Перспективы задач распознавания в обработке сигналов, компьютерных технологиях.
Значительные ресурсы вычислительных мощностей предоставляемые современными интеллектуальными системами, позволяют определить номера оптимальных решений, промоделировав и неопределенность в описаний ситуаций. В этом случае, наряду с исходным описанием задачи (таблица 15.1), появляются и множественные результаты ее возможного решения. Представим эти данные так же в виде таблицы 15.2.
Таблица 15.1
|
|
... |
|
... |
|
|
|
... |
|
... |
|
||
|
|
|
... |
|
... |
|
... |
... |
... |
... |
... |
... |
... |
|
|
|
... |
|
... |
|
... |
... |
|
... |
... |
... |
... |
|
|
|
... |
|
... |
|
Таблица 15.2
|
|
... |
|
... |
|
ММ |
... |
BL |
... |
KM |
|
|
|
... |
|
... |
|
... |
... |
... |
... |
... |
... |
|
|
... |
|
... |
|
... |
... |
... |
... |
... |
... |
|
|
... |
|
... |
|
Новая таблица – таблица мнений экспертов заполнена результатами анализа исходной матрицы решений по имеющимся критериям. В ячейки таблицы помещены вероятности появления рекомендаций применения данного решения по конкретному критерию. Таблица открыта для расширения. Новые критерии добавляют столбцы.
для всех
,
где - символьный индекс критерия (ММ – минимаксный критерий, BL – критерий Байеса-Лапласа , KM – критерий Кофлера-Менга и т. д.). Очень похоже на “Производственное совещание”.
Коэффициенты
доверия критериям
в каждой предметной области (распознавание
образов в радиолокации, медицинская
диагностика, торговые операции с
комплектующими для офисных компьютеров,
рабочих станций разработчиков важных
проектов и т. п.) формируются на базе
опыта и имеющихся в данной области
знаний. Коррекция текущих значений
коэффициентов также возможна. В принципе
при назначении коэффициентов учитываются
корреляционные связи между критериями.
.
В ячейках таблицы могут встречаться и нулевые значения. По аналогии с методикой принятия решений, рассмотренной в работе с большинством критериев добавим столбец.
.
Пример заполнения таблицы мнений экспертов и расчета оценочной функции рекомендаций экспертов приведен в таблице 15.3.
Наряду с оценочной функцией рекомендаций экспертов целесообразно составить и оценочную функцию выигрышей от применения стратегии рекомендаций экспертов. Она формируется по описанной выше методике.
Мнение экспертов может быть использовано в итоговом принятии решений в различных стратегиях.
Таблица 15.3
|
0,1 |
0,7 |
0,05 |
0,05 |
0,1 |
|
Крит. 1 |
Крит. 2 |
Крит. 3 |
Крит. 4 |
Крит. 5 |
||
|
0 |
1 |
0,2 |
0,1 |
0,9 |
0,805 |
|
0,8 |
0 |
0,2 |
0,2 |
0,05 |
0,105 |
|
0,1 |
0 |
0,2 |
0,5 |
0,05 |
0,05 |
|
0,05 |
0 |
0,2 |
0,05 |
0 |
0,0175 |
|
0,05 |
0 |
0,2 |
0,15 |
0 |
0,0225 |
Две крайние стратегии рассмотрим подробнее.
Первая стратегия предполагает многократную реализацию многих решений. Такой вариант возможен в гибких производствах, когда реально в выпуске изделий изменять их параметры. Он возможен и при масштабном внедрении решений осуществляемых в различных системах. Назовем эту стратегию рыночной.
Вторая подразумевает принятие одного решения и его реализацию в одном или во многих изделиях. Назовем эту стратегию ограниченной. Целесообразность такой стратегии обычно обусловлена высокими затратами, которые необходимо осуществить на реализацию каждого типа решений. Такая обстановка возникает при разработке приборов автоматизации научных исследований, крупномасштабных проектов, в медицинской диагностике и т. п.
В ограниченной стратегии критерий
,
а схема принятия решения
.
Ограниченная стратегия рекомендуется к применению при следующих условиях:
Отсутствует возможности реализации нескольких решений, из-за их высокой стоимости или малого объема реализаций;
Имеется опыт использования различных критериев в данной предметной области или теоретические наработки по степени доверия различным критериям;
Практически отсутствует конкуренция и противодействие в данной предметной области.
В рыночной стратегии целью анализа матрицы мнений экспертов (таблица 15.3) является
упорядочение множества решений по значению ,
ограничение размера множества решений снизу по допуску на минимальное значение с ее нормировкой,
формирование последовательности (очереди) реализации решений.
В теории управления широко используется модель черного ящика. Входное воздействие через функцию выходов, зависящую от заполнения этого «ящика» вырабатывает управляющее воздействие. Это самая простая и самая сложная модель.
Простота ее в малом числе переменных.
Сложность в предельной неопознанности структуры этих переменных и их взаимосвязи.
