Статья: ПРИМЕНЕНИЕ ИНСТРУМЕНТАРИЯ ВРЕМЕННЫХ СЕТЕЙ ПЕТРИ ДЛЯ УПРАВЛЕНИЯ РЕСУРСНЫМИ ПАРАМЕТРАМИ ПРОЕКТА (2024)

Агент-ориентированные технологии позволяют выполнять сложные вычисления, решать многоуровневые задачи, осуществлять комплексное управление, имитировать реальные процессы, поэтому они имеют большое прикладное и практическое значение. Во второй части обзорного исследования рассматриваются различные подходы к моделированию многоагентных систем, современные направления их проектирования, приведены примеры инструментов разработки. Большое внимание уделено существующим приложениям многоагентных систем. Недостатком классического подхода к моделированию являются «жесткие» модели и заранее заданные протоколы коммуникации агентов, что не позволяет в полной мере реализовать такие свойства агентных систем, как самоорганизация, адаптация, способность к обучению и самообучению. Эволюционный подход базируется на организации вычислений на основе взаимодействий, при этом возникающие структуры требуют дополнительного анализа. Процесс разработки агентных приложений требует решения следующих основных задач: анализ предметной области и ее формализация; выбор модели многоагентной системы и формирование ее архитектуры; выбор модели агента, спецификация его свойств и поведения; формирование схем взаимодействия агентов, а также агентов и пользователей.

Работа посвящена изучению возможностей применения искусственных импульсных (или спайковых) нейронных сетей для решения задачи приближенной факторизации Винера - Хопфа для процессов Леви в рамках интеллектуальной системы машинного обучения. Одним из приложений факторизации Винера - Хопфа является вычисление цен барьерных опционов, в связи с чем рассматриваемая задача имеет важный прикладной аспект для вычислительной финансовой математики в части создания гибридных численных методов, комбинирующих современные технологии нейросетей третьего поколения и классические методы вычислительной математики. В рамках статьи предложена импульсная нейронная сеть с моделью «интегрировать-и-сработать» с утечками для факторизации тригонометрического полинома в комплексной форме, коэффициенты которого представляют собой распределение вероятностей. Искомые многочлены-факторы имеют аналогичную вероятностную интерпретацию, при этом у первого фактора первая половина коэффициентов равна нулю, а у второго - вторая половина. Вероятностная интерпретация задачи позволяет обойтись без кодирования и декодирования входных и выходных данных в спайки и обратно. Обучение сети проводится для одного набора коэффициентов полинома с целью минимизировать ошибку приближения этого полинома произведением факторов, коэффициенты которых предсказываются сетью, для чего программно реализована собственная функция потерь. В отличие от традиционного подхода к подбору параметров модели на обучающей выборке, в данной работе предлагается минимизировать ошибку приближения конкретной характеристической функции процесса Леви произведением многочленов-факторов. При этом модель не использует фактические значения коэффициентов факторов при обучении, а только значения многочленов, вычисленные с помощью быстрого преобразования Фурье. В рамках вычислительных экспериментов представлен пример факторизации полинома 255-й степени, связанного с гауссовым процессом Леви, с помощью спайковой нейросети. Программная реализация предлагаемого в статье подхода к решению задачи факторизации написана на языке программирования Python с использованием фреймворка машинного обучения pyTorch и библиотеки snnTorch импульсных нейронных сетей.

