Hybrid intelligent system

Ett hybrid intelligent system (HiIS) förstås vanligen som ett system där mer än en metod för att simulera mänsklig intellektuell aktivitet används för att lösa ett problem [1] . Således är GIS en kombination av:

• analytiska modeller
• expert system
• Artificiellt nervsystem
• luddiga system
• genetiska algoritmer
• simuleringsstatistiska modeller

Den tvärvetenskapliga riktningen "hybrid intelligenta system" samlar forskare och specialister som studerar tillämpbarheten av inte en utan flera metoder, vanligtvis från olika klasser, för att lösa kontroll- och designproblem.

Termens historia

Termen "intelligenta hybridsystem" dök upp 1992. Författarna lade in betydelsen av hybrider av intelligenta metoder, såsom expertsystem , neurala nätverk och genetiska algoritmer . Expertsystem var symboliska, och artificiella neurala nätverk och genetiska algoritmer var adaptiva metoder för artificiell intelligens . Men i grund och botten hänvisade den nya termen till ett ganska smalt område av integration - expertsystem och neurala nätverk. Nedan finns flera tolkningar av detta område av integration av andra författare:

1. "Hybrid tillvägagångssätt" förutsätter att endast en synergistisk kombination av neurala och symboliska modeller uppnår hela skalan av kognitiva och beräkningsmässiga förmågor (förmågor).

2. Termen "hybrid" förstås som ett system som består av två eller flera integrerade delsystem, som vart och ett kan ha olika presentationsspråk och utmatningsmetoder. Delsystem kombineras semantiskt och i aktion vart och ett.

3. Forskare vid Center for Artificiell Intelligens vid Cranfield University (England) definierar ett "hybridintegrerat system" som ett system som använder mer än en datorteknik. Tekniken täcker dessutom områden som kunskapsbaserade system, kopplingsmodeller och databaser. Teknikintegration gör det möjligt att använda teknikens individuella kraft för att lösa specifika delar av ett problem. Valet av teknologier som ska införas i ett hybridsystem beror på egenskaperna hos det problem som ska lösas.

4. Specialister från University of Sanderland (England), medlemmar av gruppen HIS (Hybrid Intelligent Systems), definierar "hybrid informationssystem" som stora, komplexa system som "sömlöst" (hela) integrerar kunskap och traditionell bearbetning. De kan ge möjligheten att lagra, söka och manipulera data, kunskap och traditionell teknik. Hybridinformationssystem kommer att vara betydligt mer kraftfulla än extrapolering av begrepp från befintliga system.

Ämnet och syftet med att utveckla intelligenta hybridsystem

Det vetenskapliga området för GIS inkluderar studiet av autonoma metoder för att bestämma deras fördelar och nackdelar, integrationsrelationer som till stor del bestämmer sammansättningen, arkitekturen och processerna för informationsutbyte och bearbetning i hybrider, identifiering av uppgifter som motsvarar hybridsystem, utveckling av protokoll för kommunikation mellan komponenter och multiprocessorarkitekturer [2] .

Målen för GIS-forskning inkluderar skapandet av metoder för att öka effektiviteten, uttryckskraften och slutledningskraften hos intelligenta system, övervägande mer kompletta, utvecklade med mindre utvecklingsansträngning än applikationer som använder offlinemetoder. Ur ett grundläggande perspektiv kan GIS hjälpa till att förstå kognitiva mekanismer och modeller [2] .

Klassificering av intelligenta hybridsystem

I boken Metodik och teknologi för att lösa komplexa problem med hjälp av metoderna för funktionella hybrid intelligenta system (Kolesnikov A.V., Kirikov I.A.) [1] , baserad på en analytisk genomgång av befintliga klassificeringar av GIS, föreslås att man särskiljer följande fem strategier för utvecklingen av GIS: autonoma, transformerande, löst kopplade, starkt kopplade och helt integrerade modeller:

• Autonoma GIS-applikationsmodeller innehåller oberoende programvarukomponenter som implementerar informationsbearbetning på modeller med metoder från ett begränsat antal klasser. Trots den uppenbara degenerationen av kunskapsintegration i detta fall är utvecklingen av autonoma modeller relevant och kan ha flera mål. Sådana modeller är ett sätt att jämföra möjligheterna att lösa ett problem med två eller flera olika metoder. En ny autonom modell för att lösa det lösta problemet verifierar den redan skapade applikationen och leder till adekvata modeller. Fristående modeller kan användas för att snabbt skapa en första prototyp, varefter mer tidskrävande applikationer utvecklas. Autonoma modeller har också en betydande nackdel - ingen av dem kan hjälpa den andra i en situation med uppdatering av information - alla måste modifieras samtidigt.

