МАТРИЧНО-КУБИТНЫЙ АЛГОРИТМ СЕМАНТИЧЕСКОГО АНАЛИЗА ВЕРОЯТНОСТНЫХ ДАННЫХ (2024)
В статье представлен метод семантического анализа данных посредством комплекснозначного матричного разложения. Метод основан на квантовой модели контекстно-чувствительных решений, согласно которой наблюдаемые вероятности порождаются кубитными состояниями, представляющими субъективный смысл контекстов для базисного решения. В простейшем трёхконтекстом случае один из кубитов раскладывается в суперпозицию оставшихся двух, математически представляющую смысловые отношения между контекстами. Для использования в задаче анализа данных эта модель представлена в матричной форме так, что строки и столбцы соответствуют контекстам и постановкам эксперимента. При этом наблюдаемые действительные данные порождаются матрицей комплекснозначных амплитуд, раскладываемой на произведение действительной матрицы базисных векторов и комплекснозначной матрицы коэффициентов суперпозиции. Это разложение выявляет устойчивые процессно-смысловые соотношения контекстов, не обнаруживаемые другими методами. В результате данные воспроизводятся более точно и с меньшим числом параметров, чем при использовании сингулярного и неотрицательного матричных разложений той же размерности. Модель успешно испытана в описательном и предсказательном режимах. Результат открывает возможности для разработки природоподобных вычислительных архитектур на новых логических принципах.
Идентификаторы и классификаторы
- eLIBRARY ID
- 69174194
Характерным свойством современных вычислительных систем является большая ресурсоёмкость, для многих практических задач требующая суперкомпьютерных мощностей. В шахматах и го, например, естественное мышление показывает сходные результаты с несравненно меньшим энергопотреблением и объёмом обучающих данных. С другой стороны, современная вычислитиельная парадигма не позволяет воспроизвести поведение нематоды Caernohabditis elegans, нервная система которого из 302 нейронов полностью картирована 38 лет назад [1]. Эти результаты указывают на принципиальное несовершенство современных имитаций естественного интеллекта, эффективность которого во многих случаях остаётся недостижимой.
Данная трудность мотивирует разработку методов анализа данных на новых логических принципах, более соответствующих работе естественного мышления. В качестве таковых рассматриваются законы оптическо-голографических и квантово-физических процессов, позволяющих использовать новые форматы кодирования и алгоритмы обработки информации [2—4]. В отличие от квантовых вычислений [5], этот подход не всегда требует использования новых типов материальных носителей. Такие системы не ведут к ускорению, характерному для квантовых компьютеров, однако позволяют добиваться прогресса в когнитивно-поведенческом моделировании благодаря лучшему соответствию с принципами естественного мышления [4, 6].
Список литературы
-
S. D. Larson, P. Gleeson, and A. E. X. Brown, “Connectome to Behaviour: Modelling Caenorhabditis Elegans at Cellular Resolution”, Philosophical Transactions of the Royal Society B: Biological Sciences, vol. 373, no. 1758, p. 20170366, 2018,. DOI: 10.1098/rstb.2017.0366 EDN: YKLGSD
-
O. P. Kuznetsov, “Nonclassical Paradigms in the Artificial Intelligence”, Teoriya i Sistemy Upravleniya, no. 5, pp. 3-23, 1995.
-
A. Pavlov, “Fourier Holography Techniques for Artificial Intelligence”, in Advances in Information Optics and Photonics, 2010, pp. 251-269.
-
D. Widdows, K. Kitto, and T. Cohen, “Quantum Mathematics in Artificial Intelligence”, Journal of Artificial Intelligence Research, vol. 72, pp. 1307-1341, 2021,. DOI: 10.1613/jair.1.12702 EDN: STOBRQ
-
A. Melnikov, M. Kordzanganeh, A. Alodjants, and R.-K. Lee, “Quantum Machine Learning: From Physics to Software Engineering”, Advances in Physics: X, vol. 8, no. 1, 2023,. DOI: 10.1080/23746149.2023.2165452 EDN: LVTKLX
-
A. Y. Khrennikov, Ubiquitous Quantum Structure: From Psychology to Finance. Berlin, Heidelberg: Springer Berlin Heidelberg, 2010.
