1.6. Структура і функції іс

На рис. 1.8 наведено формалізовану схему здатної навчатися ІС керування слабо формалізованим процесом, в якій для наочності показано лише інформаційні потоки, основні агрегатовані функціональні вузли та відповідні робочі змінні системи.

Рисунок 1.8 – Функціональна схема формалізованої ІС,

що навчається

Наведена на рис.1.8 структура дозволяє функціонувати системі як у режимі навчання, так і в режимі екзамену. Робота системи регламентується ОПР, який видає команду на блок кінцевої обробки інформації (БКОІ) для вироблення керуючих команд , де m –кількість функціональних станів. Блок первинної обробки інформації (БПОІ) перетворює інформацію про функціональний стан ІС до вигляду, зручного для подальшого оброблення ЕОМ, і передає її у блок формування векторів розпізнавання (БФВР), що формує бінарні вектори-реалізації щляхом порівняння поточних ознак розпізнавання з відповідними контрольними допусками . На виході БФВР формується структурований випадковий бінарний вектор-реалізація образу, кожна координата якого є одномісним предикатом, що приймає значення «1», якщо значення ознаки знаходиться в полі контрольних допусків, і «0», якщо - не знаходиться. У загальному випадку, коли навчання СППР здійснюється без ”учителя”, тобто за апріорно некласифікованою навчальною вибіркою, то з БФВР вектори реалізації подаються на вхід блоку розвідувального аналізу (БРА) для оцінки статистичної сталості та однорідності навчальної вибірки за відповідними статистичними критеріями. На виході БРА з деяким наперед заданим рівнем довіри формується багатовимірна навчальна матриця , де – символ відкритості множини, тобто потужність цієї множини може в процесі функціонування ІС змінюватися.

Для прогнозування зміни функціональної ефективності та надійності ІС в блок прогнозування (БП) з бази знань надходять значення одновимірних статистик навчальних матриць, які порівнюються з поточними статистиками екзаменаційної матриці. Таким чином, розглянута структура ІС, що навчається, характеризується широкими функціональними можливостями і дозволяє розв’язувати задачі навчання і екзамену, включаючи задачу прогностичної класифікації.

Розглянемо функціонування ІС у режимі навчання.

При дії на процес, що досліджується, випадкових факторів на виході БПОІ формується навчальна матриця , яка складається з квантованих за часом нормалізованих випадкових значень ознак розпізнавання.

У БФВР як результат оцінки допускового контролю формується бінарна навчальна матриця , яка складається із структурованих випадкових векторів-реалізацій образу , де N - кількість ознак розпізнавання. При цьому система контрольних допусків (СКД) та рівні селекції потрапляють в БФВР із бази даних. Змінними на першому виході блоку “Екзамен” є гіпотези про належність реалізацій, що розпізнаються, одному з класів алфавіту .

З виходу блоку “Навчання” у базу знань надходить вектор всіх оптимальних параметрів функціонування СППР, які забезпечують максимум .

У режимі екзамену у блок “Екзамен” надходять значення параметрів навчання: еталонні вектори {} і екстремальні значення геометричних параметрів контейнерів відповідних класів.

У прогностичному режимі навчання, крім цих параметрів, обчислюються значення одновимірних екстремальних порядкових статистик {}, інваріантних до параметрів розподілу ймовірностей реалізацій образу.

Випробування, під час якого КФЕ набуває свого максимального значення , є моментом зупинення навчання розпізнавання реалізацій класу . При цьому поточне значення статистики , яка є членом варіаційного ряду, приймається за екстремальне та визначаються оптимальні значення . У режимі прогностичного екзамену на перший вхід БП надходить поточне значення статистики , яка обчислюється класифікатором і характеризує статистичні властивості бінарної екзаменаційної матриці. На інший вхід БП надходить масив статистик {}, які є інваріантними до законів розподілу ймовірностей і характеризують статистичні властивості класів розпізнавання з моменту першого навчання t₁ до моменту прогнозування . Оцінку точності прогнозу природно пов’язувати з достовірністю розпізнавання або із значенням отриманого в момент критерію . Результатом БП є клас розпізнавання {}, який характеризує функціональний стан АСК в упереджений момент часу t_k, , де k₀ - величина прогностичного інтервалу і час перенавчання ІС –.

Таким чином, розглянута формалізована структурна схема здатної навчатися ІС є узагальненням структур ІС широкого класу як за призначенням, так і за їх функціями.