• Transformationellt GIS liknar autonoma, eftersom slutresultatet av utveckling är en oberoende modell som inte interagerar med andra delar. Den största skillnaden är att en sådan modell börjar som ett system med en fristående metod och slutar som ett system med en annan metod. Transformationsmodeller erbjuder flera fördelar: snabbare skapande och lägre kostnader eftersom en enda modell upprätthålls och den slutliga metoden bäst anpassar resultaten till miljön. Det finns också problem: automatisk konvertering av en modell till en annan; en betydande modifiering av modellen, jämförbar i volym med utvecklingen "på nytt".

• Löst kopplat GIS är i huvudsak den första riktiga formen av integration, där en applikation bryts ner i individuella element länkade via datafiler. Klassificeringen av sådana modeller diskuteras nedan. Chain GIS använder två funktionellt färdiga element som komponenter, varav den ena är huvudprocessorn och den andra är en för- eller efterprocessor. I underordnade GIS-komponenter är funktionellt färdigställda element. Men i det här fallet är en av dem, en underordnad som ingår i den andra, den huvudsakliga lösaren av problemet. Metaprocessor GIS använder en metaprocessor och flera funktionella element som komponenter. Medprocessor GIS för att lösa problemet använder elementen som jämlika partner. Samtidigt kan alla överföra information till alla, interagera, bearbeta deluppgifter av en uppgift. Jämfört med andra mer integrerade applikationer är dessa löst kopplade GIS-applikationer lättare att utveckla och kan användas med kommersiellt tillgängliga program som minskar bördan av programmering. Driftstiden minskar på grund av filgränssnittens enkelhet, men kostnaden för kommunikation ökar och prestanda för GIS är lägre. Starkt kopplade GIIS har betydande överlappning med klassen av svagt kopplade hybrider. De senare använder dock informationsutbyte via inhemska minnesstrukturer, såsom DDE , i motsats till utbyte via externa filer i löst kopplade GIS. Detta förbättrar den interaktiva upplevelsen och ger bättre prestanda. Tätt kopplade modeller kan fungera i samma former som löst kopplade, men deras pre-, post- och co-processor-varianter är snabbare till sin natur. Följande utvecklingsmetoder används här: "anslagstavla", "pipeline modell" [1] och "kapslade" system.

• Tätt kopplade GIS har låga kommunikationskostnader och högre prestanda jämfört med löst kopplade modeller. Men dessa GIS har också tre grundläggande begränsningar: 1) komplexiteten i utveckling och support ökar som ett resultat av det externa datagränssnittet; 2) stark koppling lider av överackumulering av data, och 3) validering är svårt. Det ansett svagt och starkt kopplade GIS, på grund av att deras sammansättning och struktur till stor del beror på problemet som löses, kallas även funktionellt GIS.

• Helt integrerade GIS delar gemensamma datastrukturer och kunskapsrepresentationer, och förhållandet mellan komponenter uppnås genom strukturernas dubbla natur. Detta är en klass av hybrider som snabbt utvecklas i världspraxis, där man kan urskilja utvecklingen av konceptuella neurala nätverk baserade på kunskap, anslutningsexpertsystem, där element interagerar snabbt och enkelt, och allmän information för oberoende problemlösning är omedelbart tillgänglig till båda komponenterna. Ett annat alternativ för full integrering är fuzzy neurala nätverk  – en hybrid som i struktur liknar ett neuralt nätverk och implementerar både neurala och fuzzy beräkningar. Fördelarna med full integration är tillförlitlighet, ökad bearbetningshastighet, anpassning, generalisering, brusreducering, argumentation och logisk deduktion, som totalt sett inte kan hittas i någon klass av föräldrametoder.

