МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ В МОДЕЛЯХ КОНКУРЕНЦИИ (2023)
В настоящей статье рассматриваются аспекты применения методов машинного обучения к существующим способам моделирования поведения интеллектуальных агентов для обеспечения возможности агентам повысить показатели своей эффективности в моделях конкуренции. Практическая значимость исследования представлена разработкой подхода к моделированию поведения интеллектуальных агентов, за счет которого можно повысить эффективность их функционирования в таких сферах деятельности, как компьютерные игры, разработка беспилотных летательных аппаратов и поисковых роботов, изучение городской и транспортной мобильности, а также в прочих сложных системах. Проведен обзор существующих методов машинного обучения (обучение с подкреплением, глубокое обучение, Q-обучение) и способов моделирования поведения агентов (модель на правилах, конечно-автоматная модель поведения, деревья поведения). Выбрана наиболее подходящая к задаче комбинация метода обучения и модели поведения: деревья поведения и обучение с подкреплением. Средствами Unity реализована тестовая платформа, разработаны модели поведения четырех основных архетипов агентов, которые должны соревноваться в задаче сбора ресурсов в условиях ограниченного времени. Реализован обученный агент с помощью средств Unity ML и TensorFlow. На базе тестовой платформы проведена серия экспериментов в различных условиях: ограниченность, изобилие, среднее количество ресурсов. В рамках эксперимента тестировалась способность разработанной модели поведения интеллектуального агента выигрывать в условиях конкуренции с агентами, снабженными различными вариантами традиционных моделей поведения на базе деревьев поведения. Оценены работоспособность и преимущества использования разработанной модели поведения. Проанализированы результаты эксперимента, сделаны выводы относительно потенциала выбранной комбинации методов.
Идентификаторы и классификаторы
В число моделей на основе правил входят и более сложные реализации, правила в которых задаются на основе текущего состояния агента, его параметров и окружающей среды. В таком случае поведение будет более разнообразным и вариативным, однако останется предсказуемым [5].
Подход к моделированию на основе конечных автоматов предоставляет больше возможностей для построения вариативной модели поведения. Суть его заключается в определении основных возможных состояний агента (например, голод) и построении связей, по которым агент сможет переходить из одного состояния в другое.
Одна из наиболее известных реализаций игрового искусственного интеллекта на основе конечного автомата – Goal Oriented Action Planning (GOAP) [6]. Система появилась в 2005 году и была использована студией Monolith Productions в игре F.E.A.R. Позже вариации на тему этого подхода были применены в других играх, в том числе в S.T.A.L.K.E.R. и Fallout 3.
Список литературы
- Parygin D., Usov A., Burov S., Sadovnikova N., Ostroukhov P., Pyannikova A. Multi-agent approach to modeling the dynamics of urban processes (on the example of urban movements). Communications in Computer and Information Science. Proc. Int. Conf. EGOSE, 2019, vol. 1135, pp. 243ndash;257. DOI: 10.1007/978-3-030-39296-3_18 EDN: MJQQGA
- Бурова А.А., Буров С.С., Парыгин Д.С., Финогеев А.Г., Смирнова Т.В. Панель администрирования платформы многоагентного моделирования с возможностью построения графических отчетов // Int. J. of Open Information Technologies. 2021. Т. 9. № 12. С. 4ndash;14. EDN: HRJRRC
- Парыгин Д.С., Голубев А.В., Буров С.С., Анохин А.О., Финогеев А.Г. Платформа для моделирования массовых перемещений объектов и субъектов в условиях городской среды // Программные продукты и системы. 2021. Т. 34. № 2. С. 354ndash;364. DOI: 10.15827/0236-235X.134.354-364 EDN: GWRRGA
- Anokhin A., Burov S., Parygin D., Rent V., Sadovnikova N., Finogeev A. Development of scenarios for modeling the behavior of people in an urban environment. studies in systems, decision and control. In: Society 5.0: Cyberspace for Advanced Human-Centered Society, 2021, vol. 333, pp. 103ndash;114. 10.1007/ 978-3-030-63563-3_9. DOI: 10.1007/978-3-030-63563-3_9 EDN: MSXDSV
- Анохин А.О., Садовникова Н.П., Катаев А.В., Парыгин Д.С. Моделирование поведения агентов для реализации игрового искусственного интеллекта // Прикаспийский журнал: управление и высокие технологии. 2020. № 2. С. 85ndash;99. DOI: 10.21672/2074-1707.2020.50.2.096-110 EDN: NXRNGX
- Orkin J. Applying Goal-Oriented Action Planning to Games. URL: http://alumni.media.mit.edu/ ~jorkin/GOAP_draft_AIWisdom2_2003.pdf (дата обращения: 05.09.2022).
