Статья: Когнитивная структуризация и формализация предметной области, синтез и верификация системно-когнитивной модели стратегического планирования и управления холдингом

Задача системной идентификации - это задача определения степени сходства (и различия) конкретного объекта с обобщенными образами классов, соответствующих определенным будущим состояниям холдинга и входящих в него предприятий. В моделях, приведенных в таблице 4, отражено, какое количество информации содержится в каждом значении того или иного внутреннего показателя любого из предприятий холдинга о наступлении различных будущих состояний холдинга и входящих в него предприятий. Но в предприятия холдинга описываются большим количеством значений различных внутренних показателей. Поэтому естественно считать, что состояние холдинга принадлежит к тем классам, о принадлежности к которым в этих значениях показателей содержится большее суммарное количество информации.

Функция от частных критериев, имеющая определенное числовое значение, свое для каждого класса и отражающее степень принадлежности состояния холдинга к данному классу, называется интегральным критерием.

В результате получается, что некоторый определенный текст в различной степени принадлежит и не принадлежит к разным классам.

Интегральные критерии применяются при решении как задачи идентификации или прогнозирования, так и задачи принятия решений.

В настоящее время в системе «Эйдос» используется два аддитивных интегральных критерия:

- сумма знаний;

- резонанс знаний.

1-й интегральный критерий «Сумма знаний» представляет собой суммарное количество знаний, содержащееся в признаках объекта о его сходстве/различии с каждым из классов.

Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний:

В выражении круглыми скобками обозначено скалярное произведение. В координатной форме это выражение имеет вид:

,

где: M - количество градаций описательных шкал (признаков);

- вектор состояния j-го класса;

- вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:

2-й интегральный критерий «Семантический резонанс знаний» представляет собой нормированное суммарное количество знаний, содержащееся в признаках объекта о его сходстве/различии с каждым из классов.

Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний и имеет вид:

где:

M - количество градаций описательных шкал (признаков);

- средняя информативность по вектору класса;

- среднее по вектору объекта;

- среднеквадратичное отклонение частных критериев знаний вектора класса;

- среднеквадратичное отклонение по вектору распознаваемого объекта.

- вектор состояния j-го класса;

- вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:

Задача-2. Когнитивная структуризация и формализация предметной области (1-й этап создания модели)

2.1 Когнитивная структуризация предметной области

Когнитивно-целевая структуризация предметной области представляет собой первый и единственный неформализованный и не автоматизированный в системе «Эйдос» этап АСК-анализа, на котором решается, что в создаваемой модели будет рассматриваться в качестве факторов (причин), действующих на объект моделирования, а что в качестве будущих целевых и нежелательных состояний объекта моделирования (последствий), в которые он переходит под действием этих факторов.

В данной работе в качестве факторов, влияющих на результаты работы холдинга, т.е. описательных шкал, будем рассматривать внутренние показатели предприятий холдинга (таблица 5).

Таблица 5 - Факторы, влияющие на работу холдинга в целом - внутренние показатели предприятий холдинга (описательные шкалы, фрагмент)

В качестве результатов влияния этих факторов, т.е. классификационных шкал, будем рассматривать результаты работы предприятий холдинга и холдинга в целом (таблица 6).

Таблица 6 - Результаты работы предприятий холдинга и холдинга в целом (классификационные шкалы, фрагмент)

Таблицы 5 и 6 получены автоматически на следующем этапе АСК-анализа: «Формализация предметной области».

Отметим, что в данной модели используется 274 фактора (показателя), влияющих на работу холдинга в целом и его предприятия. Полностью базу описательных шкал можно получить, если установить в режиме 1.3 системы «Эйдос» интеллектуальное облачное Эйдос-приложение №201, соответствующее данной работе. Имя этой базы: «Opis_Sc.dbf» и она открывается в MS Excel.

2.2 Формализация предметной области (разработка классификационных и описательных шкал и градаций)

Формализация предметной области - это 2-й этап АСК-анализа. Как и все последующие он полностью автоматизирован в с системе «Эйдос».

Формализация предметной области состоит в анализе исходных данных (таблица 7) и разработке классификационных и описательных шкал и градаций (таблицы 8 и 9), а затем кодировании исходных данных с помощью этих шкал и градаций и формировании в результате этого базы событий и обучающей выборки (таблица 9). По сути обучающая выборка представляет собой нормализованную с помощью классификационных и описательных шкал и градаций базу исходных данных.

Таблица 7 - Исходные данные (фрагмент)

Каждая строка таблицы исходных данных (таблица 5), представляет собой одно наблюдение, описанное двумя способами: с одной стороны обобщающими категориями - классами, к которым относится это наблюдение (результаты работы холдинга и его предприятий), а с другой стороны - значениями факторов (внутренние показатели предприятий холдинга), которые привели к переходу объекта моделирования (холдинга и его предприятий) в состояния, соответствующие классам.

По сути, (в терминологии искусственного интеллекта) каждая строка таблицы исходных данных представляет собой конкретную онтологию или фрейм-экземпляр. На основе этих конкретных онтологий - фреймов-экземпляров будут разработаны обобщающие онтологии или фреймы-прототипы, а на затем с их использованием решены поставленные в работе задачи.

Для этого скачиваем, устанавливаем и запускаем интеллектуальную систему «Эйдос» и все последующие работы проводим в ней.

Скачать систему «Эйдос» можно на сайте ее автора проф.Е.В.Луценко на странице: http://lc.kubagro.ru/aidos/_Aidos-X.htm. На той же странице приведена информация о том, как устанавливать и запускать систему «Эйдос» и некоторая другая информация по системе. Будем считать, что система установлена в корневом каталоге какого-нибудь диска, например, c:\Aidos-X. Относительно этого места расположения системы далее и будут даваться все пути на папки и файлы. Отметим также, что система корректно работает только в своей папке и ничего не меняет вне ее.

На рисунке 1 приведена титульная экранная форма системы «Эйдос». Чтобы перейти к работе достаточно кликнуть по кнопке: «Ok» (т.е. имя и пароль можно не вводить).

Рисунок 1. Титульная экранная форма системы «Эйдос»

верификация системный когнитивный холдинг

На этой экранной форме пользователь предупреждается, что при работе в системе «Эйдос» нельзя одновременно запускать несколько пунктов главного меню, т.е. сначала надо закончить выполнение предыдущего пункта, а уже после этого запускать следующий.

Кроме того на экранной форме кратко описана суть того, что делает система «Эйдос» и даны ссылки на некоторые тематические подборки публикаций по применению системы «Эйдос» в различных предметных областях и направлениях науки.

После этого помещаем файл исходных данных Inp_data.xlsx в папку: c:\Aidos-X\AID_DATA\Inp_data\Inp_data.xlsx.

Запускаем режим 1.11, чтобы удалить все интеллектуальные приложения системы «Эйдос», если они были.

Затем запускаем режим 2.2.2.3, представляющий собой один из программных интерфейсов (API) системы «Эйдос» с внешними источниками данных (рисунок 2):