Erhållna resultat

Som en del av studien av metoder för att skapa GIS 2001 föreslogs en problemstrukturell metod och teknologi för att utveckla GIS som gör det möjligt att syntetisera GIS för att lösa komplexa (bestående av många deluppgifter som kräver användning av olika metoder för att simulera mänsklig intellektuell aktivitet) uppgifter som ett system av metoder för att lösa deluppgifter till en komplex uppgift [1] . Senare, 2007, föreslogs en probleminstrumentell metodik för utveckling av GIS som en generalisering av den problemstrukturella metodiken vid avsaknad av relevanta metoder för att lösa deluppgifter av ett komplext problem [1] .

Baserat på de föreslagna metoderna och teknologierna har GIS utvecklats för praktisk tillämpning inom olika områden: skift-daglig planering i en hamn, planering i ett bioproduktionssystem [3] , design av automatisering av sjötransportfartyg [1] , lösning av komplexa transporter och logistikproblem [4] , planering på medellång sikt vid ett tillverkningsföretag med småskalig produktion [5] och andra. En detaljerad beskrivning av de listade GIS och resultaten av deras praktiska användning finns i relevanta källor.

För närvarande används intelligenta hybridsystem baserade på en kombination av expertsystem och neurala nätverk i stor utsträckning. Arkitekturen för sådana system är lätt att expandera och anpassa till arbetsbelastningar genom att skala befintliga eller lägga till nya moduler. Detta tillvägagångssätt gör det möjligt att minska kostnaderna för att utveckla ett intelligent system som helhet, genom att använda hastigheten hos expertsystem och förenklat kunskapsinhämtning, där neurala nätverk används. Sådana hybridsystem används mycket ofta i datakategorisering och -filtrering, till exempel i ett hybridkategorisystem för användning i innehållsaggregation [6] , ett system för att kategorisera flerspråkiga dokument [7] , ett högbelastningssystem för att klassificera meddelanden i sociala medier nätverk. nätverk Twitter [8] .

Se även

• Intelligent system

Referenser

1. ↑ 1 2 3 4 5 6 Kolesnikov A. V. Hybrid intelligenta system: Teori och utvecklingsteknik. - St. Petersburg: Publishing House of St. Petersburg State Technical University, 2001. - 711 s.
2. ↑ 1 2 Medsker LR Hybrid Intelligent Systems. - Boston: Kluwer Academic Publishers, 1995. - 298 sid.
3. ↑ Klachek P. M., Koryagin S. I., Kolesnikov A. V., Minkova E. S. Hybrid adaptiva intelligenta system. Del 1: Utvecklingsteori och teknik: monografi. - Kaliningrad: BFU Publishing House. I. Kant, 2011. - 374 sid.
4. ↑ Kolesnikov A. V., Kirikov I. A., Listopad S. V., Rumovskaya S. B., Domanitsky A. A. Lösning av komplexa resandeförsäljarproblem med hjälp av funktionella hybrid intelligenta system / Ed. A. V. Kolesnikova. - M.: IPI RAN, 2011. - 295 sid.
5. ↑ Kolesnikov A. V., Soldatov S. A. Teoretiska grunder för att lösa ett komplext problem med operativ produktionsplanering, med hänsyn till samordning. // Bulletin of the Russian State University. Immanuel Kant. Problem. 10: Ser. Fysiska och matematiska vetenskaper. - Kaliningrad: Förlag. RSU dem. I. Kant, 2009. - S. 82-98
6. ↑ Denis Aleksandrovich Kiryanov. Hybrid kategoriskt expertsystem för användning i innehållsaggregation  //  Programsystem och beräkningsmetoder. — 2021-12-21. - Problem. 4 . — S. 1–22 . — ISSN 2454-0714 . - doi : 10.7256/2454-0714.2021.4.37019 .
7. ↑ GENIE-projektet - En semantisk pipeline för automatisk dokumentkategorisering:  // Proceedings of the 10th International Conference on Web Information Systems and Technologies. - Barcelona, ​​​​Spanien: SCITEPRESS - Science and and Technology Publications, 2014. - S. 161–171 . - ISBN 978-989-758-023-9 , 978-989-758-024-6 . - doi : 10.5220/0004750601610171 . Arkiverad från originalet den 4 juni 2018.
8. ↑ Joao P. Carvalho, Hugo Rosa, Gaspar Brogueira, Fernando Batista. MISNIS: En intelligent plattform för gruvdrift för twitterämnen  (engelska)  // Expertsystem med applikationer. — 2017-12. — Vol. 89 . — S. 374–388 . - doi : 10.1016/j.eswa.2017.08.001 . Arkiverad från originalet den 25 februari 2021.

