На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
17 Июня 2024

Статьи из выпуска № 4 за 2020 год.

Упорядочить результаты по:
Дате публикации | Заголовку статьи | Авторам

1. Вопросы построения и применения базы знаний в проектировании и производстве инновационных объектов [№4 за 2020 год]
Авторы: Сольницев Р.И., Коршунов Г.И., До Суан Чо, До Хай Куан
Просмотров: 4903
В статье рассматриваются принципы построения и применения базы знаний для инновационных объектов. Описываются формирование и применение базы знаний при проектировании и производстве на примере замкнутой системы управления нейтрализацией выхлопных газов авто-транспорта, являющейся инновационным объектом в области функционирования системы управления «природа–техногеника». Обоснован выбор замкнутой системы управления нейтрализацией выхлопных газов автотранспорта в качестве эталона инновационных объектов проектирования и производства. Сквозной цифровой процесс проектирования и производства этого объекта строит-ся на основе базы знаний и включает разработку принципиальных и электрических схем, конструкторских решений и документации, ПО, а также изготовление, сборку и настройку прототипов. В базу знаний вводятся необходимные для проектирования и производства рассматриваемого объекта данные и знания. Так, для этапа схемотехнического проектирования вводится электрическая схема замкнутой системы управления нейтрализацией выхлопных газов автотранспорта, разрабатываемая инструментами проектирования PCAD в соответствии с хранящимися в базе знаний установленными стандартами. Средства САПР и автоматизированных систем технологической подготовки производства для дальнейших процедур обеспечивают учет стандартов IPC также через базу знаний, в том числе разработку конструкторских решений и документации на изготовление печатных плат и других элементов. На основе базы знаний выполняется и разработка проектной документации на последующих этапах проектирования. При этом хранящиеся в ней фрагменты конструкции используются для новых конструкторских решений и изготовления конструкторской документации. Предложена система управления базой знаний, позволяющая с помощью нотации UML выполнять ее поддержку разработчиками, получать ответы на запросы рядовых инженеров-проектировщиков (схемотехников, конструкторов, технологов, испытателей), обеспечивать ввод и контроль знаний экспертами. Приводится интерфейс пользователя, в котором представляются поля ввода запросов и индикации ответов, а также операторы управления и визуализации. На примерах показано применение разработанной базы знаний для процедур схемотехнического и конструкторского этапов проектирования и технологической подготовки производства. Применение базы знаний для конкретных проектных и производственных процедур осуществляется на основе проблемно-ориентированных языков пользователей при формировании запросов и ответов. Полученные результаты распространяются на широкий класс инновационных объектов.

2. Исследование алгоритма многократной маркировки перколяционных кластеров при частичной загрузке вычислительных узлов на суперкомпьютерных системах [№4 за 2020 год]
Авторы: Лапшина С.Ю., Сотников А.Н., Логинова В.Е.
Просмотров: 5355
В статье рассматривается поведение алгоритма многократной маркировки перколяционных кластеров в ходе проведения имитационных экспериментов задачи мультиагентного моделирования процессов распространения массовых эпидемий при частичной загрузке запрашиваемых вы-числительных узлов современных суперкомпьютерных систем, установленных в Межведомственном суперкомпьютерном центре Российской академии наук (МСЦ РАН). Алгоритм многократной маркировки перколяционных кластеров – универсальное средство, которое может быть использовано в любой области в качестве инструмента дифференцирования кластеров решетки большого размера. На вход он получает данные в формате, не зависящем от приложения. Так, в МСЦ РАН этот инструмент был использован для изучения задачи распространения эпидемий. Возможно применение данного алгоритма для изучения поведения нефтяных пластов, процессов протекания воды через пористые материалы, распространения лесных пожаров и многого другого. В ходе имитационных экспериментов применялся усовершенствованный на многопроцессорной системе вариант алгоритма многократной маркировки перколяционных кластеров Хошена–Копельмана, связанный с механизмом линковки меток. В статье проводится сравнительный анализ времени выполнения алгоритма многократной маркировки перколяционных кластеров Хошена–Копельмана при частичной и полной загрузке вычислительных узлов и при различных значениях входных параметров на четырех основных высокопроизводительных вычислительных системах, установленных в МСЦ РАН – суперкомпьютерах МВС-10П МП2 KNL, МВС-10П ОП, МВС 10П Торнадо, МВС-100К.

