3.4. Критерії оптимізації інформаційних технологій

Економічні задачі (планові, облікові, управлінські і т.д.) потребують інформації про розвиток і потреби економіки, про стан об'єктів управління. Ця інформація дозволяє проаналізувати діяльність об'єкту за минулий період, зробити узагальнювальні висновки і дати прогноз майбутньої діяльності об'єкту управління.

Для економічних задач, реалізовуваних в діалоговому (інтерактивному) режимі характерні наступні чинники:

1. Багатоваріантність рішень (кожна задача має різні варіанти, відмінні один від одного економічними показниками, що витрачаються ресурсами, економічним ефектом, що досягається).

2. Наявність критерію оптимальності.

Багатоваріантність рішень задачі диктується існуванням різних шляхів для досягнення мети, поставленої в задачі. При цьому важливу роль виконує втручання людини в хід рішення задачі.

Інтерактивний режим рішення задачі найчастіше застосовується в оперативному управлінні економічним об'єктом. Дані тут частіше схильні до змін, модернізації і потрібні відповіді в різних розрізах і на численні питання. Економічна задача, як правило, багатокритеріальна, тому для вибору критерію необхідна участь людини.

Багатоваріантність і багатокритеріальність економічних задач припускає їх реалізацію як людино-машинні процедури.

Одним з параметрів економічних задач, вирішуваних в інтерактивному режимі, є складність алгоритму (об'єм обчислень і складність процедур обробки даних, що вимагають великих контрольних моментів в технологічному процесі АОЕІ).

Велике значення мають також періодичність рішення задачі і частота використовування вхідних і результатних даних. Зростання періодичності вимагає мінімізації часу і експлуатаційних витрат на рішення задачі, підвищує ступінь оперативності результатів розрахунку і кількості контрольних операцій. Збільшення частоти використовування показників приводить до підвищення вимог до їх достовірності і зростання автономності внесення змін в дані, що зберігаються. Для організації процесу автоматизованого рішення задач характерне широке застосування методів логико-синтаксичного і арифметичного контролю початкових, проміжних і результатних даних.

3.5. Засоби проектування технологічних процесів

При проектуванні технології обробки даних в діалоговому режимі центральним моментом є організація діалогу користувача і ЕОМ, в ході якого користувач інформується про стан рішення задачі і має нагоду активно впливати на хід обчислювального процесу.

Існує декілька підходів до організації спілкування користувача з БД. Найпоширеніший - створення спеціальної формалізованої мови, що є недоліком, оскільки потрібна спеціальна підготовка користувача, вивчення мови, часте звернення до інструкцій, які періодично міняються із змінами і вдосконаленням системи. У зв'язку з цим в даний час найбільше поширення набули методи спілкування з БД, не вимагаючі спеціальних знань і навиків від користувача. До них відносяться:

1. діалог "так - ні" (не знайшов широкого розповсюдження через пасивну роль користувача);

2. програмований запитальник;

3. "вільний діалог" (користувач формує запит в довільній формі на природній мові. Система, що оперує з БД, витягує з цього запиту зрозумілі їй елементи і будує на їх основі новий запит, який пред'являє користувачу. При ствердній відповіді з боку користувача, він одержує необхідні дані. Інакше система організовує уточнюючий діалог). Цей метод ефективний і дозволяє зняти психологічний бар'єр.

Недоліки всіх трьох методів:

1.неефективне використовування машинного часу і дорогого каналу зв'язку (якщо він задіяний), що знижує рентабельність всієї управляючої системи;

2.відсутність гарантії швидкого відповіді на питання, що вимагає ухвалення оперативного рішення в критичних ситуаціях.

Технологія внутрішньомашинної ОЕІ задається послідовністю реалізовуваних процедур - схем взаємозв'язку програмних модулів і інформаційних масивів. Така схема є декомпозицією загального процесу рішення задачі на окремі процедури перетворення масивів, іменованими модулями (це - введення, контроль, перезапис інформації з одного МН на іншій, сортування, ущільнення даних, редагування, накопичення, висновок на друк і т.п.). Все це вимагає зменшення числа проглядань масивів і часу рішення задачі, скорочення числа і об'єму трудомістких процедур, використовування ефективних методів пошуку інформації.

При декомпозиції процесу рішення задачі на ЕОМ на окремі етапи необхідно так само враховувати наявність готових програм для реалізації відповідного модуля і наявність готових програмних запитальників.

При проектуванні оптимальної внутрішньомашинної технології ОД в інтерактивному режимі необхідно встановити критерії оптимізації і обмеження. Критерій оптимізації технології ОД повинен бути єдиним, якщо ми хочемо застосувати для вирішення цієї задачі економічні методи. Важливою умовою є критерій, інші (показники, умови) виступають як обмеження.

