К вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных
Рассматриваются состояние проблемы и принципы создания систем, обеспечивающих возможность поэтапного улучшения характеристик изделий за счёт обучения и самообучения, для решения задач: оценки технического состояния изделий и внешней среды; выработки в режиме жёсткого реального времени управляющих в...
Saved in:
| Date: | 2011 |
|---|---|
| Main Authors: | , , , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2011
|
| Series: | Штучний інтелект |
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/58804 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | К вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных / Г.С. Гладун, Б.Г. Захариков, В.Г. Лебедев, В.Ю. Субботин // Штучний інтелект. — 2011. — № 1. — С. 42-46. — Бібліогр.: 23 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-58804 |
|---|---|
| record_format |
dspace |
| spelling |
nasplib_isofts_kiev_ua-123456789-588042025-02-09T09:48:14Z К вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных До питання про створення самонавчальних і виучуваних систем виробів, вирішальних завдання на основі логічної вистави і обробки даних Гладун, Г.С. Захариков, Б.Г. Лебедев, В.Г. Субботин, В.Ю. Системы и методы искусственного интеллекта Рассматриваются состояние проблемы и принципы создания систем, обеспечивающих возможность поэтапного улучшения характеристик изделий за счёт обучения и самообучения, для решения задач: оценки технического состояния изделий и внешней среды; выработки в режиме жёсткого реального времени управляющих воздействий, реализующих автоматическое решение задач при применении изделий по функциональному назначению и при технической эксплуатации; реализации модернизационных и модификационных потенциалов изделий. Розглядаються стан проблеми і принципи створення систем, що забезпечують можливість поетапного поліпшення характеристик виробів за рахунок навчання і самонавчання, для вирішення завдань: оцінки технічного стану виробів і зовнішнього середовища; вироблення в режимі жорсткого реального часу керувальних дій, що реалізують автоматичне вирішення завдань при застосуванні виробів за функціональним призначенням і при технічній експлуатації; реалізації модернізаційних і модифікаційних потенціалів виробів. 2011 Article К вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных / Г.С. Гладун, Б.Г. Захариков, В.Г. Лебедев, В.Ю. Субботин // Штучний інтелект. — 2011. — № 1. — С. 42-46. — Бібліогр.: 23 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/58804 681.3.06 ru Штучний інтелект application/pdf Інститут проблем штучного інтелекту МОН України та НАН України |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| language |
Russian |
| topic |
Системы и методы искусственного интеллекта Системы и методы искусственного интеллекта |
| spellingShingle |
Системы и методы искусственного интеллекта Системы и методы искусственного интеллекта Гладун, Г.С. Захариков, Б.Г. Лебедев, В.Г. Субботин, В.Ю. К вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных Штучний інтелект |
| description |
Рассматриваются состояние проблемы и принципы создания систем, обеспечивающих возможность поэтапного улучшения характеристик изделий за счёт обучения и самообучения, для решения задач: оценки технического состояния изделий и внешней среды; выработки в режиме жёсткого реального времени управляющих воздействий, реализующих автоматическое решение задач при применении изделий по функциональному назначению и при технической эксплуатации; реализации модернизационных и модификационных потенциалов изделий. |
| format |
Article |
| author |
Гладун, Г.С. Захариков, Б.Г. Лебедев, В.Г. Субботин, В.Ю. |
| author_facet |
Гладун, Г.С. Захариков, Б.Г. Лебедев, В.Г. Субботин, В.Ю. |
| author_sort |
Гладун, Г.С. |
| title |
К вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных |
| title_short |
К вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных |
| title_full |
К вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных |
| title_fullStr |
К вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных |
| title_full_unstemmed |
К вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных |
| title_sort |
к вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных |
| publisher |
Інститут проблем штучного інтелекту МОН України та НАН України |
| publishDate |
2011 |
| topic_facet |
Системы и методы искусственного интеллекта |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/58804 |
| citation_txt |
