ВЕСТНИК ВОРОНЕЖСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА. СЕРИЯ: СИСТЕМНЫЙ АНАЛИЗ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Когнитивные технологии входят в один из самых «интеллектуальных» разделов теории искусственного интеллекта. Особое место в интеллектуальных системах занимает обучение по прецедентам, основанное на выявлении общих закономерностей по частным эмпирическим данным, реализуемое главным образом в искусственных нейронных сетях (ИНС). Благодаря своим структурным особенностям, ИНС успешно применяются для синтеза нелинейных регуляторов в автоматических системах управления, однако неявный для пользователя нейросетевой алгоритм формирования результатов порождает проблему доверия к его выводам при решении реальных практических задач, в связи с чем актуальна задача установления «прозрачности» внутреннего алгоритма ИНС. Целью исследования является повышение достоверности функционирования нейро-сетевых регуляторов при построении когнитивных систем автоматического управления. В работе выполнен анализ существующих подходов и методов интерпретируемости результатов ИНС, рассмотрены известные способы формализации нейросетевых алгоритмов, позволяющие выполнить описание правил функционирования ИНС. Предложена методика извлечения правил нейросетевого регулятора на основе гранулярных вычислений, где в качестве информационных гранул принимаются множества схожих по своим свойствам входных признаков, объединенных в кластеры, что достигается путем интеграции в слои многослойных ИНС самоорганизующихся слоев. Применимость предложенных решений показана на примере синтеза системы автоматического регулирования, имеющей нелинейные характеристики. Выполнено построение нейросетевого регулятора, превосходящего по своим характеристикам известные решения данной задачи, а также обладающего возможностью вербального представления правил своего функционирования. Практической значимостью предложенных решений является построение причинно-следственной связи между наборами входных данных и формируемым выходным сигналом нейросетевого регулятора, их представлением в виде совокупности правил, обеспечивающих интерпретацию нейросетевого алгоритма в аспекте построения когнитивной системы автоматического управления. Предложенная методика извлечения правил нейросетевого регулятора может найти применение в методах анализа и синтеза интеллектуальных систем автоматического управления, о чем даны соответствующие рекомендации и предложения.

В статье рассматривается процесс формирования моделей для оценки показателя качества с использованием метода анализа иерархий, в предметных областях, которые характеризуются связанными признаками. Применение классического метода анализа иерархий не позволяет формировать модели со связанными признаками. Целью работы является разработка и верификация численного метода, который позволит модифицировать модели, сформированные с использованием метода анализа иерархий и увеличить их точность благодаря учету связи признаков. Верификация разработанного метода выполнена на примере формирования моделей оценки опасности деструктивных программных воздействий вредоносных программ класса вредоносные утилиты на автоматизированные системы специального назначения органов внутренних дел. На основе метода анализа иерархий, исходя из результатов опроса специалистов в области обеспечения информационной безопасности, сформирована исходная модель. Выявлены связанные поведенческие паттерны вредоносных утилит, совместная реализация которых, приводит к повышению значения показателя опасности исследуемой альтернативы. Для исследования связанных признаков сформирована искусственная нейронная сеть прямого распространения. Гиперпараметры искусственной нейронной сети определены таким образом, чтобы получить достаточную точность при верификации. Разработан численный метод, позволяющий учитывать связанные признаки в моделях, разработанных с использованием метода анализа иерархий. С использованием численного метода выполнена модификация и верификация исходной модели. Для верификации модели использовался тестовый набор данных, сформированный в ходе опроса экспертов. Верификация численного метода показала непротиворечивость полученных результатов. Результаты исследования могут быть использованы специалистами для формирования моделей оценки показателя качества, при связанных признаках.