Тезисы докладов
III ежегодного рабочего семинара-совещания
"Искусственные нейронные сети в информационных технологиях"

Последние изменения внесены: 10 Апреля 1998.

Ниже приводится список и тезисы докладов, представленных на III ежегодном рабочем семинаре-совещании "Искусственные нейронные сети в информационных технологиях".

Формат для цитирования:

Автор(ы). Название. Тезисы III рабочего семинара-совещания "Нейронные сети в информационных технологиях", Снежинск, 1-3 апреля, 1998. Интернет: http://www.vniitf.ru/~nimfa/conf/nnit98/abstracts.html

Афанасьева Н.Ю., Игнатьева Т.В. (Тульский государственный университет )
Нечеткий подход к распараллеливанию последовательных структурированных программ.
[Тезисы][Доклад]
Багин Г.Т., Львова Л.А. (ВНИИТФ, г.Снежинск)
Задача о применении нейронных сетей в устройствах предварительной обработки сигналов радиотехнических систем.
[Тезисы][Доклад]
Багин Г.Т., Львова Л.А. (ВНИИТФ, г.Снежинск)
Практическое применение нейронных сетей в задаче распознавания пространственных образов.
[Тезисы][Доклад]
Бакулин Е.П., Головин В.Ф., Золотухин Ю.Н., Нестеров А.А., Чайко В.Н., Ян А.П. (Институт автоматики и электрометрии СО РАН, г. Новосибирск)
Нечеткое управление технологическим процессом обогащения угля методом отсадки.
[Тезисы][Доклад]
Беляшов Д.Н., Емельянова И.В. ( Институт геофизических исследований, Национальный Ядерный Центр, Министерство Науки - Академия Наук Республики Казахстан), Макаренко Н.Г. (Институт теоретической и прикладной математики, Министерство Науки - Академия Наук Республики Казахстан)
Реконструкция динамики временных рядов и проблема распознавания образов.
[Тезисы][Доклад]
Бобко В.Д.,.Золотухин Ю.Н., Нестеров А.А. (Институт автоматики и электрометрии СО РАН, г.Новосибирск)
Нечеткое управление объектом с использованием традиционного ПИД-регулятора.
[Тезисы][Доклад]
Богачева Н.А., Жуков А.Д. (Государственный университет аэрокосмического приборостроения, г. Санкт-Петербург)
Технология проектирования и производства авиакосмических тормозных систем с использованием нейронных сетей.
[Тезисы][Доклад]
Валеев С.С. (Государственный авиационный технический университет, г.Уфа)
Упрощенная нелинейная динамическая модель ГТД.
[Тезисы][Доклад]
Валеев С.С., Валеева А.Ф. (Государственный авиационный технический университет, г.Уфа)
Решение задачи рационального использования ресурса с применением нейронных сетей.
[Тезисы][Доклад]
Васильев В.И., Ильясов Б.Г., Валеев С.С. (Государственный авиационный технический университет, г.Уфа)
Проектирование систем управления авиационных двигателей с применением нечеткой логики.
[Тезисы][Доклад]
Воленко Е.В., Федорова Н.Н., Терехов С.А. (ВНИИТФ, г.Снежинск)
Генетический поиск для комбинаторных задач управления параллельными вычислительными процессами.
[Тезисы][Доклад]
Гагарин С.В. (ВНИИТФ, г.Снежинск)
Об опыте использования Microsoft Front Page 98 для создания и сопровождения Web-сайта.
[Тезисы][Доклад]
Гасилов В.Л., Кандоба И.Н., Костоусов В.Б., Кукушкин А.П., Сафронович Е.Л. (Институт Математики и Механики УрО РАН, г.Екатеринбург)
Автоматизация процесса обработки аэрокосмических снимков земной поверхности при мониторинге природной среды.
[Тезисы][Доклад]
Глазырин И.В., Диянков О.В., КошелевС.В. (ВНИИТФ, г.Снежинск)