Одним з критеріїв оптимізації технології ОЕІ( обробки економічної інформації) в інтерактивному режимі є час реалізації задачі на ЕОМ, залежне від характеру роботи з масивами. Тому розробка оптимальної технології ОЕІ на ЕОМ повинна забезпечити виконання наступних вимог:

- скорочення числа масивів на МН, що сприяє зменшенню часу рахунку;

-  збільшення кількості паралельно оброблюваних в одному модулі масивів;

- сортування і ефективні методи пошуку в оперативній пам'яті;

- скорочення часу відповіді користувача на запити ЕОМ;

- скорочення часу введення даних користувачем з клавіатури.

При розробці оптимальної технології ОЕІ важливими критерієм є час очікування відповіді користувачем або ЕОМ. Оптимальним вважається час очікування рівне 2 сек. Якщо воно перевищує 2 сек, то це веде до збільшення часу вирішення задачі, до неефективного використовування технологічного часу і каналів зв'язку. Якщо час очікування менше 2 сек, то знижується працездатність людини.

Іншим критерієм оптимізації технології ОД є використовування різних СУБД (тип і параметри СУБД впливають на ефективність експлуатації системи). Наступним критерієм є вибір необхідної і достатньої кількості запитів для реалізації задачі і отримання необхідної інформації.

Технологія діалогового режиму на практиці сприяє якнайкращому поєднанню можливостей користувача і ЕОМ в процесі рішення економічних задач. Так, наприклад, діалоговий режим спілкування з БД забезпечує:

-  можливість перебору різних комбінацій пошукових ознак в запиті;

-  поліпшення характеристик вихідних даних за рахунок оперативного коректування запиту з терміналу;

-  можливість розширення, звуження або зміни напряму пошуку відразу після отримання результатів;

-  багатоплановість точок доступу;

-  швидкий доступ до рідко використовуваної інформації;

-  оперативний аналіз вихідної інформації;

Для діалогового режиму характерні три показники:

1."дружественность"- простота освоєння і ведення екранного діалогу (режим підказок, прощення помилок в маніпуляціях і т.д.);

2."гибкость"- показник гнучкості визначає діапазон різних процедур при роботі користувача з терміналом;

3."продуктивность"- даний показник характеризує час від моменту обігу користувача до видачі на екран необхідної інформації.

В процесі діалогу користувач реалізує наступні основні функції:

-  функцію введення (оперативність виправлення тексту, візуальний контроль,...);

-  функцію перегляду (редагування тексту з включенням, виключенням, заміною, зрушенням, перестановкою, роз'єднанням, злиттям даних);

-  функцію обробки (смислова ОД, нове розміщення сторінок, складання змісту, організація введення даних з інших програм);

-  функцію відтворення тексту, яка управляє висновком тексту і фіксує параметри друку.

Кажучи про діалоговий режим, про взаємовідношення користувача і ЕОМ необхідно торкнутися питання про ступінь захищеності даних системи. Проблема захисту інформації є однією з найважливіших при проектуванні оптимальної технології ОІ( обробки інформації). Ця проблема охоплює як фізичний захист даних і системних програм, так і захист від несанкціонованого доступу до даних.

Проблема забезпечення санкціонованого використовування даних охоплює питання захисту даних від небажаної їх модифікації або знищення, а також і від несанкціонованого читання.

Можна виділити три узагальнені механізми управління доступу до даних:

1.  ідентифікація користувача (захист за допомогою прогр. паролів). Пароль періодично міняється, щоб запобігти несанкціонованому його використовуванню. Цей метод є найпростішим і дешевшим, але не забезпечує надійного захисту.

2. метод автоматичного зворотного виклику (відпадає необхідність в запам'ятовуванні паролів. Користувач повідомляє ЕОМ свій ідентифікаційний код, який звіряється з кодами, що знаходяться в пам'яті ЕОМ і тільки тоді дістає доступ до інформації). Недолік: низька швидкість обміну.

3. метод кодування даних - найефективніший метод захисту. Джерело інформації кодує її за допомогою деякого алгоритму і ключа кодування. Одержувані закодовані вихідні дані не доступні нікому, окрім власника ключа.

Графічне представлення діалогу

Режим діалогу задається у вигляді схеми і таблиць діалогу. Схема діалогу розробляється на весь комплекс вирішуваних задач, вводиться в систему і зумовлюється організація користувача з ЕОМ.

Схема діалогу є графічною інтерпретацією конструкції діалогу, задаючої необхідну послідовність обмінів даними між користувачем і системою. Основним графічним представленням схеми діалогу є діаграма станів. Кожна вершина графа відповідає певному стану діалогу, а дуга визначає зміну цього стану. У кожному стані діалогу система чекає введення повідомлення від користувача і залежно від введеної інформації переходить в інший стан. При виході здійснюється відповідна обробка даних з інформаційної бази і видається певна інформація на екран або друк.

Розрізняють лінійні (при введенні і прогляданні різнотипної інформації), деревовидні (при вибірковій корекції і управлінню по меню) і мережеві (відповідають директивному управлінню і безпосередньому редагуванню даних) схеми діалогу.

