Первая версия междисциплинарной интеллектуальной системы ИМСЛОГ

Размещено на http://www.allbest.ru/

Томский государственный архитектурно-строительный университет

Первая версия междисциплинарной интеллектуальной системы ИМСЛОГ

А.И. Гедике, А.Е. Янковская

yank@tisi.tomsk.su

В работе излагаются основы построения и программная реализация первой версии междисциплинарной интеллектуальной системы ИМСЛОГ, предназначенной для выявления закономерностей в знаниях и комплексного принятия решений диагностического, классификационного, прогностического, регностического характера на базе сочетания логико-комбинаторного и логико-вероятностного выводов для таких междисциплинарных областей, как областей, как геоэкология, экобиомедицина, социальная психология, медицина чрезвычайных ситуаций, управление, экономика и др.

Актуальность создания междисциплинарной интеллектуальной системы для областей, которым присущ междисциплинарный характер задач (например, в геоэкологии, экобиомедицине, социальной психологии, медицине чрезвычайных ситуаций, управлении, экономике и др.) не вызывает сомнения.

В основу ее построения, представленного в работе [Янковская, 1999], положены следующие принципы: объединение в рамках единой математической матричной модели представления знаний нескольких компонент, каждая из которых описывается в терминах своей дисциплины; комплексность принятия решений классификационного, диагностического, организационно-управленческого, прогностического и регностического характера; использование различных способов вывода на знаниях, формульных вычислений, а также разнообразных средств графической визуализации (включая когнитивные) принятия и обоснования решения, ориентированных на пользователей различной квалификации и обладающих различным образом мышления и потенциалом интеллектуальной энергии.

В данной работе приводится алгоритмическое и программное обеспечение первой версии системы ИМСЛОГ, разработанной для IBM-совместимых персональных компьютеров в среде Windows-95/NT и поддерживающей вышеприведенные принципы.

Основы построения системы

Объединение (агрегирование) различных дисциплин и комплексность принимаемых решений в первой версии системы ИМСЛОГ базируется на использовании единой матричной модели представления знаний и данных, предложенной ранее в работах [Янковская, 1980; Янковская, 1991a].

Данная модель включает: матрицу описаний, матрицу различений и матрицу переходов.

Матрица описаний задает описания объектов (в качестве которых могут выступать знания экспертов и факты из различных предметных областей) в пространстве двоичных и/или троичных характеристических признаков.

Матрица различений позволяет учитывать произвольное число механизмов классификации, каждый из которых задает некоторое разбиение изучаемых объектов на классы эквивалентности в пространстве целочисленных классификационных признаков.

Матрица переходов применяется для представления динамики изменения объектов (столбцы которой могут быть, например, сопоставлены интервалам времени).

Отметим, что указанное матричное представление знаний использовалось нами при создании интеллектуальных распознающих систем АСТРА, ЭКСАПРАС, ЭСМЕДИЧ, ЭКОЛОГ-СПУ, ИНВАРИАНТ, ГЕНЕТОН, СТРОЙКОМПОЗИТ, ИСПРИР [Янковская и др., 1990; Yankovskaya et al., 1993; Янковская и др., 1994a,b; Гедике и др., 1995; Гедике и др., 1996a,b; Гедике и др., 1998] и др., успешно применяемых для широкого круга проблемных областей.

Вывод на знаниях в первой версии системы ИМСЛОГ осуществляется на основе двух подходов: логико-комбинаторного [Янковская, 1989; Янковская, 1990] и логико-вероятностного [Yankovskaya et al., 1998], если значения части признаков указываются с некоторой вероятностью.

программный интеллектуальный комбинаторный вероятностный

Оба подхода основываются на тестовых методах распознавания образов с глубокими оптимизирующими преобразованиями в пространстве признаков и одновременным выявлением различного рода закономерностей, присущих изучаемым объектам.

В рамках применяемого математического аппарата под закономерностями понимаются подмножества характеристических (задающих описание объектов) признаков с определенными, легко интерпретируемыми свойствами, влияющими на различимость объектов из разных образов, устойчиво наблюдаемыми для объектов из обучающей выборки и проявляющимися на объектах той же природы, не рассматривавшихся при поиске закономерностей, а также весовые коэффициенты признаков, отражающие их индивидуальный вклад в различимость объектов из разных образов.

В первой версии системы ИМСЛОГ к упомянутым подмножествам относятся константные, устойчивые (константные внутри образа), неинформативные (не различающие ни одной пары объектов из разных образов), альтернативные (одинаково влияющие на принятие решений), зависимые (в смысле включения подмножеств различимых пар объектов из разных образов) признаки, все минимальные различающие подмножества признаков (являющиеся по сути минимальными безусловными диагностическими тестами), а также несущественные (не входящие ни в один минимальный безусловный диагностический тест) и обязательные (входящие во все тесты) признаки.

