Архив статей журнала
В работе описана стратегия проектирования интеллектуальных систем управления на основе технологий квантовых и мягких вычислений. Представлен синергетический эффект квантовой самоорганизации робастной базы знаний, извлеченной из несовершенных баз знаний интеллектуального нечеткого регулятора. Разработанная технология повышает надежность интеллектуальных когнитивных систем управления в непредвиденных ситуациях управления, например, с различными типами взаимодействующих роботов. Наглядные примеры продемонстрировали эффективное внедрение схемы квантового нечеткого логического вывода в качестве готового программируемого алгоритмического решения для систем управления нижнего исполнительного уровня, встроенных в стандартную плату, а также квантовое превосходство квантового интеллектуального управления классическими объектами управления, расширяя тезис Фейнмана-Манина. Обсуждается корректная физическая интерпретация процесса управления самоорганизацией на квантовом уровне на основе квантовых информационно-термодинамических моделей обмена и извлечения квантовой (скрытой) ценной информации из/между классическими траекториями частиц в модели «рой взаимодействующих частиц». Продемонстрирован новый информационный синергетический эффект: из двух ненадежных баз знаний нечеткого регулятора в режиме реального времени создается робастная база знаний квантового нечеткого регулятора. Этот эффект имеет чисто квантовую природу и использует скрытую квантовую информацию, извлеченную из классических состояний. Обсуждаются основные физические и информационно-термодинамические аспекты модели квантового интеллектуального управления классическими объектами управления.
В работе рассматривается методология проектирования интеллектуальных когнитивных систем управления сложными динамическими системами. Кратко описаны информационные и термодинамические подходы, объединяющие однородным условием критерии динамической устойчивости, управляемости и робастности. Обозначены проблемы обучения и адаптации нечеткого регулятора, которые являются актуальными в современной теории управления. Многие существующие решения используют модели искусственных нейронных сетей, основанные на алгоритме обратного распространения ошибки, многослойной структуре Кохонена и т.д. К сожалению, подобные алгоритмы не гарантируют требуемого уровня надежности и точности управления в сложных и непредвиденных ситуациях. Предложено одно из решений проблемы разработки системы когнитивного управления. Оно заключается в поиске конструктивного решения задач проектирования баз знаний и интеллектуального робастного когнитивного управления в заданном проблемно-ориентированном приложении. Сравниваются различные типы регуляторов, в том числе интеллектуальный регулятор на основе эмоционального обучения мозга. Описаны преимущества проектирования робастных баз знаний на основе программно-алгоритмического комплекса Оптимизатор баз знаний (SCOptKBTM) на мягких вычислениях. Рассматривается одна из ключевых задач современной робототехники - разработка технологий когнитивного взаимодействия, позволяющих выполнять интеллектуальные функции управления за счет перераспределения знаний и управления на программном уровне. На практическом примере показана эффективность предложенной гибридной когнитивной системы управления, повышающей точность и надежность распознавания ментальных команд.
В статье предлагается интеллектуальная система (программно-аналитический комплекс) на основе искусственной нейронной сети для управления учебным процессом на данных, полученных от структурных подразделений организации. Для моделирования совершенствования бизнес-процессов используется цикл Деминга. Представлена структура (модель) программно-аналитического комплекса, позволяющего выявить и проследить связанные друг с другом вертикальные и горизонтальные процессы, что дает формализованное описание системы, удовлетворяющее требованиям алгоритма. Построена онтологическая модель структуры комплекса программной аналитики, которая увязывается с набором решений с использованием баз данных и знаний и разбивается на классы объектов и категории с иерархическими отношениями между ними. Чтобы поделиться этими знаниями, в SAC необходимо предоставить их конкретное описание. Оно должно быть достаточно формальным, понятным для другой системы и написано на том же языке. Новизна заключается в решении задачи интеграции информационных систем, связанных со слабоструктурированными предметно-ориентированными информационными потоками образовательного учреждения, с использованием методов теории множеств и теории категорий. Описание свойств отношений между объектами учета происходит на высоком уровне абстракции, появляется возможность существенно расширить сферу применения предлагаемого метода построения программно-аналитического комплекса на основе онтологической модели для различных предметных областей с учетом многоуровневого рассмотрения самой предметной области, а также конечных и бесконечных областей значений. При этом автоматически определяется необходимый уровень абстракции для обеспечения структурной и параметрической целостности формируемой системы и интерпретации возникающих задач анализа данных, представленных семантическими моделями.