Однією з вживаних на практиці графічних моделей діалогової системи є дерево розмов, де вершини є текстами на екрані дисплея, а дуги - можливі шляхи переходу від однієї вершини до іншої. Роботи, виконувані ЕОМ, зображаються у формі гілок дерева розмов. У корінні дерева розташовується повідомлення користувача, що ініціює задачу, потім відбувається розгалуження різного ступеня залежно від числа варіантів відповіді користувача на запит ЕОМ. Безліч вершин графа визначає безліч станів, в яких може перебувати діалоговий процес. Безліч дуг графа відповідає можливим переходам з одного стану в інше. Зміна станів здійснюється або за програмою, або відповідно до директив користувача.

При цьому необхідно враховувати наступне:

-  кількість вершин в графі повинна відображати всі можливі ситуації, що виникають в процесі діалогу (тобто забезпечена функціональна повнота);

-  перехід з одного стану в інше повинен виконуватися за короткі проміжки часу (частки сек. або неск.сек).

ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ РОЗПІЗНАВАННЯ

ОБРАЗІВ В ЗАДАЧАХ АВТОМАТИЗОВАНОЇ

ОБРОБКИ ІНФОРМАЦІЇ Й УПРАВЛІННЯ

СКЛАДНИМИ СИСТЕМАМИ ВСТУП

Розвиток теоретичних і реалізаційних основ побу-

дови інформаційних систем автоматизованої обробки

інформації і управління пов'язаний з кількісним і якіс-

ним розширенням сфери їхнього застосування. Цей

процес є багатоплановим і йде одночасно по різних

напрямах. Значна кількість сучасних об'єктів автомати-

зації представляють собою складні системи, для яких

частково або повністю невідомі функціональні залеж-

ності між вхідними і вихідними параметрами. В таких

системах, управлінське рішення приймається без фор-

мування цілісного образу об'єкту управління і навко-

лишнього середовища в їх поточному стані, а також без

прогнозування розвитку середовища і реакції об'єкту

управління на ті або інші управляючі або обурюючі

впливи. У разі, коли параметри об'єкту управління

детерміністським і цілком однозначним чином пов'я-

зані з його станами, такий підхід є адекватним. В цьому

випадку, використання традиційного підходу до управ-

ління за параметрами, який пов'язаний зі створенням

математичних моделей об'єктів, є раціональним.

З іншого боку, використання інформаційних тех-

нологій для побудови автоматизованих систем управ-

ління складними системами дозволяє уникнути необ-

хідності повного математичного опису об‘єкту, та реалі-

зувати не тільки концепцію управління за параметра-

ми, але й управління за станом. Надалі пропонуєтьсярозглядати параметри складного об'єкту управління як

зовнішній прояв його стану, оскільки у цьому випадку,

зв'язок між спостережуваними параметрами і станом

системи має складний і неоднозначний характер. Цей

факт підтверджується у роботі [1], де на думку авторів,

коли об'єкт управління є складною системою, підхід,

заснований на управлінні по параметрах, є неадекват-

ним. В цьому випадку формування управлінського

рішення повинне здійснюватися на основі даних про

поточний стан об'єкту управління.

Для рішення задач управління складними систе-

мами доцільне використання інформаційних технологій

розпізнавання образів. Розпізнавання образів в зада-

чах побудови систем автоматизованої обробки інфор-

мації і управління дозволяє реалізувати адаптивне

управління складними системами [1].

Область застосування інформаційної технології

розпізнавання образів досить широка. Фактично, будь

які інформаційні процеси, в тому чи іншому прояві,

використовують апарат розпізнавання. При цьому,

інформаційні системи автоматизованої обробки інфор-

мації і управління не є винятком. Нижче наведений

малий перелік існуючих застосувань апарату розпізна-

вання образів.

– Розпізнавання зорових образів, і побудова систем

технічного зору [2, 3].

– Розпізнавання звукових образів [4]. – Розпізнавання стану технічних об‘єктів і системи

технічної діагностики [5].

– Аналіз екологічної обстановки, прогнозування

сейсмічної активності, рівня річок, динаміки та

просторового розподілу забруднень тощо [6].

– Прогнозування врожайності, системи підтримки

прийняття рішень в задачах агропромислового

комплексу [7].

– Завдання розпізнавання нафтоносних і водонос-

них пластів за непрямими геофізичними даними

тощо [8].

– Аналіз геомеханічних процесів і прогнозування

динаміки газовиділень при веденні очисних робіт

у вугільних шахтах [9].

– Аналіз стану технічних систем і формування

управлінських рішень в автоматизованих систе-

мах управління складними багатокомпонентними

комплексами та системами [5].

– Аналіз економічних і геополітичних процесів [10].

Системи психолого-соціологічних досліджень [11,

12].

Незважаючи на специфіку проблемної орієнтації

тих або інших систем автоматизованої обробки інфор-

мації і управління, для більшості з них притаманні

загальні концепції побудови, що базуються на необхід-

ності прийняття управлінських рішень в умовах частко-

вої або повної невизначеності і використання управлін-

ня за станом.

