Онтология проектирования
2020. — Выпуск 1
Содержание:
В городской среде стремительное развитие политической, социальной и экономической сфер ставят перед лицом общественности новые задачи, актуальным решением которых является переход от традиционных методов управления городским пространством к Умному городу. При этом, необходимо переосмысление ключевых элементов данной концепции. В работе предложено обновлённое определение Умного города. Дан анализ проблем развития городских агломераций, связанных с повсеместным использованием сложной системы Интернет-экономики, и описано их практическое решение - разработка городских пространств как сложных адаптивных систем, способных предоставлять в реальном времени услуги горожанам и приезжим в зависимости от уровня сложности задачи. Авторы выступают за применение инновационного подхода, который обеспечивает минимальное количество вмешательств в работу городских служб. Концепция синхронной разработки и внедрения мультиагентных систем планирования сервисов в реальном времени и онтологии Умного города, описанные в статье, позволят обеспечить необходимые изменения за счёт параллельной работы географически распределённых проектных групп.
Ключевые слова
Обсуждаются концептуальные решения построения онтологической системы знаний в функциональных пространствах современной теории катастроф. Теоретический базис реализации онтологической системы знаний определяет принцип генерации управляющих воздействий в условиях неопределённости на основе иерархической структуры. Анализ альтернатив и выбор решения в среде многофункционального программного комплекса осуществляется на основе ансамблевого прогноза. Интерпретация поведения сложных систем в многофункциональном программном комплексе предсказательных моделей с помощью онтологической системы знаний ведётся в рамках стратегии обработки больших объёмов данных, потока событий и гибридной технологии, а также топологической структуры выявления критических ситуаций с использованием когнитивных и фрактальных структур, нейродинамических и мультиагентных систем, синергетической теории управления. Особое внимание обращается на обоснование и выбор интерпретирующей модели с учётом физических эффектов и закономерностей из условия адекватности.
Ключевые слова
Рассматривается индивидуализация обучения (ЭО) как раскрытие процессов создания, развития, использования и утилизации модулей контента и данных ЭО, описывающих соответствующие онтологические модели и методы. Описан технологический стек для построения и реализации индивидуальных траекторий обучения, приводятся примеры существующих систем, которые полностью или частично используют указанный стек-технологии. Для эффективной обработки материалов и данных, формирующих различные варианты управления обучением, предложенная архитектура позволяет осуществлять семантическое аннотирование и выделение слоёв данных концептов различной степени абстракции. Эти элементы включают в себя: верхнеуровневые абстракции, общие концепции научных материалов и образовательного процесса, характерные концепции для доступа и организации систем данных ЭО в терминах предметной области. Впервые в качестве формальных основ для индивидуального ЭО предложено использовать семантические модели, включающие аппаратные векторные знания графов, которые позволяют эффективно обрабатывать большие и сложные структуры данных, а также обладают гибкостью и выразительностью онтологического учета. Последовательно рассматриваются основные аспекты, связанные с индивидуализацией в среднестатистическом ЭО, в том числе: возможности технологий и онтологии для ЭО, моделирование индивидуальной траектории, семантическое аннотирование учебных материалов, способы оценки знаний в индивидуализированном обучении, а также онтологическое моделирование когнитивного профиля обучающегося.
Ключевые слова
Предложена методология создания систем полуавтоматического проектирования изделий машиностроения с использованием технологий искусственного интеллекта. Методология основана на многоагентных методах создания баз знаний и пригодна для разработки систем проектирования и управления цифровых интеллектуальных производств. В качестве унифицированной модели агента предложена объект-функция с разбиением атрибутов на подмножество входных и выходных атрибутов метода агента. Объект-функция рассматривается как унифицированный модуль создания многоагентных систем. Предложены модели представления агента. Показано, что при таком представлении агент эквивалентен правилу-продукции, являющемуся модулем базы знаний. Наименования переменных модуля знаний должны выбираться из словаря, который может быть составлен с использованием различных естественных языков. Механизмы модулей знаний должны обеспечивать реализацию всех функций, которые могут потребоваться при формировании баз знаний. При использовании технологии экспертного программирования процесс формирования модулей знаний, их трансляции с получением на одном из традиционных языков объектных или исполняемых модулей и тестирования производятся как одна операция. После получения необходимого набора модулей производится генерация метода, использующего подмножество модулей знаний. Показано, что кооперативное решение комплексных задач обеспечивается системой агентов.
Ключевые слова
Процесс диагностирования электротехнического оборудования на этапе эксплуатации является многофакторным, сложным для математического описания и моделирования, поскольку факторы, влияющие на работу и техническое состояние оборудования, могут быть представлены не только количественными, но и лингвистическими переменными. Для повышения производительности функционирования и уровня отказоустойчивости оборудования необходимо разрабатывать методы и модели диагностирования, позволяющие учесть основные факторы, которые влияют на техническое состояние оборудования. В работе решается задача разработки системы иерархических продукционных правил для диагностирования электротехнического оборудования с учётом измерительной и экспертной информации. Новизной является то, что правила привязаны к разработанным неоднородным когнитивным моделям, которые охватывают закономерности получения, передачи, обработки разнотипных данных и в ранжировании правил с учётом длины пути в моделях между вершинами «условие» и «заключение», отражающих обобщённые знания дежурного персонала. Это позволяет уменьшить объём базы знаний, содержащей продукционные правила, сделать процесс поиска более эффективным и принять обоснованные диагностические решения относительно исправности оборудования.