MAG - двумерная МГД программа, использующая подвижную систему координат.
[Тезисы][Доклад]
Грязных А.И., Котов Р.А. (ВНИИТФ, г.Снежинск)
Об одном подходе к распараллеливанию программ на многопроцессорной ЭВМ.
[Тезисы][Доклад]
Диянков О.В., Котегов С.С., Кузнецов Ю.Ю., Кузнецова Н.Н., Надольский А.А., Правильников В.Ю. (ВНИИТФ, г.Снежинск)
Программы IGM и CELLS для моделирования газодинамических течений на нерегулярных сетках.
[Тезисы][Доклад]
Диянкова Е.В. (ВНИИТФ, г.Снежинск)
Распознавание типов сейсмических сигналов на основе нейронных сетей.
[Тезисы][Доклад]
Диянкова С.А., Диянкова Е.В., Мухамадиева Т.А. (ВНИИТФ, г.Снежинск)
Нейросетевые методы решения обратных некорректно поставленных задач.
[Тезисы][Доклад]
Дорогов А. Ю. (Санкт-Петербургский государственный электротехнический университет)
ActiveX-объект -"ядерная нейронная сеть".
[Тезисы][Доклад]
Ефимов В.Н. (НИИ нейрокибернетики РГУ, г. Ростов-на-Дону)
Разработка идеи реализации системы извлечения информации из баз данных по запросам на основе размытых понятий естественного языка с применением нейросетевого подхода.
[Тезисы][Доклад]
Ефимов В.Н., Филин Н.Н. (НИИ нейрокибернетики РГУ, г.Ростов-на-Дону)
Разработка программного модуля обучаемой нейронной сети.
[Тезисы][Доклад]
Жернаков С.В. (Государственный авиационный технический университет, г.Уфа)
Ансамбль нейросетей для диагностики и контроля параметров ГТД в условиях неопределенности.
[Тезисы][Доклад]
Жукова С.В., Золотухин Ю.Н. (Институт автоматики и электрометрии СО РАН, г.Новосибирск)
Нечеткие оценки и генетический подход при настройке ПИД-регулятора.
[Тезисы][Доклад]
Зубов А.Д., Бурученко С.К. (ВНИИТФ, г.Снежинск)
Бессеточные методы в математическом моделировании физических процессов.
[Тезисы][Доклад]
Кандоба И.Н., Сафронович Е.Л. (Институт Математики и Механики УрО РАН, г.Екатеринбург)
Автоматизированная обработка изображений в задаче построения морфоструктурных линеаментов.
[Тезисы][Доклад]
Квичанский А.В., Терехов С.А. (ВНИИТФ, г.Снежинск)
Коцепция новой версии комплекса Nimfa.
[Тезисы][Доклад]
Ким А.В., Аникин А.М., Бисярин А.Ю., Горбатова И.А., Грибов В.М. (ВНИИТФ, г.Снежинск)
Опыт распараллеливания программ для многомерного математического моделирования.
[Тезисы][Доклад]
Коган А.Н., Тельных А.А., Яхно В.Г. (Институт прикладной физики РАН, г. Нижний Новгород)
Оптимизация точности режимов распознавания системы "Рука Идентификатор Человека" - "РИЧ-1".
[Тезисы][Доклад]
Козодой Д.С., Петунин С.А., Кузнецов Ю.Ю. (ВНИИТФ, г.Снежинск)
Принципы построения сети учета ядерных материалов.
[Тезисы][Доклад]
Конотоп Ю.И., Родионов В.В., Юровских И.В. (ВНИИТФ, г.Снежинск)
Аппаратный ускоритель нейронных вычислений на базе DSP процессоров.
[Тезисы][Доклад]
Криволапчук И.Г. (Государственный университет авиакосмического приборостроения, г.С.Петербург)
Концепция построения системы управления торможением самолета.
[Тезисы][Доклад]
Крушный В.В. (СФТИ, г.Снежинск)
Сети Петри.
[Тезисы][Доклад]
Леонов В.Н., Осипов Ю.В. (ВНИИТФ, г.Снежинск)
Опыт организации и внедрения Intranet технологий в корпоративной сети на базе Unix-сервера.
[Тезисы][Доклад]
Мазуров В.Д., Штыков Е.А. (Институт Математики и Механики УрО РАН, г.Екатеринбург)
Комитетная реализация нейросетей и маргинальные оценки.
[Тезисы][Доклад]
