Все статьи - Робототехника

Ikki diapazonli optik modulyatsiya va stimulyatsiya qilingan Brillouin tarqalishiga asoslangan optik vektor analizatori, shuningdek, OptiSystem dasturiy muhitida uni simulyatsiya qilish imkoniyati ko'rib chiqiladi.

Актуальность и востребованность темы диссертации. Стремительные темпы роста мирового информационного пространства неразрывно приводят к повышению уровня сложности процессов обработки информации. Становятся очевидными недостаточность и неадекватность традиционных математических аппаратов при решении задач анализа, выбора, классификации и прогнозирования по данным, описывающим процессы глобального социально-экономического развития. В связи с ежедневно возрастающими информационными потребностями человечества усиливаются требования к точности и оперативности обработки информации. Это обосновывает создание учеными новых подходов к обработке больших массивов данных со сложной структурой.
Для обеспечения интеграции Республики в глобальное информационное пространство, широкого внедрения соременных информационнокоммуникационных технологий в рамках требований к развитию социально-экономической сферы реализуются многочисленные научно-исследовательские работы.
Сложные интегрированные системы характеризуются большим числом входных-выходных данных и элементами, отношениям между которыми свойственна разнотипность и нелинейность, а часть информации о системе представляется в качественном, численном и количественном виде. В результате усложняется вывод закономерностей распределения параметров влияния на систему, а в некоторых случаях, например, когда предъявляются жесткие ограничения на время, вывести закономерность не представляется возможным.
Стремительное развитие современных информационнокоммуникационных технологий привело к повышению эффективности управления социально-экономическими процессами, экономии материальных, финансовых, временных и трудовых затрат. Это является одной из причин повышенного научного и практического интереса к методам интеллектуальной обработки данных при поддержке принятия решений. К методам интеллектуального анализа данных относятся, основанные на приближенных решениях модели нечеткого вывода, нейронных и гибридных нейронных сетей, иммунные, генетические и, алгоритмы имитирующие поведение животных, и в общем воплощающие в себе комбинированные модели средства «Мягких вычислений».
Расширение сферы охвата проблем в задачах управления процессами, а также развитие и усложнение состава функций, выполняемых при управлении, ставит требование достижения результатов поддержки принятия решений на уровне человеческого суждения. Нечеткие модели, в свою очередь, позволяют описывать процессы и события реального мира лингвистическими термами на естественных языках, а механизм нечетких решений является прозрачным и понятным для человека. Эти очевидные преимущества расширяют возможности решения задач в различных прикладных отраслях науки, техники и экономики, связанных с решением задач анализа, выбора, принятия решений, классификации и прогнозирования в процессе автоматического управления и мониторинга.
Вышеуказанные утверждения и выделенные проблемы обосновывают актуальность поставленной в настоящем исследовании цели по решению задач создания систем интеллектуального анализа данных на основе моделей теории нечетких множеств и снижения погрешностей в альтернативах для поддержки принятия решений за счет правильного выбора и настройки параметров нечеткой модели.
Данная исследовательская работа служит для обеспечения выполнения задач, поставленных законами Республики Узбекистан «Об информатизации», «Об электронном документообороте», Постановлением Президента Республики Узбекистан ПП-1989 «О мерах по дальнейшему развитию Национальной информационно-коммуникационной системы Республики Узбекистан» от 27 июня 2013 года, а также постановлением Кабинета Министров Республики Узбекистан №355 «О мерах по внедрению оценки состояния развития информационно-коммуникационных технологий в Республике Узбекистан» от 31 декабря 2013 года.
Цель исследования разработка методов, моделей и программноалгоритмического обеспечения систем интеллектуального анализа данных на основе механизмов математического аппарата теории нечетких множеств для поддержки решений управленческих задач целевого мониторинга слабоформализованных процессов и объектов, а также внедрение результатов исследований в системах поддержки принятия слабоструктурированных решений.
