Hybridní inteligentní systém

Hybridní inteligentní systém (HiIS) je běžně chápán jako systém, ve kterém se k řešení problému používá více než jedna metoda simulace lidské intelektuální činnosti [1] . GIS je tedy kombinací:

• analytické modely
• expertní systémy
• umělé neuronové sítě
• fuzzy systémy
• genetické algoritmy
• simulační statistické modely

Interdisciplinární směr „hybridní inteligentní systémy“ sdružuje vědce a specialisty, kteří studují použitelnost ne jedné, ale několika metod, obvykle z různých tříd, pro řešení problémů řízení a návrhu.

Historie termínu

Pojem „inteligentní hybridní systémy“ se objevil v roce 1992. Autoři do něj vložili význam hybridů inteligentních metod, jako jsou expertní systémy , neuronové sítě a genetické algoritmy . Expertní systémy byly symbolické a umělé neuronové sítě a genetické algoritmy byly adaptivními metodami umělé inteligence . V zásadě však nový termín označoval spíše úzkou oblast integrace - expertní systémy a neuronové sítě. Níže je několik interpretací této oblasti integrace od jiných autorů:

1. „Hybridní přístup“ předpokládá, že pouze synergická kombinace neurálních a symbolických modelů dosáhne plného rozsahu kognitivních a výpočetních schopností (schopností).

2. Termínem "hybrid" se rozumí systém sestávající ze dvou nebo více integrovaných subsystémů, z nichž každý může mít různé prezentační jazyky a výstupní metody. Subsystémy jsou vzájemně kombinovány sémanticky a v akci každý s každým.

3. Vědci z Centra pro umělou inteligenci na Cranfield University (Anglie) definují „hybridní integrovaný systém“ jako systém, který využívá více než jednu počítačovou technologii. Technologie navíc pokrývají oblasti jako znalostní systémy, konekcionistické modely a databáze. Integrace technologií umožňuje využít individuální sílu technologie k řešení konkrétních částí problému. Výběr technologií, které mají být zavedeny do hybridního systému, závisí na vlastnostech řešeného problému.

4. Specialisté z University of Sanderland (Anglie), členové skupiny HIS (Hybrid Intelligent Systems), definují „hybridní informační systémy“ jako velké, komplexní systémy, které „bezproblémově“ (celé) integrují znalosti a tradiční zpracování. Mohou poskytnout schopnost ukládat, vyhledávat a manipulovat s daty, znalostmi a tradičními technologiemi. Hybridní informační systémy budou výrazně výkonnější než extrapolace pojmů ze stávajících systémů.

Předmět a účel vývoje hybridních inteligentních systémů

Vědní obor GIS zahrnuje studium autonomních metod k určení jejich výhod a nevýhod, integračních vztahů, které do značné míry určují složení, architekturu a procesy výměny a zpracování informací v hybridech, identifikaci úloh odpovídajících hybridním systémům, vývoj protokolů pro komunikaci mezi komponentami a víceprocesorovými architekturami [2] .

Mezi cíle výzkumu GIS patří vytvoření metod pro zvýšení efektivity, vyjadřovací síly a inferenční schopnosti inteligentních systémů, převážně kompletnějších, vyvinutých s menším vývojovým úsilím než aplikace využívající offline metody. Ze základního hlediska může GIS pomoci pochopit kognitivní mechanismy a modely [2] .

Klasifikace hybridních inteligentních systémů

V knize Metodika a technologie pro řešení složitých problémů pomocí metod funkčních hybridních inteligentních systémů (Kolesnikov A.V., Kirikov I.A.) [1] , na základě analytického přehledu existujících klasifikací GIS, je navrženo rozlišit následujících pět strategií pro vývoj GIS: autonomní, transformační, volně vázané, vysoce vázané a plně integrované modely:

• Autonomní aplikační modely GIS obsahují nezávislé softwarové komponenty, které implementují zpracování informací na modelech pomocí metod z omezeného počtu tříd. Navzdory zjevné degeneraci znalostní integrace v tomto případě je vývoj autonomních modelů relevantní a může mít několik cílů. Takové modely představují způsob porovnání možností řešení problému dvěma nebo více různými metodami. Nový autonomní model pro řešení řešeného problému ověřuje již vytvořenou aplikaci a vede k adekvátním modelům. Samostatné modely lze použít k rychlému vytvoření počátečního prototypu, po kterém se vyvíjejí časově náročnější aplikace. Autonomní modely mají také značnou nevýhodu - žádný z nich si nemůže pomoci v situaci aktualizace informací - všechny musí být modifikovány současně.