К вопросу о создании самообучающихся и обучаемых систем изделий, решающих задачи на основе логического представления и обработки данных / Г.С. Гладун, Б.Г. Захариков, В.Г. Лебедев, В.Ю. Субботин // Штучний інтелект. — 2011. — № 1. — С. 42-46. — Бібліогр.: 23 назв. — рос. |
| series |
Штучний інтелект |
| work_keys_str_mv |
AT gladungs kvoprosuosozdaniisamoobučaûŝihsâiobučaemyhsistemizdelijrešaûŝihzadačinaosnovelogičeskogopredstavleniâiobrabotkidannyh AT zaharikovbg kvoprosuosozdaniisamoobučaûŝihsâiobučaemyhsistemizdelijrešaûŝihzadačinaosnovelogičeskogopredstavleniâiobrabotkidannyh AT lebedevvg kvoprosuosozdaniisamoobučaûŝihsâiobučaemyhsistemizdelijrešaûŝihzadačinaosnovelogičeskogopredstavleniâiobrabotkidannyh AT subbotinvû kvoprosuosozdaniisamoobučaûŝihsâiobučaemyhsistemizdelijrešaûŝihzadačinaosnovelogičeskogopredstavleniâiobrabotkidannyh AT gladungs dopitannâprostvorennâsamonavčalʹnihíviučuvanihsistemvirobívviríšalʹnihzavdannânaosnovílogíčnoívistaviíobrobkidanih AT zaharikovbg dopitannâprostvorennâsamonavčalʹnihíviučuvanihsistemvirobívviríšalʹnihzavdannânaosnovílogíčnoívistaviíobrobkidanih AT lebedevvg dopitannâprostvorennâsamonavčalʹnihíviučuvanihsistemvirobívviríšalʹnihzavdannânaosnovílogíčnoívistaviíobrobkidanih AT subbotinvû dopitannâprostvorennâsamonavčalʹnihíviučuvanihsistemvirobívviríšalʹnihzavdannânaosnovílogíčnoívistaviíobrobkidanih |
| first_indexed |
2025-11-25T13:56:52Z |
| last_indexed |
2025-11-25T13:56:52Z |
| _version_ |
1849770914812526592 |
| fulltext |
«Искусственный интеллект» 1’2011 42
1Г
УДК 681.3.06
Г.С. Гладун1, Б.Г. Захариков2, В.Г. Лебедев3, В.Ю. Субботин1
1ОАО «Камов», г. Москва, Россия
2ЗАО «Дальтрансуголь», г. Москва, Россия
3Институт проблем управления им. В.А. Трапезникова РАН, г. Москва, Россия
kb@kamov.ru, ZakharikovBG@suek.ru, lebedev@ipu.ru
К вопросу о создании самообучающихся
и обучаемых систем изделий, решающих
задачи на основе логического представления
и обработки данных
Рассматриваются состояние проблемы и принципы создания систем, обеспечивающих возможность
поэтапного улучшения характеристик изделий за счёт обучения и самообучения, для решения задач:
оценки технического состояния изделий и внешней среды; выработки в режиме жёсткого реального времени
управляющих воздействий, реализующих автоматическое решение задач при применении изделий по
функциональному назначению и при технической эксплуатации; реализации модернизационных и
модификационных потенциалов изделий.
Введение
Одними из наиболее востребованных направлений развития современных слож-
ных человеко-машинных изделий являются разработки, реализующие решение на ос-
нове анализа большого объёма информации различного типа задач: 1) классификации
ситуаций, возникающих при применении изделий по функциональному назначению и
технической эксплуатации; 2) прогнозирования развития процессов; 3) принятия и реа-
лизации управленческих решений в конкретных ситуациях; 4) обеспечения эксплуа-
тации изделий по состоянию; 5) реализации модернизационных и модификационных
потенциалов изделий. При этом, в основном, требуется решать задачи автоматически
или полуавтоматически в режиме жесткого реального времени.
Результаты решения большинства таких задач традиционными методами, как
правило, расходятся с практическими результатами при эксплуатации изделий или для
их решения требуются вычислительные мощности, технически недостижимые в на-
стоящее время. Однако применение методов искусственного интеллекта, в частности,
методов автоматизации решения задач на основе реализации режимов, обучения (са-
мообучения) с использованием логического представления и обработки данных, позволяет
решить поставленные задачи и одновременно снизить потребности в вычислитель-
ных мощностях.
Под обучением будем понимать процесс выработки в системе тех или иных свойств
в ответ на возмущения, путём многократных воздействий на систему и внешней кор-
ректировки [1].
Под самообучающимся (самоприспосабливающимся) изделием будем понимать из-
делие, способ функционирования (алгоритм, база знаний) которого по мере накопления
опыта автоматически изменяется с целью обеспечения наилучшей эффективности
применения и технической эксплуатации. Например, за счет увеличения в базе знаний
К вопросу о создании самообучающихся и обучаемых систем изделий…
«Штучний інтелект» 1’2011 43
1Г
числа логических законов в форме понятий о ситуациях, в которых может оказаться
изделие. Совершенствование базы знаний происходит в самом изделии и, что харак-
терно для самообучающегося изделия, при этом обучающая информация из вне не по-
ступает [2].