- OPSIVE. Behavior Trees or Finite State Machines. URL: https://opsive.com/support/documentation/ behavior-designer/behavior-trees-or-finite-state-machines/ (дата обращения: 25.08.2022).
- Behavior Trees for AI: How They Work. URL: https://www.gamasutra.com/blogs/ChrisSimpson/ 20140717/221339/Behavior_trees_for_AI_How_they_work.php (дата обращения: 15.08.2022).
- Building Your Own Basic Behavior Tree in Unity. URL: https://hub.packtpub.com/building-your-own-basic-behavior-tree-tutorial/ (дата обращения: 11.08.2022).
-
Ray S. A quick review of machine learning algorithms. Proc. COMITCon, 2019, pp. 35ndash;39. DOI: 10.1109/COMITCon.2019.8862451
-
Botvinick M., Ritter S., Wang J.X., Kurth-Nelson Z., Blundell Ch., Hassabis D. Reinforcement learning, fast and slow. Trends in Cognitive Sciences, 2019, vol. 23, no. 5, pp. 408ndash;422. 10.1016/j.tics. 2019.02.006. DOI: 10.1016/j.tics.2019.02.006
-
Yang Y., Wang J. An overview of multi-agent reinforcement learning from game theoretical perspective. ArXiv, 2020, art. 2011.00583. URL: https://arxiv.org/abs/2011.00583v1 (дата обращения: 16.08.2022).
-
How to Teach AI to Play Games: Deep Reinforcement Learning. URL: https://towardsdatascience.com/ how-to-teach-an-ai-to-play-games-deep-reinforcement-learning-28f9b920440a (дата обращения: 17.08.2022).
-
Jang B., Kim M., Harerimana G., Kim J.W. Q-learning algorithms: A comprehensive classification and applications. IEEE Access, 2019, vol. 7, pp. 133653ndash;133667. DOI: 10.1109/ACCESS.2019.2941229
-
Глубинное обучение: возможности, перспективы и немного истории. URL: https://habr.com/ company/it-grad/blog/309024/ (дата обращения: 18.08.2022).
-
An Introduction to Deep Q-Learning: Letrsquo;s Play Doom. URL: https://medium.freecodecamp.org/an-introduction-to-deep-q-learning-lets-play-doom-54d02d8017d8 (дата обращения: 31.08.2022).
-
Human-Level Control Through Deep Reinforcement Learning. URL: https://deepmind.com/research/ dqn/ (дата обращения: 18.08.2022).
-
Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. Ростов-на-Дону: РостИздат, 2006. 367 с. EDN: QKOKOP
-
Mirjalili S. Genetic algorithm. In: SCI, 2019, pp. 43ndash;55. DOI: 10.1007/978-3-319-93025-1_4 EDN: YJTORN
-
Жаравин Д.Е., Козин Д.Ю., Фомичев Д.Ю., Федотовский С.Б. Использование генетических алгоритмов для обучения искусственной нейронной сети // Вестн. ВоГУ. Сер.: Технические науки. 2019. № 2. С. 41ndash;43. EDN: FPUQZT
-
Трокоз Д.А. Алгоритм машинного обучения широких нейронных сетей с использованием алгебры гиперразмерных двоичных векторов и генетических алгоритмов // Южно-Сибирский научн. вестн. 2020. № 6. С. 148ndash;154.
-
Jaderberg M., Czarnecki W.M., Dunning I., Marris L. et al. Human-level performance in 3D multiplayer games with population-based reinforcement learning. Science, 2019, vol. 364, no. 6443, pp. 859ndash;865.
-
Ye D., Liu Z., Sun M., Shi B. et al. Mastering complex control in moba games with deep reinforcement learning. Proc. AAAI Conf. on Artificial Intelligence, 2020, vol. 34, no. 04, pp. 6672ndash;6679. 10.1609/ AAAI.V34I04.6144. DOI: 10.1609/AAAI.V34I04.6144
-
Gudmundsson S.F., Eisen Ph., Poromaa E., Nodet A. et al. Human-like playtesting with deep learning. Proc. IEEE Conference on CIG, 2018, pp. 1ndash;8. DOI: 10.1109/CIG.2018.8490442
-
Brown N., Bakhtin A., Lerer A., Gong Q. Combining deep reinforcement learning and search for imperfect-information games. Advances in Neural Information Processing Systems, 2020, vol. 33, pp. 17057ndash;17069.