-
I. A. Surov, “Logic of Sets and Logic of Waves in Cognitive-Behavioral Modeling”, Information and Mathematical Technologies in Science and Management, vol. 32, no. 4, pp. 51-66, 2023,. DOI: 10.25729/ESI.2023.32.4.005 EDN: CCHZZV
-
A. K. Guts, Fundamentals of Quantum Cybernetics. KAN, 2008.
-
A. Hirose, Ed., Complex-Valued Neural Networks. Theories and Applications. World Scientific, 2003.
-
J. J. Denimal and S. Camiz, "Complex Principal Component Analysis: Theory and Geometrical Aspects", Journal of Classification, vol. 39, no. 2, pp. 376-408, 2022,. DOI: 10.1007/s00357-022-09412-0 EDN: RUANBP
-
S. Kozhisseri and I. A. Surov, "Quantum-Probabilistic SVD: Complex-Valued Factorization of Matrix Data", Scientific and Technical Journal of Information Technologies, Mechanics and Optics, vol. 22, no. 3, pp. 567-573, 2022,. DOI: 10.17586/2226-1494-2022-22-3-567-573 EDN: NFHAWW
-
B. Wang, Q. Li, M. Melucci, and D. Song, "Semantic Hilbert Space for Text Representation Learning", in Proceedings of the World Wide Web Conference, 2019, pp. 3293-3299,. DOI: 10.1145/3308558.3313516
-
D. D. Lee and H. S. Seung, "Learning the Parts of Objects by Non-Negative Matrix Factorization", Nature, vol. 401, no. 6755, pp. 788-791, 1999,. DOI: 10.1038/44565
-
I. A. Surov, "Natural Code of Subjective Experience", Biosemiotics, vol. 15, no. 1, pp. 109-139, 2022,. DOI: 10.1007/s12304-022-09487-7 EDN: EWWHAN
-
I. A. Surov, "What Is the Difference? Pragmatic Formalization of Meaning", Artificial intelligence and decision making, no. 1, pp. 78-89, 2023,. DOI: 10.14357/20718594230108 EDN: CRBBBS
-
A. Tversky and E. Shafir, "The Disjunction Effect in Choice Under Uncertainty", Psychological Science, vol. 3, no. 5, pp. 305-309, 1992,. DOI: 10.1111/j.1467-9280.1992.tb00678.x
-
I. A. Surov, "Quantum Cognitive Triad: Semantic Geometry of Context Representation", Foundations of Science, vol. 26, no. 4, pp. 947-975, 2021,. DOI: 10.1007/s10699-020-09712-x EDN: MXTHQZ
-
I. A. Surov, "Probabilistic Prediction of ‘Irrational' Decisions from Semantic Composition of Contexts", Journal of Applied Informatics, vol. 19, no. 1, pp. 125-143, 2024,. DOI: 10.37791/2687-0649-2024-19-1-125-143 EDN: HYVEEY