3. Применение трансформаций таблиц решений при создании интеллектуального программного модуля «Детектор» для веб-приложений [№4 за 2020 год]
Автор: Юрин А.Ю.
Просмотров: 4484
Создание модулей принятия решений для веб-приложений, использующих методы искусственного интеллекта, в частности, в форме баз знаний, требует разработки специализированного методического и программного обеспечения. Автоматизировать данный процесс можно с помощью модельно-управляемых подходов, реализующих принципы порождающего и визуального программирования, а также модельных трансформаций. В данной работе описываются новая специализация одного из подобных подходов и ее применение для создания интеллектуального программного модуля «Детектор». Особенностью специализации является использование концептуальных моделей в форме диаграмм классов UML и таблиц решений в качестве исходных формализмов для представления знаний, авторской нотации Rule Visual Modeling Language (RVML) в качестве инструмента для визуализации логических правил, языка PHP (Hypertext Preprocessor) в качестве целевой платформы, PKBD (Personal Knowledge Base Designer) в качестве инструментария, реализующего подход. Преимуществом подхода является возможность автоматизированного создания веб-модулей принятия решений на основе преобразований концептуальных моделей и таблиц решений без прямого программирования (манипулирования конструкциями языка программирования). Ограничения подхода связаны с определенным классом создаваемых систем (веб-модули на PHP), а также с глубиной реализуемого логического вывода: структура запрограммированных знаний такова, что решение в модулях принимается за один шаг и не предполагает цепочки рассуждений. Приведены описание подхода и пример его применения при разработке модуля «Детектор», решающего задачу принятия решений при обнаружении нежелательных сообщений и выявлении клиентов, нарушающих правила использования сервиса СМС-информирования. Показана применимость разработанного модуля, а также дана оценка подхода по временному критерию при решении учебных (тестовых) задач.

4. Реализация логического вывода в продукционной экспертной системе с использованием Rete-сети и реляционной БД [№4 за 2020 год]
Авторы: Массель Л.В., Ан Г.В., Пестерев Д.В.
Просмотров: 5538
Одно из направлений искусственного интеллекта связано с разработкой экспертных систем. Чаще всего в этих системах применяется модель знаний в виде правил, получившая название продукционной модели Поста, такие экспертные системы называют продукционными. Классический алгоритм получения решения в экспертной системе заключается в последовательном логическом выводе. При увеличении объема правил в базе знаний логический вывод выполняется за недопустимо большой промежуток времени, что снижает возможность получения оперативного решения. Для ускорения вывода предлагается использовать Rete-сеть – алгоритм логического вывода для продукционных экспертных систем, предложенный Чарльзом Форги. Rete-сеть – алгоритм сопоставления с образцом – частично решает эту задачу, но желательно ускорение преобразования исходных правил в Rete-сеть. Для этого в статье предлагается формирование и хранение рабочей памяти системы логического вывода продукционных экспертных си-стем, построенной на основе технологии Rete-сети, с использованием реляционной модели данных. Приведена архитектура хранилища данных и знаний интеллектуальных систем, описана реализация экспертной системы на основе конкретизации этой архитектуры, показана структура разработанной экспертной системы. Апробация предлагаемого подхода выполнена с использованием когнитивных моделей. Когнитивная модель – один из видов семантических моделей, отражающая причинно-следственные отношения между концептами. Ранее было предложено использовать преобразование когнитивных моделей в правила продукционной экспертной системы для автоматизации интерпретации когнитивных моделей. Иллюстрируется применение Rete-сети для логического вывода на продукциях на примере ко-гнитивной модели одной из угроз энергетической безопасности: «Недостаток инвестиций в энергетике». Показано, что использование Rete-сети и реляционной БД для хранения рабочей памяти системы логического вывода в разработанной экспертной системе позволяет сократить время вы-вода при большом объеме правил в базе знаний по сравнению с алгоритмом наивного поиска.