-
Torrado R.R., Bontrager Ph., Togelius J., Liu J., Peacute;rez-Lieacute;bana D. Deep reinforcement learning for general video game AI. Proc. IEEE Conf. on CIG, 2018, pp. 1ndash;8. DOI: 10.1109/CIG.2018.8490422
-
Jin S. Research and application of multi-agent genetic algorithm in tower defense game. AIP Conf. Proc., 2018, vol. 1955, no. 1, art. 040138. DOI: 10.1063/1.5033802
-
Zhou M., Chen Y., Wen Y., Yang Y. et al. Factorized q-learning for large-scale multi-agent systems. Proc. I Int. Conf. on Distributed Artificial Intelligence, 2019, pp. 1ndash;7. DOI: 10.1145/3356464.3357707 EDN: VDGSGF
-
Qie H., Shi D., Shen T., Xu X., Li Y., Wang L. Joint optimization of multi-UAV target assignment and path planning based on multi-agent reinforcement learning. IEEE Access, 2019, vol. 7, pp. 146264ndash;146272. DOI: 10.1109/access.2019.2943253
-
Wenhong Z., Li J., Liu Z., Shen L. Improving multi-target cooperative tracking guidance for UAV swarms using multi-agent reinforcement learning. CJA, 2022, vol. 35, no. 7, pp. 100ndash;112. 10.1016/j.cja. 2021.09.008. DOI: 10.1016/j.cja.2021.09.008 EDN: TYONAS
-
Zhang Y., Zhuang Z., Gao F., Wang J., Han Z. Multi-agent deep reinforcement learning for secure UAV communications. Proc. IEEE WCNC, 2020, pp. 1ndash;5. DOI: 10.1109/WCNC45663.2020.9120592
-
Zhao W., Fang Z., Yang Z. Four-dimensional trajectory generation for UAVs based on multi-agent Q learning. J. of Navigation, 2020, vol. 73, no. 4, pp. 874ndash;891. DOI: 10.1017/S0373463320000016
-
Unreal Engine. URL: https://www.unrealengine.com/en-US (дата обращения: 25.08.2022).
-
Движок Unreal Engine ndash; особенности, преимущества и недостатки. URL: https://cubiq.ru/dvizhok-unreal-engine/ (дата обращения: 25.08.2022).
-
Juliani A., Berges V.-P., Teng E. Unity: a general platform for intelligent agents. ArXiv, 2018, art. 1809.02627. URL: https://arxiv.org/abs/1809.02627 (дата обращения: 25.08.2022).
Выпуск
Другие статьи выпуска
статье показаны проектирование и разработка подсистемы воспроизведения виртуальных тренажеров с биологической обратной связью в рамках построения инструментального комплекса для создания, воспроизведения и сопровождения иммерсивных виртуальных тренажеров с биологической обратной связью. Данная подсистема позволяет осуществлять запуск и функционирование разработанных тренажеров с возможностью погружения в виртуальную реальность. Кроме того, в системе предусмотрено взаимодействие с оборудованием биологической обратной связи, в рамках которого оператору доступны необходимые для работы инструменты запуска, управления и внесения изменений. Предлагаемая подсистема является частью большого программно-аппаратного комплекса. В рамках проектирования и разработки рассмотрено взаимодействие между тренажером, оборудованием и подсистемой воспроизведения с указанием используемых технических средств. Показан набор средств реализации с учетом прикладных систем и подсистем, которые в значительной степени могут определять рабочую нагрузку всей системы в целом и обеспечивать существенно новый уровень воспроизведения виртуальных тренажеров. Такой уровень потенциально способствует повышению комфорта и эффективности как для оператора, так и для пользователя. Разработанный программный комплекс можно использовать на всем промежутке функционирования тренажера в рамках его жизненного цикла. С использованием данного решения реализован виртуальный тренажер для выполнения работ на высоте, с помощью которого можно провести тестирование на акрофобию и профилактику тревожных расстройств с возможностью изменения параметров виртуальной среды в зависимости от состояния пользователя.
