Архив статей журнала
В статье представлены программы, ориентированные на применение в качестве инструмента поддержки принятия решений и реализующие оригинальные подходы к групповому экспертному рейтинговому оцениванию и нечеткому логическому выводу. В основу программ положены вероятностные модели на основе формулы Байеса, ранее предложенные авторами. В этих байесовских моделях входные оценочные данные интерпретируются как свидетельства в пользу той или иной гипотезы из множества возможных, определяемых спецификой модели: гипотез о месте того или иного объекта в рейтинге (в модели группового экспертного рейтингового оценивания) и о возможном значении выходной лингвистической переменной (в модели нечеткого вывода). Полученные свидетельства специфичным для модели способом трансформируются в набор байесовских условных вероятностей, вычисляемых в предположении истинности соответствующей гипотезы, а далее рассчитываются апостериорные распределения вероятностей на множестве этих гипотез. Апостериорные распределения используются как основа для несложного вычисления конечного результата: рейтинга объектов (в модели группового экспертного рейтингового оценивания) и дефаззифицированного значения выходной переменной (в модели нечеткого вывода). Обсуждаются особенности программной реализации моделей на платформе Java, отмечаются преимущества моделей.
Управление рисками при решении экологических проблем, задач охраны окружающей среды, реабилитации загрязненных территорий и планирования землепользования требует применения современных компьютерных систем поддержки принятия решений. В статье представлена компьютерная система поддержки принятия решений DecernsFMCDA, которая включает в себя как широко известные методы многокритериального анализа решений, так и оригинальные подходы к анализу неопределенностей, основанные на применении нечетких множеств и вероятностных методов. Сделан обзор доступных на сегодняшний день компьютерных систем многокритериального анализа решений, детально описаны структуры системы поддержки принятия решений DecernsFMCDA и ее основных компонент, а также отличия от других систем, реализующих методы многокритериального анализа решений. Перечислены классические, вероятностные и оригинальные нечеткие модели многокритериального анализа решений, реализованные в составе системы, приведены схемы и описания общей модульной архитектуры DecernsFMCDA и оригинальных библиотек многокритериального анализа решений, а также библиотеки работы с нечеткими числами. Практическое применение DecernsFMCDA рассматривается на примере многокритериальной задачи поиска оптимального способа производства одностенных углеродных нанотрубок, при решении которой используются оригинальные нечеткие модели FTOPSIS и FMAVT, реализованные в рамках системы. В настоящее время DecernsFMCDA является единственной системой, в которой фактически реализованы все основные методы для решения дискретных задач многокритериального анализа решений, в том числе в условиях неопределенности. Система позволяет формировать и исследовать сценарии с применением различных моделей многокритериального анализа решений, в том числе с разными наборами параметров заданных моделей, для последующего сравнения и анализа выходных результатов в рамках процесса поддержки принятия решений.
Теория группового принятия решений широко применяется в различных областях человеческой деятельности. В рамках данной теории предложены различные методы голосования, оценки консенсуса среди участников группового анализа решений и рекомендаций по выбору/ранжированию альтернатив. Для практической реализации указанных методов разработаны компьютерные системы группового анализа и поддержки принятия решений. В данной работе представлен модуль DecernsFMCDA-G-FT для группового анализа решений с использованием нечеткой многокритериальной модели Fuzzy TOPSIS. Модуль является компонентом разрабатываемой системы поддержки принятия групповых решений DecernsFMCDA-G и содержит необходимый функционал для постановки задачи, сбора экспертной информации, проведения оценок и анализа результатов. Визуализация индивидуальных предпочтений и групповых оценок, а также возможность выбора различных подходов к ранжированию исследуемых альтернатив дают наглядное представление о процессе группового многокритериального анализа. При решении прикладных задач могут быть использованы входные нечеткие величины различной формы, несколько методов вычисления функций от нечетких чисел, а также различные методы ранжирования нечетких величин. В качестве примера решена задача многокритериальной сортировки претендующих на работу кандидатов с использованием модуля DecernsFMCDA-G-FT. Разработанный модуль предназначен для использования в рамках университетских курсов по теории принятия решений, анализу и управлению рисками, а также для многокритериального анализа широкого круга научно-прикладных задач.