Анализ принципов функционирования и схемно-конструктивного построения рас-
сматриваемых изделий, а также методов решения задач показывает, что тенденция со-
вершенствования изделий направлена на автоматизацию, вплоть до полной, процесса
решения задач в режиме жесткого реального времени на основе внедрения в процесс
решения задач методов искусственного интеллекта.
Цель работы
Целью работы является активизация исследований, направленных на реализацию
в существующих в настоящее время и перспективных изделиях свойств, улучшающих
характеристики изделий на основе технологий самообучения и обучения.
Состояние проблемы
В [1] рассматриваются вопросы управления объектами при неполной априорной
информации на основе применения адаптации и самообучения, которые уменьшают
неопределённость на основе использования информации, получаемой в процессе уп-
равления.
В [3] показана бесперспективность получения положительных результатов при
решении ряда сложных задач за счет увеличения только быстродействия вычислитель-
ных средств, а также предложено выходить из сложившейся ситуации путем разработ-
ки и создания мозгоподобных систем, построенных по принципу функционирования
коры головного мозга [4], [5]. Такие системы оценивают среду и вырабатывают управ-
ляющие решения подобно мозгу человека. В [3] также указывается на необходимость
создания в ближайшем будущем иерархической памяти, как «одной из наиболее выдаю-
щихся технологий, когда-либо существовавшей на планете».
На самом деле иерархическая ассоциативная память программно реализована в
1970 году в виде растущей пирамидальной сети (РПС), которая, в частности, облада-
ет способностями: 1) автоматически формировать логические законы в форме понятий
(обучаться) в процессе восприятия обучающих выборок исходных данных, 2) дооб-
учаться на основе опыта в процессе жизненного цикла изделия, 3) индуктивного и
дедуктивного выводов и др. Применение РПС в различных областях науки и техники
подтвердило их репутацию эффективного средства решения сложных задач с большим
объемом исходных данных [6-12].
Типичными прикладными задачами, для решения которых эффективно использу-
ются РПС, являются: техническая и медицинская диагностика, планирование действий
роботов, прогнозирование новых химических соединений, материалов с заданными
свойствами, солнечной активности и др.
В [5] предполагается рассматривать РПС как одну из моделей функционирова-
ния мозга человека и предлагается одновременно хранить в памяти изделий описания
ситуаций, в которых может оказаться изделие, и набор конкретных действий в каж-
дой ситуации, обеспечивающих правильное движение к цели по цепочке: ситуация и
набор действий, новая ситуация и новый набор действий и так до достижения цели,
то есть в памяти хранить понятия о ситуациях. Они должны состоять из 2-х частей:
1) признаки, определяющие ситуации, 2) признаки, определяющие действия в конкретных
Гладун Г.С., Захариков Б.Г., Лебедев В.Г., Субботин В.Ю.
«Искусственный интеллект» 1’2011 44
1Г
ситуациях с учетом прогнозирования результатов управления. Первая часть формиру-
ется РПС, вторая может автоматически рассчитываться с помощью расчетно-логичес-
кого метода «Балансная сеть» [13], [14] или другими методами интеллектного управле-
ния, а также формироваться специалистами.
В [15] отмечена необходимость создания систем (типа «искусственная нервная
система» изделий), реализующих ряд свойств мозга, а именно: способность формиро-
вать законы интеллектного управления в форме понятий, мгновенно в экстремальных
ситуациях анализировать информацию, принимать и выполнять решения.
В [16] отмечена, подтвержденная экспериментальными исследованиями, высо-
кая точность прогнозирования программного комплекса «Аналогия» при решении ши-
рокого круга задач в различных предметных областях на основе вывода по аналогии.
Важную роль при решении поставленных задач играет совершенствование чело-
веко-машинного взаимодействия, вплоть до достижения партнёрского уровня челове-
ко-машинных отношений. Поэтому в настоящее время большое внимание уделяется
разработке интеллектуальных интерфейсов пользователей (IUI – Intelligent User Inter-
faces) и логико-лингвистическим информационным моделям [10], [17], [18].
В [19], [20] отмечается необходимость внедрения методов: 1) нейроматематики
(перспективный раздел вычислительной математики, связанный с разработкой алго-
ритмов решения задач в нейросетевом логическом базисе, с помощью которого реша-
ются многие задачи общей и прикладной математики), 2) нейроуправления (раздел
теории управления динамичными существенно нелинейными системами, а также сис-
темами, функционирующими в условиях неопределенности).