-
N. Gillis, Nonnegative Matrix Factorization. Society for Industrial and Applied Mathematics, 2020.
-
I. A. Surov, "Life Cycle: Semantic Matrix of Process Modeling", Ontology of designing, vol. 12, no. 4, pp. 430-453, 2022,. DOI: 10.18287/2223-9537-2022-12-4-430-453x EDN: JNRRCT
-
C. Zhu, R. H. Byrd, P. Lu, and J. Nocedal, "Algorithm 778: L-BFGS-B: Fortran Subroutines for Large-Scale Bound- Constrained Optimization", ACM Transactions on Mathematical Software, vol. 23, no. 4, pp. 550-560, 1997,. DOI: 10.1145/279232.279236 EDN: KSAUKL
Выпуск
Другие статьи выпуска
В статье рассматриваются неориентированные кратные графы произвольной натуральной кратности k>1. Кратный граф содержит ребра трех типов: обычные, кратные и мультиребра. Ребра последних двух типов представляют собой объединение k связанных ребер, которые соединяют 2 или (k+1) вершину соответственно. Связанные ребра могут использоваться только согласованно. Если вершина инцидентна кратному ребру, то она может быть инцидентна другим кратным ребрам, а также она может быть общим концом k связанных ребер мультиребра. Если вершина является общим концом мультиребра, то она не может быть общим концом никакого другого мультиребра. Рассматривается задача об эйлеровом маршруте (цикле или цепи) в кратном графе, которая обобщает классическую задачу для обычного графа. Задача о кратном эйлеровом маршруте является NP-трудной. Обоснована полиномиальность двух подклассов задачи о кратном эйлеровом маршруте, разработаны полиномиальные алгоритмы. В первом подклассе задано ограничение на множества достижимости по обычным ребрам, которые представляют собой подмножества вершин, соединенных только обычными ребрами. Во втором подклассе задано ограничение на степень квазивершин в графе с квазивершинами. Структура этого обычного графа отражает структуру кратного графа, а каждая квазивершина определяется k индексами множеств достижимости по обычным ребрам, которые инцидентны какому-то мультиребру.
Приводятся оценки для минимальной нормы проектора при линейной интерполяции на компакте в Rn. Пусть Π1(Rn) - пространство многочленов от n переменных степени не выше 1, Ω - компакт в Rn, K=conv(E). Будем предполагать, что vol(K)>0. Пусть точки x(j)∈Ω, 1≤j≤n+1, являются вершинами n-мерного невырожденного симплекса. Интерполяционный проектор P:C(Ω)→Π1(Rn) с узлами x(j) определяется равенствами Pf(x(j))=f(x(j)). Под ∥P∥Ω будем понимать норму P как оператора из C(Ω) в C(Ω. Через θn(Ω) обозначим минимальную норму ∥P∥Ω из всех операторов P с узлами, принадлежащими Ω. Через simp(Ω) обозначим максимальный объём симплекса с вершинами в Ω. Устанавливаются неравенства χ−1n(vol(K)simp(Ω))≤θn(Ω)≤n+1. Здесь χn - стандартизованный многочлен Лежандра степени n. Нижняя оценка доказывается с применением полученной характеризации многочленов Лежандра через объёмы выпуклых многогранников. Именно, мы показываем, что при γ≥1 объём многогранника \left{x=(x_1,...,x_n)\in{\mathbb R}^n : \sum |x_j| +\left|1- \sum x_j\right|\le\gamma\right} равен χn(γ)/n!. В случае, когда Ω - n-мерный куб или n-мерный шар, нижняя оценка даёт возможность получить неравенства вида θn(Ω)⩾cn√. Формулируются некоторые открытые вопросы.Приводятся оценки для минимальной нормы проектора при линейной интерполяции на компакте в Rn. Пусть Π1(Rn) - пространство многочленов от n переменных степени не выше 1, Ω - компакт в Rn, K=conv(E). Будем предполагать, что vol(K)>0. Пусть точки x(j)∈Ω, 1≤j≤n+1, являются вершинами n-мерного невырожденного симплекса. Интерполяционный проектор P:C(Ω)→Π1(Rn) с узлами x(j) определяется равенствами Pf(x(j))=f(x(j)). Под ∥P∥Ω будем понимать норму P как оператора из C(Ω) в C(Ω. Через θn(Ω) обозначим минимальную норму ∥P∥Ω из всех операторов P с узлами, принадлежащими Ω. Через simp(Ω) обозначим максимальный объём симплекса с вершинами в Ω. Устанавливаются неравенства χ−1n(vol(K)simp(Ω))≤θn(Ω)≤n+1. Здесь χn - стандартизованный многочлен Лежандра степени n. Нижняя оценка доказывается с применением полученной характеризации многочленов Лежандра через объёмы выпуклых многогранников. Именно, мы показываем, что при γ≥1 объём многогранника \left{x=(x_1,...,x_n)\in{\mathbb R}^n : \sum |x_j| +\left|1- \sum x_j\right|\le\gamma\right} равен χn(γ)/n!. В случае, когда Ω - n-мерный куб или n-мерный шар, нижняя оценка даёт возможность получить неравенства вида θn(Ω)⩾cn√. Формулируются некоторые открытые вопросы.