Построение всех минимальных безусловных диагностических тестов сводится к построению всех кратчайших столбцовых покрытий булевой матрицы, для нахождения которых применяется алгоритм сокращения признакового пространства [Yankovskaya et al., 1999], не приводящий к потере закономерностей, присущих изучаемым объектам.

Совокупность решающих правил, реализующая различные способы распознавания одного и того же исследуемого объекта, строится на основе всех найденных минимальных безусловных диагностических тестов. При этом i-е решающее правило (i=1,...,n, где n - число найденных тестов) строится с использованием признаков, вошедших в i-й тест.

Итоговое решение принимается с использованием процедуры голосования на множестве всех решающих правил, причем при логико-комбинаторном подходе распознавание производится с учетом задаваемой пользователем допустимой погрешности принятия решений на основе вычисляемых коэффициентов внутриклассового сходства (сходства объектов внутри образа) и сходства распознаваемого объекта (ситуации) с каждым из классов (образов) [Yankovskaya, 1996].

Если итоговое решение не может быть принято с задаваемой пользователем точностью, то имеется возможность принимать решение на основе графических (включая когнитивные) средств визуализации [Янковская, 1991b].

В первой версии системы ИМСЛОГ реализованы следующие графические средства: специального типа гистограмма и круговая диаграмма с отрезком, равносторонним треугольником (являющимся правильным 3-симплексом) или прямоугольником.

При логико-комбинаторном выводе специального типа гистограмма отображает условную степень близости [Янковская, 1991b] изучаемого объекта к каждому образу, а круговая диаграмма с отрезком, равносторонним треугольником или прямоугольником - соотношение по каждому образу коэффициентов сходства объектов внутри образа и сходства изучаемого объекта с образом, а также соотношение условных степеней близости соответственно для любых (выбираемых пользователем) двух, трех или четырех образов.

При логико-вероятностном выводе вместо условных степеней близости и коэффициентов сходства отображаются вероятности принадлежности изучаемого объекта тому или иному образу. Кроме того, графические средства позволяют обосновывать принимаемые решения, что весьма важно как в различных практических приложениях, так и в исследовательских и образовательных целях.

Программная реализация

Программные компоненты системы ИМСЛОГ реализованы с использованием инструментального средства C++ Builder 3.0 фирмы Borland International.

Взаимодействие пользователя с системой организовано в форме многооконного диалогового интеллектуального интерфейса с развитой системой экранной помощи, поддерживающего основные соглашения GUI (Graphic User Interface) среды Windows. Выполнение команд пользователя осуществляется по его выбору: из главного меню, посредством панелей инструментов, с использованием “горячих” клавиш, а также контекстных меню. Для занесения входных данных предоставляются специальные “формы”, содержащие контролируемые поля ввода с надежной защитой от ошибочных действий пользователя.

База знаний организована по модульному принципу.

Информация, относящаяся к каждому модулю знаний, размещается в двух файлах - файле описания структуры знаний (*.exp) и файле данных (*.ddd). Использование матричной модели для представления описаний объектов при решении задач распознавания образов предопределило целесообразность создания базы знаний реляционного типа. При этом в системе предусмотрена парольная защита функций, изменяющих состояние базы знаний, от случайной или преднамеренной порчи информации при их вызове.

Файл описания структуры знаний состоит из четырех блоков.

В первом блоке размещается дескриптор, содержащий общую информацию о данном модуле знаний (число признаков, число записей, длина одной записи и др.). Во втором блоке размещаются описания признаков, используемых для представления объектов, относящихся к данному модулю знаний. Описание каждого признака содержит информацию, включающую название признака, его тип, порядковый номер, длину значения, номер группы (если признак групповой) [Янковская, 1994] и ряд дополнительных характеристик. Третий блок содержит названия групп. В четвертом блоке размещаются таблицы значений целочисленных признаков, в которых каждому значению целочисленного признака ставится в соответствие его название.

Файл данных состоит из записей, каждая из которых соответствует некоторому объекту и содержит значения признаков в соответствии с заданной структурой модуля знаний. Для экономии дискового пространства применен метод сжатия значений двоичных (троичных) признаков в битовые структуры.

Часть функций системы ИМСЛОГ реализована в форме так называемых “Мастеров”.

Например, Мастер создания модуля знаний, Мастер оптимизации модуля знаний, Мастер принятия решений, и пр. Работа с Мастером заключается в последовательном выполнении ряда шагов. На каждом шаге пользователь отвечает на “вопросы” путем заполнения полей ввода, выбора из списков и т.д. Переход к следующему шагу осуществляется путем нажатия кнопки “Дальше”. На последнем шаге, как правило, на кнопке “Дальше” меняется надпись, говорящая о том, что данный этап является завершающим.