В статье рассматривается один из важнейших элементов информационной системы - компаратор. Это комбинационная схема, которая используется для сравнения значений, принимая два числа в качестве входных данных и определяя, каким является каждое из них: больше, меньше или равно другому числу. Компараторы имеют множество применений в основной электронике и в современных цифровых СБИС, таких как пороговый детектор, детектор пересечения нуля, генератор релаксации, триггер Шмитта, процессоры цифровых сигналов. Анализируются основные научные работы о проектировании компаратора. Во многих из них, направленных на минимизацию потерь энергии и площади проектируемого компаратора, подчеркивается актуальность проблемы. Представлена эффективная конструкция 8-разрядного последовательного компаратора, основанная на методах блочной оптимизации. На первом этапе предлагаемый компаратор преобразует параллельные данные в последовательные. На втором этапе реализуется переключение для размещения данных в сдвиговом регистре. Только значения старшего бита двух регистров сравниваются через однобитовую ячейку компаратора в качестве третьего этапа. Предложенные миниатюрные схемы последовательного компаратора были реализованы с использованием программного обеспечения DSCH 3.5 и Microwind 2.0 и продемонстрировали хорошую работу. В статье рассматриваются также моделирование компоновки и параметрический анализ предлагаемой конструкции 8-битного компаратора. Предложенный последовательный компаратор требует меньше площади, количества циклов и потребляемой мощности по сравнению с существующими подходами.
В статье рассматривается задача оценки эффективности условий проведения химических реакций с учетом таких факторов, как наличие примесей, стоимость катализаторов, и ряда других, влияющих на стоимость технологического процесса. Для оценки эффективности химической реакции авторы предлагают вначале независимо оценить эффективность каждого фактора, участвующего в реакции, а затем с учетом полученных результатов построить суммарную оценку. Поскольку природа факторов различна, для сравнения их влияния вводится понятие бонусов, которые начисляются каждому фактору. Бонусы начисляются за получение основного продукта, а также за минимизацию побочного продукта. На примере таких факторов, как давление и температура, влияющих на условия протекания реакции, показана целесообразность введения понятия «мягкое значение условия», при котором затраты на выполнение условия минимальны. С учетом этих предположений оценка эффективности каждого фактора строится как нечеткая мера эффективности - монотонная функция со значениями из интервала [0, 1]. Один из подходов, применяемых для оценки значимости того или иного фактора, основан на возможности применения методов интеллектуального анализа данных. Этот метод предполагает возможность накопления достаточно репрезентативной БД. Суммарная оценка эффективности строится как взвешенная сумма оценок каждого из факторов. Проверка корректности предлагаемого подхода проводилась на данных реального эксперимента, где фиксировались факторы, влияющие на протекание химической реакции, а также количество целевого и побочного продуктов, полученных в ее результате.
Объектом исследования является технология федеративного обучения, которая позволяет осуществлять коллективное машинное обучение на распределенных обучающих наборах данных без их передачи в единое хранилище. Актуальность данной технологии обусловлена, с одной стороны, давно растущим трендом на использование машинного обучения для решения множества прикладных задач, а с другой - ростом запросов, в том числе законодательных, на приватность и обработку данных ближе к источнику или непосредственно на нем. Основными проблемами при создании систем федеративного обучения являются отсутствие гибких фреймворков для различных сценариев федеративного обучения: большинство существующих решений сосредоточено на обучении искусственных нейронных сетей в централизованной вычислительной среде. Предмет исследования - универсальная архитектура фреймворка для разработки прикладных систем федеративного обучения, позволяющая строить системы для разных сценариев, различных параметров и топологий вычислительной среды, моделей и алгоритмов машинного обучения. В статье рассмотрена предметная область федеративного обучения, даны основные определения и описан процесс федеративного обучения, приведены и разобраны различные сценарии возможных прикладных задач. Проведен анализ наиболее известных на данный момент фреймворков федеративного обучения, а также их применения для возможных сценариев использования. В качестве результата описана архитектура универсального фреймворка, который, в отличие от существующих, может быть использован для разработки прикладных систем федеративного обучения разного типа и разных сценариев использования.