Статья продолжает цикл публикаций по разработке и верификации управляющих программ на основе LTL-спецификаций специального вида. Ранее для описания строго детерминированного поведения программ была предложена декларативная LTL-спецификация, проработаны способы её верификации и трансляции: для верификации используется инструмент проверки модели nuXmv, трансляция осуществляется в императивный язык программирования ST для программируемых логических контроллеров. При верификации декларативной LTL-спецификации поведения программ может возникнуть необходимость в моделировании поведения её окружения. В общем случае требуется обеспечить возможность построения замкнутых систем «программа-окружение». В настоящей работе для описания поведения окружения программ логического управления предложена LTL-спецификация ограниченно недетерминированного поведения булевой переменной. Данная спецификация позволяет задавать поведение булевых сигналов обратной связи, а также условия справедливости для исключения нереалистичных сценариев поведения. В статье предлагается подход к разработке и верификации программ логического управления, в рамках которого модель поведения окружения программы описывается в виде ограничений на поведение её входных сигналов, что позволяет избежать отдельного детального представления процессов функционирования окружения. В результате полученная модель поведения замкнутой системы «программа-окружение» даёт ряд преимуществ: упрощение процесса моделирования, сокращение пространства состояний проверяемой модели, снижение времени верификации. При невозможности сведения поведения окружения к поведению имеющихся входных сигналов данный подход предполагает применение «мнимых» датчиков - дополнительных булевых переменных, использующихся как вспомогательное средство для описания поведения входных сигналов. Цель введения мнимых датчиков состоит в компенсации недостающих датчиков для отслеживания специфического поведения отдельных элементов окружения, которое необходимо учесть при задании реалистичного поведения входов программы логического управления. Предложенный подход к разработке и верификации программ с учётом поведения окружения (объекта управления) демонстрируется на примере промышленной установки для литья пластмасс.
В работе сравнивается качество работы различных методов определения неявно упоминаемых аспектов социально-экономической жизни в публицистических предложениях на русском языке. Задача определения неявно упоминаемых аспектов является вспомогательной для задач аспектно-ориентированного анализа тональности. Эксперименты проводились на корпусе предложений, извлечённых из политической агитации. Лучшие результаты, с F1-мерой, достигающей 0.84, были получены с использованием эмбеддингов Navec и классификаторов, основанных на методе опорных векторов. Достаточно высокие результаты, с F1-мерой до 0.77, были получены при использовании модели «мешок слов» и наивного байесовского классификатора. Остальные методы показали более низкие результаты. Также в ходе экспериментов было выявлено, что качество определения различных аспектов может достаточно сильно отличаться. Лучше всего определяются аспекты, с которыми в речи связаны характерные слова-маркеры, например, «здравоохранение» и «проведение выборов» Хуже всего определяются упоминания достаточно общих аспектов, таких как «качество управления».
Издательство
- Издательство
- ЯрГУ им. П.Г. Демидова
- Регион
- Россия, Ярославль
- Почтовый адрес
- 150003, Ярославль, Советская, 14,
- Юр. адрес
- 150003, Ярославль, Советская, 14,
- ФИО
- Иванчин Артем Владимирович (Ректор)
- E-mail адрес
- rectorat@uniyar.ac.ru
- Контактный телефон
- +7 (485) 2797702