Отже, в загальному випадку, завдання ідентифі-

кації стану об'єкту на основі інформації про його пара-

метри та параметри навколишнього середовища може

бути представлене як типове завдання розпізнавання

образів. У випадку складного об‘єкту, ідентифікація

його стану, а також вирішення будь-яких управлінських

задач може бути зведене до рішення прямої або зворо-

тної задачі розпізнавання образів.

АНАЛІЗ ПИТАННЯ ТА ПОСТАНОВКА ЗАДАЧІ

Конкретний результат роботи системи автомати-

зованої обробки інформації і управління може бути

представлений в узагальненій формі, як приналежність

об'єкта О одному із заздалегідь фіксованих класів {С}. А

початкові данні, як правило, завдаються у вигляді дис-

кретних відомостей про об'єкти {x(t)}, що надаються до

розпізнавання, наприклад у вигляді набору об'єктів, що

заздалегідь класифікуються. З математичної точки зору

це означає, що розпізнавання образів є далекосяжним

узагальненням ідеї екстраполяції функції.

На практиці створення таких систем стримується

недостатньою розробленістю теорії, стандартних, пере-

вірених і відпрацьованих методів їхнього синтезу, а

також недоліком відповідних інструментальних про-

грамних засобів [1].

Актуальність проведення дослідження у напрямку

розробки інформаційної технології автоматизованої

обробки даних і управління складними системами на

основі апарату розпізнавання образів визначається

необхідністю рішення наступних завдань:

– підвищення ефективності функціонування вже

існуючих інформаційних систем автоматизованої обро-

бки інформації і управління;

– розширення сфери застосування інформаційних

систем автоматизованої обробки інформації і управлін-

ня для випадків, коли об'єкт управління є складною,

динамічною, багатопараметричною, слабодетерміно-

ваною системою.

– розробки нових методів синтезу гнучких, бага-

топараметричних, багатокритеріальних інформаційних

систем обробки даних і управління;

– розробки наукових і методологічних основ

створення ефективних і швидкодіючих інформаційних

систем автоматизованої обробки даних і управління,

що дозволяють формувати управлінські рішення за

умови стохастичності зміни зовнішніх факторів, харак-

теру об‘єктів управління та динамічності управляючих

впливів;

– розробки інформаційних моделей синтезу гнуч-

ких, багатокритеріальних і багатопараметричних інфо-

рмаційних систем автоматизованої обробки даних і

управління.

Досить часто, для отримання адекватного результату

немає необхідності врахування усього переліку аспектів

інформаційного процесу. Тоді окрім класичних підходів до

алгоритмізації процесів обробки інформації і управління

виникли і методи засновані на абсолютно іншій природі, до

того ж, як показала практика рішення деяких завдань,

вони дуже часто дають кращий результат ніж рішення,

засновані на переускладнених математичних моделях. Ідея

цих методів полягає у відмові від прагнення створити

вичерпну математичну модель об'єкту, а замість цьогозадовольнитися приватним рішенням, на основі викорис-

тання різноманітної сукупності евристик і апарату розпі-

знавання образів [13].

Слід зазначити, що в інформаційній технології

розпізнавання образів, за умови значного ступеня

невизначеності при прийнятті рішення щодо класифі-

кації, можуть бути використані евристики, що прита-

манні людині, як об‘єкту з раціонально-

нераціональним мисленням [14]. Базові дослідження в

цьому питанні проведені такими вченими, як Г.Райфа,

М.Алле, А.Тверський, П.Словик, Б.Фишхоф, Д.Канеман,

С.Ліхтенштейн [14-16]. Серед основних евристик можна

відокремити наступні.

1) Судження по показності. Людина часто судить

про вірогідність того, що об'єкт А належить до класу В

тільки по схожості А на типовий об'єкт класу В. Вона

майже не враховує апріорну вірогідність, що впливає

на цю приналежність. Людина орієнтуються тільки на

показність, не враховуючи розміру вибірки, по якій

виноситься судження.

2) Судження по повторювальності. Люди часто

визначають вірогідність подій по тому, як часто вони

самі стикалися з цими подіями і наскільки важливими

для них були ці зустрічі. Так А.Тверський і Д.Канеман

відмічають [15], що багато людей, вірять в «закон ма-

лих чисел», що стверджує, що мала вибірка добре хара-

ктеризує усю множину.

3) Судження по точці відліку. Якщо при визна-

ченні вірогідностей використовується початкова інфо-

рмація як точка відрахування, то вона істотно впливає

на результат.

4) Наддовіра. Експериментальні дослідження

вказують, що людина надмірно довіряє своїм суджен-

ням, особливо у випадках, коли виноситься судження

про минулі події. Людина переоцінює свої судження про

вірогідність рідкісних явищ.