5. Реализация программных средств для классификации данных на основе аппарата сверточных нейронных сетей и прецедентного подхода [№4 за 2020 год]
Авторы: Варшавский П.Р., Кожевников А.В.
Просмотров: 5358
Статья посвящена вопросам реализации программных средств для классификации данных, использующих рассуждения на основе прецедентов (Case-Based Reasoning, CBR) и технологию сверточных нейронных сетей (Convolutional Neural Network, CNN). В настоящее время CBR-методы широко используются для поиска решения различных задач на основе накопленного опыта, а CNN успешно применяются при решении задач классификации за счет выделения отдельных элементов и формирования высокоуровневых признаков с использованием ядер свертки. Одним из необходимых условий успешности решения задачи классификации данных является наличие корректной обучающей выборки. К сожалению, это условие не всегда может быть выполнено (например, в силу сложности рассматриваемых объектов и недостатка исходной информации). Благодаря способности накапливать, использовать и адаптировать имеющийся опыт CBR-методы могут применяться для формирования обучающей выборки, которая в дальнейшем может использоваться другими методами для решения задачи классификации данных. Таким образом, интеграция CBR-методов и CNN позволяет повысить эффективность решения задачи классификации данных. Помимо этого, CBR-методы могут применяться в областях с непредсказуемым поведением и обучаться в процессе функционирования, например, в процессе обучения нейронных сетей. В данной статье предлагается CBR-метод для обучения CNN, обеспечивающий контроль за обучением нейронной сети, а также прецедентное представление итераций при обучении. Подбор шага обучения CNN на основе прецедентов способствует повышению быстродействия алгоритма обучения сети. На основе предложенных методов в среде MS Visual Studio на языке C# реализован нейросетевой блок с использованием CNN, расширяющий возможности прецедентной системы (CBR-модуля) для решения задачи классификации данных. Для оценки эффективности предлагаемых в работе решений выполнены вычислительные эксперименты на реальных наборах данных.

6. Разработка теоретических основ классификации и кластеризации нечетких признаков на основе теории категорий [№4 за 2020 год]
Авторы: Русаков К.Д., Селиверстов Д.Е., Хиль С.Ш., Савилкин С.Б.
Просмотров: 5238
В статье дается обоснование выбора меры неопределенности сведений. Описывается современный подход, основанный на применении фундаментальных алгебраических конструкций теории категорий. Особенностью множества отношений эквивалентности является непосредственное (прямое) установление отношения эквивалентности между объектом и классом. Показано, что в настоящее время существует ряд актуальных прикладных задач в области классификации, требующих иного подхода к установлению отношения эквивалентности – использования модели каскадного фильтра с промежуточными состояниями. Для обоснования меры неопределенности об объекте предлагается использовать теоретические положения на основе математического аппарата теории ультраоператоров. Данный аппарат также оперирует сведениями в терминах определений неэлементарных сведений. К особенностям рассматриваемого аппарата можно отнести следующие: предложение оперировать не сведениями, а их неопределенностями, не рассматриваемыми в аппарате ультраоператоров; в некоторых задачах рассматриваются элементарные сведения, что является частным случаем в аппарате ультраоператоров и облегчает вычисления; область применения сужается до чисел (то есть сведения-множества могут быть только числовой природы, компактами, в том числе многомерными); оперирование числовыми множествами-сведениями в некоторых случаях исключает необходимость применения в явном виде решетки (и соответствующих шкал) понятий и позволяет оперировать в неявном виде с бесконечными решетками. Предлагаемый авторами подход и представленные математическая модель и мера информационной неопределенности являются составной частью разрабатываемого метода классификации и кластеризации состояний сложных систем на основе теоретико-множественного подхода и позволяют рассматривать процесс получения четких классов с точки зрения снижения информационной энтропии с использованием каскадного фильтра.