В статье рассмотрены проблемы создания панели управления для веб-проектов. Приведена реализация программного модуля, написанного на языке программирования PHP, позволяющего создавать панель администратора для веб-ресурсов без необходимости верстки элементов управления, за счет предустановленного в модуле шаблона Gentelella Admin (разработан и поддерживается Colorlib и AigarsSilkalns). Описанный модуль может использоваться как в проектах, построенных на базе популярной MVC-модели, так и в ресурсах, написанных на базе PHP-фреймворка. Панель управления включает множество типовых элементов управления (поля ввода, переключатели, таблицы, списки и т.п.) и может поддерживать пользовательские компоненты, добавляющие новые элементы управления. Цель исследования - оптимизация процесса разработки веб-проектов посредством применения созданного модуля. Предметом рассмотрения являются способы реализации административной панели веб-приложения. Представленный модуль позволяет генерировать коды HTML, CSS и JS для визуализации панели управления. Интерфейс пользователя задается в виде PHP-кода. В нем создаются объекты - элементы интерфейса, которые группируются в нужные разработчику формы и панели. Использование модуля позволяет уменьшить время на формирование панели управления, а также создавать приложения без навыков в верстке и организации работы клиентской стороны пользовательского интерфейса. Теоретическая значимость работы заключается в анализе типовых элементов панели администратора и описании принципов работы созданного модуля по генерации административной панели. Практическая значимость состоит в уменьшении времени разработки веб-проектов за счет применения модуля генерации панели управления.
В работе рассматривается задача автоматической разметки дорожной сцены для определения скорости объектов безрадарным методом на данных только с одной стационарной камеры. Помимо ограничения в количестве используемых камер - не более одной камеры для сцены, от решения требуется наличие возможности автоматического расчета разметки на микрокомпьютере. Для получения корректной разметки применяются расчет точек схода на основе анализа информации о подвижных участниках дорожной сцены и расчет матрицы преобразования для получения вида сверху на сцену. Под разметкой сцены понимается набор виртуальных линий на дорожном полотне, которые позволяют определять скорость транспортного средства при последовательном пересечении им этих линий. Совместное использование расчета точек схода и построения вида сверху дает возможность с минимальными вычислительными затратами получить требуемый результат с достаточной точностью, несмотря на проблемы из-за перспективы изображения. В работе показана применимость подхода для автоматической разметки дорожных сцен с целью определения скорости на устройствах различного типа, таких как платформы c архитектурой x86 и микрокомпьютеры Nvidia Jetson. Отличительной особенностью метода является полная автоматизация разметки, при которой все этапы реализуются автоматически без помощи оператора. К тому же метод не требует никаких предварительных расчетов, связанных с учетом характеристик камеры, на которую ведется съемка. Возможность развертывания предложенного решения на микрокомпьютерах позволяет масштабировать различные системы мониторинга и анализа дорожной инфраструктуры, а для добавления в систему новой локации достаточно установить единое устройство, объединяющее как устройство ввода (камеру), так и вычислитель (микрокомпьютер).
В сложных энергетических системах используется большое количество различных потребителей с нелинейной нагрузкой, в основном являющихся сложными техническими и дорогостоящими устройствами. Из-за нелинейности нагрузки таких потребителей в сети возникают электромагнитные помехи, которые негативно влияют на работу. Вследствие их воздействия зачастую могут значительно снижаться качество сигналов и питания, а также срок службы устройств. Из-за электромагнитных помех, возникающих в слаботочных сигналах управления силовыми элементами, существует вероятность возникновения короткого замыкания в преобразователях частоты, которое приводит к полному выводу устройства из строя. Для снижения влияния электромагнитных помех на приборы зачастую применяют пассивную либо активную фильтрацию. Данная статья посвящена разработке и проектированию экспериментального образца активного фильтра для использования его в слаботочных цепях преобразователей частоты, а также разработке алгоритма работы системы управления активным фильтром. Метод исследования заключался в обзоре существующих решений, чтобы понять, как работают алгоритмы на других устройствах. Система управления, под которую разрабатывался алгоритм, реализована на отладочной платформе STM32F411E-DISCO. Такое решение позволит преодолеть проблемы, возникающие в процессе реализации устройства активного фильтра. Алгоритм работы для данного фильтра разрабатывался в программном комплексе MATLAB, благодаря чему нет необходимости в его дальнейшем переводе в код на языке С++, который загружается в микроконтроллер.
Задача детектирования объектов является общей для любого типа изображений, отличаются только показатели качества детектирования и технологическое обеспечение процесса. Базой для данного исследования послужили материалы аэрофотосъемки промышленных объектов. Камеральная обработка снимков аэрофотосъемки путем перекрытия исходных фотоснимков для получения ортофотопланов отснятой местности является сложным и затратным процессом, автоматизация которого носит фрагментарный характер. Настоящая статья содержит решение по автоматизации этапа построения контуров промышленных объектов в рамках процесса их детектирования на ортофотоплане. В качестве подхода, обеспечивающего автоматизацию, использовано моделирование обученной сверточной нейронной сети с одноэтапным прохождением по SSD-алгоритму и на основе метода обратного распространения ошибки. Результатом работы стал программный комплекс, способный выделить и классифицировать несколько объектов на ортофотоплане. Описаны типы и способы хранения генерируемых данных для оптимальной работы с программным комплексом, а также процесс перехода от системы координат снимка к пространственной системе координат с использованием файлов привязки ортофотопланов. Практическая значимость результатов заключена в том, что все шаги по разработке программного комплекса описаны: приведено обоснование выбора технологий и алгоритмов, выявлены и сформулированы требования к программному комплексу, описан процесс обучения нейронной сети, приведена структура проекта. Это позволяет не только воспроизвести предложенное решение задачи автоматизации, но и масштабировать его с учетом входных параметров детектирования промышленных объектов на ортофотопланах.