5) Прагнення до виключення ризику. Численні

роботи показують, що як в експериментах, так і в реа-

льних ситуаціях людина прагне виключити альтернати-

ви, пов'язані з ризиком. Вона погоджується на середні

(і гірше за середніх) альтернативи, тільки щоб не вини-

кли ситуації, де хоч би при дуже малій вірогідності

можливі великі втрати.

Ці евристики можуть істотно спростити обробку даних

в інформаційній системи, особливо у випадку слабо струк-

турованого завдання та високого рівня стохастизму. Цей

факт обумовлює додаткову перевагу використання апарата

розпізнавання образів в системах автоматизованої оброб-

ки інформації та управління.

Фактично, будь-яка сучасна інформаційна система

обробки інформації і управління, поза залежністю від фун-

кціонального призначення, виконує три основні функції:

збір інформації, її обробку і формування управляючої інфо-

рмації (або формування інформації, на підставі якої може

бути прийнято рішення або людиною, або технічною систе-

мою). Для якісного виконання вказаних функцій необхідно

забезпечення наступних елементів:

1) адекватного функціонування технічних засобів

введення інформації, що дозволить мінімізувати ви-

кривлення вхідного потоку інформації та забезпечити

коректне представлення вхідного масиву даних;

2) коректних алгоритмів попередньої обробки да-

них, за необхідності їхньої нормалізації та подальшого

збереження;

3) коректних алгоритмів обробки даних, що, з

урахуванням специфіки задачі, яка вирішується, та

стану об‘єкту, дозволить отримати необхідний вихідний

інформаційний потік.

4) за необхідністю, здійснення функцій управління

визначеним об‘єктом управління.

Слід зазначити, що розглянуті елементи мають

значний взаємний вплив, що вимагає комплексного

рішення по забезпеченню достовірного функціонування

системи на кожному етапі життєвого циклу. При цьому,

необхідний узагальнений підхід щодо побудови будь-

яких систем автоматизованої обробки інформації і

управління на основі апарату розпізнавання образів.

РІШЕННЯ ЗАДАЧІ

На рис. 1 наведена загальна інформаційна модель

процесу збору, обробки інформації і управління. З точки

зору теорії інформації, такий процес, фактично, пред-

ставляє собою канал передачі даних. Якщо вважати, що

ідеальний канал передачі інформації дозволяє переда-

ти інформацію зі входу на вихід без втрат і викривлень,

то трансформація вхідного потоку інформації I(t) у

вихідний канал управління Id(t) можна представити як

внесення деякої перешкоди ζ. Тоді залежність між

вхідним і вихідним інформаційними потоками може

бути представлена у детермінованому вигляді як

Рисунок 1 – Загальна інформаційна модель процесу

збору, обробки інформації і управління

В залежності (1) характеристика перешкоди

представлена скалярною величиною, однак таке при-

пущення можливе тільки для нестохастичних систем. У

випадку стохастичності, характеристика внесеної пере-

шкоди буде мати вірогіднісний характер і повинна буди

представлена функціоналом. Зміна характеристики

перешкоди у часі пов‘язана з внутрішньою організацією

системи, неструктурованістю завдання на управління, а

також відсутністю повного опису і врахування факторів,

що визначають стан системи (система з елементами

невизначеності). З урахуванням вищенаведеного, за-

лежність (1) прийме наступний вигляд:

(2)

З урахуванням того, що у більшості випадків

управління складними системами немає можливості

аналітичного апріорного опису характеристики ζ(t),

задача її ідентифікації може бути виконана на основі

додання апостеріорної інформації і використання апа-

рату розпізнавання образів. Так, у випадку побудови

систем автоматизованої обробки інформації і управлін-

ня складними системами, неповна формалізація задачі

управління не дозволяє здійснювати управління за

параметрами системи. В цьому випадку доцільне вико-

ристання управління за станом системи.

Залежність (2) ілюструє процес перетворення вхі-

дного потоку в інформаційній системи автоматизованої

обробки даних і управління. Однак в даному випадку не

враховується кінцевий час перетворення інформації,

так як часова складність процесів обробки даних не

дорівнює нуля. Кінцевий час протікання інформаційних

процесів призведе до того, що вихідний результат, який

базується на апостеріорній інформації I(t), буде отри-

маний тільки у момент часу t+Δt, де Δt характеризує

часову складність інформаційного процесу. Ця характе-

ристика є інтегральною і складається з часової складно-

сті кожного етапу перетворення даних:

(3)

де n – кількість етапів у послідовності інформа-

ційного процесу;

ti при i=0 відповідає моменту часу надходження

вхідного потоку інформації.

Згідно з інформаційною моделлю, наведеною на

рисунку 1, n=3, однак глобальні етапи, наведені в мо-

делі, в залежності від специфіки процесу, можуть поді-

лятися на сукупності локальних.

Тоді, з урахуванням (3) залежність (2) прийме на-

ступний вигляд:

. (4)

Із залежності (4) витікає, що з урахуванням часо-

вої складності інформаційного процесу буде спостеріга-

тися невідповідність миттєвих характеристик вихідного

і вхідного потоків. Тобто, у момент часу t+Δt вихідний

потік фактично буде характеризувати перетворений

стан вхідного потоку для моменту часу t.