Программная реализация первой версии системы ИМСЛОГ включает три подсистемы: управление базой знаний, оптимизация базы знаний, принятие решений.

В состав подсистемы управления базой знаний входят функции, позволяющие создавать, отображать и редактировать структуру модуля знаний; добавлять, отображать и редактировать знания (описания объектов); удалять знания.

Подсистема оптимизации базы знаний включает функции, позволяющие формировать матрицы описаний и различений, анализировать знания на непротиворечивость и репрезентативность, выявлять вышеперечисленные закономерности в знаниях, отображать результаты оптимизации (в т.ч. осуществлять визуализацию закономерностей).

Функции подсистемы принятия решений позволяют провести распознавание предъявляемых объектов либо в рамках логико-комбинаторного подхода, либо в рамках логико-вероятностного подхода, а также отобразить итоговое решение в удобной и понятной форме, в т.ч. с использованием вышеперечисленных графических средств.

Кроме того, в первой версии системы ИМСЛОГ реализован ряд служебных функций по настройке параметров системы, работе с протоколом текущего сеанса и пр.

Апробация системы

В настоящее время первая версия системы ИМСЛОГ апробирована на специальной тестовой задаче. Кроме того, осуществлена систематизация и структуризация знаний в задаче выявления социально-психологических факторов в условиях коммуникативного стресса в учебном процессе, влияющих на уровень адаптации индивидуума к окружающим людям и к внешнему миру, на риск возникновения психологических заболеваний, а также на продуктивность деятельности и степень умственной работоспособности [Янковская и др., 1998]. При этом выделены следующие характеристические и классификационные признаки.

Характеристические признаки: фамилия и инициалы, пол, возраст (11 градаций), название учебного заведения, профиль учебного заведения (5 градаций), название факультета, студент (да, нет), курс (6 градаций), преподаватель (да, нет), должность (6 градаций), сокращение штатов (да, нет), возрастание учебной нагрузки (да, нет), снижение количества стипендий (да, нет), понижение заработной платы (да, нет), несвоевременная выплата заработной платы (да, нет), неполная заработная плата (да, нет), снижение политической активности (да, нет), неуверенность в будущем (5 градаций), уровень тревожности (5 градаций), уровень ригидности (5 градаций), уровень стрессоустойчивости (5 градаций), степень фрустрированности (5 градаций), тип акцентуации характера (11 градаций), уровень невротизации (5 градаций).

Классификационные признаки: уровень адаптации к окружающим людям (5 значений), уровень адаптации к окружающему миру (5 значений), уровень продуктивности деятельности (5 значений), степень умственной работоспособности (5 значений), имеется риск возникновения сердечно-сосудистых заболеваний, имеется риск возникновения желудочно-кишечных заболеваний, имеется риск возникновения аллергических заболеваний, имеется риск возникновения бронхиальной астмой, имеется риск возникновения гормональных заболеваний, имеется риск возникновения пограничных нервно-психических расстройств, рекомендуется провести психопрофилактические мероприятия, рекомендуется провести психогигиенические мероприятия, рекомендуется провести психокоррекционные мероприятия, рекомендуется провести психотерапевтические мероприятия, рекомендуется провести медикаментозные мероприятия (биологическую терапию), рекомендуется обратиться к специалистам соответствующего профиля.

При апробации на тестовой задаче результаты логико-комбинаторного и логико-вероятностного принятия решений совпали.

Система ИМСЛОГ является инвариантной к областям применения и может использоваться как в отдельных проблемных областях (например, медицина, геология, строительство, проектирование и пр.), так и в междисциплинарных приложениях (например, геоэкология, экобиомедицина, социальная психология, медицина чрезвычайных ситуаций, управление и др.) для решения практических задач, а также в исследовательских и научных целях. При этом система ИМСЛОГ может эксплуатироваться пользователями различной квалификации, включая таких, которые имеют минимальные навыки работы на персональном компьютере.

Дальнейшее развитие системы ИМСЛОГ ведется путем совершенствования модели представления знаний, разработки конкурентоспособных алгоритмов и реализующих их программных модулей логико-комбинаторного и логико-вероятностного выводов (с выработкой критериев оптимального их сочетания), а также создания новых графических средств визуализации информационных структур, выявленных закономерностей, результатов принятия решений и обоснования принимаемых решений. Кроме того, будут созданы средства конвертирования баз знаний системы ИМСЛОГ с целью интеграции ее с другими интеллектуальными системами.

Работа частично поддержана РФФИ, проект № 95-01-00295 и № 98-01-03019.

