Введение к работе
Актуальность проблемы
Актуальность задачи разработки логических алгоритмов формирования объяснений в причинно-следственных отношениях объектов предметной области не вызывает сомнения, т.к. данная тематика соответствием утвержденному Президентом Российской Федерации приоритетным направлениям развития науки, техники и критических технологий Российской Федерации, и в частности развития информационно-телекоммуникационных систем и разработки интеллектуальных систем управления (нормативные документы от 21.05.2006г. №№ Пр-842 и Пр-843).
В настоящее время компьютерные технологии используются практически во всех областях человеческой деятельности. С их помощью строятся модели предметных областей для решения задач, таких как управление, поддержка принятия решений и т.д. При этом выделяют класс трудно формализуемых предметных областей, которые используются, в частности, для решения задач при наличии неполной информации. Алгоритмов решения подобных задач очень мало. В связи с этим актуальной является разработка логических алгоритмов решения задач с неполной информацией.
Для решения поставленной задачи в данной работе рассматривалась проблема технической диагностики объектов. Хорошо известно, что одной из главных проблем предупреждения технических аварий, равно как и колоссальных потерь от природных катастроф, является отсутствие необходимого уровня обеспечения методами и средствами измерений, испытаний, диагностики и сертификации продукции.
Техническая диагностика представляет теорию, методы и средства обнаружения и поиска дефектов объектов технической природы. Ее основное назначение состоит в повышении надежности объектов на этапе их производства, эксплуатации и хранения. Причины неисправного и неработоспособного технического состояния объекта могут быть детализированы путем указания соответствующих дефектов, нарушающих исправность, работоспособность или правильность функционирования и относящихся к одной или нескольким составным частям объекта, либо к объекту в целом.
Обнаружение и поиск дефектов являются процессами диагностирования технического состояния любого объекта, которое осуществляется аппаратными или программными средствами. При разработке систем диагностирования должны решаться задачи изучения объекта, его возможных дефектов и признаков проявления, выбора или неисправных модификаций.
Для того, чтобы работа данной системы была оптимальной с точки зрения применения и обслуживания, необходимо сделать ее максимально независимой от человека. В этом случае встает вопрос о создании автоматизированной системы. Для достижения данной цели использовалась система с искусственным интеллектом. Она помогла решить технические вопросы на человеческом языке на основе машинного обучения и автоматического доказательства теорем.
Предполагалось, что она подобно человеку будет способна к обучению -решению задач, с которыми она ранее не встречалась. В связи с этим, можно предположить, что в качестве системы технической диагностики объекта возможно использование автоматизированной системы обучения, т.к. она полностью соответствует предъявляемым к системе диагностирования требованиям.
Применяя в качестве программного средства диагностирования логические подходы, часть знаний должна использоваться для рассуждений, обеспечивающих объяснения выведенных заключений. Но при обучении системы возможны ситуации, связанные с неполной информацией. Например, когда знаний обучаемого (в качестве обучаемого рассматривается информационная система) недостаточно для того, чтобы построить объяснение и/или доказательство некоторого наблюдаемого факта. В терминах технической диагностики можно сказать, что система не сможет построить объяснение и/или доказательство некоторого наблюдаемого факта - определить дефекты, ставших причиной неработоспособного состояния объекта. В этом случае решением задачи становится выявление и установление причинно-следственных связей. К данному классу задач применение алгоритмов вывода по аналогии, индуктивных и дедуктивных логических выводов невозможно, т.к. для своей работы они требуют наличия всей информации об объекте. В настоящей диссертации для объяснения наблюдаемых (или установленных) фактов в условиях неопределенности использовался абдуктивный вывод.
В работах Вагина В.Н., Головиной Е.Ю., Ашинянца Р.А., A.Goel,
J.Ramanujam сформулированы определение и теоретические основы
абдуктивного вывода: поставлена задача абдуктивного вывода, определены пути ее решения. Но нет практической реализации данной теории. Фактически не исследовано применение абдуктивного вывода к задачам технической диагностики в условиях неполной информации.
