Модельная структура (М) представляет собой параметризованное множество моделей:
M : {g (ϕ(t,θ),θ)| θ DM }, |
(2) |
y(t )= g (ϕ(t,θ),θ)+e(t ), |
(3) |
где θ – определяет набор p настраиваемых параметров модели;
DM – некоторое подмножество пространства Rp, на котором осу- |
|
ществляется поиск конкретной модели. |
|
Прогнозирующую модельную структуру представим следую- |
|
щим образом: |
|
|
(4) |
y(t | θ)= g (ϕ(t,θ),θ). |
|
Основным требованием к модельной структуре является принадлежность реальной системы S множеству моделей:
M : S M. |
(5) |
Моделью M* называется описание типа (4) при условии конкретного задания вектора θ = θ*:
M* : M* = M(θ* );θ* DM . |
(6) |
Таким образом, задача идентификации состоит в построении некоторой функции g(φ(t, θ), θ), где φ(t) – регрессионный вектор, а θ – вектор параметров, настраиваемых в процессе реализации алгоритма идентификации. Реализация модельной структуры на выбранной нами нейронной сети (с учетом (2) и (3)) имеет следующее математическое представление:
|
|
| w,W )= |
|
|
g (ϕ(t,θ),θ)= y(t |
| θ)= y(t |
(7) |
||
F (∑njh=1Wj f (∑ni=ϕ1 wjiϕi +wj0 )+W0 ) |
||||
, |
||||
где f(x) = th(x)– активационная функция нейронов скрытого слоя; F(x) = kx; k = const – активационная функция нейронов выход-
ного слоя;
nφ – размерность регрессионного вектора (число входов НС);
66
nh – число нейронов в скрытом слое;
θ – вектор настраиваемых параметров нейронной сети, включающий весовые коэффициенты и нейронные смещения (wji, Wij).
Самостоятельная разработка модели нейронных сетей для конкретных приложений является чрезвычайно сложной проблемой. В современных условиях ее можно решить, используя специализированную компьютерную программу «Statistica». Стоит отметить, что важным этапом при построении прогнозирующей системы является определение следующих трех параметров: периода прогнозирования; горизонта прогнозирования; интервала прогнозирования.
Чтобы прогнозирование имело смысл, необходимо, чтобы горизонт прогнозирования был не меньше чем время, необходимое для реализации решения, принятого на основе прогноза [5, с. 138; 10, с. 24]. По результатам анализа статистических данных, характеризующих динамику преступлений, связанных с легализацией, была получена архитектура сети многослойного персептрона, состоящего из трех слоев, один из которых скрытый. Нейросетевые модели, как показала практика, позволяют эффективнее оценить сложность структуры объекта, работать с большими размерностями вектора входных факторов [8, с. 12], представленных в качественном и количественном виде. Доверительный интервал прогноза 5 % использовался для подтверждения адекватности моделей наблюдаемым статистическим данным и, следовательно, достоверности прогноза. Средний процент ошибки выбранной модели многослойного персептрона (MLP) составил 4,1 %. Сравнение результатов прогноза с использованием моделей временных рядов и нейронных сетей по критерию средний процент ошибки позволило обосновать выбор в пользу нейронных сетей.
Литература
1. Гаврилов А. И. Перспективы применения нейросетевых технологий в системах автоматического управления / А. И. Гаврилов // Вестник МГТУ им. Н. Э. Баумана. Приборостроение. – 1998. – № 1. – С. 119–126.
2. Горошко И. В. Анализ динамики преступности в России в конце ХХ – начале XXI века / И. В. Горошко, А. В. Лебедев // Труды Академии управления МВД России. – 2008. – № 2. – С. 81–86.
3. Горошко И. В. Об одном из подходов к моделированию динамики преступности / И. В. Горошко, А. В. Лебедев, В. Ю. Петро-
67
ва // Труды Академии управления МВД России. – 2011. – № 2. –
С.54–58.
4.Долинко В. И. Анализ рисков и угроз в системе материальнотехнического снабжения органов внутренних дел Российской Федерации в особых условиях и методы их снижения / В. И. Долинко // Труды Академии управления МВД России. – 2012. – № 2 (22). –
С.111–114.
5.Крисилов В. А. Применение нейронных сетей в задачах интеллектуального анализа информации / В. А. Крисилов, Д. Н. Олешко, А. В. Трутнев // Труды Одесского политехнического университета. – 1999. – № 2 (8). – С. 134–142.
6.Льюнг Л. Идентификация систем. Теория для пользователя / Л. Льюнг / под ред. Я. З. Цыпкина. – М. : Наука. Гл. ред. физ.- мат. лит., 1991. – 432 с.
7.Макаров В. Ф. Цифровые преобразования модифицированного множества ортогональных сигналов / В. Ф. Макаров// Труды Академии управления МВД России. – 2017. – № 1 (41). – С. 10–14.
