Онтология проектирования
2024. — Выпуск 2
Содержание:
Обсуждается понятие нормы на шкале показателя качества объекта в задачах определения наиболее предпочтительного объекта или его состояния. Используются понятия допустимого и предельно допустимого отклонения от нормы. Предельно допустимые отклонения от нормы принимаются как границы шкалы показателя. За основной вариант нормы принимается отрезок на шкале показателя, не включающий границы шкалы. Точечная и полуинтервальные («не более», «не менее») нормы принимаются за частные случаи интервальной нормы. Полуинтервальная норма отражает совпадение границы исходной интервальной нормы с границей шкалы показателя. Для некоторых показателей отклонение в одну из сторон от нормы считается не только допустимым, но и полезным. Показатель, отвечающий этому условию, называется оптимизируемым, а показатель с нежелательными отклонениями от обеих границ нормы - нейтральным. В модели принадлежности норме выделяются три класса: «норма», «не более» и «не менее» нормы. Предлагаются кусочно-линейная и нелинейная функции принадлежности классам. В нелинейном варианте границы интервальной нормы расширяются до допустимых границ, что влечёт пересечение функций принадлежности смежным классам. Классификация объекта на три класса выполняется раздельно по нейтральным и оптимизируемым показателям. Трактовка отклонений от нормы, как неприемлемых, так и приемлемых, влечёт необходимость введения двух фиктивных классов: «хуже нормы» и «лучше нормы». Они формируются данными из классов «не менее» и «не более». Для вычисления функции принадлежности каждому классу по всем показателям применяется средневзвешенная функция. Обобщённые по всем показателям принадлежности классам «норма», «лучше нормы», «хуже нормы» названы индексами соответственно стабильности, развития и ухудшения объекта, которые используются для целостной оценки объекта, названной индикатором его состояния. Приведён пример анализа отклонений от нормы, реализованный в модифицированной системе выбора и ранжирования СВИРЬ-М.
Ключевые слова
Рассматривается подход к моделированию процессов адаптивного обучения с помощью знаковых и взвешенных ориентированных графов (орграфов). Вершины орграфов отображают характеристики учебной деятельности. Ориентация, знаки и веса дуг орграфов определяют взаимовлияние этих характеристик. Динамика адаптивного обучения моделируется в орграфах с помощью специального алгоритма импульсного процесса. В некоторую вершину орграфа вносится внешнее возмущение и рассматривается распространение этого импульса, что позволяет прогнозировать значения других вершин орграфа. Сформулирована задача оптимизации весов дуг орграфа и предложен алгоритм её решения с целью достижения устойчивости импульсного процесса. По результатам вычислительных экспериментов на орграфе установлено, что целевая функция оптимизации весов дуг взвешенного орграфа является многоэкстремальной. Попадание в локальный минимум определяется исходными значениями вектора проектных переменных и ограничениями на эти переменные. Поэтому важна квалификация разработчика модели адаптивного обучения, назначающего эти величины. Когнитивные модели адаптивного обучения могут рассматриваться как прескриптивные и дескриптивные. Прескриптивные модели описывают, каким должен быть процесс адаптивного обучения. Дескриптивные модели описывают существующие процессы адаптивного обучения и могут служить инструментом исследования их эффективности. Разработанная методика когнитивного моделирования процессов адаптивного обучения позволяет прогнозировать результаты обучения и может применяться при исследовании, проектировании и реализации механизмов адаптации и интеллектуального управления в системах электронного обучения, а также в дидактическом тренинге преподавателей в сфере электронного обучения.
Ключевые слова
В статье проведена онтологическая концептуализация институционального дизайна общественных движений, представлен механизм его функционирования в современном обществе. Цель статьи: выявление специфики институционального дизайна современных общественных движений. Институциональный дизайн является интегрированным единством виртуальных и реальных практик, включающих в себя технологическую составляющую. Ядро дизайна - это проектная деятельность участников общественных движений, конструирование реальности в процессе участия в общественной и политической жизни в онлайн- и офлайн-пространствах. Представлена экосистема дизайна, включающая структуру возможностей и условий для создания и функционирования общественных движений, их институционализации. В экосистеме осуществляется взаимодействие участников с институциональной средой, которая содержит правила и нормы, возможности для участия в общественно-политической жизни. В цифровом обществе участники общественных движений располагают инструментами для выстраивания новых алгоритмов конструирования реальности на основе мобильных приложений и социальных сетей. Экосистема институционального дизайна расширяется, когда общественные движения получают политические возможности, организуют офлайн- и онлайн-практики взаимодействия с органами власти для решения социальных проблем.