В связи с этим актуальной является задача разработки новых методик и алгоритмов решения задач при наличии неполной информации об объекте с целью построения модели принятия обоснованного решения, результат работы которых — это выявление причинно-следственных отношений объектов, возникающих в процессе работы (действия) данного объекта.
Цели и задачи исследования
Целью работы является разработка логических алгоритмов формирования объяснений в причинно-следственных отношениях объектов предметной области. Обоснованность алгоритмов подтверждается установлением причин, вызвавших следствие, на основании которого выработано решение.
В соответствии с этим в диссертационной работе поставлены и решены следующие основные задачи: 1. Проведен обзор существующих методов логического вывода.
-
Обосновано применение формального концептуального анализа и абдуктивного вывода к решению задач формирования объяснений в причинно-следственных отношениях объектов.
-
Описана теоретическая база абдуктивного вывода.
-
На основе рассмотренных характеристик систем искусственного интеллекта доказана возможность и целесообразность использования нейронных сетей в качестве аппарата реализации алгоритма абдуктивного вывода.
-
Разработаны модели и алгоритмы решения задачи абдукции с помощью нейронных сетей.
-
Поставлена и решена задача оптимизации абдуктивного вывода.
-
Решена конкретная практическая задача на основании абдуктивного метода с использованием нейронной сети Хопфилда.
Научная новизна исследования состоит в следующем:
-
Применение нейронных сетей для решения задачи абдукции является новым и более эффективным средством реализации, в связи с чем, можно говорить о важности и новизне данных исследований в методах автоматизации обучения.
-
На основе имеющихся данных предложена методика выявления причинно-следственных связей и алгоритмы принятия обоснованного решения.
-
Поставлена и решена задача оптимизации абдуктивного вывода, выделяющая оптимальное решения из ряда возможных.
-
Использование нейронных сетей для реализации алгоритма абдуктивного вывода дает возможность получать обоснованные объясняющие тексты в обучающих системах или предполагаемые решения в сложившейся ситуации (советы) в системах принятия решений.
-
В целях реализации поставленной задачи предложена и доказана возможность использования нейронной сети Хопфилда, с помощью которой решается задача оптимизации абдукции.
Методы исследования
Для решения поставленных задач в работе использованы методы математической логики, теории множеств, искусственного интеллекта, логического программирования, машинного обучения, нейронных сетей.
Теоретическая и практическая ценность полученных результатов
Теоретическая значимость диссертационной работы состоит в разработке подхода к абдуктивной модели автоматизированного обучения. Практическая ценность работы заключается в возможности реализации полученных алгоритмов в виде интеллектуальных систем самообучения.
Все результаты доведены до удобных аналитических формул и алгоритмов.
Предложенная в диссертации программа создана для решения задач установления причинно-следственных связей, определяющих отношения объектов предметной области, формирования и вывода оптимальных причинных
гипотез и поясняющих текстов, что используется в системах, требующих построения объяснений в реальном времени.
Полученные результаты являются инструментом для принятия решений в системах автоматизированного обучения.
Получен акт о внедрении отдельных результатов работы.
Апробация работы
Основные положения и результаты диссертационной работы докладывались и обсуждались на кафедре «АСОИУ» Московского государственного университета приборостроения и информатики, Научно-техническом семинаре (конференция) «Современный менеджмент, модели совершенства, управления общественными процессами» (Дивноморск, 2006), Международной научно-технической конференции «Информационные технологии в науке, технике и образовании» (Сусс-Хургада-Москва, 2006), Международной научно-практической конференции «Современные направления теоретических и прикладных исследований» (Одесса, 2007), Международной научно-практической конференции «Современные направления теоретических и прикладных исследований '2008» (Одесса, 2008)
Публикации
По теме диссертации опубликовано 8 научных работ, в том числе 2 в журналах, входящих в перечень ВАК Минобрнауки, оформлено свидетельство о регистрации программ для ЭВМ.
Объём и структура диссертации
Диссертационная работа изложена на 143 страницах машинописного текста, состоит из введения, четырех глав, заключения, библиографического указателя, включающего 123 источников, иллюстрирована 20 рисунками и 2 таблицами.