Ключевые слова
В работе дан обзор подходов к исследованию ошибок в спецификациях требований, выделены системообразующие факторы ошибок предпроектной стадии, предложена когнитивная карта ошибок предпроектной стадии, проведён анализ её адекватности. Отмечается важность дальнейшего развития построения формальных моделей процессов, в ходе реализации которых возникают ошибки. Процессам предотвращения дефектов в спецификациях внешнего облика поставлен в соответствие известный архетип «пределы роста» и показано, что существует предел возможностей по предупреждению дефектов, обусловленный как неопределённостью проблемной ситуации, так и компетентностью разработчиков требований. С использованием совокупности структурных моделей процессов предпроектной стадии разработки компонент информационно-вычислительных систем показано, что дефекты в спецификациях внешнего облика обусловлены как особенностями когнитивных моделей субъектов, причастных к формированию требований, так и организацией формирования требований.
Ключевые слова
Статья посвящена вопросам практического применения принципов визуально-аналитического мышления в задачах структурирования знаний при разработке онтологий. Под визуально-аналитическим мышлением понимается применение методологий, использующих различные виды диаграмм для представления идей, концептов, отношений и процессов. Из известных практически используемых видов диаграмм выбраны интеллект-карты как наиболее распространенный, удобный и простой метод корректного формирования и проектирования онтологий сложных предметных областей. Интеллект-карты отражают иерархические связи между понятиями и позволяют достаточно глубоко отображать особенности и закономерности предметных областей с их спецификой отношений. Бьюзен сформулировал идею интеллект-карт в качестве компактного средства организации конспектов, которое впоследствии было доведено до программной реализации и получило широкое распространение в различных областях образования, научных исследований и бизнеса. В статье рассматриваются основные принципы формирования таких карт и анализируются типичные ошибки разработчиков. Впервые предлагается классификация ошибок с учётом синтаксических, семантических и прагматических аспектов. Приводится разбор наиболее частых ошибок, связанных с нарушением правил «хорошего обобщения» и «разумного минимализма». Статья обобщает десятилетний опыт обучения и тренинга навыков визуально-аналитического мышления на программах Executive MBA и на корпоративных тренингах и может быть интересна разработчикам интеллектуальных систем и систем управления знаниями.
Ключевые слова
Рассматриваются современные системы электронного обучения, имеющие возможность записывать действия пользователей, такие как передвижения, использование интерактивных материалов, регистрация на курсы, их завершение и др. Анализ действий пользователей в системах управления процессом обучения предоставляет возможности для персонализации образовательных траекторий. На основе изучения поведения пользователей становится возможным формирование рекомендаций для разработчиков курсов по улучшению контента и структуры, а также рекомендаций по прохождению курса обучающимся. Исследуются данные, содержащиеся в логах активности, для получения информации, поиска зависимостей путём фильтрации релевантных логов, структурирования информации из них и предоставления данных в удобном для анализа и получения выводов виде. Рассматриваются данные основных типов событий, генерируемых в результате записи действий пользователя в системе управления обучением, и сценарии использования результатов анализа этих данных.
Ключевые слова
Рассматривается комплексная процедура верификации продукционных баз знаний с использованием логик с векторной семантикой в варианте VTF-логик при специальном представлении фактов и правил. Описанная техника позволяет решать такие задачи верификации, как выявление несвязанных фактов, выявление незавершённых продукций, выявление логических кругов, контроль соответствия между множеством гипотез и множеством терминальных фактов, выявление противоречий, выявление молчащих продукций, выявление нештатных обрывов цепочек вывода. Продукции в базе знаний упорядочиваются причинно-следственным образом так, что если один и тот же факт входит в правую часть одной продукция и левую часть другой, первая продукция всегда выполняется раньше. В результате процедура верификации имеет линейную сложность по числу правил и экспоненциальную по числу стартовых фактов. Объём вычислений можно существенно уменьшить, выделяя группы фактов, относящихся к конкретной гипотезе. Новым является применение для верификации аппарата логик с векторной семантикой, которые сохраняют способность к выводу при аномальных значениях истинности. Это позволяет, в частности, использовать машину вывода для динамической верификации знаний. В результате не требуется вводить в систему дополнительные архитектурные элементы (например, таблицы решений), создавать внешние верифицирующие программы и т.п. Получение решения обеспечивается штатными средствами экспертной системы. Статическая верификация обеспечивается специальным представлением фактов и правил.
Ключевые слова
Рассмотрены вопросы управления знаниями при выполнении программных проектов и организации поддержки принятия решений для их участников. Актуальность исследований обоснована необходимостью снизить степень неопределённости при принятии решений и подтверждена статистикой выполнения проектов. Поддержку принятия решений предложено организовать на основе анализа прецедентов ранее происходивших проблемных ситуаций и поиска оптимального решения в текущей ситуации, для чего предложено использовать методы инженерии знаний, в частности, онтологического анализа предметной области. Разработана методика формирования нечёткой онтологии поддержки принятия решений при управлении программными проектами. Новизна модели поиска прецедентов заключается в сочетании различных механизмов логического вывода при принятии решений на базе всего комплекса знаний о предметной области. Большой объём информации не позволяет использовать простые поисковые запросы для оперативного поиска необходимой информации, созданной в процессе выполнения проекта. Предложен алгоритм формирования поискового запроса, учитывающего нечёткие свойства, нечёткие таксономические и ассоциативные отношения между классами объектов в онтологии. Эффективность предложенных решений подтверждена экспериментом на прототипе интеллектуальной системы поддержки принятия решений.