Статья посвящена анализу демографических данных на основе единого реестра населения, который является ключевым компонентом электронной демографической системы. Единый реестр населения - это интегрированные БД, основанные на обмене как агрегированными, так и индивидуальными данными между отдельными реестрами. Реестры играют важную роль в получении информации о населении. Следует отметить, что пандемия COVID-19 еще раз подчеркнула важность использования административных данных как электронных реестров для демографических исследований. В работе проводится экспериментальный анализ демографических характеристик в условиях пандемии COVID-19 на основе данных 1 000 физических лиц. Эти данные являются гипотетическими, взяты из двух отдельных реестров - реестра населения и реестра здоровья и объединены в единый реестр. В статье представлена программная реализация анализа демографических данных. Демографический анализ осуществлен в среде Jupyter Notebook 6.1.4., язык реализации - Python 3.8.5. Результаты показывают, что создание электронной демографической системы требует интеграции различных государственных реестров для более детального анализа. Это позволит обрабатывать и анализировать более крупные и многомерные структурированные данные на разных временных интервалах. При этом очень важны достоверность данных, включенных в реестр, устранение несоответствий, обеспечение постоянного обновления регистрационных данных по каждому физическому лицу. Устранение ошибок в данных делает единый реестр населения надежным источником информации.
В статье рассматриваются разработанные методы детектирования и классификации объектов в транспортном потоке на данных космической съемки сверхвысокого пространственного разрешения. С появлением в свободном доступе больших объемов спутниковых данных все большую актуальность приобретает развитие методов машинного обучения на основании геопространственных данных, в частности, спутниковых. В настоящей работе обоснован выбор источника данных о транспортных потоках - спутниковых снимков сверхвысокого разрешения, рассмотрены основные проблемы и задачи, связанные с распознаванием и классификацией объектов. Целью автора является разработка цепочки алгоритмов, позволяющей с высокой точностью детектировать и классифицировать объекты в транспортных потоках. Исследования основаны на численной оценке качества работы алгоритмов. В работе используются методы распознавания образов, машинного обучения и обработки цифровых изображений. Научная новизна заключается в уникальном алгоритме извлечения изображений локальных участков улично-дорожной сети, алгоритме определения направления дорожного движения объекта, модернизации алгоритма селективного поиска. Следует подчеркнуть, что используемые данные съемки сверхвысокого разрешения появились в доступе для частного использования относительно недавно.
В статье рассматривается способ автоматизации оценки состояния электросети в удаленных районах России с использованием смарт-структур. Предлагаемый способ реализован в виде мобильного приложения. Смарт-структура, лежащая в основе данного способа, состоит из модулей получения и обработки данных с датчиков, поиска закономерностей характеристик электросети и формирования классификаторов состояний, рекомендаций по ремонту и оптимальному режиму эксплуатации электросети и подстанции. Научная новизна предлагаемого решения заключается в методе анализа и обработки характеристик электросети и их совокупностей. Кроме того, учитываются параметры внешних воздействий в виде природных и техногенных факторов. Метод анализа и обработки информации об электросети и подстанции основан на машинном обучении - логическом анализе данных. Оценка состояния электросети и подстанции важна при исследовании и решении задач прогнозирования изменения состояния электросети, подбора рекомендаций и принятия решений о ремонтных и обслуживающих работах. Метод оценки состояния электросети основан на поиске закономерностей и построении классификаторов и позволяет учитывать все характеристики и параметры электросети, их совокупность и связи между ними. Он также дает возможность анализировать и получать закономерности для неполных и неточных данных, с чем достаточно часто приходится сталкиваться в реальных электросетях. Метод может быть использован при проектировании и обслуживании электросетей и подстанции в труднодоступных и удаленных регионах Российской Федерации. Предлагаемая редукция закономерностей характеристик и их совокупностей на основе их рекуррентной конъюнкции позволяет получать оптимальные классификаторы состояний электросети и подстанции с высокой интерпретируемостью и обобщенностью, что увеличивает точность оценки состояния электросети и, как следствие, точность прогноза поведения, рекомендаций и принятия решений о ремонтных работах и оптимальном режиме эксплуатации.