Ключевые слова
1) Предлагается комплексный подход к решению задач управления глобальной адаптивной подготовкой групп специалистов, который позволяет учитывать изменяющиеся внешние и основные факторы, а также динамику изменения уровней подготовки специалистов и оперативную доработку сценария обучения под текущую ситуацию. Реализация этого опирается на онтологическое и прогнозное моделирование процесса адаптивной подготовки специалистов. В статье о подготовке метаонтологии адаптивной группы специалистов организационно-технических систем для решения задач управления процессом подготовки. Рассматриваются подходы к решению задач, обобщения и анализа циклического интеллектуального управления адаптивной подготовкой групп специалистов на основе метаонтологии. Применение разработанной метанойонтологии позволяет автоматически определять уровень знаний и умений обучающихся, которые сохраняются в их профилях и обновляются по результатам пройденных этапов подготовки. Это позволяет повысить оперативность формирования управляющих воздействий (учебно-организационных задач) и подготовки качества.
Ключевые слова
Противопожарные системы используют извещатели, основанные на пороговой обработке измерительных сигналов датчиков факторов пожара и выработке сигнала о пожаре в соответствии с логической функцией. Применение искусственных нейронных сетей позволяет путём их обучения проектировать извещатели, основанные на информации от сети датчиков. Для обучения искусственных нейронных сетей необходимы большие наборы данных, которые предложено получать путём моделирования пожара на суперкомпьютере. Натурные испытания представляют собой дорогостоящий эксперимент, который подвержен случайным факторам, ограничен одним-двумя помещениями и не даёт полного представления о развитии пожара. Поэтому проектирование интеллектуальных пожарных систем относится к классу модельно-ориентированного проектирования. Путём моделирования получены большие наборы данных для обучения алгоритмов пожарной системы и расширен круг решаемых задач. Предложен коллектив нейронных сетей для: поиска оптимального расположения многопараметрических датчиков; определения типа горящего материала; обнаружения возгорания на ранних этапах; локализации зоны возгорания, что позволяет выбрать адекватные средства тушения. Искусственные нейронные сети позволяют прогнозировать развитие пожара, строить карту распределения опасных факторов для поиска оптимального пути эвакуации людей. Приведён пример модельно-ориентированного проектирования судовой противопожарной системы.
Ключевые слова
Рассмотрены особенности разработки мобильных приложений для людей с ограниченными интеллектуальными возможностями. Предложена технология разработки адаптируемых мобильных приложений для пользователей с ограниченными интеллектуальными возможностями, основанная на применении шаблонной многомодульной архитектуры с возможностью выбора готовых функциональных решений из хранилища модулей. Описан способ разработки адаптируемого интерфейса мобильного приложения, включающий создание шаблонов экранов, на которых размещаются элементы интерфейса, разделение элементов шаблонов на обязательные и опциональные и сопоставление каждому элементу наборов возможных изображений. Предложен способ адаптации интерфейса с помощью конфигурационной панели, обеспечивающий возможность настройки интерфейса под каждого пользователя без изменения программного кода. Описана веб-система, обеспечивающая поддержку этапов создания и эксплуатации мобильных приложений с адаптируемым интерфейсом. Приведены примеры мобильных приложений для пользователей с ограниченными интеллектуальными возможностями. Описание проектных и технологических решений, разработанных в рамках предложенного подхода, представлено в виде онтологической модели, использование которой позволяет извлекать знания для создания приложений, доступных людям с ограниченными интеллектуальными возможностями.