Макеев А., Степанов Ю. (АКБ "Челиндбанк", г.Челябинск)
Анализ изменения доходности рынка ценных бумаг с использованием нейросетей.
[Тезисы][Доклад]
Малеев А.А., Крюкова Т.Ф. (ВНИИТФ, г.Снежинск)
Параллельные итерационные методы решения систем алгебраических уравнений.
[Тезисы][Доклад]
Мухамадиев Р.Ф., Терехов С.А. (ВНИИТФ, г.Снежинск)
Методические расчеты одномерных газодинамических задач методом SPH.
[Тезисы][Доклад]
Мухамадиева Т.А., Диянкова С.А. (ВНИИТФ, г.Снежинск)
Нейросетевой прогноз временного ряда, предложенного на конкурс Katholieke Universiteit Leuven, Belgium.
[Тезисы][Доклад]
Нуйдель И.В., Хурлапов П.Г., Яхно В. Г. (Институт прикладной физики РАН, г. Нижний Новгород)
Исследование нормальных и патологических режимов преобразования сенсорных сигналов в модели из однородных нейроноподобных сред.
[Тезисы][Доклад]
Орлов Г.В. (ВНИИТФ, г.Снежинск)
Различение оружейного и энергетического плутония по спектрам гамма-излучения.
[Тезисы][Доклад]
Орлов Г.В. (ВНИИТФ, г.Снежинск)
Организация Intranet во внутренней сети математического отделения РФЯЦ-ВНИИТФ.
[Тезисы][Доклад]
Петунин С.А., Кузнецов Ю.Ю. (ВНИИТФ, г.Снежинск)
Интернет и корпоративная сеть ВНИИТФ.
[Тезисы][Доклад]
Подгорнов В.А., Цыганков Г.С., Аверкин В.В., Казаков В.Р. (ВНИИТФ, г.Снежинск)
Внедрение методов биометрической идентификации личности в системах физической защиты, учета и контроля ядерных материалов.
[Тезисы][Доклад]
Пятковский О.И. (Алтайский технический университет, г.Барнаул)
Нейросетевые технологии в интеллектуальных информационных системах предприятий.
[Тезисы][Доклад]
Пятковский О.И., Рубцов Д.В., Бутаков С.В. (Алтайский технический университет, г.Барнаул)
Применение искусственных нейронных сетей в информационной системе анализа финансового состояния предприятия.
[Тезисы][Доклад]
Разумов В.И., Сизиков В.П. (Институт информационных технологий и прикладной математики СО РАН, г. Омск)
Теория динамических информационных систем в трансляции смыслов и содержания предметных областей.
[Тезисы][Доклад]
Сизиков В.П. (Институт информационных технологий и прикладной математики СО РАН, г. Омск)
О возможностях описания в нейронных сетях представлений механики средствами динамических информационных систем.
[Тезисы][Доклад]
Терехов С.А. (ВНИИТФ, г.Снежинск)
Итоги работ ВНИИТФ по проекту МНТЦ "Разработка емкой нейросетевой памяти".
[Тезисы][Доклад]
Тимофеев С.Н. (ВНИИТФ, г.Снежинск)
Организация переноса информации между открытой и защищаемой сетью.
[Тезисы][Доклад]
Федорова Н.Н. (ВНИИТФ, г.Снежинск)
Параллельные методы обучения нейронных сетей.
[Тезисы][Доклад]
Федорова Н.Н., Терехов С.А. (ВНИИТФ, г.Снежинск)
Нейросетевой аппроксиматор для численного решения дифференциальных уравнений.
[Тезисы][Доклад]
Чернобай И.П., Габсатарова И.П. (Центральная опытно-методическая экспедиция Геофизической службы Российской академии наук, г. Обнинск)
Распознавание химических взрывов и землетрясений на Северном Кавказе.
[Тезисы][Доклад]
Шумский С.А. (ФИАН, г.Москва)
Нейросети в Интернет.
[Тезисы][Доклад]
Шумский С.А., Яровой А.В., Лукьяница А.А. (ФИАН, г.Москва)
Нейроcетевое предсказание финансовых временных рядов.
[Тезисы][Доклад]
Щукин Н.В. (ВНИИТФ, г.Снежинск)
Нейросетевая навигация в базах данных текстовых документов.
[Тезисы][Доклад]