В [21] определены перспективные задачи, требующие активных исследований в
области интеллектуальных систем управления, в частности:
исследование эффективности методов, потенциально пригодных для решения
задач автоматизации, таких, как методы индуктивного и дедуктивного вывода, расту-
щих пирамидальных сетей и др.;
разработка алгоритмов автоматизации синтеза с учетом особенностей динами-
ки интеллектуальных систем управления;
исследование методов и средств аппаратной поддержки, обеспечивающих ре-
шение задач автоматической настройки в реальном времени.
В [22] обсуждаются основы базовых методов машинного обучения: деревья при-
нятия решений, искусственные нейронные сети, генетические алгоритмы, байесовские
классификаторы, алгоритмы кластеризации и обучение с подкреплением.
Особенности самообучающихся и обучаемых изделий
Из множества особенностей обучаемых и самообучающихся систем, реализуемых
в различных практических приложениях и предлагаемых к реализации, выделим сле-
дующие:
приобретение изделиями способности самостоятельно в жестком реальном вре-
мени оценивать внешнюю среду и собственное техническое состояние, а также выра-
батывать в конкретных ситуациях управляющие решения и действия, обеспечивающие
эффективные применения изделий в этих ситуациях;
выполнение требуемых функций в условиях неопределённости при неполной,
неточной информации и случайном характере внешних и внутренних возмущений;
самообучение, например, на основе формирования логических законов в фор-
ме понятий, реализуемых в иерархической ассоциативной памяти, например РПС;
К вопросу о создании самообучающихся и обучаемых систем изделий…
«Штучний інтелект» 1’2011 45
1Г
обучение на основе нечёткой логики, нейросетевых структур и других техно-
логий;
совмещение в памяти изделий функций физического хранения информации
и операций над этой информацией (упорядочивание, структурирование, выделение в
данных для решения задач ассоциаций и ранее неизвестных закономерностей, клас-
сификация, формирование понятий, кластеризация и др.);
наличие базы знаний, автоматически и автоматизировано изменяемой в про-
цессе эксплуатации изделия;
поэтапное улучшение характеристик изделий, в частности, за счёт увеличения
числа понятий, хранимых в их памяти;
возможность формального описания предметной области, в частности, инст-
рукций лицу, принимающему решение;
обработка логико-лингвистических моделей представления знаний;
применение для анализа информации иерархических сетевых структур, постро-
енных на единых для всех видов знаний принципах;
достижение высокого быстродействия решения задач логическим методом с по-
мощью понятий за счет обеспечения параллельной обработки информации, реализуе-
мого без сложных аппаратных средств и без требований высокого быстродействия
вычислительных средств;
выдвижение гипотез на основе анализа текущей информации и предсказание
будущих событий для установки предпочтений, планирования, генерации целенаправ-
ленного поведения;
учёт индивидуальных особенностей отдельных изделий.
Выводы
Для обеспечения наибольшей эффективности решения задач, возлагаемых на
сложные человеко-машинные изделия, необходимо на основе теоретических исследо-
ваний в области интеллектного управления и растущих пирамидальных сетей, а также
полученного практического опыта разработать самообучающиеся и обучаемые инфор-
мационно-управляющие системы изделий, решающие задачи на основе логического
представления и обработки данных, которые воплотят «новые идеи и решения, в том
числе развивающие и интегрирующие перспективные и уже сегодня полезные мето-
ды» [23]. Без создания таких систем и внедрения их в эксплуатацию решить проблемы
повышения безопасности и эффективности применения изделий, решающих выделен-
ный выше класс задач, вряд ли возможно.
Литература
1. Цыпкин Я.З. Адаптация, обучение и самообучение в автоматических системах / Цыпкин Я.З. – М. :
ИАТ (ТК), 1965. – 84 с.
2. Политехнический словарь. – М. : Советская энциклопедия, 1976. – 607 с.
3. Хокинс Д. Об интеллекте / Д. Хокинс, С. Блейксли. – М. : ООО «И.Д. ВИЛЬЯМС», 2007. – 240 с.
4. Хакен Г. Принципы работы головного мозга / Хакен Г. – М. : ПЭРСЭ, 2001. – 351 с.
5. Гладун Г.С. К вопросу о формировании памяти сложных человеко-машинных изделий, реализую-
щей функции оценки среды и выработки управляющих решений / Г.С. Гладун, Г.В. Якеменко //
Искусственный интеллект, интеллектуальные многопроцессорные системы-2005 : труды Между-
народной конференции. – 2005. – Т. 3. – С. 391-395.
