 |
||
|
||
ПРИМЕНЕНИЕ ДИНАМИЧЕСКОЙ СЕМАНТИЧЕСКОЙ СЕТИ ДЛЯ ИДЕНТИФИКАЦИИ В ИНТЕЛЛЕКТУАЛЬНЫХ ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ
С.В. Смоленцев
Государственная морская академия им. адм. С.О.Макарова, Санкт-Петербург
Abstract – The paper submits the new conception of knowledge representation – Dynamical Semantic Nets (DSN). The paper also represents some results of solving identification problem of some objects out of an application domain. Identification algorithm lets the DSN identify not only known objects but gets information about unknown ones. So while getting new information the DSN is developing itself and is teaching itself.
Динамическая Семантическая Сеть (Dynamical Semantic Network – DSN) – новый метод представления знаний, позволяющий на его основе строить интеллектуальные системы, имитирующие работу реальных интеллектуальных систем [1]. В основу концепции динамической семантической сети положены следующие принципы:
Динамическая семантическая сеть это семантическая сеть, у которой каждый узел – выполняемый вычислительный процесс, обладающий:
В каждой DSN необходим хотя бы один узел специального типа – монитор, который служит для связи с ней: через него в сеть можно передавать информацию, запросы и т.п. и получать результаты ее работы. Поэтому монитор кроме общих функций обладает также функциями, обеспечивающими трансляцию внешних запросов во внутренние сообщения сети, а также интерпретацию результатов, полученных в сети для внешних пользователей.
На основе DSN может быть построена иерархическая DSN. Иерархическая DSN (Hierarchical DSN) представляет собой граф, узлы которого – выпоняемые процессы, обладающие набором атрибутов и присоединенных функций. Структура графа отражает текущую модель предметной области. Однако, множество дуг графа не ограничивается дугами, отражающими отношения “класс-подкласс”, а включает в себя дуги, отражающие отношения “система-подсистема” и ассоциативные связи между узлами. Каждый узел содержит в себе кроме уникальных данных информацию о своей окрестности и множество процедур. Эти процедуры предназначены для обработки запросов, передаваемых в сообщениях и выполняются всеми узлами параллельно в зависимости от своего состояния и приходящих к ним по дугам сети сообщениям. Таким образом, HDSN представляет собой сеть параллельно функционирующих узлов. Запрос это описание Z объекта предметной области в виде непротиворечивого списка его свойств
. Для
обработки запросов разработаны следующие
операторы:
- оператор сравнения – сравнивает
информацию в запросе с собственными данными,
- оператор передачи запроса на узел
“а” окрестности.
- оператор передачи запроса на все
элементы множества A.
- оператор обработки запроса Z:
, 
-
операторы включения (удаления) в списоке
потомков узла.
Эти процедуры присоединены к каждому узлу сети и в случае получения запроса узел сети самостоятельно проводит его обработку и, если необходимо, передает запрос другим узлам.
На основе приведенных выше процедур
строится алгоритм идентификации объектов по
описаниям (алгоритм реализован для каждого узла 
):
: если запрос Z передан из А или 
, то 
если
или пришел возврат
запроса от всех элементов B , то
если 
, то s - решение,
если нет, то 
и тогда 
– решение.
Здесь A – множество предков узла. B – множество потомков узла.
Алгоритм идентификации позволяет сети не только идентифицировать известные объекты, но и в случае наблюдения не известных объектов позволяет включать в себя данных о них. Тем самым при поступлении новой информации сеть самостоятельно расширяется - происходит самообучение сети. При этом, в отличии от нейронной сети в DSN при обучении изменяются не характеристики связей между узлами, а количество узлов в сети и ее структура. Структура конкретной сети формируется в процессе ее обучения и определяет модель предметной области.
На основе DSN может быть построена система интеллектуальной обработки измерительной информации. Информация об объектах конкретной предметной области может быть получена от агентов, находящихся в ней. В результате обработки этой информации сеть обучается – настраивает свою модель предметной области. Это приводит ко все более точной идентификации наблюдаемых объектов.
Иерархическая DSN реализована програмно и проведены экперименты по решению задачи идентификации объектов некоторой простой предметной области. Первоначально сеть представляла собой один элемент – монитор. Она не содержала в себе никакой модели предметной области. При получении запросов первоначально формировалась модель наблюдаемой агентами сети предметной области. В дальнейшем, когда сеть достаточно развилась, она успешно решала задачу идентификации наблюдаемых объектов.
На рис.1 показаны зависимости (во времени) размеров сети (a), а также разности между “идеальной” моделью классификации (графом, моделирующим классификацию п.о.) и оценкой этой модели, построенной сетью (b).
Рис.1 Процесс обучения DSN
Литература
1. Динамическая семантическая сеть в системах обработки измерительной информации // Тез. Докл. 3 Российской н.-т. конф. “Современное состояние, проблемы навигации и океанографии” 20-23 мая 1998. С. 97
| Site of Information
Technologies Designed by inftech@webservis.ru. |
|