагаемое Oracle представляет собой сервер класса Hiend стоимостью 12 млн. руб. Таким образом экономический эффект от внедрения разрабатываемой системы относительно затрат на аппаратную часть составляет 9млн. 700 тыс. рублей. При этом предлагаемая Oracle система не способна в полной мере решить поставленные задачи.
В таблице 4.1 представлена аппаратная конфигурация предлагаемого сервера Fujitsu DX200 S3.
Таблица 4.1– Конфигурация сервера Fujitsu DX200 S3
| Наименование | Кол-во |
| Сервер Fujitsu DX200 S3 | 1 |
| В составе: | |
| Intel Xeon E5-2667v4 8C/16T 3.20 GHz | 8 |
| 16GB (1x16GB) 2Rx4 DDR4-2400 R ECC | 16 |
| Видеокарта NVIDIA GRID K2 | 1 |
| DVD-RW supermulti ultraslim SATA | 1 |
| HD SAS 12G 1.8TB 10K 512e HOT PL 2.5' EP | 2 |
| SSD SATA 6G 240GB Mixed-Use 2.5' H-P EP | 2 |
| PRAID EP420i | 1 |
| Modular PSU 800W platinum hp | 2 |
Для того чтобы определить технический эффект от внедрения разрабатываемой информационной системы, рассмотрим процесс принятия управляющего решения в соответствии с текущим бизнес-процессом в нотации IDF0 контекстная диаграмма представлена на рисунке 4.6.
Рисунок 4.6 – Контекстная диаграмма процесса принятия управляющего решения
На входе данной диаграммы неструктурированные данные подлежащие обработке представленные в форме различных форматов данных, отчетов и наборов показателей. На выходе разработанное управляющее решение. Управляющими потоками являются законы и нормативно правовые акты Российской Федерации. Механизмом является аналитическая работа сотрудников.
На рисунке 4.7 изображена декомпозиция контекстной диаграммы – диаграмма А0 её функциональными блоками являются: «Формирование отчета», «Интерпретация результатов отчета. Разработка управляющего решения.
Рисунок 4.7 – Диаграмма А0
Следует более подробно рассмотреть функциональный блок «Формирование отчета» декомпозиция которого представлена на рисунке 4.8
Процесс формирования отчета состоит из ряда распоряжений ниже стоящим подразделениям выполнение. После отправки распоряжения, происходит формирование распоряжения следующего уровня, которое формируется в течении промежутка времени составляющего от 15 минут до нескольких часов. В результате от момента необходимости принятия решения до этапа формирования отчета проходит значительное количество времени. Сам же процесс формирования отчета занимает продолжительное время так, как исходные неструктурированные данные плохо поддаются анализу.
Рисунок 4.8 – Диаграмма А1
Контекстная диаграмма процесса принятия управляющего решения с применением разрабатываемой автоматизированной информационной системы(АИС) представлена на рисунке 4.9.
На входе данной диаграммы неструктурированные данные подлежащие обработке представленные в форме различных форматов данных, отчетов и наборов показателей. На выходе разработанное управляющее решение. Управляющими потоками являются законы и нормативно правовые акты Российской Федерации. Механизмами является АИС, аналитическая работа сотрудников.
Рисунок 4.9 – Контекстная диаграмма процесса принятия управляющего решения
На рисунке 4.10 изображена декомпозиция контекстной диаграммы – диаграмма Б0 её функциональными блоками являются: «Формирование отчета», «Интерпретация результатов отчета. Разработка управляющего решения.
Рисунок 4.10 – Диаграмма Б0
Внедрение АИС повысит эффективности использования потенциальных возможностей и сократит временные затраты на выполнение работы.
Таким образом, можно выделить ряд возможностей:
– предоставление лицу, принимающему решение (ЛПР), релевантных данных для принятия решений;
– ускорение выполнения отдельных операций по сбору и обработке данных;
– снижение количества решений, которые должно принимать ЛПР;
– повышение уровня контроля и исполнительской дисциплины;
– повышение оперативности управления;
– снижение затрат ЛПР на выполнение вспомогательных процессов;
– повышение степени обоснованности принимаемых решений.
Внедрение АИС позволит сэкономить значительное количество времени, тем самым позволит сотрудникам не отвлекаться от их прямых обязанностей.
ЗАКЛЮЧЕНИЕ
В данной ВКР предлагается представление адаптивной модели формирования графического образа, пригодного для использования в системах анализа больших объемов, данных и разработанная на его основе функциональная модель процесса когнитивно-образной визуализации таких данных в рамках концепции «Открытое правительство».
На основании проведенных исследований можно сделать следующие выводы:
– основными тенденциями в области информационных технологий являются:
а) ускорение роста объемов слабоструктурированной и неструктурированной информации;
б) увеличение скорости изменение структуры данных;
в) обеспечение первичной обработки данных и формирование отчетности автоматизированными системами;
г) возможность оперативного изменения модели ИС в соответствии с изменением логики бизнес-процесса;
– на настоящий момент, не существует готовых ИС, позволяющих в полной мере решить задачу хранения, обработки и представления неструктурированных данных в рамках концепции «Открытое правительство»;
– несмотря на то, что ведутся исследования представление адаптивной модели формирования графического образа, пригодного для использования в системах анализа Big Data, нет практических реализаций данных моделей;
– в результате данного исследования разработан кластер, позволяющий хранить и обрабатывать данные в соответствии с предъявляемыми требованиями;
– разработана концепция визуализации неструктурированных данных;
– разработано приложение адаптивной модели формирования графического образа, позволяющее представлять информацию в форме наиболее понятной для ЛПР;
В данной ВКР определены направления дальнейшего развития ИС:
– внедрение полнотекстового поиска, с помощью использования механизма Elastic Search;
– распознавание речи в хранимых в БД аудио и видео файлах, с целью обеспечения полнотекстового поиска;
– использование нейронных сетей для решения задач: классификации, кластеризации, прогнозирования развития ситуаций.