• Transformační GIS jsou podobné autonomním, protože konečným výsledkem vývoje je nezávislý model, který neinteraguje s ostatními částmi. Hlavním rozdílem je, že takový model začíná jako systém využívající jednu samostatnou metodu a končí jako systém využívající jinou metodu. Transformační modely nabízejí několik výhod: rychlejší tvorbu a nižší náklady, protože je zachován jeden model a konečná metoda nejlépe přizpůsobuje výsledky prostředí. Existují také problémy: automatická konverze jednoho modelu na jiný; výrazná úprava modelu, objemově srovnatelná s vývojem „nově“.

• Volně propojený GIS je v podstatě první skutečnou formou integrace, kdy je aplikace rozčleněna na jednotlivé prvky propojené datovými soubory. Klasifikace takových modelů je diskutována níže. Řetězový GIS používá dva funkčně dokončené prvky jako komponenty, z nichž jeden je hlavní procesor a druhý je pre- nebo post-procesor. V podřízených komponentách GIS jsou funkčně dokončené prvky. V tomto případě je však jeden z nich, podřízený zařazený do druhého, hlavním řešitelem problému. Metaprocesorový GIS používá jako komponenty jeden metaprocesor a několik funkčních prvků. Koprocesorové GIS při řešení problému využívají prvky jako rovnocenné partnery. Zároveň může každý předávat informace všem, interagovat, zpracovávat dílčí úkoly jednoho úkolu. Ve srovnání s jinými integrovanějšími aplikacemi se tyto volně spojené GIS aplikace snadněji vyvíjejí a lze je používat s komerčně dostupnými programy, které snižují zátěž programování. Díky jednoduchosti souborových rozhraní se zkracuje doba provozu, ale náklady na komunikaci se zvyšují a výkon GIS je nižší. Silně vázané GIIS se významně překrývají s třídou slabě vázaných hybridů. Ty však využívají výměnu informací prostřednictvím rezidentních paměťových struktur, jako je DDE , na rozdíl od výměny prostřednictvím externích souborů ve volně propojených GIS. To zlepšuje interaktivní zážitek a vede k lepšímu výkonu. Pevně ​​vázané modely mohou fungovat ve stejných formách jako volně vázané, ale jejich pre-, post- a koprocesorové varianty jsou ve své podstatě rychlejší. Používají se zde následující vývojové metody: systémy „nástěnka“, „model potrubí“ [1] a „vnořené“.

• Pevně ​​propojené GIS mají nízké komunikační náklady a vyšší výkon ve srovnání s volně propojenými modely. Tyto GIS však mají také tři zásadní omezení: 1) složitost vývoje a podpory se zvyšuje v důsledku externího datového rozhraní; 2) silná vazba trpí nadměrnou akumulací dat a 3) ověření je obtížné. Uvažované slabě a silně vázané GIS, vzhledem k tomu, že jejich složení a struktura do značné míry závisí na řešeném problému, se také nazývají funkční GIS.

• Plně integrovaný GIS sdílí společné datové struktury a reprezentace znalostí a vztahu mezi komponentami je dosaženo díky duální povaze struktur. Jedná se o třídu hybridů, která se rychle rozvíjí ve světové praxi, kde lze rozlišit vývoj konceptuálních neuronových sítí založených na znalostech, konekcionistických expertních systémech, ve kterých prvky rychle a jednoduše interagují a obecné informace pro nezávislé řešení problémů jsou okamžitě dostupné. na obě složky. Další možností plné integrace jsou fuzzy neuronové sítě  – hybrid, který je svou strukturou podobný neuronové síti a implementuje neuronové i fuzzy výpočty. Výhody plné integrace jsou spolehlivost, zvýšená rychlost zpracování, adaptace, zobecnění, redukce šumu, argumentace a logická dedukce, které v součtu nelze nalézt v žádné třídě nadřazených metod.