Работа посвящена повышению эффективности выполнения современных расчетных приложений на высокопроизводительных вычислительных системах. В качестве инструмента повышения эффективности рассматривается векторизация программного кода. С ее помощью однотипные скалярные операции объединяются в векторные аналоги, кратно повышая производительность. Целевой платформой являются современные микропроцессоры Intel, для которых поддержан уникальный набор векторных инструкций AVX 512. Предлагается подход к векторизации газодинамического решателя, использующего метод погруженных границ и противопотоковую схему Steger-Warming в трехмерном виде. Решатель обладает сложным программным контекстом, автоматическая векторизация которого невозможна. Рассматриваются реализация решателя, а также подходы к организации кода и приведению его к виду, пригодному для автоматической векторизации компилятором icc. Для обеспечения автоматического применения векторизации к программному коду решателя были применены три основных эквивалентных преобразования. Во-первых, вычисления, одинаковые для всех итераций проведения расчетов, включая матричные операции, были локализованы и вынесены на этап подготовки вычислений. Во-вторых, основные функции решателя были организованы в виде плоских циклов, а структуры данных представлены в виде наборов массивов. В-третьих, к гнездам циклов была применена оптимизация расщепления по условию, с помощью которой можно уменьшить степень разветвленности управления внутри тела цикла. Данные преобразования позволяют компилятору автоматически применять векторизацию кода. В результате выполненной работы достигнуто ускорение решателя в три раза за счет векторизации при вычислениях на вещественных числах двойной точности.
В работе рассмотрена проблема выбора оптимального режима видеомониторинга при использовании моделей нейронных сетей в качестве распознавателя, когда на видеопотоке в разные моменты времени эффективнее оказываются разные модели. Задачи видеомониторинга различные, при этом условия получения данных отличаются, что можно выразить в понятии сложности распознавания. Оценка сложности распознавания в мониторинге позволяет сэкономить вычислительные ресурсы и тем самым удешевить их внедрение и использование. Оценив среднюю сложность распознавания, можно выбрать оптимальный по скорости и достоверности режим распознавания при постобработке, когда время на нее ограничено. Решение проблемы показано на задаче детектирования объектов двух типов с использованием моделей YOLOv5, когда видеопоток должен обрабатываться в реальном времени с минимальной задержкой при выдаче результата после каждого кадра. Проанализированы метрики, используемые при детектировании объектов, на предмет возможности оценки достоверности результатов, когда нет конечных сведений о том, что это за объект. Выбран критерий эффективности на основе суммы компонент F1-score и затрат на вычислительные ресурсы, позволяющий оценить эффективность модели для конкретных объектов. Показана зависимость критерия эффективности от F1-score для двух моделей. Приведены результаты тестирования двух моделей и динамического режима, основанного на выборе подходящей модели в зависимости от объекта на входе. Описаны ограничения подхода, который может быть использован только на потоковом распознавании, когда поступающие на распознавание изображения лишь немного отличаются от предыдущих. Сделан вывод о применимости подхода для ряда задач при соблюдении ограничений.
Предметом исследования является радиолокационное сопровождение распределенных объектов, а именно групп малых беспилотных летательных аппаратов. Особенность таких объектов заключается в их сложном составе, а также в непривычном для большинства классических летательных аппаратов характере движения. Методом исследования выбрано имитационное моделирование, позволяющее оценивать результативность различных алгоритмов радиолокационного сопровождения и классификации в выбранных условиях. В статье представлена организация процесса имитационного моделирования функционирования средств радиолокационного наблюдения в режимах обнаружения, измерения, сопровождения и классификации. Дано описание взаимодействия аналитических моделей, приведены результаты моделирования. Они получены с помощью традиционных методов обработки результатов экспериментов с учетом их необходимого количества для получения значений вероятностей в доверительном интервале не более 0,01 от полученного значения с доверительной вероятностью не менее 0,8. Оценена результативность самых часто используемых алгоритмов сопровождения - фильтр Калмана, расширенный фильтр Калмана, парциальный фильтр, α-β-γ-алгоритм, а также алгоритмов классификации - оптимальный байесовский алгоритм, ветвящийся алгоритм, алгоритм Витерби, алгоритм Саврасова. В модели, в отличие от известных, учитывается влияние всех отражений и переотражений зондирующего сигнала от элементов распределенного объекта. По результатам проведенного моделирования можно заключить, что среди алгоритмов сопровождения наиболее результативными являются алгоритмы, основанные на парциальном фильтре и расширенном фильтре Калмана, а среди алгоритмов классификации алгоритм Саврасова. Однако, исходя из требований, предъявляемых к результативности радиолокационных средств, ни один из рассмотренных алгоритмов не обеспечивает необходимое качество в описанных условиях. Это говорит о необходимости усовершенствования научно-методического аппарата радиолокационной траекторной обработки.
