Основные положения и правила для моделирования сценариев, на основе механизмов понятийного мышления и нечетких гипермножеств

Технические науки/11. Робототехника.

Нурмагомедова Л.И.

Дагестанский государственный технический университет, Россия

Основные положения и правила для моделирования сценариев, на основе механизмов понятийного мышления и нечетких гипермножеств.

Прежде всего, дадим определение для события – основная информационная единица сценария, описывающая действия с (над) образами в проблемной ситуации (ПС) для описания некоторой ситуации используя аппарат модели представления знания нечетких гипермножеств (НГМ). Элементарным называется событие или его фрагмент, протекающий в течение единичного кванта времени. Совокупность элементарных событий в момент τ называется состоянием текущей ситуации (ТС).

Под сценарием будем понимать интеграционный процесс последовательности изменения взаимосвязанных между собой ТС закономерностями ПС. Между ТС в сценарии существуют причинно-следственные связи, определяющие следующие правила их моделирования:

1. Порядок наступления событий регулируется атрибутом называемым «приоритет события» – целое число от 0 до 255.

2. События характеризуются следующим набором общесистемных атрибутов:

· регулярность события – флаг, разрешающий событию регулярно участвовать в сценарии после своего первого появления;

· время реакции – целое число, задающее в условных единицах интервал времени , по истечении которого с момента активизации наступят результаты проявления события (вызываемые события, изменение характеристик образа, запрещаемые/разрешаемые события и т.д.);

· группа взаимоисключения – целочисленный атрибут, исключающий одновременное наступление двух или более событий, активизированных в один и тот же момент времени и выбирающий среди них одно событие, имеющее больший приоритет.

3. Событие может вызываться следующими способами:

· другим событием;

· достижением заданного состояния ПС;

· выполнением некоторого условия в ПС;

· случайным образом.

4. Процесс наступление события может быть запрещен другим событием до тех пор, пока не завершится запрещающее событие или не наступит другое разрешающее его событие, компенсирующее запрещающее событие.

В системе синтеза сценариев элементарное событие определяется как действие, описанное на основе НГМ, например:

· типовая операция рабочего органа автономного интеллектуального робота на основе НГМ может быть представлена следующим образом:

· _{Далее
приведено типовое действие при перемещении интеллектуального робота} на основе НГМ

в результате, которого может измениться положение образов относительно его системы восприятия, а, следовательно, и воспринимаемые их характеристики, либо как случайное событие, приводящее к изменению этих характеристик, либо как действие внешнего фактора, которое может привести, или не привести к изменению воспринимаемой части образа. Принцип формирования НГМ и предикатов на их основе подробно описаны. [3 - 5]

Факторами является разновидность неуправляемых событий, обусловленных внешней средой. Действия факторов могут приводить к изменению характеристик воспринимаемых интеллектуальным роботом образов, а также к проявлению, активизации и запрещению определенных событий и действий лица принимающего решений (ЛПР). Фактор описывается на основе НГМ в следующем виде: фактор (<название события>, <тип события>, <имя фактора>, <длительность события>, <группа исключения>, <время реакции>, <список вызываемых событий>, <список активизируемых событий>, <список отключаемых событий>, <имя образа объекта>, <имя субъекта>, <имя атрибута>, <способ изменения значения атрибута>, <значение>).

Действия интеллектуального робота представляют собой события инициируемые субъектом, т.е. ЛПР или интеллектуальным роботом. Таким образом, в отличие от факторов этот вид событий причинно обусловлен. Каждое действие связано с определенным субъектом. Действия ЛПР влияют на состояние образов (объектов), могут вызывать, запрещать или разрешать события, а также могут иметь отсроченные последствия, но не могут выключаться событиями, поскольку решения о совершении действий принимаются ЛПР. На выбор действий может быть наложен запрет (маска) со стороны действующих факторов, местоположения субъекта и со стороны действий других субъектов. Это делается для своевременного реагирования на действия других субъектов. Подмножество незапрещенных действий называются активным набором действий. Если активный набор пуст, субъект не может действовать. Если в активном наборе содержится несколько альтернатив, то действие выбирается в соответствии с принятым приоритетом или случайным образом как равновозможные. Действия субъектов описываются следующим образом: действие (<название события>, <тип события>, <имя субъекта>, <длительность события>, <условие наступления>, <группа исключения>, <приоритет действия>, <степень случайности>, <время реакции>, <список вызываемых событий>, <список активизируемых событий>, <список отключаемых событий>, <имя объекта>, <имя субъекта>, <имя атрибута>, <способ изменения значения атрибута>, <значение>).

Механизм взаимодействия знаний, хранящихся в БЗ, определяется на основе причинно-следственных связей и математических зависимостей между элементами сценария, которые формулируются пользователем системы. Программно реализованный интерпретатор должен синтезировать различные последовательности событий на основе экспертных знаний, заложенных в БЗ. Синтаксис порождающего языка описывается следующей грамматикой, не содержащей расшифровок очевидных символов и детального описания вызываемых процедур. Состояние рассматриваемой системы в момент времени включает описание совокупности элементарных событий, сгенерированных для данного момента. Элементарным событием считается изменение состояния образа или субъекта в соответствии с заданным темпом, действий фактора или другого субъекта, не приводящих к изменению их состояния. Если действие фактора или субъекта происходит мгновенно (время реакции равно нулю), то вызываемые или активизируемые события включаются в описание данного состояния образа. Если имеет место запаздывание, то порождаемые элементарные события включаются в постепенно формируемые описания последующих состояний. События, растянутые во времени, влияют на наборы возможных в данный момент действий. При переходе к каждому следующему периоду времени проверяются условия завершения протекающих событий по длительности и обновляются списки активизируемых, ожидаемых и запрещаемых событий.

