Система для формування знань засобами штучного інтелекту в умовах невизначеності та неповноти вхідної інформації

Корисна модель відноситься до галузі кібернетичних систем різного призначення, в тому числі і для систем розробки і прийняття управлінських рішень з предметної області в будь-якій галузі знань. Основними недоліками в існуючих системах для одержання творчого штучного інтелекту є істотні недоліки : з однієї сторони вони мають обмежений характер, наприклад, „моделі розуміння”, „нейроні мережі", що представляють системи розімкнутого тип у, або моделі підсумовуючого, порівнюючого типів, і з іншого боку в них відсутні такі блоки, які допоможуть врахувати невизначеність та неповноту вхідної та вихідної інформації (сигналів). У силу зазначених причин, відомі системи функціонують в обмежено-відомих середовищах і не дозволяють проводити наукові дослідження і проектування поводження складних систем у складних середовищах. Уведення приватних блоків, наприклад, блоків, що виробляють керуючу щільність імовірностей, зважених суматорів [1], не дозволяють адаптивно точно відображати середовище і виробляти необхідне в ній поводження інтелектуальної системи, в умовах неповноти та невизначеності вхідної та вихідної інформації. У пропонованій схемі за рахунок її відмінних рис, наприклад уведення блоків вагових коефіцієнтів поліпшена адаптивність відображень середовища і вироблення необхідного в ній поводження інтелектуальної системи. Система штучного інтелекту з заданої предметної області представляє собою кібернетичну систему, яка згідно з формульованих уявлень про необхідне рішення обирає, згідно обмежень, найбільш оптимальне рішення з множини можливих. Ця система складається з (Фіг.1): 1. Блок вхідних даних; 2. Блок нормативно-правової інформації; 3. Блок управління вхідними даними; 4. Перший суматор; 5. Блок зчитування; 6. Блок вагових коефіцієнтів та ранжування даних; 7. Перший аналогово-цифровий перетворювач (кодер); 8. Блок бази даних; 9. Блок системи управління базою даних; 10. Блок експертної системи; 11. Другий суматор; 12. Блок обмежень; 13. Блок вагових коефіцієнтів та ранжування даних; 14. Блок набору зразкових знань; 15. Блок системи прийняття рішень (СПР) 16. Блок системи підтримки прийняття рішень (СППР); 17. Третій суматор; 18. Блок обмежень; 19. Блок вагових коефіцієнтів та ранжування даних; 20. Блок набору зразкових рішень; 21. Блок управління; 22. Цифро-аналоговий перетворювач (деодер); 23. Виконавчий блок; 24. Блок вагових коефіцієнтів та ранжування даних 25. Аналогово-цифровий перетворювач (кодер); 26. Блок бази знань; 27. Четвертий суматор; На цьому рисунку також зображено наступне: X1 - ін формація про вхідні данні в текстовому вигляді (завдання); Х2 - ін формація про нормативно-правові документації в текстовому вигляді; Х3 - ін формація з блоку зчитування в текстовому виді; Х4 - ін формація з врахуванням ранжування та вагових коефіцієнтів; Х5 - кодова інформація; Х6 - ін формація яку виводять з Бази Даних (БД); Х7 - ін формація експертної системи; Х8 - запит на витяг даних з БД; Х9 - ін формація системи управління БД; Χ10 - інформація обмежень; X11 - Ін формація з суматора 11; Χ12 - інформація СПР; Χ13 - інформація СППР; Χ14 - інформація з блоку 18; X15 - інформація з блоку зразкових рішень для розв'язання відповідних протиріч; X16 - інформація з врахуванням ранжування та вагових коефіцієнтів; Χ17 - інформація з суматора 17; Χ18 - інформація з блоку управління (БУ); Χ19 - інформація з блоку 22 в текстовому (аналоговому) вигляді; Х20 - інформація з виконавчого блоку для визначення вагових коефіцієнтів : Х21 - інформація з врахуванням ранжування та вагових коефіцієнтів; Υ1 - ін формація з блоку 23; Υ2 - кодова інформація блоку 25; E1=Х1+Х2-Х20 - відхилення від мети; Е2=Y2-Х5 - відхилення від вихідних даних. Вхідні дані про об'єкт дослідження формуються в блоці вхідних знань. 