6. Гладун В.П. Формирование понятий путем обучения растущих сетей / В.П. Гладун // Кибернети-
ка. – 1970. – № 2. – С. 99-104.
Гладун Г.С., Захариков Б.Г., Лебедев В.Г., Субботин В.Ю.
«Искусственный интеллект» 1’2011 46
1Г
7. Глушков В.М. Обработка информационных массивов в авторизированных системах управления /
Глушков В.М., Гладун В.П., Погребинский С.Б. – Киев : Наукова думка, 1970.
8. Гладун В.П. Эвристический поиск в сложных средах / Гладун В.П. – Киев : Наукова думка,
1977. – 166 с.
9. Гладун В.П. Планирование решений / Гладун В.П. – Киев : Наукова думка, 1978. – 168 с.
10. Гладун В.П. Партнерство с компьютером. Человеко-машинные целеустремленные системы / Гла-
дун В.П. – К. : Port-Royal, 2000. – 116 c.
11. Гладун В.П. Растущие пирамидальные сети / В.П. Гладун // Новости искусственного интеллекта. –
2004. – № 1. – С. 31-40.
12. Гладун Г.С. О результатах экспериментально-исследовательских работ по формированию матема-
тического обеспечения перспективных информационно-диагностических систем сложных челове-
ко-машинных объектов / Г.С. Гладун // Искусственный интеллект, интеллектуальные много-
процессорные системы-2005 : труды Международной конференции. – 2005. – Т. 1. – С. 162-167.
13. Ващенко Н.Д. Целеполагание и планирование действий в системах типа «Интеллектуальный агент» /
Н.Д. Ващенко, В.П. Гладун.// Знания-Диалог-Решение : труды Международной конференции.
14. LOGICAL MODELS OF COMPOSITE DYNAMIC OBJECTS CONTROL / Vitaly Velichko, Victor
Gladun, Gleb Gladun [et al.] // International Journal “Information Theories & Applications”. – Vol. 12. –
P. 303-307.
15. Гладун Г.С. К вопросу о создании (комплектовании) базовой универсальной унифицированной
управляющей информационной диагностической системы типа «искусственная нервная система»
сложных человеко-машинных изделий (ИДС «Интеллект») / Г.С. Гладун, Г.В. Якеменко //
Искусственный интеллект, интеллектуальные многопроцессорные системы-2005 : труды Между-
народной. конф. – 2005. – Т. 4. – С. 753-756.
16. Величко В.Ю. Прогнозирование свойств составных объектов с помощью программного комплекса
«Аналогия» / В.Ю. Величко // Знания-Диалог-Решение : труды Международной конференции. –
2001. – Т. 1. – С. 77-82.
17. Поспелов Д.А. Логико-лингвистические модели в системах управления / Поспелов Д.А. – М. :
Энергоиздат, 1981.
18. Maybury M.T. Readings in Intelligent User Interfaces / Maybury M.T. – San Francisco, California, 1998. –
646 p.
19. Галушкин А.И. Нейроматематика (проблемы развития) / Галушкин А.И. – М. : Радиотехника,
2003.
20. Галушкин А.И. Основы нейроуправления / А.И. Галушкин // Приложение к журналу «Информаци-
онные технологии». – 2002. – № 10. – С. 2-24.
21. Макаров И.М. Автоматизация синтеза и обучение интеллектуальных систем автоматического уп-
равления / И.М. Макаров, В.М. Лохин. – М. : Наука, 2009. – 228 с.
22. Николенко С.И. Самообучающиеся системы / С.И. Николенко, А.Л. Тулупьев. – М. : МЦНМО,
2009. – 288 с.
23. Интеллектное управление динамическими системами / [Васильев С.Н., Жерлов А.К., Федосов Е.А.,
Федунов Б.Е.]. – М. : Физико-математическая литература, 2000. – 352 с.
Г.С. Гладун, Б.Г. Захариков, В.Г. Лебедєв, В.Ю. Субботин
До питання про створення самонавчальних і виучуваних систем виробів, вирішальних
завдання на основі логічної вистави і обробки даних
Розглядаються стан проблеми і принципи створення систем, що забезпечують можливість поетапного
поліпшення характеристик виробів за рахунок навчання і самонавчання, для вирішення завдань: оцінки
технічного стану виробів і зовнішнього середовища; вироблення в режимі жорсткого реального часу
керувальних дій, що реалізують автоматичне вирішення завдань при застосуванні виробів за функціональним
призначенням і при технічній експлуатації; реалізації модернізаційних і модифікаційних потенціалів
виробів.
Статья поступила в редакцию 02.09.2010.
|