8.Рыков Н. И. Информационно-аналитическая подсистема прогнозирования развития в сельском хозяйстве с использованием нейронных сетей : автореф. … канд. техн. наук. – Курск, 2004. – 24 с.
9.Торопов Б. А. О некоторых подходах к многокритериальному оцениванию деятельности полиции / Б. А. Торопов// Труды Академии управления МВД России. – 2015. – № 2 (34). – С. 42–45.
10.Цыпкин Я. З. Информационная теория идентификации / Я. З. Цыпкин. – М. : Наука, 1995. – 336 с.
Информационно-аналитическое обеспечение организации розыска лиц, пропавших без вести
Р. В. Сидорякин,
адъюнкт Академии управления МВД России
Органы внутренних дел Российской Федерации не всегда оказываются готовы к адекватным мерам реагирования на изменяющуюся криминальную обстановку в стране. В этой связи необходимо обратить внимание на организацию ОВД розыска лиц, пропавших без вести, больных и детей, которые по состоянию здоровья или возрасту не могут сообщить о себе сведения, и безвестному исчезновению различных категорий граждан (далее – лица, пропавшие без вести).
Розыскная работа является одним из главных направлений опе- ративно-розыскной деятельности органов внутренних дел, нацелена на обеспечение защиты здоровья, прав и свобод человека, безопасности государства от преступных посягательств.
Розыскная работа органов внутренних дел – это основанная на законах и нормативных актах деятельность по установлению местонахождения разыскиваемых лиц; личности неизвестных граждан; предупреждению уклонения лиц от уголовной ответственности, отбывания наказания, исполнения определенных обязанностей, безвестного исчезновения.
Розыскная работа носит правоприменительный характер, основывается на нормах права и четко регламентируется нормативными актами различных уровней. Это прежде всего Федеральный закон от 12 августа 1995 г. № 144-ФЗ «Об оперативно-розыскной деятельности» (далее – ФЗ «Об ОРД») [2]. Осуществление розыска лиц, без вести пропавших, в соответствии со ст. 2 ФЗ «Об ОРД» является самостоятельной задачей оперативно-розыскной деятельности. Согласно ст. 2 Закона «О полиции» одним из основных направлений деятельности полиции является розыск лиц [1].
Успешный розыск без вести пропавших лиц снижает уровень латентной преступности, способствует повышению степени доверия населения к правоохранительным органам.
Сегодня наблюдается увеличение остатка неразысканных без вести пропавших граждан. Согласно статистическим данным розыскной работы МВД России за 2017 г. в каждом пятом регионе данные показатели увеличились. Его наибольший прирост фик-
69
сируется в МВД по Кабардино-Балкарской Республике (+13,8 %) и Чеченской Республике (+8,6 %), УМВД России по Псковской области (+6,8 %).
Сложившееся положение и развитие сферы высоких технологий обуславливает необходимость совершенствования информаци- онно-аналитического обеспечения организации розыска без вести пропавших лиц [3, с. 85; 4, с. 12; 5, с. 43]. Главная роль в организации розыска без вести пропавших отведена розыскным подразделениям уголовного розыска на районном уровне, которые рассматривают соответствующие заявления, заводят розыскные дела, осуществляют поиск без вести пропавших лиц, выполняют розыскные задания, участвуют в мероприятиях по специальным планам, проводят информационно-аналитическую работу и планирование в сфере розыска без вести пропавших, привлекают к выполнению задач по розыску без вести пропавших силы и средства других подразделений территориальных органов МВД России и Федеральной службы войск национальной гвардии.
Для розыска лиц, пропавших без вести, одно из первостепенных значений имеет информационно-аналитическое обеспечение деятельности. Качественный и своевременный сбор, анализ необходимой информации обеспечивает эффективность розыска лиц, пропавших без вести.
Современное состояние и развитие информационных технологий, информатизация различных сфер деятельности с созданием электронных банков данных государственных и частных компаний, функционирование локальных компьютерных сетей учреждений, обеспечивающих в реальном времени доступ к информационным ресурсам, развитие технологий компьютерной разведки, которые позволяют негласно анализировать большие массивы данных, требуют совершенствования организации и тактики использования информационных технологий в розыскной работе органов внутренних дел. В настоящее время существующая система информационно-анали- тического обеспечения организации розыска без вести пропавших лиц не соответствует современным требованиям, требует внесения изменений и наполнения ее современными информационными платформами. В территориальных подразделениях органов внутренних дел общая (централизованная) информация о разыскиваемых без вести пропавших не в полном объеме доводится до всех сотрудников органов внутренних дел, функциональные обязанности которых предусматривают решение розыскных задач. Такая информация поступает в виде ориентировок, розыскных заданий и бюллетеней опе-
70