В статье рассматриваются вопросы реализации алгоритма распределения вычислительных задач по множеству распределенных вычислительных ресурсов с последующей агрегацией результатов. Данный алгоритм является ключевым в рамках проекта реализации центра обработки данных на принципах экономики совместного потребления. Прототип механизма реализован на языке Python 3.8 с применением СУБД PostgreSQL 14, система передачи сообщений - на базе RabbitMQ 3.9. В качестве платформы вычислительных узлов выступает ОС CentOS 8 Stream. Цель работы заключается в реализации масштабируемого механизма выполнения распределенных вычислений для применения в качестве основного средства распределения задач и агрегации результатов в рамках исследуемого облика центра обработки данных на принципах экономики общественного потребления. Предметом исследования являются методы резервирования и применения вычислительных мощностей, а также агрегации результатов работы программных алгоритмов. Предложенный механизм решает задачу распределения вычислений с последующей агрегацией результатов среди вычислительных узлов с различными техническими характеристиками. Реализуется интерфейс, пригодный для интеграции в клиентские информационные системы как средство выгрузки вычислений с доступом в формате REST API-шлюза. Теоретическая значимость работы заключается в комбинировании существующих принципов и идей Edge-вычислений для решения иного класса задач, где проблемой является недостаток вычислительного ресурса для задач информационной системы, а не характеристик имеющейся модели. Практическая значимость состоит в разработке прикладного инструмента применения внешних вычислительных мощностей для решения широкого класса клиентских задач. Это открывает возможность организации коммерческого взаимодействия владельцев неиспользуемых вычислительных ресурсов и владельцев информационных систем, испытывающих недостаток вычислительных мощностей.
Проведение данного исследования обусловлено проблемой отсутствия средств визуализации интенсивности взаимодействия пользователей социальной сети «ВКонтакте», а именно отображения метрик, позволяющих оценивать и ранжировать интенсивность взаимодействия как между пользователем и его друзьями, так и друзей друг с другом. Целью является повышение доступности и оперативности анализа интенсивности взаимодействия между пользователями через автоматизацию визуализации социального графа. При этом предполагается, что числовым коэффициентам дуг социального графа будет сопоставлена оценка интенсивности взаимодействия пользователей на основе данных, извлекаемых из общедоступных источников социальной сети «ВКонтакте». Для достижения поставленной цели были рассмотрены вопросы оптимизации агрегации необходимых данных, программной реализации функций для построения социального графа, наглядного отображения интенсивности взаимодействия пользователей с возможностью выбора интересующих метрик, создания удобного интерфейса и встраивания разработанного инструментария в веб-приложение. Предметом исследования являются данные о взаимодействии между пользователями сети «ВКонтакте» и способы их визуализации. Методы работы основаны на оптимизации отправки запросов к интерфейсу API «ВКонтакте», а также на разработке функций и настроек для построения социального графа. Теоретическая значимость предлагаемого решения заключается в развитии подходов к анализу распространения многоходовых социоинженерных атак и апробированию моделей оценки интенсивности взаимодействия пользователей. Существенная практическая значимость состоит в автоматизации процесса оценки интенсивности взаимодействия сотрудников для принятия эффективных мер по нивелированию рисков успешной реализации социоинженерных атак. Новизна исследования - в улучшении визуализации построения социального графа пользователей «ВКонтакте» через добавление новых метрик для оценки интенсивности взаимодействия пользователей.