Таким чином, з урахуванням кінцевої часової

складності процесу перетворення інформації, у будь

який момент часу вихідний потік буде не актуально

характеризувати вхідні данні, що негативно відбива-

ється на якісному функціонуванні інформаційної систе-

ми і достовірності формування управлінських рішень.

Це особливо важливо для автоматизованих систем

керування, де такі часові затримки можуть вплинути на

якість управління, особливо у випадку наявності дина-

мічних, швидкоплинних процесів.

В таких умовах стає актуальним не тільки ство-

рення достовірних методів і алгоритмів обробки інфо-

рмації, але й їхня оптимізація у напрямку мінімізації

часової складності, що характеризується прагненням

максимально зменшити величину Δt, а з урахуванням

(3) – через часову оптимізацію кожного з етапів оброб-

ки інформації.

Фактично, розглянута інформаційна модель про-

цесу збору, обробки інформації і управління (рисунок 1), що була представлена як канал передачі даних,

може бути представлена послідовністю n каналів пере-

дачі даних, кожен з яких вносить свою перешкоду, і

відповідно, має власну часову затримку обробки інфо-

рмації. Тоді задача загальної оптимізації інформацій-

них процесів всієї системи може бути представлена

декомпозицією окремих етапів.

Задача часової оптимізації процесу реєстрації вхі-

дних даних (рисунок 1) пов‘язана, насамперед, з міні-

мізацією вхідного інформаційного потоку, а також

вдосконаленням технічних засобів реєстрації інформа-

ції. Результатом виконання цього етапу буде форму-

вання множини інформаційних ознак {x(t)}. Зменшення

розмірності вхідного інформаційного поля, з метою

мінімізації часової складності, не повинно вплинути на

інформативність множини ознак, що отримується. По

перше, повинна виконуватися умова достатньої інфор-

мативності ознак для отримання достовірного резуль-

тату обробки інформації та формування управлінських

рішень [16]. По друге, надмірне скорочення множини

інформативних ознак і значна мінімізація часової

складності процесу реєстрації може призвести до

ускладнення методологічної і алгоритмічної реалізації

наступних етапів обробки, що негативно може сказати-

ся на їхньої часової складності. Таким чином, надмірна

мінімізація часової складності одного етапу, може

негативно вплинути на часову складність наступних

етапів. При чому, локальний виграш від оптимізації

одного етапу може призвести до глобального програшу

інтегрального показника (3) часової складності усього

інформаційного процесу.

Виходячи з вищезгаданого можна зробити висновок,

що локальна оптимізація окремих етапів інформаційного

процесу може бути малоефективною щодо глобальної

ефективності усього процесу. Тому, рішення оптимізацій-

них задач повинно здійснюватися з урахуванням взаємно-

го впливу усіх етапів інформаційного процесу, а система

критеріїв оцінки ефективності і достовірності обробки да-

них повинна мати інтегральний характер.

Отримання деякої множини інформаційних ознак

{x(t)} не достатньо для ефективного рішення задачі

обробки інформації і формування управлінських рі-

шень. Мінімізація часової складності, а також забезпе-

чення необхідної достовірності обробки даних, можливі

тільки за умови використання меншої кількості, але

більш інформативних для прийняття рішення, ознак.

Тому, попередньо необхідно провести селекцію інфор-

мативних ознак з метою визначення їхньої раціональ-

ної сукупності[17]. Результатом такої селекції є множи-

на інформативних ознак {x(t)}', при чому

 x(t)  x(t)  . (5)

Тобто, над самими ознаками не здійснюється пе-

ретворення, а зазнає перетворень тільки їхня сукуп-

ність.

Використання механізму розпізнавання образів

обумовлює включення до загальної сукупності ознак як

апостеріорної так і апріорної інформації. В системах

автоматизованої обробки інформації і управління ці

ознаки характеризують наступне:

– завдання управління;

– обурюючі впливи навколишнього (для системи)

середовища, а також внутрішні обурюючі процеси;

– інформацію про вихідний стан системи (харак-

теристики зворотних зв'язків).

На рис. 2 наведена функціональна модель системи

автоматизованої обробки інформації і управління скла-

дними об‘єктами.

Завдання ідентифікації стану складних об‘єктів

управління по його вихідних параметрах може вирішу-

ватися підсистемою ідентифікації, що працює на прин-

ципах розпізнавання образів. При цьому класами роз-

пізнавання є стани складного об'єкту управління, а

ознаками – його параметри.

Підсистема формування управляючих дій також

може бути заснована на алгоритмах розпізнавання

образів, що вирішують наступні завдання:

– прогнозування розвитку в динаміці стану на-

вколишнього середовища, а також внутрішніх обурюю-

чих факторів;

– прогнозування розвитку стану об'єкту управлін-

ня;

– вибір параметрів {x(t)}, що переводять об'єкт

управління в цільовий стан, який характеризується

деяким класом С.