На рис. 15.1 представлена упрощенная схема принятия решений с анализом внешней ситуации.
Исходный цикл - распознавание образов.
Входные
переменные
представлены
мерным вектором. Реально измеряется
или очувствляется
компонент,
. На базе вектора
ранжированного по степени влияния
(релевантности), формируется набор
признаков – алфавит признаков П
характеризующих
текущую ситуацию.
Ситуация
в априорном словаре ситуаций представлена
набором классов
2.
В результате анализа признаков
вырабатываются версии
1
о принадлежности текущего описания
объекта одному из классов.
При этом проверяется достоверность, например, как в раннее рассмотренном случае двух классов определялась ошибка первого рода и ошибка второго рода.
По
матрице рисков
принимается решение об идентификации
объекта, как реализации одного из классов
2,
или увеличения объема информации –
запрос
1.
При этом могут проводится дополнительные
съемы данных в выбранном множестве
компонент, или увеличиваться число
.
Данный процесс получил название итерационного, его цель увеличение объема данных для достижения требуемого уровня достоверности оценки принадлежности объекта к определенному классу.
После достижения требуемого уровня достоверности, информация о индексах классов и оценок вероятностей их реализации поступает в следующую ступень – принятия решений.
При
принятии решений на базе поступившей
информации формируется описание текущей
ситуации по крайней мере в виде двух
векторов
.
Рис. 15.1. Принятие решения с распознаванием образов
Принятие решений через критерии и с учетом матрицы последствий решений 2 принимается одно или несколько решений, претендующих на оптимальность. В виде вектора управления 2 эти решения передаются на объект.
В случае решения экономических задач в состав вектора входят и финансовые поступления. Часть их остается внутри системы, стимулируя ее работу. Объем этих поступлений служит индикатором правильности принимаемых решений.
Объемы рисков, закладываемые при поиске оптимальных решений, могут быть достаточно велики (при анализе производных критериев мы закладывали величину риска , подчеркивая ее незначительность). Например, один из принципов ведения бизнеса в процветающей компании ACER (Тайвань) звучит примерно так:
Не следует рисковать, если не можешь позволить себе проиграть то ради чего сражаешься.
Как видно, объем риска в системах не связанных с жизнью и здоровьем людей может быть весьма значителен.
В экономических приложениях много внимания уделяется распределению полученных прибылей внутри системы. В технических задачах этот вопрос мало исследован, хотя для интеллектуальных систем он актуален, как стратегия правильного стимулирования развития системы.
Массив
отображающий распределение части
прибыли
в пользу агента
согласно решения
представлен в таблице 15.4.
Не смотря на специфику задачи рекомендуемые критерии схожи с рассмотренными.
Например, эгалитарный критерий по Роллсу увеличивает доходы наиболее неудачного агента
.
Критерий Харшаньи дает максимум интегрального результата
.
Таблица 15.4
|
|
... |
|
... |
|
|
|
... |
|
... |
|
... |
... |
... |
... |
... |
... |
|
|
... |
|
... |
|
... |
|
... |
... |
... |
... |
|
|
... |
|
... |
|
Синергетический критерий Бекмана ориентируется на комбинацию классического утилитарного и относительного эгалитарного подхода.
,
где
- весовой коэффициент при
- учитывающая минимальные доходы агентов.
Принятие решений в среде интеллектуальных объектов имеет свою специфику. В среде противодействующих систем в состав вектора входят данные маскируемые, целенаправленно изменяемые данные, призванные изменить решения в сторону меньших выигрышей.
Новые технологии вызывают к жизни и новые задачи прямо или косвенно связанные с проблемами распознавания.
Примером может быть задача автоматической генерация объектно-ориентированного программного обеспечения на языке MATLAB из UML моделей. Unified Modeling Language — унифицированный язык моделирования широкого профиля, это открытый стандарт, использующий графические обозначения (графическое описание) для создания абстрактной модели системы. UML был создан для определения, визуализации, проектирования и документирования в основном программных систем. UML не является языком программирования, но в средствах выполнения UML-моделей, как интерпретируемого кода, возможна генерация кода на профессиональных языках программирования.
Разработка программного пакета для преобразований типа модель-в-текст, которое осуществляет импорт классов из UML моделей в язык MATLAB.
Эта задача входит в направление разработки программного обеспечения на профессиональных языках программирования с привлечением алгоритмов написанных в общих документах от Visio до специализированных систем проектирования.
Весьма актуальны вопросы математического моделирования систем распознавания - СР.
1.Цель компьютерного моделирования СР.
2.Особенности моделирования распознаваемого объекта.
3.Моделирование средств определения характеристик распознаваемых объектов.
4.Моделирование каналов связи и передачи информации.
5.Оценка эффективности распознавания при моделировании СР.
6.Задачи управления при моделировании.
7.Особенности применения опытно-теоретического метода испытаний сложных систем к моделированию СР.
8.Использование моделирования СР на этапах их создания и оптимизации.