7. Оптимизация скорости VPN для удаленной работы с использованием маршрутизаторов с ARM-процессорами [№4 за 2020 год]
Авторы: Андреев С.В., Хлупина А.А.
Просмотров: 3833
Данная статья посвящена задачам оптимизации скорости VPN-соединения при использовании маршрутизаторов с процессорами ARM. В современных условиях на многих предприятиях и в учреждениях по всему миру встает актуальный вопрос обеспечения доступа сотрудников, а также удаленного филиала или подразделения к ресурсам локальной сети головного офиса. В статье рассматривается возможность подключения сотрудников по зашифрованному VPN-каналу с использованием современных бытовых маршрутизаторов с ARM-процессорами. При таком подходе обеспечивается автоматическое подключение всех устройств удаленного пользователя к ресурсам локальных сетей головного офиса, предприятия и нет необходимости для IT-специалистов предприятия настраивать каждое устройство пользователя в отдельности. В работе рассматривается решение ключевой проблемы такого подхода, а именно обеспечение максимальной скорости зашифрованного VPN-подключения и, следовательно, ускорение программных компонентов маршрутизаторов, включенных в его ПО для скоростного зашифрованно-го VPN-соединения. Рассматривается оптимизация скорости алгоритмов шифрования и дешифровки с использованием особенностей целевого процессора устройства, таких как распараллеливание выполнения инструкций процессора с помощью SIMD, общее улучшение производительности маршрутизатора при использовании оптимальных опций компилятора, нетрадиционное использование PCI-устройств аппаратного шифрования, использование альтернативных вариантов современных VPN-сетей для маршрутизаторов с относительно маломощным по тактовой частоте центральным ARM-процессором, но содержащим более двух ядер, обеспечивая при этом многопоточность VPN-канала.

8. Моделирование аттрактора Лоренца [№4 за 2020 год]
Авторы: Филиппов Ф.В., Струев А.М., Золкин А.Л.
Просмотров: 6013
В статье на примере построения аттрактора Лоренца изложен механизм, позволяющий применять систему Scilab при моделировании динамических систем, сохраняя при этом высокую точность полученных данных. Модель Лоренца представляет собой реальный физический пример динамических систем с хаотическим поведением, чем отличается от созданных искусственно. Удалось установить, что закон, выведенный Лоренцем, имеет исключительную важность, по-скольку характеризует процессы как в турбулентных потоках, так и в физике лазеров и гидродинамических систем, в биологии и химии. В работах, посвященных численному исследованию системы Лоренца при классических значениях ее параметров, очень часто делаются заключения о структуре аттрактора на основе данных, полученных из вычислительного эксперимента (например, что аттрактор содержит циклы). Программа, предложенная авторами к рассмотрению, делится на две основные части. Первая часть регламентирует создание функции пользователя solv_lor(n), характеризующей систему дифференциальных уравнений, моделирующих аттрактор Лоренца. Во второй части листинга со-держится вызов этой функции. Дана характеристика изменений в поведении решения системы Лоренца с применением различных значений параметра r. Отражены результаты моделирования с применением различных значений параметра r. Выявлены значительные изменения траектории при больших значениях параметра. Программой задана функция пользователя lorenz(t, y), в работе с которой применяются численные способы, используемые для решения системы обыкновенных дифференциальных уравнений. Кроме того, система на качественно высоком уровне позволяет осуществлять графическое моделирование решений. Предусмотрен набор графических инструментов для выполнения динамического редактирования графиков и управления параметрами графического окна. Проведенные компьютерные эксперименты доказали простоту и удобство применения системы Scilab при моделировании динамических систем, сохраняя при этом высокую точность полученных результатов.

9. Оптимизация типовых моделей процессов логистики с применением облачных технологий [№4 за 2020 год]
Авторы: Левченко А.А., Таратухин В.В.
Просмотров: 3976
Применение типовых моделей процессов при внедрении АСУ предприятием (АСУП) позволяет сократить сроки и бюджет проекта. Задача оптимизации типовых моделей процессов становится более значимой при применении SaaS-технологий (Software as a Service – ПО как услуга). Имеющиеся типовые модели процессов и методы их оптимизации не учитывают специфику облачных вычислений и поэтому не могут быть применены для новых проектов с использованием SaaS. Использование методов системного анализа и теории систем позволило поставить задачу управления типовыми моделями процессов. Задача формализована для случаев управления процессом внедрения АСУП при применении как классической методологии внедрения, так и методологии для внедрения АСУП с технологией SaaS. Для сравнения различных подходов была применена общая теория управления. При описании задачи оптимизации определены цель и критерии эффективности ее достижения, а также построены модели для обоснования принятия решения. В моделях систем управления внедрением и поддержкой АСУП были выделены блоки управления, планирования, распределения нагрузки и исполнения, описана связь блоков между собой и с внешней средой. Сформированы рекомендации к построению модели имитации процесса закупки, выполнено тестирование модели, получена программная реализация цифровой системы управления процессами закупки. Для обоснования экономической целесообразности применяемого метода был применен функционально-стоимостной анализ на базе типовых моделей процессов логистики с учетом региональной специфики России и Японии. Разработанная технология была успешно апробирована на предприятиях металлургической отрасли и отрасли высоких технологий.

10. Разработка нейронной сети для оценки исправности гидроагрегата по результатам вибромониторинга [№4 за 2020 год]
Авторы: Санталов А.А., Клячкин В.Н.
Просмотров: 3973
Предупреждение аварийных ситуаций на технических объектах в значительной мере обеспечивается диагностикой их функционирования. Одной из важных задач является диагностика технического состояния гидроагрегата. В истории гидроэнергетики известны примеры, когда низкое качество диагностики приводило к серьезным авариям. Для предупреждения подобных ситуаций проводится вибромониторинг гидроагрегата, при этом данные по вибрациям поступают на сервер сбора данных и передаются на стойку управления, где происходят корректировки нагрузки или полный останов агрегата. Необходимость оперативного вмешательства определяется по множеству показателей, которые характеризуют качество функционирования гидроагрегата. В настоящей статье исследуется эффективность применения нейросетевых методов для вибро-диагностики гидроагрегата. Полученная выборка разбивается на три части: обучающую, кон-трольную и тестовую. Обучающая часть предназначена для построения модели нейронной сети – зависимости между показателями функционирования агрегата и его состояниями. Контрольная выборка используется для текущей оценки качества обучения и позволяет предотвратить пере-обучение сети. Качество классификации оценивается по тестовой выборке. При использовании кросс-валидации исходная выборка разбивается на несколько блоков. Для оценки эффективности диагностики использовались три разных критерия качества: средняя ошибка на тестовой выборке, AUC и F-мера. Практическая реализация поставленной задачи проводилась в пакете MATLAB. Для заданного набора исходных данных наилучшей подобранной конфигурацией оказалась нейронная сеть из трех слоев с 18 нейронами в каждом слое. В качестве функции обучения в ней используется алгоритм Левенберга–Марквардта с методом обратного распространения ошибки. Процент средней ошибки распознавания состояния гидроагрегата с помощью нейронной сети равен 4,85, AUC равна 0,8833, а F-мера – 0,8282. Анализ эффективности полученной конфигурации сети по сравнению с сетью, автоматически построенной с помощью библиотеки машинного обучения Statistics and Machine Learning Toolbox, показал повышение F-меры на 6,7 %.

| 1 | 2 | 3 | Следующая →