Таким чином, ціль системи автоматизованої об-

робки інформації і управління може бути представлена

у формі суперпозиції трьох вказаних підцілей. При

цьому послідовно вирішуються наступні два зворотні

завдання розпізнавання: (5)

– визначаються найбільш характерні для класу С

вихідні параметри об'єкту управління:

; (6)

– за визначеною, на попередньому етапі життє-

вого циклу системи, сукупністю вихідних параметрів

визначаються вхідні параметри, що з найбільшою ефе-

ктивністю переводять об'єкт у шуканий стан, який хара-

ктеризується класом С

(7)

Отримана класифікація за класами може нада-

ватися людині, для остаточного прийняття управлінсь-

ких рішень з урахуванням необхідної стратегії управ-

ління.

Рисунок 2 – Функціональна модель системи автоматизованої обробки інформації і управління

За отриманим вектором вхідних параметрів

здійснюється функція управління. В цьому випадку,

визначення стану системи реалізується через пряму

задачу розпізнавання (6), а визначення управляючих

дій – через зворотну (7).

Як витікає з функціональної моделі, наведеної на

рисунку 2, система розпізнавання образів входить до скла-

ду як підсистеми ідентифікації стану об'єкту (моніторингу),

так і підсистеми формування управляючих дій.

В підсистемі ідентифікації, розпізнавання обра-

зів застосовується для того, щоб класифікувати стан

складного об'єкту управління, тобто дати йому узагаль-

нену оцінку, що не зводиться до сукупності значень

вихідних параметрів. Таким чином, у підсистемі іден-

тифікації основним є режим розпізнавання.

У підсистемі формування управляючих дій по за-

даних цільових станах визначаються:

– передумови, тобто незалежні від людини озна-

ки (передісторія, ознаки середовища), необхідні для

досягнення цього стану;

– управляючі дії, які з визначеною вірогідністю

можуть перевести складний об'єкт управління в актуа-

льному (початковому) стані, з визначеною передумо-

вою в заданий цільовий стан.

Обидва ці завдання, відносяться до зворотних за-

вдань системи розпізнавання образів.

Відповідно до наведеної функціональної моделі мо-

же бути забезпечена адаптивність алгоритмів обробки

інформації і управління. В цьому випадку, накопичення

інформації про результати попередніх циклів управління

дозволяє, при формуванні управляючих дій, врахувати нові

закономірності зв'язку ознак і поведінки об'єкту управлін-

ня. При високій динамічності об'єкту управління раніше

накопичені відомості застарівають і їхній вплив на вибір

управляючих дій, з часом зменшується. Крім того є такі

адаптивні можливості, як перегляд експертних оцінок і

зміна списків класів розпізнавання та ознак. При цьому,

також стає важливим зниження часової складності аналізу

даних, що дозволяє актуалізувати у часі попередній досвід

управління системою.

Після формування управляючих дій, за допомогою

розпізнавання може бути здійснене прогнозування

результатів їхнього застосування.

Таким чином, у підсистемі формування управля-

ючих дій, режим аналізу узагальнених образів є основ-

ним, а режим розпізнавання – допоміжним. При чому,

в підсистемах ідентифікації (моніторингу) і формування

управляючих дій, може бути застосована одна система

розпізнавання образів. Проте, в системі ідентифікації

використовується лише режим розпізнавання, а в під-

системі формування управляючих дій – передусім

режим аналізу, а також режим розпізнавання. У обох

підсистемах доцільне використання режиму навчання і

верифікації вирішальних правил.

ВИСНОВКИ

На основі вищевикладеного, можна зробити на-

ступні основні висновки:

– аналіз існуючих проблем і обмежень щодо по-

будови систем автоматизованої обробки даних і управ-

ління складними об‘єктами вказує на доцільність вико-

ристання концепції управління за станом і апарату

розпізнавання образів;

– використання інтелектуальних алгоритмів роз-

пізнавання образів та евристик дозволяє спростити

аналіз слабодетермінованих закономірностей поведін-

ки складних об‘єктів управління і знизити часову склад-

ність формування управлінських рішень;

– з метою узагальнення підходів щодо побудови

інформаційних технологій автоматизованої обробки

даних і управління різноманітними складними

об‘єктами доцільне використання інформаційної моде-

лі, що представляє систему, як канал передачі даних;

– аналіз представленої інформаційної моделі на-

глядно вказує на невідповідність вхідного і вихідного

інформаційних потоків, яка обумовлена кінцевою часо-

вою складністю окремих етапів обробки даних;

– сформульовані основі підходи до мінімізації часо-

вої складності окремих етапів інформаційного процесу;

– мінімізація часової складності потребує розроб-

ки інтегральних критеріїв, що дозволили б отримати

загальну мінімізацію усього інформаційного процесу, а

не окремих його етапів;

– представлена функціональна модель системи

автоматизованої обробки інформації і управління вка-

зує на можливість виконання основних задач через

пряме і зворотне розпізнавання, які можуть бути реалі-

зовані у складі однієї інтелектуальної системи;

– напрямок подальших досліджень доцільно

пов‘язати з розробкою нових методів і засобів знижен-

ня часової складності процесів обробки даних, а також

розвитку теоретичних і реалізаційних основ побудови

багатокритеріальних, багатопараметричних систем

розпізнавання образів для автоматизованої обробки

інформації і управління складними об‘єктами.