Získané výsledky

V rámci studia metodik tvorby GIS v roce 2001 byla navržena problémově strukturní metodologie a technologie pro vývoj GIS, které umožňují syntetizovat GIS pro komplexní řešení (skládající se z mnoha dílčích úkolů, které vyžadují použití různých metod pro simulaci lidské intelektuální činnosti) úlohy jako systém metod řešení dílčích úloh komplexní úlohy [1] . Později, v roce 2007, byla navržena problémově instrumentální metodika pro vývoj GIS jako zobecnění problémově strukturované metodologie pro případ absence relevantních metod pro řešení dílčích úloh komplexního problému [1] .

Na základě navržených metodik a technologií byly vyvinuty GIS pro praktickou aplikaci v různých oblastech: plánování denních směn v námořním přístavu, plánování v systému bioprodukce [3] , návrh automatizace námořních dopravních plavidel [1] , řešení komplexní dopravy a logistické problémy [4] , střednědobé plánování ve výrobním podniku s malosériovým charakterem výroby [5] a další. Podrobný popis uvedených GIS a výsledky jejich praktického využití lze nalézt v příslušných zdrojích.

V současné době jsou široce využívány hybridní inteligentní systémy založené na kombinaci expertních systémů a neuronových sítí. Architektura takových systémů je snadno rozšiřitelná a přizpůsobitelná pracovní zátěži škálováním stávajících nebo přidáváním nových modulů. Tento přístup umožňuje snížit náklady na vývoj inteligentního systému jako celku, využitím rychlosti expertních systémů a zjednodušeného získávání znalostí, kde jsou využívány neuronové sítě. Takové hybridní systémy se velmi často používají při kategorizaci a filtrování dat, například v hybridním kategoriálním systému pro použití při agregaci obsahu [6] , systému pro kategorizaci vícejazyčných dokumentů [7] , vysoce zatěžovaném systému pro klasifikaci zpráv v sociálních sítích sítí. sítě Twitter [8] .

Viz také

• Inteligentní systém

Reference

1. ↑ 1 2 3 4 5 6 Kolesnikov A. V. Hybridní inteligentní systémy: Teorie a technologie vývoje. - St. Petersburg: Nakladatelství St. Petersburg State Technical University, 2001. - 711 s.
2. ↑ 1 2 Hybridní inteligentní systémy Medsker LR. - Boston: Kluwer Academic Publishers, 1995. - 298 s.
3. ↑ Klachek P. M., Koryagin S. I., Kolesnikov A. V., Minkova E. S. Hybridní adaptivní inteligentní systémy. Část 1: Teorie a technologie vývoje: monografie. - Kaliningrad: Nakladatelství BFU. I. Kant, 2011. - 374 s.
4. ↑ Kolesnikov A. V., Kirikov I. A., Listopad S. V., Rumovskaya S. B., Domanitsky A. A. Řešení komplexních problémů cestujícího obchodníka pomocí funkčních hybridních inteligentních systémů / Ed. A. V. Kolesníková. - M.: IPI RAN, 2011. - 295 s.
5. ↑ Kolesnikov A. V., Soldatov S. A. Teoretické základy řešení složitého problému operativního plánování výroby s přihlédnutím ke koordinaci. // Bulletin Ruské státní univerzity. Immanuel Kant. Problém. 10: Ser. Fyzikální a matematické vědy. - Kaliningrad: Nakladatelství. RSU je. I. Kant, 2009. - S. 82-98
6. ↑ Denis Aleksandrovič Kirjanov. Hybridní kategorický expertní systém pro použití při agregaci obsahu  //  Programové systémy a výpočetní metody. — 21. 12. 2021. - Problém. 4 . — S. 1–22 . — ISSN 2454-0714 . - doi : 10.7256/2454-0714.2021.4.37019 .
7. ↑ The GENIE Project - A Semantic Pipeline for Automatic Document Categorization:  // Sborník příspěvků z 10. mezinárodní konference o webových informačních systémech a technologiích. - Barcelona, ​​​​Španělsko: SCITEPRESS - Science and Technology Publications, 2014. - S. 161–171 . - ISBN 978-989-758-023-9 , 978-989-758-024-6 . - doi : 10.5220/0004750601610171 . Archivováno z originálu 4. června 2018.
8. ↑ Joao P. Carvalho, Hugo Rosa, Gaspar Brogueira, Fernando Batista. MISNIS: Inteligentní platforma pro dolování témat na Twitteru  (anglicky)  // Expertní systémy s aplikacemi. — 2017-12. — Sv. 89 . — S. 374–388 . - doi : 10.1016/j.eswa.2017.08.001 . Archivováno z originálu 25. února 2021.