Научная новизна исследования заключается в следующем:
разработан метод построения баз правил для реализации нечеткой модели при создании систем мониторинга и интеллектуального анализа поддержки принятия решений;
разработана математическая модель построения стратегии принятия слабоструктурированных решений при логико-лингвистическом отображении для создания систем целевого мониторинга и интеллектуального анализа данных;
разработана методика настройки параметров нечетких баз знаний на основе модифицированного градиентного метода и марковской модели для повышения эффективности механизма поддержки принятия управленческих решений системы целевого мониторинга и интеллектуального анализа данных;
предложено описание методов и моделей интеллектуального анализа данных на основе нечеткого подхода в слабоформализованных задачах;
разработаны рекуррентные уравнения на основе аппарата теории нечетких множеств для нахождения оптимальной стратегии в нечетких моделях целевого мониторинга;
разработаны принципы, критерии и требования построения интеллектуальных систем принятия управленческих решений на основе методов и алгоритмов интеллектуального анализа данных;
разработаны модели и алгоритмы решения задач прогнозирования и классификации на основе интеллектуального анализа данных при принятии управленческих решений.
ЗАКЛЮЧЕНИЕ
В диссертационной работе проведен системный анализ, разработаны методы, модели и алгоритмы интеллектуального анализа данных, реализующие комплексный подход к построению систем поддержки принятия решений.
Основными результатами исследований являются следующие:
1. Анализ научно-технической литературы, раскрывающей современное состояние проблем построения систем интеллектуального анализа данных на основе нечетко-множественного подхода позволили сформировать и обосновать концептуальные принципы, конструктивные подходы, методы, модели и алгоритмы построения систем поддержки принятия решений.
2. Сформулирована математическая постановка задач принятия слабоструктурированных управленческих решений и нахождения оптимальных решений сложно структурированных задач, что способствует повышению эффективности обеспечения альтернатив решений для системы поддержки принятия решений в целевом мониторинге.
3. Разработан метод построения нечеткого вывода для модели идентификации при построении систем целевого мониторинга и интеллектуального анализа данных, в которых реализованы модели параметрической и структурной идентификации. Для параметрической идентификации разработаны модели идентификации типа Синглтона и Мамдани, модель структурной идентификации реализована на основе алгоритмов кластерного анализа и методов субъективного разделения, основной функцией которых является выявление структурных характеристик нечеткой модели при построении базы нечетких правил, которые служат методической основой разработки моделей на основе подходов теории нечетких множеств.
4. Разработанный метод и алгоритм решения задачи построения нечеткой модели с эффективной реализацией базы нечетких правил обосновывает возможность создания эффективно функционирующих интеллектуальных систем анализа данных.
5. Для повышения эффективности функционирования систем целевого мониторинга, интеллектуального анализа данных при работе с большими массивами входных данных на основе применения метода настройки параметров при нечетком подходе разработан градиентный метод параметрической идентификации. Применение таких подходов повышает достоверность решений слабоформализованных задач моделями нечеткомножественного подхода и элементами базы нечетких правил.
6. Предложено пять моделей принятия решений с описанием нечетких множеств и событий для разрешенных состояний среды при реализации интеллектуальных систем. Разработаны методы и модели отображения исходных данных слабоформализованных задач в нечетко-множественном виде, оценки альтернатив, поиска и нахождения оптимальных стратегий. Разработана марковская модель с нечетким подходом для решения задачи классификации в системах поддержки принятия решений. Приведённые методы и модели определяют характер слабоформализованных задач, и позволяют повысить точность и эффективность формирования альтернатив решений в системах поддержки принятия решений.
7. На основе предложенных методов и моделей разработан алгоритм решения задачи прогнозирования в хлопководстве и осуществлена его программная реализация. Предложен десятишаговый алгоритм построения нечеткой модели, результаты прогнозирования по которому на 0,5-3% эффективнее по сравнению с существующими алгоритмами. В частности, достигнута точность результатов 96,5-99,8% при решении задачи прогнозирования себестоимости и урожайности хлопка сырца.
8. Разработан алгоритм на основе методов настройки параметров нечеткой модели для реализации поддержки принятия решений и обоснованы положительные результаты. Точность классификации объектов в модельных задачах (IRIS, WINE, «Собака-волк», диагностике онкологических заболеваний) составила 97-100%, в прикладных задачах (прогноз урожайности хлопка-сырца, выбор соответсвующего сорта хлопчатника, классификации в системе документообороте) - 92-98%.
9. Программные средства, ориентированные на реализацию систем поддержки принятия решений на основе разработанных подходов теории нечеткого множества были внедрены в Министерстве высщего и средного специального образования Республики Узбекистан, Управлении сельского и водного хозяйства Джизакского вилоята, на которые получены акты внедрения, подтверждающие экономический эффект от реализации результатов иследований диссертации.