1. Пристрій управління 3 проводить вибір з вектору вхідного сигналу Е набору характеристик, які відповідають постановці задачі. Формується масив вхідних параметрів. З боку нормативно-правової документації 2 на перший сумато 4, паралельно з сигналом з боку вхідних знань 1 поступають вхідні сигнали, які формують сигнал розсоглосування Е1=Х1+Х2-Х20 Суматор представляє собою зсувний регістр для попереднього порівняння поступаючи на нього кодових послідовностей з урахуванням вагових характеристик та ранжування даних. На виході суматора формуються відповідні кодові сигнали розсогласування або сумування в відповідності з функцією суматора та знаків кодованої інформації на його входах. Сигнал розсогласування поступає на блок зчитування 5, після якого перетворюється в цифровий сигнал за допомогою аналогово-цифрового перетворювача (АЦП)7 - відбувається кодування інформації. Закодований цифровий сигнал поступає в базу даних та за допомогою системи управління базами даних (СУБД) 9 оцінюється експертною системою (ЕС) 10, де виявляються основні властивості та характеристики об'єкту знань, проводиться процес „навчання". Після ЕС сигнал поступає з початковим за допомогою блоку обмежень 12 та набору зразкових рішень з даної предметної області (блок 15). При цьому виділяється вектор порівняльних характеристик з якого виділяються переваги та недоліки рішень. Очищений згідно прототипів сигнал поступає на СПР (блок 15), після якого на третьому суматорі 17, за допомогою блоку зразкових рішень 20 та блоку обмежень 18 зі сформованого на попередньому кроці сигналу виділяються переваги та недоліки прототипу у вигляді відповідних кодових послідовностей та формується набір методів та засобів у вигляді відповідних кодових послідовностей для усунення недоліків прототипу. В результаті на блоці управління 21 находить у вигляді кодової послідовності сигнал, який представляє собою набір альтернативних рішень. З нього, за допомогою блоку управління 21, формується вектор (сигнал) також у вигляді кодової послідовності, який представляє собою рішення, що повинно бути реалізоване системою, яке перетворюється за рекомендаційних атрибутивних рішень, наприклад, у вигляді текстових документів, x даної предметної області та реалізується у виконавчому блоці 23. Сигнал, сформований після виконавчого блоку 23 або через АЦП в закодованому вигляді - як варіант, (на рисунку не приведений) через жорсткий обернений зв'язок порівнюється з сигналом неузгодженості. Якщо набір реальних рішень у вигляді відповідних кодових послідовностей не відповідає набору вхідних ознак та обмежень, лінійна процедура формування ідеального з точки зору постановки задачі, цільової функції, рішення повторюється. Отриманий реальний сигнал кодується в цифровий за допомогою другого декодера та поступає в базу знань, яка через зворотній зв'язок контролює надходження та формування масиву знань в базі даних, та поступає на четвертий суматор. На ньому відбувається порівняння отриманого відфільтрованого згідно постановки задачі, сигналу з сигналом мети i і якщо мета досягнута, тоді Е2=Y-Χ5 є істинним рішенням. В пропонованій системі за допомогою експертної системи знаходять переваги, недоліки та різноманітні протиріччя в знаннях про об'єкти з предметної області в будь-якій галузі знань. Система прийняття рішень формує ряд альтернативних рішень на ґрунті розв'язання виявлених протиріч. Прискорення знаходження та прийняття рішень досягають з допомогою використаних програмних засобів системи підтримки прийняття рішень. Інформація вказаних блоків формується як кодові цифрові послідовності в відповідно прийнятому порядку кодового обміну. Ефективність пропонованої системи, як слід з опису цієї системи, досягнута з допомогою включення в її склад чотирьох відповідних блоків вагових коефіцієнтів та ранжування інформації. Така побудова цієї системи дає можливість будувати, обчислювати та використовувати сто хастичні процеси формування бази знань в умовах невизначеності та неповноти вхідної та вихідної інформації зі застосуванням таких методів обробки інформації як оптимальні фільтрації Калмана, Вінера тощо. Таким чином в приведеній системі реалізується відбір та формування реальних рішень з множини допустимих, які відповідають заданим умовам та заданим обмеженням в умовах невизначеності та неповноти вхідної та ви хідної інформації. Література 1. Патент Російської федерації №2092900 С1, МПК G06G7/60.