Doporučená četba

1. Kolesnikov A.V. Hybridní inteligentní systémy: Teorie a vývoj technologií / Ed. DOPOLEDNE. Yashin . - Petrohrad. : Nakladatelství St. Petersburg State Technical University, 2001. - 711 s. — ISBN 5-7422-0187-7 .
2. Gavrilov A.V. Hybridní inteligentní systémy. - Novosibirsk: Nakladatelství NGTU, 2003. - 168 s.
3. Yarushkina N.G. Základy teorie fuzzy a hybridních systémů. - M. : Finance a statistika, 2004. - 320 s.
4. Kolesnikov A.V. , Kirikov I.A. Metodika a technologie řešení složitých problémů pomocí funkčních hybridních inteligentních systémů. — M .: IPI RAN , 2007. — 387 s. — ISBN 978-5-902030-55-3 .
5. Batyrshin I.Z. , Nedosekin A.A. , Štětsko A.A. , Tarasov V.B. , Yazenin A.V. , Yarushkina N.G. Fuzzy hybridní systémy: Teorie a praxe / Ed. N.G. Yarushkina . - M .: Fizmatlit, 2007. - 207 s. - ISBN 978-5-922107-86-0 .
6. Kolesnikov A.V. , Kirikov I.A. , Listopad S.V. , Rumovskaya S.B. , Domanitsky A.A. Řešení složitých problémů obchodního cestujícího pomocí funkčních hybridních inteligentních systémů / Ed. A.V. Kolesnikov . - M. : IPI RAN , 2011. - 295 s. — ISBN 978-5-902030 .
7. Klachek P.M. , Koryagin S.I. , Kolesnikov A.V. , Minková E.S. Hybridní adaptivní inteligentní systémy. Část 1: Teorie a technologie vývoje: monografie. - Kaliningrad: Nakladatelství BFU. I. Kant, 2011. - 374 s. - ISBN 978-5-9971-0140-4 .
8. Kolesnikov A.V. , Soldatov S.A. Teoretické základy pro řešení komplexního problému operačního a výrobního plánování s přihlédnutím k koordinaci Bulletin Ruské státní univerzity. Immanuel Kant. - Kaliningrad: Nakladatelství. RSU je. I. Kant, 2009. - Vydání. 10: Ser. Fyzikální a matematické vědy . - S. 82-98 .
9. Hybridní inteligentní systémy Medsker LR . - Boston: Kluwer Academic Publishers, 1995. - 298 s.
10. Wermter S. , Sun R. Hybridní neuronové systémy. — Heidelberg, Německo: Springer-Verlag, 2000.
11. Negnevitsky M. Umělá inteligence. Průvodce inteligentními systémy. — Harlow, Anglie: Addison-Wesley, 2005.
12. Castillo O. , Mellin P. Hybridní inteligentní systémy. — Springer-Verlag, 2006.
13. Jain LC , Martin NM Fúze neuronových sítí, fuzzy systémů a genetických algoritmů: Průmyslové aplikace . - CRC Press, CRC Press LLC, 1998.

Odkazy

• Mezinárodní konference o hybridních inteligentních systémech
• International Journal on Hybrid Intelligent Systems
• Web s informacemi o hybridních inteligentních systémech
• Laboratoř "Hybridní inteligentní systémy"
• FGBUN Ústav problémů informatiky Ruské akademie věd. Výzkum a vývoj na téma Ruské akademie věd
• Baltská federální univerzita FGAOU pojmenovaná po I.I. I. Kant. Katedra matematického modelování a informačních systémů