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

В соответствии с современными подходами к разработке декларативных баз знаний, формируемых экспертами без поддержки инженеров знаний, экспертам приходится самим производить трудоёмкую аналитическую работу с понятиями различных уровней общности, выявлять различные типы отношений между понятиями, осуществлять действия по «отлаживанию» разрабатываемой базы знаний. В этой связи актуальны исследования, направленные на создание моделей, методов и технологий, способствующих разработке дополнительных (по отношению к существующим редакторам онтологий и баз знаний) наборов инструментальных средств поддержки экспертов. Одним из таких методов является создание логической модели онтологии предметной области. Модели онтологий в форме необогащенных систем логических соотношений позволяют задать структуру онтологии каждого уровня и базы знаний, ставить задачи в терминах онтологии интеллектуальной системе и разрабатывать методы их решения. Модель метаонтологии (модель онтологии уровня выше второго) позволяет также автоматизировать создание промежуточных понятий редактором, что возможно не для всех предметных областей. Для семейства предметных областей, объекты которых представляют собой системы сложной структуры (строгое определение семейства дано и подразумевает, что подсистемами таких систем могут быть элементарные системы, иерархически устроенные системы или процессы) это оказывается возможным. Цель статьи - предъявить модель метаонтологии для семейства предметных областей, объекты которых являются системами сложной структуры, в форме необогащенной трёхуровневой системы логических соотношений с параметрами и конструкторами и показать ее применимость для разработки базы знаний предметной области данного семейства. В качестве иллюстративного примера выбрана предметная область определения реакционных способностей химических соединений. Модель представлена на языке прикладной логики, для которого были разработаны специализированные расширения «Макросы» и «Комплексные числа», термы которых представлены. Модели онтологии уровней ниже третьего получаются в результате описанной операции применения обогащения. Различные типы метапонятий модели метаонтологии могут быть использованы при создании наборов дополнительных инструментальных средств поддержки экспертов в виде генераторов промежуточных понятий онтологии для предметных областей данного семейства.

В статье предложена нечеткая система для классификации электроэнцефалограмм (ЭЭГ), разработанная для асинхронного интерфейса «мозг-компьютер». Основной целью работы является исследование применимости методов нечеткой логики для классификации ЭЭГ, направленной на распознавание реальных и мысленных движений верхних конечностей. Предложенный подход к классификации ЭЭГ-сигналов основывается на методе извлечения признаков, который включает расчёт взаимной информации между каналами ЭЭГ после предобработки сигналов. Этот метод направлен на выявление значимых корреляций между сигналами, поступающими от различных зон мозга, что позволяет формировать векторы признаков, отражающие связь между каналами ЭЭГ. Нечеткий классификатор удалось построить для 72 % испытуемых для реальных движений и 48 % испытуемых для воображаемых движений. В ходе экспериментов было установлено, что средняя точность классификации составляет около 74 % для реальных движений и 60 % для движений, выполняемых мысленно. Наилучший результат для отдельного человека достигает 96 % и 71 % точности для реальных и мысленных движений соответственно. С использованием деревьев классификации был выполнен прогноз влияния параметров предобработки на эффективность системы. Было установлено, что наиболее значимыми предикторами являются частота децимации при предобработке сигналов ЭЭГ и количество бинов при расчете взаимной информации между каналами ЭЭГ как для реальных движений, так и для движений, выполняемых мысленно. Точность прогноза достигла 73 % и 86 % для реальных и воображаемых движений соответственно. Таким образом, предложенный метод представляется интересным с точки зрения анализа сигналов ЭЭГ и формирования признаков. Работа демонстрирует возможности нечеткой логики для создания интерфейсов «мозг-компьютер», однако указывает на необходимость дальнейших исследований в области оптимизации параметров предобработки и преобразования лингвистических шкал нечеткого классификатора для повышения точности и интерпретируемости системы.