Нечеткий подход к распараллеливанию последовательных структурированных программ.

Афанасьева Н.Ю., Игнатьева Т.В.

Тульский государственный университет
300600, г.Тула, пр. Ленина, 92
e-mail: ignatiev@fc.tulaadm.tula.su

Для распараллеливания последовательных программ с неточно известным временем выполнения операторов предлагается использовать математический аппарат теории нечетких множеств. При этом время выполнения отдельных операторов программы интерпретируется как нечеткое число, а логико - информационный граф программы - как нечеткий граф.

В рамках такого подхода разработана нечеткая модель последовательных программ с неточно известным временем выполнения операторов для определения временных характеристик программ и исследования возможных траекторий решения. Для построения статических многопроцессорных расписаний исследована возможность применения комбинаторных методов поиска в нечетких условиях. Для сокращения времени на получение решения разработаны эвристические алгоритмы минимизации длины расписания, в основе которых лежит сетевой метод планирования. Все необходимые вычисления выполняются по правилам нечеткой логики и нечеткой арифметики.

По результатам разработок было проведено имитационное моделирование на большом числе случайным образом сгенерированных графов последовательных программ. В случае детерминированного времени выполнения операторов отклонение длины расписаний от оптимальной не превышало 6%. Время построения двух и трехпроцессорных расписаний для графов программ, содержащих до 100 вершин с нечеткими весами, не превышало 3 мин, причем зависимость времени решения от размерности задачи близка к квадратичной.

Задача о применении нейронных сетей в устройствах предварительной обработки сигналов радиотехнических систем.

Багин Г.Т., Львова Л.А.

Российский Федеральный Ядерный Центр - Всероссийский НИИ Технической Физики
456770, Россия, г. Снежинск Челябинской обл., а/я 245

1. Оптимальная обработка радиолокационного сигнала

При создании радиотехнических систем, таких как радиолокационные, радионавигационные системы, спутниковые навигационные системы характерно стремление к оптимизации сигналов и устройств первичной обработки (фильтров). В качестве критериев оптимальности сигналов и фильтров могут применяться такие разновидности метода максимального правдоподобия, как максимум отношения сигнал/шум, минимум дисперсии ошибки, максимум вероятности обнаружения сигнала из шумов. При этом для описания числовых критериев оптимальности выступают функционалы, а оптимизация сигналов и фильтров сводится к поиску экстремумов функционалов. Естественным методом оптимизации считается вариационное исчисление.

Следует заметить, что в большинстве книг вариационное исчисление излагается в виде, удобном для оптимизации систем автоматического управления, описываемых дифференциальными операторами, в то время как преобразования, осуществляемые в радиосистемах над сигналами и помехами, в общем случае выражаются интегральными операторами. Поэтому при синтезе сигналов и фильтров радиосистем характерна вариационная задача для функционалов зависящих от интегральных операторов. Наилучшим образом традиционные методы оптимизации сигналов и фильтров в РТС изложены в трудах Г.А. Пахолкова и В.В. Кашинова (Вариационный метод синтеза сигналов и фильтров, М, ╚Радио и связь╩, 1981).

