Математика / 5. Математическое моделирование

Крючин О.В., Арзамасцев А.А., Ракитин А.А.

Тамбовский государственный университет им. Г.Р. Державина

Реализация бионического подхода в виде информационной системы способной принимать решения в области экономики

Как известно, бионический подход в определенной степени воспроизводит процессы формирования и использования интеллектуального ядра биологических объектов.

В общих чертах процесс накопления знаний и их использование биологическими объектами выглядит следующим образом. При рождении биологического объекта имеет место некоторая априорная натренированность его интеллектуального ядра, в качестве которого выступает обученность нейронной системы. Такая предварительная натренированность ассоциируется с системой врожденных безусловных рефлексов. В процессе жизни биологический объект получает информацию из окружающего мира и с помощью эксперта, в качестве которого обычно выступает его мать, осуществляет ее классификацию и «привязку» к ранее накопленной информации. Начиная с некоторого уровня обученности, такой объект сам может анализировать и классифицировать поступающую информацию, создавать новую систему связей внутри интеллектуального ядра, а также использовать накопленную информацию при принятии решений, прогнозировании и т. д. [1].

Целью данной работы является разработка информационной системы, определяющей решение задач, возникающих в экономике, на основе накопленной базы знаний о рассматриваемой проблеме. Формирование базы знаний происходит при совместной работе пользователей и эксперта в исследуемой предметной области. При последовательном вводе информации пользователями (входные данные задачи) происходит ее оценка экспертом, при этом определяются соответствующие выходные состояния задачи. Таким образом, происходит накопление базы знаний о рассматриваемой задаче до необходимого объема. Затем происходит построение интеллектуальной модели задачи. Моделирование осуществляется с помощью построения и обучения искусственной нейронной сети на основе накопленных данных. Данный метод моделирования ранее был рассмотрен в работе [1]. По мере поступления новой информации в базу знаний, полученная интеллектуальная модель задачи совершенствуется. При накоплении некоторого критического объема базы знаний модель способна самостоятельно определять решение задачи. Таким образом, роль эксперта уменьшается по мере формирования интеллектуального ядра системы. В результате функционирования предложенной технологии происходит построение экспертных систем, позволяющих решать конкретную задачу в заданной предметной области [2].

Предлагаемая технология реализуется путем разработки целостной интерактивной системы, состоящей из взаимосвязанных компонентов, позволяющих осуществлять построение нейросетевых систем. Для каждого компонента системы определен круг решаемых им задач. Система включает три основных подсистемы: нейросетевая подсистема (интеллектуальное ядро — компоненты ANN-Builder и ANN-Executor), пользовательская подсистема (компонент User-Mediator) и управляющая подсистема (компонент Manager) [2].

Интеллектуальное ядро информационной системы (ANNBuilder) представляет собой набор компонентов построения ИНС-модели (UNS), размещаемых на вычислительных узлах кластерной системы (при наличии вычислительного кластера) или на вычислительных машинах и сервера нейросетевых симуляторов (UNSS), размещаемого на мастер-узле кластерной системы или на нейросетевом сервере. Назначение подсистемы состоит в построении искусственной нейронной сети, обученной на множестве совокупностей входных параметров объекта с соответствующими выходными состояниями, способной классифицировать вновь поступающую информацию, а также обладающей способностью доучиваться. Результатом работы данной подсистемы является интеллектуальная модель объекта, по ходу работы системы принимающая соответствующие состояния. Модель может находиться в трех состояниях - построения, классификации и доучивания [3, 4].

В процессе построения интеллектуальной модели объекта происходит выявление взаимосвязей и зависимостей между входными параметрами объекта и соответствующими выходными состояниями. Построенная модель определяет выходное состояние объекта по вновь поступающим входным данным. На основе определенного выходного состояния происходит классификация поступившей информации [2].

Пользовательская подсистема состоит из набора РНР-скриптов, взаимодействующих с пользователем и компонента, взаимодействующего с управляющей подсистемой. Назначение подсистемы - накопление, хранение и предоставления информации об объекте, а также обеспечение интерфейса для конечного пользователя.

Подсистема поддерживает три уровня доступа - пользователя, оператора (эксперта в предметной области) и администратора. Каждому уровню соответствует определенный набор полномочий и функциональных возможностей. Уровню администратора соответствуют полномочия управления пользователями. 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.

Первый способ осуществляется с участием пользователя и оператора. При этом, 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.

Второй способ происходит без участия пользователя. Здесь оператор, уже имея набор совокупностей входных данных об объекте, может загружать его в систему. Набор может быть уже проанализированным или впоследствии оценен экспертом [2].

Все вышеописанные компоненты являются взаимосвязанными частями единой целостной системы. Каждому этапу соответствует реализация определенных задач.

Первый этап – накопление информации. На этом этапе происходит формирование и накопление базы знаний объекта.

Второй этап – построение модели. При получении определенного объема знаний объекта данные из базы импортируются в модуль работы с ИНС. На данном этапе происходит построение интеллектуальной модели объекта.

Третий этап – классификация. На данном этапе построенная интеллектуальная модель способна самостоятельно классифицировать поступающую в базу данных информацию.

Таким образом, разработана информационная система, реализующая бионический подход для принятия решений в области экономики.

Литратура

1. Арзамасцев А.А., Зенкова Н.А. Использование аппарата искусственных нейронных сетей для идентификации свойств личности в учебном процессе // Открытое образование. № 4. 2004. С. 61–64.

2. 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.

3. Крючин О.В., Арзамасцев А.А, Королев А.Н., Горбачев С.И., Семенов Н.О. Универсальный симулятор, базирующийся на технологии искусственных нейронных сетей, способный работать на параллельных машинах. // Вестн. Тамб. ун-та. Сер. Естеств. и техн. науки. – Тамбов, 2008, Т. 13. Вып. 5. С. 372 – 375.

4. Крючин О.В. Программный комплекс для моделирования объектов социально-экономического назначения с использованием искусственных нейронных сетей на кластерных вычислительных системах // Гаудеамус. Психолого-педагогический журнал. Актуальные проблемы информатики и информационных технологий. №2 (16). 387 с. // Материалы XIV-й международной научно-практической конференции. Тамбов 2010. c. 534.