В связи со стремительным развитием теории глубокого обучения наблюдается значительный прогресс и в области компьютерного зрения, а именно классификации изображений и обнаружения объектов. Анализ актуальных исследований в данной области показал, что для решения задачи диагностики патологий дыхательной системы целесообразно применение нейросетевых моделей с последующей оценкой их эффективности в реальных условиях. Целью исследования является повышение качества дифференциальной диагностики инфекционных заболеваний дыхательной системы за счет применения нейросетевых моделей. В статье предложен метод анализа оцифрованных рентгеновских снимков грудной клетки для дифференциальной диагностики инфекционных заболеваний дыхательной системы, заключающийся в применении модифицированной одноэтапной нейросетевой модели, использующей алгоритм мягкого подавления немаксимумов. Для оценки качества базовой и модифицированной нейросетевых моделей применялся ROC-анализ. Для решения задачи применения ROC-анализа для многоклассовой классификации был применен метод one-vs-all, заключающийся в создании бинарных классификаторов для каждого класса. В ходе исследования проведен ряд экспериментов для двух нейросетевых моделей (базовой и модифицированной). На основе анализа полученных значений показателя качества, а также визуального анализа на тестовом наборе данных, произведенного в рамках тестирования нейросетевых моделей, проведена оценка эффективности исследуемых моделей. Использование предложенного метода позволило учесть наложение ограничительных рамок при обнаружении объектов на изображениях, минимизировать ложное удаление рамок и достичь более точных результатов при решении задачи дифференциальной диагностики инфекционных заболеваний дыхательной системы по оцифрованным рентгеновским снимкам грудной клетки в сравнении с традиционным алгоритмом подавления немаксимумов. Проведенный анализ показал высокую чувствительность базовой и модифицированной нейросетевых моделей, однако количество правильно классифицированных примеров для модифицированной модели, использующей алгоритм мягкого подавления немаксимумов, выше для каждого из трех классов в сравнении базовой моделью.

В статье предложена нечеткая система для классификации электроэнцефалограмм (ЭЭГ), разработанная для асинхронного интерфейса «мозг-компьютер». Основной целью работы является исследование применимости методов нечеткой логики для классификации ЭЭГ, направленной на распознавание реальных и мысленных движений верхних конечностей. Предложенный подход к классификации ЭЭГ-сигналов основывается на методе извлечения признаков, который включает расчёт взаимной информации между каналами ЭЭГ после предобработки сигналов. Этот метод направлен на выявление значимых корреляций между сигналами, поступающими от различных зон мозга, что позволяет формировать векторы признаков, отражающие связь между каналами ЭЭГ. Нечеткий классификатор удалось построить для 72 % испытуемых для реальных движений и 48 % испытуемых для воображаемых движений. В ходе экспериментов было установлено, что средняя точность классификации составляет около 74 % для реальных движений и 60 % для движений, выполняемых мысленно. Наилучший результат для отдельного человека достигает 96 % и 71 % точности для реальных и мысленных движений соответственно. С использованием деревьев классификации был выполнен прогноз влияния параметров предобработки на эффективность системы. Было установлено, что наиболее значимыми предикторами являются частота децимации при предобработке сигналов ЭЭГ и количество бинов при расчете взаимной информации между каналами ЭЭГ как для реальных движений, так и для движений, выполняемых мысленно. Точность прогноза достигла 73 % и 86 % для реальных и воображаемых движений соответственно. Таким образом, предложенный метод представляется интересным с точки зрения анализа сигналов ЭЭГ и формирования признаков. Работа демонстрирует возможности нечеткой логики для создания интерфейсов «мозг-компьютер», однако указывает на необходимость дальнейших исследований в области оптимизации параметров предобработки и преобразования лингвистических шкал нечеткого классификатора для повышения точности и интерпретируемости системы.

Статья продолжает серию работ, посвященных тематике интеллектуального анализа данных с применением методов вывода на табличных ограничениях. Ранее были представлены авторские методы кластеризации, выявления паттернов требуемого вида, поиска ассоциативных правил. Разработанные методы относятся к методам объяснимого (интерпретируемого) искусственного интеллекта. Недостатки большинства существующих методов интеллектуального анализа данных связаны, в первую очередь, с трудностями гибкого учета и анализа знаний экспертов предметной области, пользовательских ограничений. Обычно для учета каждого типа подобных ограничений требуется довольно трудоемкая модификация базовых методов обучения. В статье развивается подход на основе парадигмы программирования в ограничениях, который свободен от упомянутых недостатков и позволяет гибко организовывать учет и анализ дополнительных условий задачи интеллектуального анализа данных без принципиального изменения схемы её решения. Оригинальность авторского подхода состоит в том, что для представления обучающей выборки предложено использовать особый тип табличных ограничений - сжатые таблицы D-типа, а сами задачи интеллектуального анализа данных предложено решать как задачи удовлетворения табличных ограничений с применением оригинального способа ветвления дерева поиска и авторских правил редукции сжатых таблиц. В представленной работе на примере решения задач бинарной классификации впервые рассматриваются возможности применения авторского подхода для моделирования рассуждений типа ДСМ. В статье рассматривается случай, когда свойства объектов являются атомарными, не имеют внутренней структуры. Задачу генерации ДСМ-гипотез предлагается сводить к поиску частых замкнутых паттернов, причем каждый из паттернов не должен входить как фрагмент во множество контрпримеров. В рамках предлагаемого в статье подхода добавление в задачу дополнительных типов ограничений не только не снижает производительность методов их решения, но и способствует более глубокой редукции пространства поиска за счет применения специализированных методов логического вывода для каждого из типов ограничений.