2. Процедура сжатия импульса

Как правило, сигнал на входе системы ослаблен и поступает в смеси с шумами и помехами. Уровень сигнал/шум может колебаться от +20 до -40 дБ. В системах радионавигации, как правило, имеет место высокое отношение сигнал/шум, в радиолокации низкое отношение, а в спутниковых навигационных системах отношение сигнал/шум доходит до -40 дБ относительно уровня шумов. Возможным техническим решением для предварительной обработки слабых сигналов, утопающих в шумах, является сжатие импульсов, широко применяемое в радиолокации и спутниковых навигационных системах, для которых характерный уровень сигналов у поверхности Земли ослаблен до уровня -160 дБ.

Поясним суть процедуры сжатия импульса.

В радиолокационных системах для зондирования обычно используется широкополосный сигнал относительно большой длительности, широкополосность которого достигается за счет фазовой или частотной внутриимпульсной модуляции или манипуляции с определенным законом изменения частоты. После приема такой радиоимпульс можно преобразовать в соответствующем фильтре, введя различные временные задержки для различных частот. Например, если используемый импульс имеет линейно возрастающую от времени частоту, фильтр должен иметь обратный дисперсионный закон - линейное уменьшение времени задержки с ее ростом. Физически это обозначает, что более низкочастотные составляющие сигнала, пришедшие первыми, претерпевают большие временные задержки и оказываются на выходе фильтра одновременно с высокочастотными. При синфазном сложении суммарное значение амплитуды импульса окажется значительно выше исходного, а длительность - меньше. Таким образом, широкополосные радиоимпульсы сжимаются в оптимальных фильтрах, причем тем сильнее, чем больше произведение ширины спектра на длительность импульса.

Такое преобразование сигнала имеет два положительных момента:

повышение амплитуды принятого сигнала увеличивает отношение сигнал\шум, что улучшает возможность его выделения на фоне помех;
сужение импульса повышает разрешающую способность системы по времени, а следовательно, по дальности.

3. Реализация сжатия импульсов

Традиционно для сжатия импульса в радиолокации используются либо дисперсионные замедляющие системы, основанные на различных физических принципах - электрические, магнитные и ультразвуковые волноводы, у которых хотя бы один размер соизмерим с длиной волны, либо недиспергирующие линии с дискретно распределенными или плавно меняющимися точками съема. Как и в случае других аналоговых устройств обработка сигнала в таких устройствах далека от оптимальной и заранее привязана к определенному типу сигнала.

Улучшение качества выделения полезного сигнала на фоне шумов возможно при использовании цифровых алгоритмов, когда принимаемый сигнал оцифровывается, фиксируется в памяти компьютера и затем обрабатывается по упомянутым выше алгоритмам. При этом имеется принципиальная возможность проанализировать структуру сигнала и провести его обработку наиболее оптимальным методом. Реализация этого алгоритма в тех случаях, когда необходима работа в режиме, близком к режиму реального времени, при использовании традиционных последовательных алгоритмов затруднена из-за неприемлемо больших времен обработки. Нейрокомпьютерный подход к задаче позволит устранить это препятствие.

Такие работы уже ведутся рядом зарубежных фирм. Согласно имеющимся данным для оптимальной фильтрации уже используются нейросетевые фильтры (Journal of Magnetic Resonance, 1990, p.397). При этом было достигнуто минимальное отношение сигнал/шум - 40 дБ, а время обработки было существенно ниже, чем при использовании традиционных методов. Была использована двухслойная нейросеть с сигмоидными функциями активации. При адаптивной настройке сети использовался алгоритм обратного распространения, количество циклов настройки равнялось 200.

Весьма ценно еще и то, что такой подход может быть использован и при решении обратной задачи - синтезировании широкополосных радиочастотных сигналов с заданными свойствами, например, с заданной частотной характеристикой. Здесь может быть применена нейронная сеть, выходные сигналы которой представляют коэффициенты Фурье, используемые для формирования сигналов.

Таким образом, при сжатии импульса задача оптимального фильтра, в виде специализированной нейронной сети может быть сформулирована следующим образом:

формирование сжатого по длительности выходного сигнала максимального уровня в момент распознавания широкополосного радиоимпульса с реализацией метода максимального правдоподобия;
обеспечение группового запаздывания составляющих спектра входного сигнала по такому закону, который будет способствовать получению минимума дисперсии ошибки временной фиксации входного сигнала;
нейронная сеть, по-видимому, должна быть обучена такому формированию группового запаздывания, которое соответствует по частотным свойствам зеркальному отображению спектра выходного сигнала, параметры которого априорно известны.

