ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2018

Когнитивные технологии визуализации многомерных данных для интеллектуальной поддержки принятия решений

Multidimensional data visualizing cognitive technologies for decision-making intelligent support
Дата подачи статьи: 2014-03-14
УДК: 002.53; 004.89; 621.3.068
Статья опубликована в выпуске журнала № 3 за 2014 год. [ на стр. 22-25 ][ 27.08.2014 ]
Аннотация:В статье изложены принципы когнитивной машинной графики и приведены примеры ее практического применения для разработки систем поддержки принятия решений (СППР). Феномен когнитивной машинной графики со-стоит в генерации на экране дисплея изображений, создающих в сознании человека-оператора зрелищные образы. Эти образы имеют эстетическую привлекательность и стимулируют интуицию человека. Изображение на дисплее создает в его сознании движущийся трехмерный образ, который формируется всей совокупностью многомерных данных и визуально отображает свойства изучаемой предметной области. При восприятии этих образов человек-оператор способен выявлять отдельные геометрические свойства наблюдаемого образа и связывать их с предметным содержанием обрабатываемых многомерных данных. Весьма важной является возможность сочетать предлагаемую когнитивную технологию с современными возможностями интеллектуальных программных интерфейсов и программ многомерного статистического анализа данных. Предлагаются принципиально новые алгоритмические подходы к когнитивной визуализации, основанные на гиперболической геометрии и алгебраических многообразиях. В определенном смысле можно говорить о появлении нового вида СППР – когнитивных систем поддержки принятия решений.
Abstract:The article describes principles and examples of cognitive machine graphics for developing Decision Support Systems (DSS). The cognitive machine graphics phenomenon is displaying graphic representations which create spectacular images in the human operator brain. These images stimulate its descriptive impressions, closely related to the intuitive mec h-anisms of thinking. The cognitive effect is in the fact that man perceives the moving projection as three-dimensional picture characterized by multidimensional data properties in the multidimensional space. After the multidimensional data visual as-pects study there appears the possibility for a user to paint interesting separate objects or groups of objects by standard ma-chine drawing. Next user can return to the image rotation procedure to check the intuitive user’s ideas about the clusters an d the relationship in multidimensional data. It is possible to develop the cognitive machine drawing methods in combination with other information technologies. They are the packets of digital images processing and multidimensional statistical analy-sis. The proposed method was based on the idea of possibility to assemble a cognitive image as object in hyperbolic space. In special sense it is possible to say that new kind of DSS – Cognitive Decision Support Systems (CDSS) appear.
Авторы: Цаплин В.В. (vtzaplin@yandex.ru) - НИИ «Центрпрограммсистем», Тверь, Россия, кандидат военных наук, Горохов В.Л. (vigorohov@mail.ru) - Санкт-Петербургский государственный архитектурно-строительный университет, Санкт-Петербург, Россия, доктор технических наук, Витковский В.В. (vvv@sao.ru) - Специальная астрофизическая обсерватория РАН, Карачаево-Черкесия, Россия, кандидат физико-математических наук
Ключевые слова: чрезвычайные ситуации., системы поддержки принятия решений, алгоритмы когнитивной визуализации обстановки, когнитивная визуализация многомерных статистических данных, когнитивный образ в многомерном пространстве
Keywords: emergency situations, decision support systems, algorithms of environment cognitive visualization, cognitive visualization of the multidimensional statistical data, cognitive image in multidimensional space
Количество просмотров: 7778
Версия для печати
Выпуск в формате PDF (5.36Мб)
Скачать обложку в формате PDF (1.03Мб)

Размер шрифта:       Шрифт:

В настоящее время приобретает актуальность проблема оперативного анализа большого объема динамически изменяющихся параметров всего комплекса исследуемых объектов. Такая проблема возникает, например, в военной сфере при тактическом анализе боевых действий, техногенных катастроф, стратегическом планировании и моделировании использования комплексов вооружений, при создании нового поколения диспетчерских систем, отражающих обстановку в контролируемом воздушном или ином оперативном пространстве. Эти проблемы интенсивно решаются в рамках как стратегического и тактического боевого искусства (с использованием всего арсенала современной математики: теории исследования операций, теории оптимального управления и оптимизации), так и создания автоматизированных комплексов современных вооружений [1].

 

При решении этих и других подобных проблем приходится сталкиваться с рядом существенных трудностей, связанных с огромной ролью интуиции оператора, которая опирается на присущие человеку возможности непосредственного восприятия боевой обстановки или чрезвычайной ситуации (ЧС). Современные условия боевых действий и техногенных катастроф оставляют оператора наедине с терминалами, где одновременно фиксируются тысячи параметров, которые он не в состоянии оперативно воспринять и творчески переработать в своем сознании. Основная трудность в том, что человек – всего лишь элемент сложной автоматизированной системы контроля и управления, которая не адаптирована под его творческие возможности. Разработанные ранее в рамках эргономики методы встраивания оператора в такую систему отчасти позволили адаптировать его к так называемым эрготехническим системам, но огромный потенциал творческой и профессиональной интуиции не использовался в полной мере.