В работе рассматривается проблема развития семантической библиотеки путем добавления новой прикладной научной области. На примере журнала по прикладным вопросам композиционных материалов строится дополнение к основному контенту библиотеки, расширяется описание исходной предметной области и происходит детализация статей УДК и MSC, соответствующих локальной предметной области. При этом решаются задачи добавления терминов в тезаурус, построения эталонного корпуса прикладной предметной области математики, создания настраиваемого интерфейса. Формулы и уравнения локальной предметной области семантически связываются с основным контентом библиотеки. Главное преимущество использования семантических библиотек для подобного рода задач состоит в обогащении имеющейся базы знаний библиотеки и выявлении связей в данных. Реализация перечисленных задач ведется средствами семантической библиотеки LibMeta, что позволяет обсуждать такие понятия, как тематическая область/подобласть и их иерархические связи, в частности, автоматическое включение понятий охватывающей области в систему знаний подобласти, возможности персонализации построенных конструкций и использования LibMeta как инструмента построения, в частности, собственно онтологии. Исследование этих задач требует взаимодействия с экспертами предметной области и использования современных средств и методов обработки естественного языка, машинного обучения подходов к представлению знаний. Интеграция данных в рамках библиотеки позволяет расширять описание предметных областей, связанных с приложениями математики в междисциплинарных исследованиях и технологиях. Для одного из прикладных разделов задач математической физики показана процедура включения специфических словарей, тезаурусов, а также массива публикаций специализированного журнала в семантическую библиотеку. Предлагаемый подход позволит использовать контент семантической библиотеки «математика» для научных исследований, минимизируя процесс поиска информации в локальной предметной области без потери более общих результатов, содержащихся за пределами этой области.
Расширение сетевых услуг обусловливает существенное повышение требований к качеству и скорости решения задач сетевого управления постоянно растущими сетями в центрах обработки данных. Рост нагрузки приводит к необходимости структурного масштабирования, заключающегося в увеличении количества серверов и маршрутизаторов. Существует потребность в простых масштабируемых протоколах маршрутизации для облегчения автоматизации и управления постоянно растущими сетями, особенно в центрах обработки данных. Целью работы является представление разработанного гибридного протокола динамической маршрутизации, включающего модернизированный алгоритм дистанционно-векторной маршрутизации и алгоритм состояния канала. В статье показано решение проблем разработки гибридного протокола динамической маршрутизации, который гарантирует отсутствие циклов, обеспечивает требования масштабирования посредством разработки и реализации простых алгоритмов, позволяющих обеспечить надежную передачу рабочего и служебного трафиков, содержащих информацию о маршруте, и обнаружить подключенные к текущему маршрутизатору каналы, сети и непосредственно подключенные соседние маршрутизаторы. Требования масштабируемости нового гибридного протокола динамической маршрутизации выполняются за счет того, что алгоритм дистанционно-векторной маршрутизации вычисляет расстояния до узлов инфраструктуры, а не сами сетевые префиксы. Объявление сетевых префиксов производится алгоритмом состояния канала только один раз, что приводит к уменьшению БД о состоянии канала и к сокращению вычислений после изменения топологии. Исключение петель достигается за счет внедрения нового разработанного алгоритма распределенных порядковых номеров. Для моделирования гибридного протокола динамической маршрутизации разработана имитационная модель. Моделирование позволило оценить количество и объем служебного трафика, что подтвердило эффективность функционирования разработанного протокола в условиях масштабирования сети центров обработки данных.
Предметом исследования является авторская информационно-вычислительная система WICS для оценки влияния объектов энергетики на окружающую среду. В статье обоснована необходимость как выполнения этих оценок, так и разработки соответствующей системы. При построении информационно-вычислительной системы использованы методы построения клиент-серверных веб-приложений для оптимизации требований к компьютерам пользователей и организации коллективной работы, а также методы построения мультиагентных систем для оптимизации расчетов. Для реализации БД применен онтологический инжиниринг предметных областей - энергетики и экологии. В статье показана архитектура созданной системы, описаны разработанные информационные подсистемы, основанные на утвержденных нормативных методиках, для выполнения расчетов (оценок). Для интерполяции результатов анализа проб снега на содержание загрязняющих веществ применен эмпирический байесовский кригинг. Приведены результаты апробации разработанной информационно-вычислительной системы на примере данных по Центральной экологической зоне Байкальской природной территории. Предлагаемая система может быть использована как для проведения оценок текущей ситуации с загрязненностью окружающей среды объектами энергетики, так и при планировании мероприятий по снижению их вредного воздействия или вводе новых генерирующих мощностей.