Следует признать, что такая постановка задачи имеет достаточно общий характер. Дальнейшая работа в направлении использования нейросетевых оптимальных фильтров может продвинуться при совместной работе в двух встречных направлениях: традиционный анализ оптимальной пары сигнал-фильтр и создание нейросетевых алгоритмов.

Практическое применение нейронных сетей в задаче распознавания пространственных образов.

Багин Г.Т., Львова Л.А.

Современный подход к управлению различными пространственно ориентированными объектами все больше ориентируется на использование интеллектуальных систем, имеющих возможности по самостоятельной оценке окружающей обстановки - обнаружению заданных объектов или ориентиров подстилающей поверхности с помощью встроенных сенсорных устройств, распознаванию их по заданным эталонам и на основе этого анализа выдаче соответствующих команд на исполнительные устройства. Требования по скорости обработки первичной информации сенсоров до недавнего времени не позволяли осуществлять эти операции достаточно быстро и эта область разработок имела малую практическую ценность. Надежды на прогресс в этой области связываются с развитием нейронных вычислительных систем.

В ближайшем будущем представляется вполне возможной разработка в значительной степени универсальных алгоритмов распознавания сложных объектов, основанной на представлениях нечеткой логики и позволяющих связывать сенсорные устройства различных физических принципов (радиолокационные, телевизионные, тепловизионные, лазерные) с разнообразными исполнительными механизмами, например, с устройством наведения антенн связи на заданный объект и его автоматического сопровождения; с устройством навигации летательного аппарата, позволяющим управление полетом только по земным ориентирам и др.

При разработке таких систем возникает ряд проблем, без решения которых успех невозможен.

1. Необходимы высокочувствительные и с высокой разрешающей способностью (разрешаемое пространство значительно меньше существенных деталей объекта поиска) дистанционные сенсорные устройства.

2. Так как каждый вид сенсорных устройств обладает своими преимуществами и ограничениями по условиям применения, для повышения надежности системы необходимо использовать несколько параллельных каналов приема первичной информации с различным типом сенсоров, а так как представления первичных данных существенно различаются для разных типов сенсоров, возникает необходимость создания нескольких эталонов для каждого вида распознаваемых объектов.

3. При принятии решения о наличии объекта поиска необходимо учитывать возможность того, что в определенных условиях некоторые из сенсоров могут не давать полезной информации, например, телевизионный датчик не работает в темное время суток или в тумане. Возможны также ситуации, когда вследствие высокого уровня помех некоторые из сенсоров дают неполное изображение сканируемой области.

4. Все распознаваемые объекты могут быть разделены на три существенно различающихся класса, требующих разного подхода к созданию эталонов:

линейчатые, у которых только один размер превышает разрешение сенсора;

плоские, такие как дорога, железнодорожное полотно, река, плоские участки поверхности в случае использования сенсоров с высокой разрешающей способностью;

объемные - здания, летательные аппараты, машины и др., изображение которых может сильно меняться с зависимости от ракурса наблюдения. В этом случае необходима разработка алгоритмов построения эталонов, не зависящих от ракурса.

5. В настоящее время не решена до конца задача формирования детальных эталонов сложных искусственных объектов. Так, например, имеются сложности в моделировании процесса отражения радиоволн от диэлектрических, импедансных и композитных объектов, в учете влияния антенн, уголковых образований, отверстий, в учете микрорельефа отражающей поверхности и влияния подстилающей поверхности. Разработка расчетных или экспериментальных методов задания эталонов представляется на этом этапе одной из наиболее важных составляющих проблемы.