Литература

1. Yankovskaya A.Ye., Gedike A.I. Theoretical Base, Realization and Application of the Intelligent System EXAPRAS - Proceeding East-West Conference On Artificial Intelligence “EWAIC'93 From Theory to Practice”. - Moscow, 1993.

2. A.E. Yankovskaya, A,Yu. Matrosova, M.A. Strizhov. The Logical-Probabilistic System of Pattern Recognition - The 5th Open German-Russian Workshop on Pattern Recognition and Image Understanding. Collection of Abstracts. - Germany, Herrshing, 1998.

3. A.E.Yankovskaya, A.I.Gedike. Construction and Evaluation of Compressed Descriptions of Patterns in an Intelligent Recognizing System - Pattern Recognition and Image Analysis. Vol. 9, No. 1. - 1999.

4. Yankovskaya A.E. Minimization of Orthogonal Disjunctive Normal Forms of Boolean Function to be Used as a Basis for Similarity and Difference Coefficients in Pattern Recognition Problems - Pattern Recognition and Image Analysis. Vol. 6, No 1 - 1996.

5. Гедике А.И., Янковская А.Е. Интеллектуальная эколого-медицинская система - Известия РАН. Теория и системы управления. № 5. - 1995.

6. Гедике А.И., Журкина О.В., Ильинских Н.Н., Янковская А.Е. Интеллектуальная система ГЕНЕТОН -Искусственный интеллект - 96. Сб. научн. тр. V Национ. конф. с международным участием. Том III. - Казань, 1996.

7. Гедике А.И., Янковская А.Е. Интеллектуальная система СТРОЙКОМПОЗИТ - Искусственный интеллект - 96. Сб. научн. тр. V Национ. конф. с международным участием. Том III. - Казань, 1996.

8. Гедике А.И., Меньшикова Е.А., Шварцман Е.М., Янковская А.Е. Оценка влияния психологической готовности ребенка к школьному обучению на базе интеллектуальной системы ИСПРИР - КИИ'98. Сб. научн. тр. VI национ. конф. с международным участием по искусственному интеллекту. Том II. - Пущино, 1998.

9. Янковская А.Е., Гедике А.И., Ковалев Г.Г., Кукарин В.Я., Алексеева Н.В. Опыт создания интерактивной системы распознавания образов и ее применение в научных исследованиях, управлении, обучении - Новая информационная технология в системотехнике. - М.: Радио и связь, 1990.

10. Янковская А.Е., Гедике А.И. Информационная технология комплексного решения задач медицины чрезвычайных ситуаций на базе системы ЭСМЕДИЧ - САПР-94. Новые информационные технологии в науке, образовании, медицине и бизнесе. Тез. докл. XXI Междунар. конф. - Гурзуф, 1994.

11. Янковская А.Е., Гедике А.И., Прегер А.Л. Оценка и прогнозирование экологической ситуации СПУ на базе экспертной системы - Экология Северного промышленного узла г. Томска: проблемы и решения. - Томск: изд-во ТГУ, 1994.

12. Янковская А.Е., Рождественская Е.А. Выявление социально-психологических факторов в условиях коммуникативного стресса в учебном процессе с использованием интеллектуальной системы - Психологический универсум образования человека ноэтического. Материалы международного симпозиума. - Томск, 1998.

13. Янковская А.Е. Оптимизирующие преобразования в процессе синтеза асинхронного автомата и их приложения - MTA SZTAKI TANULMANYOK. - BUDAPEST, 99/1980.

14. Янковская А.Е. Алгоритмы распознавания на базе оптимизирующих логико-комбинаторных преобразований в пространстве признаков - Математические методы распознавания образов. Тез. докл. IV Всесоюзн. конф. Часть I. - Рига, 1989.

15. Янковская А.Е. Оптимизирующие логико-комбинаторные преобразования в пространстве признаков - математический аппарат интеллектуальных систем. - SEGUNDO CONGRESO INTERNACIONAL DE INFORMATICA RESUMENES. - CUBA LA HABANA, 1990.

16. Янковская А.Е. Представление знаний и алгоритмическое обеспечение для медицины экстремальных ситуаций. - Вестник Всесоюзн. общества информатики и вычислительной техники. № 1. - 1991.

17. Янковская А.Е. Преобразование пространства признаков в пространство образов на базе логико-комбинаторных методов и свойств некоторых геометрических фигур - Распознавание образов и анализ изображений: новые информационные технологии. Тез. докл. I Всесоюзн. конф. Часть 2. - Минск, 1991.

18. Янковская А.Е. Тестовые распознающие медицинские экспертные системы с элементами когнитивной графики - Компьютерная хроника. № 8/9. - 1994.

19. Янковская А.Е. Основы построения междисциплинарной интеллектуальной системы - Научная сессия МИФИ-99. Сб. научн. тр.. Том 7 - М., 1999.

Размещено на Allbest.ru