В статье проводится анализ экономической модели, описывающей динамику развития фирмы с управлением. Задача состоит в выработке оптимальной стратегии выплаты заработной платы сотрудникам фирмы, которая позволит увеличить объем капитала фирмы на некотором временном интервале. Модель построена на основе дифференциального уравнения первого порядка, связывающего динамику развития фирмы с функциями полезности и выплаты заработной платы. Функция, описывающая затраты, связанные с выплатой заработной платы сотрудникам, зависит от времени, совокупного капитала фирмы и параметра управляющего воздействия, принимающего значения на промежутке [0,1]. Она является адаптированной модификацией производственной функции Кобба - Дугласа, в которой в качестве капитала используется совокупный капитал фирмы, а в качестве трудовых ресурсов - начальный капитал фирмы. Оптимизационная модель представлена в виде задачи оптимального управления со свободным правым концом. В данной постановке модель, является новой и в литературе ранее не рассматривалась. Для её решения был применён принцип максимума Понтрягина. В работе исследовано три случая задания оптимального управления как кусочно-постоянной функции на всём временном отрезке: управление равное нулю, управление равное единице, и принимающее произвольное значение из интервала [0, 1]. Это позволило сравнить две стратегии выплаты заработной платы: постоянную и пропорциональную капиталу фирмы. Проведённые исследования показали, что выбор оптимального управления зависит от соотношения между инфляционным фактором, коэффициентом пропорциональности и начальным капиталом фирмы. Были получены условия, когда выплата заработной платы сотрудникам должна происходить на постоянном уровне, в противном случае следует устанавливать зарплату пропорционально капиталу фирмы. Так как в случае не выполнении условий, выплата заработной платы на постоянном уровне приводит либо к полному разорению фирмы либо уровень капитала падает до более низкого уровня. В работе получены условия возникновения стационарных решений, когда при любом управлении капитал фирмы останется на уровне начального капитала. Частично результаты исследований были представлены на конференциях [1, 2].

В статье представлены результаты разработки нейроиммунного метода сжатия данных, предназначенного для дальнейшей апробации в системе анализа инцидентов информационной безопасности. Осуществлён анализ классических методов и методов машинного обучения, применяемых для компрессии данных с потерями и без. Рассмотрены варианты архитектур нейронных сетей для обеспечения компрессии векторов. Предложен метод комбинирования гибридной искусственной иммунной системы со свёрточной нейронной сетью архитектуры Bottleneck-type путём применения разработанных в рамках предыдущих исследований интеллектуальных методов оптимизации и классификации, в том числе включающих в себя модифицированный генетический алгоритм дуэлей. Проведена оценка эффективности полученного гибридного подхода компрессии с классической свёрточной нейронной сетью и многослойной нейронной сетью прямого распространения Bottleneck-type. В качестве критериев эффективности были выбраны степень сжатия, точность декомпрессии данных. Для проведения сравнительного анализа рассмотренных методов был разработан программный комплекс, реализующий модуль сбора и хранения данных в системе анализа инцидентов информационной безопасности, предназначенный для дальнейшего применения при подготовке данных в задаче анализа и корреляции событий информационной безопасности. В результате исследования в качестве наиболее эффективного подхода компрессии данных был предложен разработанный нейроиммунный метод сжатия, показавший при сравнительном анализе с составляющими его алгоритмами лучшую точность декомпрессии при аналогичных степенях сжатия. Предложенный метод может быть адаптирован для использования в системах сжатия и хранения не только текста, но и видеоинформации, позволяет повысить качество распознавания системой анализа инцидентов при классификации образов событий безопасности.

