№ 4 (2022)

Обложка

Весь выпуск

Оптимальный и рациональный выбор

Алгоритм сужения множества Парето при помощи набора квантов нечеткой информации

Ногин В.Д.

Аннотация

Рассматривается задача многокритериального выбора с числовой векторной функцией на подмножестве векторного пространства в предположении, что ЛПР в процессе выбора использует нечеткое отношение предпочтения. Считается известной информация об этом отношении в виде конечного набора нечетких квантов. Формулируется алгоритм, который за счет этой информации позволяет сузить множество Парето в задаче многокритериального выбора и, тем самым, облегчить окончательный выбор. Работа алгоритма иллюстрируется числовым примером.

Искусственный интеллект и принятие решений. 2022;(4):3-12
pages 3-12 views

Сужение множества Парето на основе информации о нечетком отношении предпочтения второго порядка. Математическое обоснование алгоритма

Басков О.В.

Аннотация

Рассматривается задача многокритериального выбора в случае, когда предпочтения лица, принимающего решение (ЛПР), задаются нечетким бинарным отношением второго порядка. Описывается математическое обоснование алгоритма сужения множества Парето на основе нечетких квантов информации о предпочтениях ЛПР. Обсуждаются вопросы оптимизации алгоритма в важных для приложений случаях.

Искусственный интеллект и принятие решений. 2022;(4):13-23
pages 13-23 views

Выбор решения в конфликтной ситуации с нечеткими типами участников

Чернов В.Г.

Аннотация

Описывается метод решения антагонистической игры в условиях нарушения принципа «общего знания», когда игроки располагают неполными знаниями о возможных решениях и соответствующих результатах противоположной стороны. В качестве формальной модели игровой ситуации предложено использовать нечетко-множественное представление оценок возможностей использования игроками их стратегий и соответствующих последствий. Решение данной задачи основано на преобразования нечетких оценок результатов возможных решений для каждой ситуации в форму эквивалентного нечеткого множества с треугольной функцией принадлежности. Разработанный метод не накладывает ограничений на вид функций принадлежности исходных нечетких данных. Кроме выбора наилучшего решения получается оценка его результата и степени возможности реализации.

Искусственный интеллект и принятие решений. 2022;(4):24-35
pages 24-35 views

Попарное сравнение моноинтервальных альтернатив с произвольными распределениями рисков

Шепелёв Г.И.

Аннотация

Предложен метод сравнения моноинтервальных альтернатив, позволяющий попарно сопоставлять по эффективности альтернативы с произвольными распределениями рисков на интервальных оценках показателей их качества. Применение метода продемонстрировано на примерах. Даны рекомендации по практическому использованию метода.

Искусственный интеллект и принятие решений. 2022;(4):36-43
pages 36-43 views

Системы, включающие искусственный интеллект

Формализация структурного синтеза технических систем на начальном этапе проектирования

Заболеева-Зотова А.В., Петровский А.Б.

Аннотация

В статье рассмотрены средства концептуального проектирования сложных технических систем. Построена квази-аксиоматическая теория, формализующая процедуры порождения смысла для естественно-языкового описания процесса создания нового технического решения. Введены семантические категории, структуры универсальных множеств, операции сравнения элементов универсума. Описаны типы соединения элементарных подсистем. Предложена формализация процедуры многоуровневого синтеза технической системы с использованием порождающей грамматики над нечеткими структурами. Приведен пример проектирования технического устройства.

Искусственный интеллект и принятие решений. 2022;(4):44-54
pages 44-54 views

Платформа IACPaaS для разработки систем на основе онтологий: десятилетие использования

Грибова В.В., Москаленко Ф.М., Тимченко В.А., Шалфеева Е.А.

Аннотация

В статье представлена облачная платформа IACPaaS, предназначенная для создания интеллектуальных сервисов на основе онтологий, а также концептуальные идеи, лежащие в основе ее разработки. Описаны основные особенности и опыт использования поддерживаемых технологий создания интеллектуальных сервисов различных типов. На платформе реализована развитая инструментальная поддержка разработки всех компонентов интеллектуальных сервисов. Изначально она позиционировалась как среда для создания облачных систем с базами знаний, сейчас же рассматривается как инструментарий разработки программ на основе онтологий, имеющих семантическое представление.

Искусственный интеллект и принятие решений. 2022;(4):55-65
pages 55-65 views

Машинное обучение, нейронные сети

Модель прогнозирования Интернет-трафика

Френкель С.Л., Захаров В.Н.