Однако благодаря прогрессу в области когнитивных наук, когнитивной психологии, гносеологии и информационных технологий [2, 3] появились принципиально новые возможности для радикального решения означенных проблем. Этот прогресс особо проявился в создании новых технологий и методик когнитивной машинной графики [4–6].

Принципы работы. Предлагаемый авторами подход позволяет осуществлять проекцию многомерных данных, представленных в виде грассмановых многообразий, на произвольно заданную оператором-исследователем плоскость в многомерном конфигурационном (фазовом) пространстве. При этом подбор наилучшего положения плоскости проекции осуществляет сам пользователь, опираясь на свою интуицию и когнитивный образ перед глазами. Имея возможность активно влиять на ориентацию плоскости проекции в многомерном пространстве, исследователь свободен от предварительных соображений о статистической (геометрической) структуре данных, которые представляют объекты. Человек непосредственно видит на экране проекции кластеров или многомерных поверхностей, в которые формируются его данные. Этот зрелищный образ стимулирует его интуитивное понимание исследуемых объектов [2, 3, 6–9].

Ниже приведен краткий пример использования разработанных авторами средств когнитивной визуализации обстановки, способных решать задачу активной и управляемой стимуляции интуиции и эмпирического опыта оператора для принятия адекватных решений в современной сложной и быстроменяющейся обстановке. Кроме этого, предлагаются и развиваются принципиально новые алгоритмические подходы, основанные на гиперболической геометрии и алгебраических многообразиях.

Пример когнитивной визуализации – когнитивный анализ техносферных опасностей, выполненный в рамках сотрудничества с МЧС России. Исследование проводилось с участием и экспертизой сотрудников ВНИИ ГОЧС (ФЦ) («Всероссийский научно-исследовательский институт по проблемам гражданской обороны и чрезвычайных ситуаций МЧС России» (Федеральный центр науки и высоких технологий)). В качестве исходных данных для анализа использована информация о ЧС, зафиксированных в 1-м квартале 2012 года (703 ЧС). Возникшие на сотнях объектов ЧС анализировались по следующим выделенным параметрам: месяц, состояние, масштаб, регион, количество пострадавших, количество погибших, личный состав, техника, источник ЧС.

Возможные варианты когнитивных образов в статическом положении для анализа этих ЧС (проекция многомерного облака на плоскость, заданную парой осей параметров) приведены на рисунках 1–3.

Можно сделать вывод, что использование визуализации многомерных статистических данных с помощью генерации когнитивного образа в качестве дополнительного инструмента при анализе и прогнозе ЧС позволило обратить внимание на их особые классы, которые без использования интуитивного восприятия когнитивных образов обнаружить не удавалось.

Новые алгоритмы когнитивной визуализации. Предлагается дальнейшее развитие алгоритмов когнитивной визуализации на основе интерпретации k-мерного проективного пространства Pk в d-мерное гиперболическое пространство в kSd [8] с последующим преобразованием последнего в когнитивный трехмерный образ. Такое формирование гиперболической геометрии многомерных данных происходит с использованием плюккеровых координат [7]. Подобные алгоритмы способны когнитивно визуализировать даже терабайтные совокупности объектов. Когнитивный образ подобного типа показан на рисунке 4.

Гиперболический алгоритм визуализации поддерживает эффективный режим взаимодействия с иерархиями гораздо большего размера, чем обычные средства визуализации иерархий. Если обычный двухмерный визуализатор в окне 600´600 пикселей может отобразить 100 узлов, то гиперболический браузер может отобразить 1 000 узлов, из них около 50 находятся в фокусе и легко читаются.

Это особенно важно при анализе статистических связей, факторном анализе, обнаружении целей и при их распознавании. Процедура динамической визуализации не опирается на неполные и, возможно, ложные априорные сведения о природе объектов, а значит, не привнося в проекции искажающее влияние той или иной модели, дает возможность использовать визуализированные образы в условиях глубокой априорной неопределенности предметной области боевых действий и вооружений [1]. Авторами выполнена разработка мультиплатформенных Java-версий программных систем SpaceWalker и [10], способных реализовать технологии когнитивной визуализации оперативной обстановки для диспетчерских служб широкого профиля.

Появляется еще одна возможность когнитивного контроля малейших изменений в состоянии объектов. Как показали исследования, даже малые изменения параметров объектов существенно изменяют их когнитивные образы, что позволяет оператору мгновенно заметить изменение характеристик объектов. Следует подчеркнуть, что использование гиперболической геометрии при создании когнитивного образа позволяет визуально представлять содержание терабайтных многомерных массивов. Кроме того, использование перечисленных применений когнитивной графики будет еще более эффективным при ее внедрении в сетевые технологии. Впечатляющий эффект может быть получен при внедрении метода оперативного анализа в онлайновых системах космического мониторинга [10].