Моделирование сценариев может опираться на гипотезы, а также формироваться на основе прогноза. Дадим соответствующие определения.

Гипотеза – научно обоснованное предположение о структуре образа, определяемого характером вектора его признаков [1, 7] и связей, образующих данный образ, а также механизмом его функционирования.

Прогнозирование. Под прогнозом понимается научно обоснованное (т.е. основанное на системе фактов и доказательств, установленных причинно-следственных связей) описание возможных состояний образа в будущем, а также альтернативных путей и сроков достижения этих состояний.

После того как определены правила и механизмы развития сценариев и проявления событий уточним, что информация поступает через сенсорные датчики (СД) в систему распознавания образов (СРО) [1, 7], и. опираясь на выше приведенные методы и, описанные ниже, механизмы понятийного мышления (МПМ), рассмотрим процесс распознавания и восприятия образов (РиВО). Данный процесс по своей сути сводится к выделению необходимой и достаточной информации (НиДИ) из общего потока информации, и, опираясь, на МПМ установлению связей, и формализации воспринимаемого образа и соответствующего ему понятия.

МПМ адекватно тесно связаны с понятиями образа, классификации которых в СРО, и является аудитором системы. МПМ могут быть системами открытыми или закрытыми, в которых дополнение правил вывода, соответственно, разрешено или запрещено.

Рассмотрим правила для СРО на основе МПМ:

I. СРО имеет СД для РиВО, которые выполняют функцию канала передачи информации, и опирается на следующие правила:

1. Канал может нести НиДИ для РиВО.

2. НиДИ для РиВО может быть одномерной или многомерной (одноканальной или многоканальной).

3. Канал не содержащий информацию временно блокируют, чтобы не создавать паразитические эффекты в процессе РиВО.

4. Некоторые каналы дополняют информацию для процессов РиВО.

II. МПМ осуществляет контроль над СРО, а также совместно выполняет процесс РиВО, опираясь, на следующие правила:

1. Для РиВО [6, 7] любого сценария описывающего текущую ситуацию число признаков и/или анти признаков в векторе множества признаков (ВМП) НГМ [3-5] конечно, и задается некоторым фиксированным числом. Контроль характеристического элемента в НГМ на числа признаков – число признаков для РиВО не должно быть избыточным.

2. В процессе РиВО [6, 7] могут участвовать не все СД, и соответственно выбор метода для РиВО зависит от количества и качества СД несущих НиДИ. Выбор метода СРО для РиВО – проверка флагов отвечающих за функционирование СД на блокировку в характеристическом элементе НГМ для начала процесса РиВО.

3. МПМ допускает связи: AKO (A kind of …) – быть элементом класса принцип наследования, и ISA (Is a …) ‑ содержит элемент в себе (подмножество НГМ) [21] в описании сценария на основе НГМ.

III. МПМ допускает, используя индуктивную логику Джона Стюарта Милля [1] позволяющие выдвигать обоснованные гипотезы о причинно-следственных связях между наличием некоторых фактов с одной стороны, и сопутствующих им явлений с другой строить сценарии. Построение соответствующих процессу моделирования гипотез регламентируется рядом ключевых принципов:

1. Принцип сходства.

2. Принцип различия

3. Принцип остатков

4. Принцип сопутствующих изменений.

IV. Сценарии, моделируемые на основе прогнозирования, определяются характеристиками обстановки, описанной с помощью МПМ, формализующей процесс развития прогнозируемого события, с отображением различных допустимых вариантов возможной обстановки в будущем и установления момента времени его наступления. При этом под сценарием понимается набор информации, характеризующей текущую ситуацию ПС, формализованную с помощью модели представления знаний в виде НГМ [2-5].

Литература:

1. Schank R C. Dynamic memory: a theory of reminding and learning in computers and people. Cambridge, England: Cambridge University Press, 1982. 234 p. (Cited 110 times.)

2. Абдулгалимов А.М. Статистическое прогнозирование социально-экономических процессов. – Махачкала: Даг. кн. изд-во, 1998. 143с.

3. Абдурахманов А.А. Нурмагомедов И.С. Моделирование нечеткого гипермножества на основе нейрочиповых технологий //Наукоемкие технологии М:. изд-во Радио и связь №12. 2007

4. Мелехин В.Б., Нурмагомедов И.С. Использование нечетких гипермножеств в интеллектуальных решателях. //Вестник ДГТУ т.1. Технические науки. №6. г. Махачкала 2004.

5. Абдурахманов А.А. Нурмагомедов И.С. Предикаты на основе нечетких гипермножеств. //Сборник докладов т. 1. SCM’2007 X- Международная конференция по мягким вычислениям и измерениям. Санкт-Петербург Издательство СПбГЭТУ «ЛЭТИ» 2007.

6. И.С. Нурмагомедов, Л.И. Нурмагомедова Мультиклассификаторы последовательной стратегии для распознавания образов на основе нечетких гипермножеств (часть I) //Вестник ДГТУ Технические науки. Вып. №1 (16) Махачкала, 2010г. – 230с.

7. И.С. Нурмагомедов Мультиклассификаторы последовательной стратегии для распознавания образов на основе нечетких гипермножеств (часть II) //Вестник ДГТУ Технические науки. Вып. №2 (17) Махачкала, 2010г. – 217с.