Аннотация

Многие современные средcтва Машинного обучения (МО) работают недостаточно эффективно, ввиду выраженной нелинейности изменения трафика и нестационарности. В этих условиях выделяется задача прогнозирования признаков приращений (направления изменения) процесса временных рядов. В статье предлагается использовать некоторые результаты теории случайных процессов для быстрой оценки предсказуемости знаков приращений с приемлемой точностью. Предлагаемая процедура представляет собой простое эвристическое правило предсказания приращения двух соседних значений случайной последовательности. Показывается связь данного подхода для временных рядов с известными подходами предсказания двоичных последовательностей. Рассматривается возможность использования опыта прогнозирования абсолютных значений трафика при прогнозировании знака изменения.

Искусственный интеллект и принятие решений. 2022;(4):66-77
pages 66-77 views

Анализ текстовой и графической информации

Создание и исследование 3D-моделей для цифрового фенотипирования растений

Иващук О.А., Бережной В.А., Маслаков Ю.Н., Фёдоров В.И.

Аннотация

В статье представлены результаты разработки и исследования методов для создания 3D-моделей растений, выращиваемых в условиях in vitro. В комплексе они решают проблемы, возникающие в процессе исследований растений в пробирке, связанные со сложностью структуры растения, возникновением искажений на границах пробирки, ее возможным запотеванием, а также влиянием человеческого фактора. Создан банк из 792 единиц 3D-моделей для растений шести видов, позволяющий проводить имитационные эксперименты для выявления причинно-следственных связей, осуществления прогнозирования и получения новых знаний. Проведена проверка разработанных методов на адекватность. Представлены примеры их использования для конкретного растения.

Искусственный интеллект и принятие решений. 2022;(4):78-87
pages 78-87 views

Выявление трендов с помощью NLP как механизм поддержки принятия решений

Лобанова П.А., Кузьминов И.Ф., Каратецкая Е.Ю., Сабидаева Е.А., Анпилогов В.В.

Аннотация

В статье изложены принципы разработанного алгоритма выявления трендов на основе анализа больших текстовых данных и представления результата в удобных для лиц, принимающих решения (ЛПР) форматах, реализованных в системе интеллектуального анализа больших данных iFORA. Дается обзор существующих алгоритмов текстовой аналитики. Излагается предлагаемая и апробированная на десятках реализованных проектов математическая основа для выявления терминов, означающих тренды. Описываются подходы к кластеризации терминов на основе их векторов в пространстве Word2vec. Приводятся примеры двух ключевых визуализаций (семантические, тренд-карты), дающих представление о круге тем и трендах, характеризующих конкретную исследуемую область, как способ адаптации результатов анализа к задачам ЛПР. Обсуждаются ограничения и преимущества использования предложенного подхода для поддержки принятия решений, предлагаются направления для будущих исследований.

Искусственный интеллект и принятие решений. 2022;(4):88-98
pages 88-98 views

Разрешение омонимии при интерпретации речевых команд мобильным роботом

Котов А.А., Аринкин Н.А., Зайдельман Л.Я., Зинина А.А., Ровбо М.А., Сорокоумов П.С., Филатов А.А.

Аннотация

Современные роботы позволяют решать широкий спектр задач при совместной деятельности с человеком. При этом робот может получать команды от человека через различные системы управления, а также с помощью естественного языка. Выражения на естественном языке обладают значительной многозначностью (омонимией). В статье показано, какими методами обрабатываются высказывания и решается возникающая омонимия при речевом управлении роботом в естественной или виртуальной среде.

Искусственный интеллект и принятие решений. 2022;(4):99-111
pages 99-111 views

Интеллектуальное планирование и управление

Управление автономным беспилотным летательным аппаратом в нестабильной воздушной среде при поиске лесных пожаров

Мелехин В.Б., Хачумов М.В.

Аннотация

Рассмотрены основные проблемы, связанные с оперативным выявлением очагов лесных пожаров и сопровождающих их задымлений на основе применения автономных беспилотных летательных аппаратов. Разработан метод поиска лесных пожаров по локально-оптимальному маршруту полета в условиях неопределенности. Сформулирован ряд оригинальных положений математического аппарата нечетких множеств, позволяющих сформировать для автономного беспилотного летательного аппарата эффективную информационно-аналитическую модель ситуационно-командного управления движением по строящемуся в реальном времени маршруту полета. Создана модель представления и обработки знаний, обеспечивающая на ее основе возможность автоматического синтеза логико-трансформационных правил вывода ситуационно-командного управления движением летательного аппарата. Показано, что предложенный принцип построения информационно-аналитической модели позволяет снизить сложность решения задачи выбора эффективных команд за счет существенного сокращения количества сравнений текущей проблемной ситуации на объекте с эталонными проблемными ситуациями в процессе вывода решений.

Искусственный интеллект и принятие решений. 2022;(4):112-124
pages 112-124 views

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».