В дальнейшем работа будет продолжена в направлении реализации вышеописанных модулей.
Созданные модули будут внедрены в ИС, разработкой которой ведет ООО «Дальневосточный центр системной и программной инженерии».
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1 Джевага К.А.. Мезенцев А.О. Функциональная модель процесса когнитивно-образной визуализации разнородных данных [Электронный ресурс] /Интернет-журнал «НАУКОВЕДЕНИЕ» Том 8. №2 (2016) – Режим доступа:
http://naukovedenie.ru/PDF/18TVN216.pdf (дата обращения: 31.03.2016).
2 Иванов П.Д.. Лопуховский А.Г. Технологии Big Data и различные мето-ды представления больших данных. [Электронный ресурс] / Инженерный журнал: наука и иннова-ции. 2014. вып. 9. – Режим доступа: http://engjoumal.ru/catalog/it/asu/1229.html(дата обращения: 31.03.2016).
3 Заикина Т. Н. Электронные библиотеки: перспективные методы и технологии, электронные коллекции. [Электронный ресурс] / Т. Н. Заикина, И. А. Филозова, Ж. Мусульманбеков / Объединенный институт ядерных исследований Дубна Труды 14-й Всероссийской научной конференции «» – RCDL-2012, Переславль-Залесский, Россия, 15-18 октября 2012 г. – Режим доступа: http://rcdl.ru/doc/2012/paper22.pdf (дата обращения: 31.03.2016).
4 Зенкин А.А. Когнитивнаякомпьютернаяграфика/ Под ред. Д.А. Поспелова. – М.: Наука, 1991.–378 с.
5 Абрамова Н.А., Федотов А.А. О развитии аналитического подхода к определению внешнего поведения моделей на основе динамических когнитивных карт Когнитивный анализ и управление развитием ситуаций (CASC'2009): Труды Международной конференции (17-19 ноября 2009 г., Москва). – М.: ИПУ РАН, 2009. –с.23-41
6 Толок, А.В. Графические образы-модели в информационных технологиях [Текст]: А.В. Толок // Прикладная информатика. - 2009. - №4. - с. 31-40.
7 Бабурин, В.А. Технологии Big Data в сервисе: новые рынки, возможности и проблемы [Текст]: В.А. Бабурин, М.Е. Яненко // Технико-технологические проблемы сервиса. - 2014. - №1 (27) - с. 100-105.
8 Клеменков, П.А., Большие данные: современные подходы к хранению и обработке [Текст]: П.А. Клеменков, С.Д. Кузнецов. // Труды Института системного программирования РАН. - 2012. - № 23 - с. 143-156.
9 Big Data Visualization: Turning Big Data into Big Insights. The Rise of Visualization-based Data Discovery Tools. [Электронный ресурс] White Paper. Intel IT Center. March 2013. – Режим доступа: http://www.intel.ru/content/dam/www/public/us/en/documents/white-papers/big-data-visualization-turning-big-data-into-big-insights.pdf(дата обращения: 31.03.2016).
10 Shneiderman. The big picture for big data: Visualization. Science, 343:730,
11 Забарин М.А., Визуализация состояния объекта неструктурированной базы данных/ М.А. Забарин, И.В. Ловецкий, М.А. Балалаев // Научно-техническому и социально-экономическому развитию Дальнего Востока России инновации молодых: тр. Всерос. науч.-практ. конференция ученых транспортных вузов. 20-22 апреля, 2016 г. Под ред. А.З. Ткаченко. – Хабаровск: Изд-во ДВГУПС, 2016. – С. 18–22.
12 Барсегян, А.А. Технология анализа данных: Datamining, Visialmiming, TextMining, OLAP [Текст] / А.А. Барсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод. – 2-е изд., перераб. и доп. – СПб.: БХВ-Петербург, 2007. – 384 с.
13 Ким, Дж.-О. Факторный, дискриминантный и кластерный анализ: Пер. с англ. [Текст] / Дж.-О. Ким, Ч.У. Мьюллер, У.Р. Клекка и др.; Под ред. И.С. Енюкова. – М.: Финансы и статистика, 1989. – 215 с.
14 Кнут, Д.Э. Искусство программирования, том 3. Сортировка и поиск [Текст] / Дональд Эрвин Кнут – М: Вильямс, 2007 г. – 824 с.
15 Шашков, В.Б. Прикладной регрессионный анализ. Многофакторная регрессия [Текст] / В.Б. Шашков – Учебное пособие. – Оренбург: ГОУ ВПО ОГУ, 2003. – 363 с.
16 Афанасьев, В.Н. Анализ временных рядов и прогнозирование: учебник [Текст] / В.Н. Афанасьев, М.М. Юзбашев. – Изд. 2-е, перераб. и доп. – М.: Финансы и статистика; ИНФРА-М, 2010. – 320 с.: ил.
17 Dan McCreary, Ann Kelly. Making Sense of NoSQL: A guide for managers and the rest of us. – Manning Publications, 2013. – 312 p
18 Olivier Curé, Guillaume Blin. Chapter 2. Database Management Systems // RDF Database Systems: Triples Storage and SPARQL Query Processing. –Elsevier Science, 2014. –256 p
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