ЛІТЕРАТУРА:

1. Simankov V.S. Adaptivnoe upravlenie slozhnymi sistemami na osnove teorii raspoznavanija obrazov: Monografija /V.S. Simankov, E.V. Lucenko.

– Krasnodar: Tehn. un-t Kuban. gos. tehnol. un-ta, 1999. –318 s.

2. Tarasov V.B. Nechetkie modeli v obrabotke izobrazhenij: obzor zarubezhnyh dostizhenij /V.B. Tarasov, S.Ju. Zheltov, A.A. Stepanov //Novosti

iskusstvennogo intellekta. – 1993. – №3. – S.40-64.

3. Duda R., Hart P. Pattern classification and scene analysis. – New York, Wiley–Interscience, 1973.

4. Mazurenko I.L. Komp'juternye sistemy raspoznavanija rechi. //Intellektual'nye sistemy. – 1998. – T.3. Vyp.1-2.

5. Ul'janov S.V. Nechetkie modeli intellektual'nyh promyshlennyh sistem upravlenija: teoreticheskie i prikladnye aspekty //Izvestija AN SSSR.

Serija: Tehnicheskaja kіbernetika. – 1991. – №3. – S.3-29.

6. Dorohov I.N. Avtomatizirovannaja sistema jekologicheskogo monitoringa promyshlennogo rajona //Programmnye produkty i sistemy. – 1998.

– №1. – S.37-44.

7. Zagajtov I.B. O primenenii metodov raspoznavanija obrazov k prognozirovaniju kolebanij urozhajnosti zernovyh kul'tur /I.B. Zagajtov, V.G.

Raskin, L.P. Janovskij //Jekonomika i matematicheskie metody. – 1982. – Vyp. 5. – S.861-867.

8. Vapnik V.N. Teorija raspoznavanija obrazov (statisticheskie problemy obuchenija) /V.N. Vapnik, A.Ja. Chervonenkis. – M.: Nauka, Glavnaja

redakcija fiziko-matematicheskoj literatury, 1974. – 416 s.

9. Antoshhenko N.I. Geomehanicheskie processy i prognoz dinamiki gazovydelenija pri vedenii ochistnyh rabot v ugol'nyh shahtah: monografija

/N.I. Antoshhenko, V.N. Okalelov, V.I. Pavlov. – Alchevsk: DonDTU, 2010. – 451 s.

10. Statisticheskie metody povyshenija kachestva /Pod. red. H. Kumje. – M.: Finansy i statistika, 1990. – 304 s.

11. Solso R. Robert. Kognitivnaja psihologija: Per. s angl. – M.: Trivola, 1996. – 600 s.

12. Djuk V.A. Komp'juternaja psihodiagnostika. – SPb: Bratstvo, 1994. –365 s.

13. Rjaben'kij V.M. Kombіnovanі sistemi rozpіznavannja obrazіv /V.M. Rjaben'kij, O.І. Zahozhaj. //Problemi іnformacіjnih tehnologіj. – 2011. – №1

(009). – S.152-157.

14. Russell T. The Relevance of Quasi-Rationality in Competitive Markets. In: D. Bell, H. Raiffa, A. Tversky (Eds.) Decision Making: Descriptive, Normative

and Prescriptive Interactions. /T. Russell, R. Taylor. – Cambridge: Cambridge University Press, 1988. – 462 p.

15. Kahneman D. Prospect Theory: an Analysis of Decisions under Risk /D. Kahneman, A. Tversky. //Econometrica. – 1979. – №47. – 384 p.

16. Fishhof B., Gojtejn B., Shapiro 3. Sub#ektivnaja ozhidaemaja poleznost': model' prinjatija reshenij //Procedury ocenivanija mnogokriterial'nyh

ob#ektov: Sb. tr. VNIISI. – 1984. – №9. – S.241-267.

17. Zahozhaj O.І. Pіdvishhennja dostovіrnostі rozpіznavannja ob‘єktіv za umovi najavnostі vikrivlen' їhn'ogo vіdobrazhennja u prostorі obrazіv

//Vestnik Hersonskogo nacional'nogo tehnicheskogo universiteta. – 2013. – №2 (44). – S.144-148.

18. Zahozhaj O.І. Selekcіja racіonal'noї sukupnostі іnformativnih obrazіv v kombіnovanih sistemah rozpіznavannja //Elektrotehnіchnі ta

komp‘juternі sistemi. – 2013. – №09 (85). – S.186-192.