В работе описана стратегия проектирования интеллектуальных систем управления на основе технологий квантовых и мягких вычислений. Представлен синергетический эффект квантовой самоорганизации робастной базы знаний, извлеченной из несовершенных баз знаний интеллектуального нечеткого регулятора. Разработанная технология повышает надежность интеллектуальных когнитивных систем управления в непредвиденных ситуациях управления, например, с различными типами взаимодействующих роботов. Наглядные примеры продемонстрировали эффективное внедрение схемы квантового нечеткого логического вывода в качестве готового программируемого алгоритмического решения для систем управления нижнего исполнительного уровня, встроенных в стандартную плату, а также квантовое превосходство квантового интеллектуального управления классическими объектами управления, расширяя тезис Фейнмана-Манина. Обсуждается корректная физическая интерпретация процесса управления самоорганизацией на квантовом уровне на основе квантовых информационно-термодинамических моделей обмена и извлечения квантовой (скрытой) ценной информации из/между классическими траекториями частиц в модели «рой взаимодействующих частиц». Продемонстрирован новый информационный синергетический эффект: из двух ненадежных баз знаний нечеткого регулятора в режиме реального времени создается робастная база знаний квантового нечеткого регулятора. Этот эффект имеет чисто квантовую природу и использует скрытую квантовую информацию, извлеченную из классических состояний. Обсуждаются основные физические и информационно-термодинамические аспекты модели квантового интеллектуального управления классическими объектами управления.
В работе рассматривается методология проектирования интеллектуальных когнитивных систем управления сложными динамическими системами. Кратко описаны информационные и термодинамические подходы, объединяющие однородным условием критерии динамической устойчивости, управляемости и робастности. Обозначены проблемы обучения и адаптации нечеткого регулятора, которые являются актуальными в современной теории управления. Многие существующие решения используют модели искусственных нейронных сетей, основанные на алгоритме обратного распространения ошибки, многослойной структуре Кохонена и т.д. К сожалению, подобные алгоритмы не гарантируют требуемого уровня надежности и точности управления в сложных и непредвиденных ситуациях. Предложено одно из решений проблемы разработки системы когнитивного управления. Оно заключается в поиске конструктивного решения задач проектирования баз знаний и интеллектуального робастного когнитивного управления в заданном проблемно-ориентированном приложении. Сравниваются различные типы регуляторов, в том числе интеллектуальный регулятор на основе эмоционального обучения мозга. Описаны преимущества проектирования робастных баз знаний на основе программно-алгоритмического комплекса Оптимизатор баз знаний (SCOptKBTM) на мягких вычислениях. Рассматривается одна из ключевых задач современной робототехники - разработка технологий когнитивного взаимодействия, позволяющих выполнять интеллектуальные функции управления за счет перераспределения знаний и управления на программном уровне. На практическом примере показана эффективность предложенной гибридной когнитивной системы управления, повышающей точность и надежность распознавания ментальных команд.
В статье предлагается интеллектуальная система (программно-аналитический комплекс) на основе искусственной нейронной сети для управления учебным процессом на данных, полученных от структурных подразделений организации. Для моделирования совершенствования бизнес-процессов используется цикл Деминга. Представлена структура (модель) программно-аналитического комплекса, позволяющего выявить и проследить связанные друг с другом вертикальные и горизонтальные процессы, что дает формализованное описание системы, удовлетворяющее требованиям алгоритма. Построена онтологическая модель структуры комплекса программной аналитики, которая увязывается с набором решений с использованием баз данных и знаний и разбивается на классы объектов и категории с иерархическими отношениями между ними. Чтобы поделиться этими знаниями, в SAC необходимо предоставить их конкретное описание. Оно должно быть достаточно формальным, понятным для другой системы и написано на том же языке. Новизна заключается в решении задачи интеграции информационных систем, связанных со слабоструктурированными предметно-ориентированными информационными потоками образовательного учреждения, с использованием методов теории множеств и теории категорий. Описание свойств отношений между объектами учета происходит на высоком уровне абстракции, появляется возможность существенно расширить сферу применения предлагаемого метода построения программно-аналитического комплекса на основе онтологической модели для различных предметных областей с учетом многоуровневого рассмотрения самой предметной области, а также конечных и бесконечных областей значений. При этом автоматически определяется необходимый уровень абстракции для обеспечения структурной и параметрической целостности формируемой системы и интерпретации возникающих задач анализа данных, представленных семантическими моделями.
Издательство
- Издательство
- НИИ ЦПС
- Регион
- Россия, Тверь
- Почтовый адрес
- просп. Николая Корыткова, 3А
- Юр. адрес
- 170024, город Тверь, проспект Николая Корыткова, д. 3А
- ФИО
- Куприянов Кирилл Валерьевич (Руководитель)
- E-mail адрес
- info@cps.tver.ru
- Контактный телефон
- +7 (482) 2399182
- Сайт
- https://cps.tver.ru