к.т.н. Крючин О.В.

Тамбовский государственный университет им. Г.Р. Державина, Россия

Информационная система для моделирования объектов экономической, социальной и других сфер с использованием технологии искусственных нейронных сетей

Описываемая в данной работе информационная система (ИС) состоит из четырех частей — пользовательской подсистемы, интеллектуального ядра, хранилища данных и управляющей системе [1-3].

Пользовательская подсистема ИС состоит из набора РНР-скриптов, взаимодействующих с пользователем и компонента, взаимодействующего с управляющей подсистемой

Подсистема поддерживает три уровня доступа — пользователя, оператора (эксперта в предметной области) и администратора (эксперта в области ИНС). Каждому уровню соответствует определенный набор полномочий и функциональных возможностей. Уровню администратора соответствуют полномочия управления пользователями и настройками ИНС. Уровень оператора наделен возможностями управления объектом. Пользовательский уровень дает возможность вносить информацию о параметрах объекта и получать результат по внесенным данным.

Конкретная задача, рассматриваемая в заданной предметной области, называется в разрабатываемой системе объектом. Объект системы определяется набором совокупностей входных параметров с соответствующими выходными состояниями. Создание объекта доступно для пользователя с полномочиями оператора. В результате создания определяются такие его характеристики как - количество входных параметров, входные параметры, по которым впоследствии будет проводиться анализ, предполагаемые выходные состояния.

Накопление информации об объекте может осуществляться двумя способами.

При первом способе (с участием пользователя и оператора) пользователь, зарегистрированный в системе, вносит параметрические данные объекта, которые сохраняются в базе данных. Затем оператор, анализируя совокупность входных данных, введенных ранее пользователем, определяет соответствующее выходное состояние объекта. Таким образом, полученные знания накапливаются в базе данных, формируя базу знаний об объекте. Информация, хранящаяся в базе знаний, образует классы, определенные в соответствии с выходными состояниями объекта.

При втором способе (без участия пользователя) оператор, уже имея набор совокупностей входных данных об объекте, может загружать его в систему. Набор может быть уже проанализированным или впоследствии оценен экспертом [2].

Апробация информационной системы проводилась на нескольких социальных и экономических объектах:

1. прогнозирование массы улова креветки (использование многослойного персептрона в качестве интеллектуального ядра) [4];

2. прогнозирование температуры воздуха в городе Тамбове (использование сети Вольтери в качестве интеллектуального ядра) [5];

3. прогнозирование котировок валютной пары евро-доллар (использование сети Вольтери и многослойного персептрона в качестве интеллектуального ядра) [6];

4. диагностика состояния пациента на основе анализа его крови (использование адаптивно-резонансной теории в качестве интеллектуального ядра) [7];

5. определение профессиональной прод расположенности школьников старших классов на основе характеристик ( использование адаптивно-резонансной теории и многослойного персептрона в качестве интеллектуального ядра) [8].

В ходе проведенных экспериментов было установлено, что информационная система полностью удовлетворяет требованиям удобства и функциональности.

Литература

1. Арзамасцев А.А., Зенкова Н.А., Крючин О.В., Квашенкин Д.О., Неудахин А.В. Автоматизированная технология и программно-технологический комплекс для построения экспертных систем с интеллектуальным ядром, основанным на нейросетевых моделях, поддержкой распределенного ввода данных и параллельных вычислений // Вестник Тамбовского Университета. Серия: Естественные и технические науки, - Т. 17, Вып. 3 – С. 948-978.

2. Крючин О.В. Информационная система и функционирование ее компонентов согласно технологии SaaS // Электронный журнал «Исследовано в России», 130527, стр. 131-146, 2013 г. // Режим доступа: http://zhurnal.ape.relarn.ru/articles/2013/009.pdf, свободный. - Загл. с экрана.

3. Крючин О.В., Квашенкин Д.О., Арзамасцев А.А. Реализация модели SaaS для информационной системы, использующей искусственные нейронные сети // Вестн. Тамб. ун-та. Сер. Естеств. и техн. науки. 2013. – Т. 18, Вып. 4 – С. 1402-1407.

4. Крючин О.В. Использование технологии искусственных нейронных сетей для прогнозирования массы улова креветки. // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010 г.) / Перм. ун-т, Перм. пед. ун-т. — Пермь, 2010. — 164 с. с. 110.

5. Крючин О.В., Козадаев А.С. Прогнозирование температуры в городе Тамбове при помощи аппарата искусственных нейронных сетей с использованием кластерных системе // Интеллектуальные системы: Труды Девятого международного симпозиума / Под ред. К.А. Пупкова. — М. РУСАКИ, 2010 — 773 с. ISBN 978-5-93347-407-4. c. 620-624.

6. Крючин О.В., Слетков Д.В. Прогнозирование котировок валютных пар с использованием искусственной нейронной сети // Вестник компьютерных и информационных технологий. 2011. № 8. С. 34 – 39.

7. Крючин О.В., Зенкова Н.А. Использование искусственных нейронных сетей для решения задач классификации на примере моделирования медицинского объекта // Вестник ТГУ, - т. 16, вып. 3 – 2010 г, С. 789-782.

8. Крючин О.В. Определение профессиональной предрасположенности школьников // Информационные и коммуникационные технологии в образовании. Сборник материалов X Международной научно-практической конференции / Сборник материалов в 2-х томах. Т.1. — Борисоглебск: ГОУ ВПО «БГПИ», 2009. C. 55-57