Локализация, классификация и отслеживание объектов вторжения в защищаемую зону особо важных объектов составляют основу системы их защиты. Цель автора статьи - исследование путей повышения эффективности функционирования системы путем использования распределенных сенсорных сетей в составе киберфизических систем. Показано, что достижение этой цели предполагает организацию взаимодействия алгоритмов отслеживания с традиционными алгоритмами инициализации/маршрутизации в сенсорных сетях. Рассматривается проблема совместной обработки данных узлами в распределенных сенсорных сетях. Предметом рассмотрения являются актуальные и сложные методы отслеживания множества движущихся объектов в защищаемой зоне, реализация которых средствами сенсорных сетей предполагает решение ряда проблем, среди которых следует выделить две основные. Первая - это разработка эффективных методов обмена информацией между локальными узлами в зоне вторжения, вторая - организация совместной обработки сигналов группой узлов на основе собранной информации о состоянии среды в зоне их ответственности в результате наступления событий. Показано, что основные этапы процедуры отслеживания состоят из обнаружения целей, их классификации, оценок местоположения и прогнозирования траектории передвижения цели. Модельным примером реализации процедуры принята задача обнаружения, локализации и отслеживания проникновения одного объекта в защищаемую зону. Рассмотрены подходы, лежащие в основе этих алгоритмов, а также основные аспекты их реализации. Предлагаемые решения учитывают ограничения, связанные с возможностями локальных узлов, сетью в целом и маршрутизацией. Источником данных для предлагаемых алгоритмов являются сигналы от звуковых, сейсмических, тепловых и т.п. сенсоров, у которых мощность сигнала имеет выраженный максимум в зависимости от расстояния от цели до узла сети. Полученные результаты распространяются на проблему отслеживания множества объектов, что предполагает оценку применимости методов идентификации и классификации в условиях, когда наблюдается наложение воспринимаемых сигналов сенсорами разных объектов. Обсуждаются алгоритмы для решения таких задач.
В статье предлагается алгоритм, который развивает идею кластеризации беспроводных сенсорных сетей с целью снижения энергопотребления сенсорными узлами. Выбор способа организации информационного взаимодействия является одной из актуальных научных задач при развертывании работы интернета вещей. В свою очередь, беспроводная сенсорная сеть, составляющая физическую основу интернета вещей, имеет серьезное ограничение - требование низкого энергопотребления. От энергопотребления зависит срок службы сети - времени, в течение которого она будет выполнять свои функции. Энергия сенсорных устройств расходуется на прием и передачу данных, их обработку, вычисление маршрута. Требуются новые алгоритмы, направленные на снижение количества операций обработки данных, длины маршрута и т.д. без потери функциональности сети. Одним из таких механизмов является кластеризация беспроводной сенсорной сети, позволяющая снизить энергопотребление за счет передачи части функций на головные узлы кластеров. Предложенный в работе алгоритм роя пчел развивает идею поиска головных узлов кластеров беспроводной сенсорной сети. Согласно ему, в начале цикла определяются сразу глава кластера текущего раунда и потенциальные главы кластеров для остальных раундов цикла. Таким образом, со второго раунда цикла фаза выбора головного узла кластера становится лишней, а сенсорные узлы избавляются от некоторых вычислений, связанных с выбором главы кластера. Результаты имитационного моделирования показали превосходство алгоритма роя пчел в сравнении с известным алгоритмом адаптивной кластеризации с низким потреблением энергии LEACH по показателю продолжительности функционирования беспроводной сенсорной сети.
Исследуется контроль стабильности многопараметрического технологического процесса, когда через определенные промежутки времени проводится мониторинг множества показателей этого процесса. При мониторинге рассеяния коррелированных показателей применяется алгоритм обобщенной дисперсии. В статье предложен подход, основанный на поиске оптимальных параметров этого алгоритма по критерию минимума затрат, связанных с контролем. Для мониторинга стабильности показателей процесса и выявления нарушений с целью его своевременной корректировки используется статистический контроль - широко распространенный метод диагностики и управления технологическими процессами. При контроле многопараметрического процесса часть его показателей коррелированы, в этом случае для контроля среднего уровня применяют карты Хотеллинга, а для контроля многомерного рассеяния - алгоритм обобщенной дисперсии. Для минимизации параметров алгоритма обобщенной дисперсии использованы три численных метода оптимизации. Программа написана на языке Python. В работе предложена методика и разработана соответствующая программа для оптимизации параметров многомерного статистического контроля рассеяния процесса по критерию минимизации затрат, связанных с контролем частоты взятия выборок (интервала между выборками), объема выборки и положения контрольных границ. Применение этой методики проиллюстрировано на примере данных конкретного технологического процесса: получены численные значения параметров контроля и ожидаемые затраты. Многомерный статистический контроль применяется как для мониторинга стабильности технологических процессов (например, механической обработки, производства лекарств, контроля качества очистки питьевой воды), так и для диагностики функционирования систем различного назначения (например, вибраций гидроагрегата). Этим объясняются актуальность и практическая значимость исследований.