Для обеспечения надежного и качественного обслуживания в информационных системах критически важно осуществлять мониторинг и управление загруженностью сети. Это особенно актуально в контексте сетей мягкого или жесткого реального времени, где временные задержки могут иметь решающее значение. Расширение областей применения беспроводных сетей приводит к необходимости исследования возможностей их мониторинга и управления. При построении гибридных сетей, как правило, «узким» местом являются беспроводные сегменты, в которых затруднена оценка загруженности из-за стохастических процессов в сети. В данной работе представлена математическая модель, для которой строится граф состояний системы массового обслуживания при передаче пакетов в беспроводном сегменте сети, решается система уравнений Колмогорова и находится закон распределения. Данная модель учитывает режимы передачи данных в сети, а также позволяет выделять отдельные режимы для более глубокого анализа. В статье показано, что лучшим показателем загруженности канала является определение загрузки на основе доли пакетов, время доставки которых попадает в интервал, характеризующийся успешной передачей после двух неудачных попыток. Результаты исследований обосновывают методику, основанную на выделении временных интервалов доставки информации, которая базируется на анализе принципов функционирования и моделировании информационных процессов. Данная методика предоставляет возможность с достаточной точностью оценить загруженность сети, опираясь на экспериментально полученное время доставки данных. Методология оценки загруженности сети основывается на моделировании диапазонов времени доставки информации, что позволяет оценить долю пакетов, доставленных в заданные временные интервалы. Кроме того, модель позволяет осуществлять качественный анализ вклада вероятностей времени доставки пакетов для различных режимов передачи.

В статье исследуется система с разделением и параллельным обслуживанием заявок, называемая также fork-join системой массового обслуживания. Предполагается, что время обслуживания заявок имеет распределение Парето, а входящий поток является пуассоновским. С помощью fork-join структур моделируются процессы функционирования систем с использованием распределенных или параллельных вычислений либо систем, использующих разделение исходной задачи на части с целью оптимизации рабочих процессов. Одним из наиболее важных вопросов для владельцев подобных систем остается вопрос оптимального количества выделяемых ресурсов для обслуживания пользователей. С одной стороны, их количество должно быть достаточным для качественного обслуживания поступающих запросов, с другой стороны, их стоимость не должна быть слишком велика. Для рассматриваемой системы построена математическая модель определения оптимальной стоимости ее функционирования, которая базируется на поддержании оптимального баланса между средним временем отклика системы (или средним временем пребывания заявки в системе) и разумными затратами на необходимые для этого ресурсы. При этом под ресурсами понимается необходимая для поддержания оптимального уровня производительности системы интенсивность или скорость обслуживания на приборах. В модели используется приближенное выражение для оценки среднего времени отклика системы, полученное ранее. Стоимость является функцией от коэффициента загрузки. Нахождение оптимальной стоимости функционирования фактически сводится к определению минимума этой функции стоимости. Определенное таким образом значение коэффициента загрузки, в свою очередь, определяет интенсивность обслуживания, которая и будет считаться оптимальной. Для нахождения оптимальной интенсивности обслуживания на приборах системы получено уравнение, которое может быть решено численно. Рассмотрен численный пример, а также проведен анализ асимптотического поведения решения.