Авторы выражают уверенность, что разработанные методики, алгоритмы и прикладные когнитивные программные системы найдут широкое применение в различных отраслях, где необходим оперативный анализ большого объема многомерных данных – от планирования операций до мониторинга и моделирования технических систем.

Литература

1.     Гаррет Р., Лондон Дж. Основы операций на море; [пер. с англ.]. М.: Воен. изд-во МО, 1974. 268 с.

2.     Когнитивный подход; [отв. ред. В.А. Лекторский]. М.: «КАНОН+» РООИ «Реабилитация», 2008. 464 с.

3.     Прокопчина С.В., Шестопалов М.Ю., Уткин Л.В., Куприянов М.С., Лазарев В.Л., Имаев Д.Х., Горохов В.Л., Жук Ю.А., Спесивцев А.В. Управление в условиях неопределенности: монография. СПб: Из-во СПбГЭТУ «ЛЭТИ», 2014. 303 с.

4.     Зенкин А.А. Когнитивная компьютерная графика. М.: Наука, 1991.

5.     Cook D., Swaine D.E. Interactive and Dynamic Graphics For Data Anlysis. Spriger, 2009. 345 p.

6.     Горохов В.Л., Муравьев И.П. Когнитивная машинная графика. Методы динамических проекций и робастная сегментация многомерных данных: монография; [под ред. А.И. Михайлушкина]. СПб: СПбГИЭУ, 2007. 170 с.

7.     Lo A. Big data, Systemic Risk, and Privacy-Preserving Risk Measurement / Big Data &Privacy – Work Shop Summary Report June 19, 2013 Massachusetts Institute of Technology, 2013. 45 p.

8.     Розенфельд Б.А. Многомерные пространства. М.: Наука, 1966. 647 с.

9.     Клейн Ф. Высшая геометрия. М.: УРСС, 2004. 400 с.

10.  Vitkovskiy V., Komarinskiy S. 6-D visualization of multidimensional data by means of cognitive technology. Astronomical Data Analysis Software and Systems (ADASS) XIX. Mizumoto Y., Morita K.-I., Ohishi M. (Eds.). USA, San Francisco, 2010, pp. 449–553.

References

1.     Garret R.A., London J.Ph. Fundamentals of naval operations analysis. United States Naval Institute Publ., 1970, 254 p. (Russ. ed.: Osnovy analiza operatsiy na more. Moscow, Voennoe izdatelstvo, 1974, 268 p.).

2.     Lektorskiy V.A. (Ed.) Kognitivnyiy podkhod [Cognitive approach]. Moscow, KANON+ ROOI Reabilitatsiya Publ., 2008, 464 p.

3.     Prokopchina S.V., Shestopalov M.Yu., Utkin L.V., Kupriyanov M.S., Lazarev V.L., Imaev D.H., Gorokhov V.L., Zhuk Yu.A., Spesivtsev A.V. Upravlenie v usloviyakh neopredelyonnosti [Management under fuzzy conditions]. Monograph, St. Petersburg, St. Petersburg Electrotechnical Univ. "LETI" Publ., 2014, 303 p.

4.     Zenkin A.A. Kognitivnaya kompyuternaya grafika [Cognitive computer graphics]. Moscow, Nauka, 1991, 192 p.

5.     Cook D., Swaine D.E. Interactive and dynamic graphics for data anlysis. Spriger Publ., 2009, 345 p.

6.     Gorokhov V.L., Muravyev I.P. Kognitivnaya mashinnaya grafika. Metody dinamicheskikh proektsiy i robastnaya segmenta­tsiya mnogomernyikh dannykh [Cognitive machine graphics. Dynamic mapping methods and multidimensional data robust segmentation]. Monograph, St. Petersburg, St. Petersburg State University of Economics (UNECON) Publ., 2007, 170 p.

7.     Lo A. Big data, systemic risk, and privacy-preserving risk measurement. Big Data & Privacy – Workshop Summary Report. 2013, Massachusetts Institute of Technology Publ., 2013, 45 p.

8.     Rozenfeld B.A. Mnogomernyie prostranstva [Multidimensional space]. Moscow, Nauka, 1966, 647 p.

9.     Kleyn F. Vyisshaya geometriya [Higher geometry]. Moscow, URSS Publ., 2004, 2nd ed., 400 p.

10.  Vitkovskiy V., Komarinskiy S. 6-D visualization of multidimensional data by means of cognitive technology. Astronomical Data Analysis Software and Systems (ADASS) XIX. Mizumoto Y., Morita K.-I., Ohishi M. (Eds.). USA, San Francisco, 2010, pp. 449–553.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=3853
Версия для печати
Выпуск в формате PDF (5.36Мб)
Скачать обложку в формате PDF (1.03Мб)
Статья опубликована в выпуске журнала № 3 за 2014 год. [ на стр. 22-25 ]

Возможно, Вас заинтересуют следующие статьи схожих тематик: