Таким образом, следуя технологии (8), можно вводить дополнительную информацию для факторов и показателей любого уровня сложности или считывать ее с различных уровней обобщения. Это позволяет применять такие технологии для формирования и определения значений различных индикаторов и индексов для оценки состояния, качества среды , объекта или их отдельных компонентов, передавать информацию или получать решение в максимально сжатом варианте представления, что повышает его эффективность для практики. Как известно, индикаторы и индексы определяют основные экономические,

социальные и экологические аспекты развития общества, включая развитие рынков, инфраструктуры производств, природные и антропогенные процессов в региональной экосистеме и другие. Применяемые сопряженные шкалы при этом обеспечивают передачу решений с уровня на уровень в безразмерном виде с требуемым масштабированием носителя шкалы.

Интеграция знаний, в том числе и алгоритмических, реализуется на основании функциональных и системных БИИ. Свертка производится на функциональных ШДО , а результатом такой интеграции являются функциональные зависимости или алгоритмические знания. Примером такой интеграции может быть БИТ определения типа закона распределения (плотности вероятности) на основании свертки двух параметрических шкал коэффициентов асимметрии и эксцесса. На рисунке 1 приведены результаты двумерной байесовской свертки на функциональной ШДО в виде двух альтернатив о типе закона распределения.

Рис.1. Мультимедиа: 2-х модальный закон распределения.

Данная технология используется при определении компонент байесовского решающего правила по экспериментальным данным.

Уравнение (7) отражает концепцию БИТ.

На основании уравнения (7) синтезирована интегрированная технология наращивания выборочных данных для малых выборок. Как известно, практически все системы DATA MINING, использующие для формирования правил и регрессионных моделей вероятностно-статистические критерии, требуют для своего использования значительный объем выборочных данных, однако при многофакторной ситуации таких объемов для всех компонент множественной регрессии обычно не бывает. Предлагается использовать интегрированную технологию DATA MINING на основе БИТ, представленную в виде уравнения:

Технология наращивания выборки, удлиняя реализацию случайной величины или процесса, создает возможность для правомерного применения вероятностно-статистических методов, требующих значительных по объему выборок.

Все вышеперечисленные интегрированные технологии относятся к интегрированным технологиям байесовской математической статистики. Методы и алгоритмы байесовской

статистики в самом широком спектре разрабатываются и интегрируются в виде технологий в настоящее время в институте “БИТИС “на основе вышеуказанных БИТ-уравнений.

Данное направление является новым для таких систем и эффективным для работы с малыми

выборками, сильно зашумленными данными, значительной априорной неопределенностью. Универсальная технология синтеза алгоритмов байесовской статистики может быть записана следующим образом:

где Х - интегрированный информационный поток.

Параллельные БИИ и БИТ (суперкомпьютерные технологии) реализуются на основе концепции параллельных ШДО в виде:

где E - символ распараллеливания обработки на ШДО для к-тых параллельных ветвей вычислений, для которых реализуется отдельная байесовская свертка.

Специфика БИС, раскрытая выше, определяет следующие дополнительные элементы сетевых технологий. Во-первых, это наличие в структуре сети байесовских интеллектуальных серверов, которые сочетают свойства информационных серверов и серверов приложений, осуществляя на формальном математическом уровне интеграцию потоков данных и знаний, синтез технологий с метрологической поддержкой согласно выражениям (1)-(12) , аналитические процессы обработки данных по оценке состояний и ситуаций, их прогнозированию и генерации решений по запросам клиентов. Во-вторых, это наличие метаданных (в виде ШДО). В третьих, наличие мета технологий, осуществляющих управление развитием структуры сети по результатам работы предыдущих этапов реализуемой информационной технологии.

Для простоты синтеза технологий и автоматизации этого процесса базовые уравнения (1)-(12) реализованы в виде отдельных компонентов с соблюдением стандартов

Метрология байесовской интегрирующей сети дает возможность в ходе эксплуатации сети управлять качеством получаемых решений на каждом этапе работы сети, выявлять “узкие” места, где происходит приток информации со значительными искажениями, шумами, но и корректировать технологию и список клиентов – источников информационных ресурсов, спланировать информационный эксперимент.

На информационной основе БИТ построены ГИС сети и системы с аналитикой: Интеллектуальные ГИС, которые кроме вышеуказанных свойств, обладают еще возможностями пространственной ориентации решений, полученных выводов и рекомендаций в качестве атрибутов.

Все данные и знания представлены в форматах современных INTERNET-технологий, например, XML, что позволяет задействовать архивные разнотипные документы (сервер ТАМИНО). Активно реализуется работа с таким сервером при партнерстве нашей организации с компанией SOFTWARE AG.

ШДО и гипершкалы состояний и взаимосвязи как документы XML позволяют унифицировать и обеспечить надежность и технологичность сетевых блоков.

Разработана технология свертки с учетом мнений эксперта по данным в форматах XML.

В настоящее время функционируют БИС на сервере приложений Байконур.

Рис.2. БИС на сервере приложений Байконур.

Распределенная обработка и вышеуказанные технологии подробнее освещены в докладах данной конференции, посвященных методологии и применению РБП, интеграция приложений на базе БИТ/БИС - DATA MINING различных типов.

Распределенная обработка данных на базе БИС дает возможность реализовать мультимодельный принцип, позволяющий реализовать расчеты по ряду моделей одновременно, а затем свернуть полученные результаты для повышения качества решений.

“Толстый” байесовский клиент – это интеллектуальный клиент, который выполняет свертку по схемам (1) – (5), интегрирует данные, перекачивает не только результаты, но и приложения, выполняет их и сворачивает результаты, выдавая интегрированное решение.

специфицирует и типизирует ситуации и знания о самом себе, составляется образ клиента, интегрирует требования, в том числе и нечеткие, можно и видео Пример подобной БИС реализован для задачи электронного бизнеса и электронной торговли. Генерация правил оптимизации выбора товара реализована на основе технологий РБП.

Сообщество клиентов составляется. Развивается, самоорганизуется на метрологической основе.

Тонкий клиент – тонкий байесовский клиент, требует ответ с характеристиками качества, интегрирует требования. Представляет их в формате XML в нечеткой форме.

Таким образом, БИС - это самоорганизующиеся, развивающиеся сети на основе БИТ-решений, осуществляющие

управление качеством решений, выявление мест повышения энтропии,

генерация рекомендаций по развитию структуры сети (дополнению, свертке, структуризации – формировании подуровней сети с подсерверами приложений и информационными), планирование эксперимента в ходе мониторинга ситуаций и решающие прикладные задачи широкого спектра.

Интересный результат получен при интеграции БИТ и технологий мультимедиа.

Мультимедийные технологии, создавая виртуальную реальность, позволяют наглядно отображать гиперобразы ситуаций и процесс их развития,

Используются элементы когнитивной график для диалога с пользователем и извлечения знаний из него, для интегрирования косвенной информации – данные и знания пользователем извлекаются самостоятельно после просмотра видеоинформационных массивов и сворачиваются на шкалах ШДО, для формирования дальнейшей технологии обработки данных.

На рисунке 3 приведен экран с интерпретацией ситуации в многомерном пространстве факторов при мультимедийной интерпретации системной ШДО и когнитивном отображении состояния совокупности факторов. При этом, быстро реагируя на ситуацию, пользователь выступает в роли активного источника информационных ресурсов (агента), его решения влияют на синтез технологий и структуру сети.

Сферами реализаций БИС-технологий являются охрана окружающей среды и природопользование.

Одно из важнейших приложений - создание БИС для электронных библиотек топливно-энергетического комплекса Российской Федерации совместно с организацией РОСНЕФТЕГАЗСТРОЙ.

В пилотных проектах, выполняемых для организации Газпром реализованы задачи создания на основе БИТ, БИС, в которых база измерительных знаний интегрируется с базами данных, методик и базами алгоритмических и декларативных знаний

Созданы БИС для экоаудита, генерации экополитики, разработаны тренажерные технологии, осуществляющие локальный и дистанционно распределенный трансфер знаний.

Построены ряд БИС для реализации маркетинга, мониторинга рынка и принятия решений о ценовой и производственной политике предприятий.

Рис.4. Система Информ-Молоко.

Средствами БИС осуществляется контроль качества продукции и услуг, поиск инвестора, защиту прав потребителя, электронная коммерция.

Таким образом, уже существующие баейсовские интегрирующие сети дают полное решение и в бизнесе и в управлении производственными объектами и процессами ситуациями и в устойчивом развитии регионов.

[1] Недосекин Д.Д., Прокопчина С.В., Чернявский Е.А. Информационные технологии интеллектуализации измерительных процесов. СПб.: Энергоатомиздат, 1995. 187 с.

[2] Прокопчина С. В. Организация измерительных процессов в условиях неопределенности. Регуляризирующий байесовский подход. СПб. Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-98, 22-26 июня 1998, т.1 с.30-44.

[3] Прокопчина С. В. Байесовские интегрирующие технологии на основе интеллектуальных и мягких измерений. СПб. Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-99.