Ключевые слова
Представлена формализация модели сети Интернета вещей, предназначенной для мониторинга технологических помещений с телекоммуникационным оборудованием в Федеральном исследовательском центре «Красноярский научный центр СО РАН». Сеть включает измерительные устройства, телекоммуникационную среду, серверы для сбора данных и прикладное программное обеспечение. Для информационного взаимодействия используется схема «издатель-подписчик» и облегчённый протокол с невысокой нагрузкой на каналы связи. Создана онтология, описывающая архитектуру сети и свойства устройств, которые собирают, передают, хранят и обрабатывают данные. Онтология содержит классы, представляющие понятия предметной области, отношения, свойства данных, диапазоны их изменения, критические значения, ограничивающие атрибуты элементов онтологии. Объекты онтологии имеют собственное цифровое представление в базах данных, включая результаты измерений, получаемые датчиками сети Интернета вещей, прецеденты аномальных данных, их статистические и частотные характеристики. Формализация позволила выявить неявные зависимости между объектами, связать их с характеристиками процессов, наблюдаемых устройствами сети Интернета вещей, и решать практические задачи. Рассмотрена задача выбора характеристик, влияющих на изменение схем информационного взаимодействия. Выполнен опрос экспертов и построена модель Кано для приоритизации характеристик, влияющих на принятие решений об организации схемы информационного взаимодействия в сети Интернета вещей.
Ключевые слова
Онтологические модели находят широкое применение в сложном информационном обеспечении, предоставляя ресурсы и услуги для решения управленческих, проектных и научно-технических задач. В частности, применение онтологий предметных областей широко распространено в среде поддержки принятия решений. При онтологическом моделировании сложных систем возникает потребность в автоматизации процессов работы с онтологическими задачами. В обзоре представлены основные программные комплексы и методологии онтологического моделирования, подходы к автоматизации процессов создания, наполнения и использования онтологических моделей, отражения темпорального аспекта работы онтологического представления объектов. Цель работы состоит в рассмотрении методов автоматизации жизненного цикла онтологических ресурсов и анализе степени их адаптации в прикладных онтологиях. Отмечены высокая степень автоматизации работы с онтологически обоснованными требованиями в процессе заполнения онтологии и использования больших языковых моделей в данном процессе. Указано недостаточное описание технологии автоматизации процессов конвертации информации из таблиц и схем в онтологические модели, валидации заполнения моделей и ее обработки. Показаны перспективные направления автоматизации работы с онтологическими проблемами.
Ключевые слова
Рассматривается построение на основе онтологического подхода информационного хранилища системы поддержки принятия клинических решений слабо-формализуемой предметной области лечения бронхолёгочных заболеваний. Приведён обзор подходов к созданию баз знаний в этой предметной области. Описан метод извлечения знаний, основанный на правилах из клинических рекомендаций и поиске зависимостей между словами в предложениях с учётом последовательности применения правил. Информационное хранилище системы поддержки принятия клинических решений наполняется онтологической и продукционной базами знаний при помощи предложенного метода извлечения знаний. Разработана онтология выбранной предметной области, проведены исследования её качества на основе анализа топологии графа при помощи метрик когнитивной эргономичности. Показана эффективность описанного метода извлечения знаний. Разработана оригинальная архитектура системы поддержки принятия клинических решений.
Ключевые слова
Обсуждаются барьеры, затрудняющие применение в производстве аддитивных технологических процессов изготовления металлических деталей. Обосновывается необходимость внедрения интеллектуальной системы поддержки принятия решений в профессиональную деятельность инженеров-технологов лазерного аддитивного производства. Указываются преимущества, которые даёт применение разработанного онтологического двухуровневого подхода к формированию семантической информации. Особенность подхода состоит в том, что онтологические модели отделены от формируемых на их основе баз данных и знаний - целевой информации, а онтология определяет правила структурированного формирования целевой информации и её интерпретации. Представлен ансамбль онтологических моделей, положенный в основу разрабатываемой интеллектуальной системы. Описан состав ансамбля моделей, назначение отдельных его компонентов и возможные типы связей между ними. В состав ансамбля входят онтологии: справочных баз по оборудованию и материалам лазерного аддитивного производства, архива протоколов технологических операций лазерной обработки, базы знаний о настройках режимов лазерной обработки и базы математических моделей. Ансамбль онтологических моделей реализован на облачной платформе IACPaaS с использованием её инструментальных средств. Онтологии, базы данных и знаний, а также система поддержки принятия решений входят в состав портала знаний о лазерном аддитивном производстве. Аккумулирование в портале и дальнейшее использование знаний и опыта, накапливаемых разными технологами, позволит уменьшить число предварительных экспериментов, направленных на выявление практически пригодных технологических режимов, а также снизить требования к квалификации пользователей технологического оборудования.