Föreslagen läsning

1. Kolesnikov A.V. Hybrid intelligenta system: Teori och teknikutveckling / Ed. A.M. Yashin . - St Petersburg. : Publishing House of St. Petersburg State Technical University, 2001. - 711 sid. — ISBN 5-7422-0187-7 .
2. Gavrilov A.V. Hybrid intelligenta system. - Novosibirsk: NGTUs förlag, 2003. - 168 sid.
3. Yarushkina N.G. Grunderna i teorin om fuzzy och hybridsystem. - M. : Finans och statistik, 2004. - 320 sid.
4. Kolesnikov A.V. , Kirikov I.A. Metodik och teknik för att lösa komplexa problem med hjälp av funktionella hybrid intelligenta system. — M .: IPI RAN , 2007. — 387 sid. — ISBN 978-5-902030-55-3 .
5. Batyrshin I.Z. Nedosekin A.A. , Stetsko A.A. , Tarasov V.B. , Yazenin A.V. , Yarushkina N.G. Fuzzy Hybrid Systems: Teori och praktik / Ed. N.G. Yarushkina . - M . : Fizmatlit, 2007. - 207 sid. - ISBN 978-5-922107-86-0 .
6. Kolesnikov A.V. , Kirikov I.A. , Listopad S.V. , Rumovskaya S.B. , Domanitsky A.A. Lösning av komplexa problem med resande säljare med hjälp av funktionella hybrid intelligenta system / Ed. A.V. Kolesnikov . - M. : IPI RAN , 2011. - 295 sid. — ISBN 978-5-902030 .
7. Klachek P.M. , Koryagin S.I. , Kolesnikov A.V. , Minkova E.S. Hybrid adaptiva intelligenta system. Del 1: Utvecklingsteori och teknik: monografi. - Kaliningrad: BFU Publishing House. I. Kant, 2011. - 374 sid. - ISBN 978-5-9971-0140-4 .
8. Kolesnikov A.V. , Soldatov S.A. Teoretiska grunder för att lösa ett komplext problem med drift- och produktionsplanering, med hänsyn till samordning. Bulletin of the Russian State University. Immanuel Kant. - Kaliningrad: Publishing House. RSU dem. I. Kant, 2009. - Utgåva. 10: Ser. Fysiska och matematiska vetenskaper . - S. 82-98 .
9. Medsker LR Hybrid Intelligent System. - Boston: Kluwer Academic Publishers, 1995. - 298 sid.
10. Wermter S. , Sun R. Hybrid Neural Systems. — Heidelberg, Tyskland: Springer-Verlag, 2000.
11. Negnevitsky M. Artificiell intelligens. En guide till intelligenta system. — Harlow, England: Addison-Wesley, 2005.
12. Castillo O. , Mellin P. Hybrid Intelligent Systems. — Springer-Verlag, 2006.
13. Jain LC , Martin NM Fusion av neurala nätverk, fuzzy system och genetiska algoritmer: industriella tillämpningar . - CRC Press, CRC Press LLC, 1998.

Länkar

• Internationell konferens om hybrida intelligenta system
• International Journal on Hybrid Intelligent Systems
• Webbplats med information om hybrid intelligenta system
• Laboratoriet "Hybrid intelligenta system"
• FGBUN Institute of Informatics Problems of the Russian Academy of Sciences. FoU i ämnet Ryska vetenskapsakademin
• FGAOU Baltic Federal University uppkallad efter I.I. I. Kant. Institutionen för matematisk modellering och informationssystem