В статье рассматривается задача маршрутизации транспортных средств с чередованием объектов двух типов и несколькими центрами сбора. Отличительной особенностью этой задачи является появление новых целевых объектов в процессе посещения существующих. При этом расстояние до новых целевых объектов становится известно только после их фактического появления, что требует гибкого подхода к построению маршрутов транспортных средств. Составлена математическая модель задачи с учетом всех входных данных и ограничений. Для решения задачи предложены четыре эвристических алгоритма решения: «жадный» (т. е. принимающий локально оптимальные решения на каждом шаге) алгоритм без смены центра сбора, «жадный» алгоритм со сменой центра сбора, алгоритм с учетом потерь и алгоритм на основе расчета привлекательности центров сбора. Для каждого из предложенных алгоритмов представлено их пошаговое описание, а также разработаны их программные реализации, что позволило протестировать их на множестве входных данных различной размерности и выполнить детальное сравнение результатов работы алгоритмов. Также было предложено несколько способов генерации входных данных для тестирования: случайный и «кластерный» алгоритмы для генерации расположений целевых объектов, а также последовательный и «групповой» алгоритмы для генерации моментов появления целевых объектов. В заключительной части проведен сравнительный анализ разработанных алгоритмов и оценена эффективность их применения для решения задач маршрутизации транспортных средств с динамическим добавлением целевых объектов с входными данными различного размера и характера.

Решается задача выбора оптимальных параметров процесса вулканизации, обеспечивающая достижения требуемого качества резины. Обзор аналогичных задач показал, что решения реализуются на программной продукции зарубежного происхождения. Основная цель данного исследования - разработка эффективного отечественного программного продукта для расчета температурно-временного режима вулканизации многослойных изделий. Проведён системный анализ процесса, который показал, что неправильно подобранные параметры температуры и времени могут привести к неравномерной вулканизации слоев, тем самым к ухудшению свойств изделия или увеличению затрат на производство. В работе приведено модельное исследование процессов вулканизации, обеспечивающее завершенность процесса в центре многослойного изделия. Основными модельными компонентами являлись уравнения теплопроводности, кинетические уравнения, для которых выполнялась оценка параметров: предэкпоненциальных коэффициентов и энергии активации. Адекватность полученных результатов подтверждается численным экспериментом. На основе результатов моделирования разработано программное обеспечение для выбора управляющий параметров процесса. Архитектурные особенности программы заключаются в реализации модульного подхода. Основные модули позволяют проводить идентификацию параметров математических моделей и проводить имитационное моделирование процесса. Для реализации модуля определения кинетических параметров модели использовался язык программирования Python. Модуль реализован в виде пользовательского интерфейса, который обеспечивает взаимодействие исследователя с системой. Язык Python является кроссплатформенным и обладает большим набором библиотек для решения различных задач математического моделирования промышленных процессов. Модуль для расчета температуры и степени вулканизации для каждого слоя реализует алгоритмы, учитывающие динамику внутри изделия и кинетику химических реакций, связанных с вулканизацией. В результате моделирования, получены рекомендованные управляющие параметры процесса, которые способствуют снижению времени и ресурсов, затрачиваемых на процесс производства.

В статье рассматривается процесс формирования моделей для оценки показателя качества с использованием метода анализа иерархий, в предметных областях, которые характеризуются связанными признаками. Применение классического метода анализа иерархий не позволяет формировать модели со связанными признаками. Целью работы является разработка и верификация численного метода, который позволит модифицировать модели, сформированные с использованием метода анализа иерархий и увеличить их точность благодаря учету связи признаков. Верификация разработанного метода выполнена на примере формирования моделей оценки опасности деструктивных программных воздействий вредоносных программ класса вредоносные утилиты на автоматизированные системы специального назначения органов внутренних дел. На основе метода анализа иерархий, исходя из результатов опроса специалистов в области обеспечения информационной безопасности, сформирована исходная модель. Выявлены связанные поведенческие паттерны вредоносных утилит, совместная реализация которых, приводит к повышению значения показателя опасности исследуемой альтернативы. Для исследования связанных признаков сформирована искусственная нейронная сеть прямого распространения. Гиперпараметры искусственной нейронной сети определены таким образом, чтобы получить достаточную точность при верификации. Разработан численный метод, позволяющий учитывать связанные признаки в моделях, разработанных с использованием метода анализа иерархий. С использованием численного метода выполнена модификация и верификация исходной модели. Для верификации модели использовался тестовый набор данных, сформированный в ходе опроса экспертов. Верификация численного метода показала непротиворечивость полученных результатов. Результаты исследования могут быть использованы специалистами для формирования моделей оценки показателя качества, при связанных признаках.