Работы по распознаванию пространственных объектов ведутся в Air Force Wright Aeronautical Lab, Sandia National Labs, Boeing Electronic High Technology Center и др. В настоящее время реализованы схемы задания для каждого типа объекта поиска полного набора эталонов, позволяющих его идентификацию с любого направления, а также алгоритмы непосредственного создания эталона тем же нейропроцессором.

Таким образом, разработка устройств автономного ориентирования предполагает решение следующих задач:

создание классификатора типов подстилающих поверхностей (город, лес, река, горы) и видов ориентиров на них;
создание сенсоров, обладающих высокой разрешающей способностью, и возможностями сканирования;
создание эталонов, требующее согласованных усилий разработчиков сенсорных устройств и нейронных сетей;
разработка адекватной решаемой задаче нейронной сети и алгоритмов обработки изображения.

Нечеткое управление технологическим процессом обогащения угля методом отсадки.

Бакулин Е.П., Головин В.Ф., Золотухин Ю.Н., Нестеров А.А., Чайко В.Н., Ян А.П.

Институт автоматики и электрометрии СО РАН
630090, Россия, Новосибирск, пр. Университетский 1
e-mail: bakulin@iae.nsk.su , zolotukhin@iae.nsk.su

Отсадка - процесс гравитационного разделения компонентов исходной смеси продуктов в вертикально пульсирующем потоке воды. С точки зрения автоматизации - это достаточно неудобный процесс ввиду отсутствия адекватной математической модели и наличия ряда трудно контролируемых возмущений (изменение гранулометрического, фракционного и химического состава исходного продукта, отсутствие оперативных методов анализа обогащенного продукта и отходов и т. д.). Существующие системы автоматизации имеют лишь один контур регулирования - высоты постели (слоя) тяжелых фракций в отсадочной ванне, хотя оператор машины должен управлять еще, к примеру, и расходом воздуха и подрешетной воды, основываясь на периодических пробах отходов и концентрата, состоянии отсадочной постели и визуальных наблюдениях гидродинамических процессов в ваннах.

Для улучшения показателей процесса обогащения, таких как процентное содержание золы в концентрате, доля угля в отходах и удельная производительность машины предложена нечеткая система управления, имеющая двухуровневую архитектуру: нижний уровень ее составляют, как правило, регуляторы традиционного типа, уставки для которых задаются нечетким супервизорным контроллером, способным обрабатывать информацию как числового, так и лингвистического вида.

Работа проводится на Центральной обогатительной фабрике "Сибирь" (г. Мыски, Кемеровской обл.).

Реконструкция динамики временных рядов и проблема распознавания образов.

Беляшов Д.Н.(ИГИ), Емельянова И.В.(ИГИ), Макаренко Н.Г.(ИТПМ)

Институт геофизических исследований (ИГИ), Национальный Ядерный Центр,
Министерство Науки - Академия Наук Республики Казахстан
480046, Казахстан, Алматы, ул. Абая 191
e-mail: igr@kaskelen.almaty.kz

Институт теоретической и прикладной математики (ИТПМ),
Министерство Науки - Академия Наук Республики Казахстан
4801006, Казахстан, Алматы, ул. Пушкина 125
e-mail: makarenko@itpm.sci.kz

Поведение динамической системы отслеживается в наблюдениях в форме временных рядов или потоков дискретных событий. Прямое использование экспериментальных отсчетов в качестве признаков, в задачах распознавания образов, приводит в общем случае к бесконечномерному пространству атрибутов. Переход к конечномерному варианту связан с различными формами компактного представления сигнала: Фурье- и вейвлет-преобразования, метод главных компонент, сингулярные разложения и т.п. Все они используют главным образом метрическую информацию отсчетов, которая более всего искажена влиянием шумов. Кроме того, для сигналов с широкополосным спектром, даже эти подходы не позволяют редуцировать число признаков до разумных пределов. В этой ситуации разумно вообще отказаться от идеи пространства признаков. Рассмотрим ситуацию, когда входными образами являются произвольные вещественнозначные функции, интегрируемые в квадрате, а число (неортонормальных) прототипов может быть произвольным. Такие образы можно получить непосредственно из временных рядов, посредством построения вложения аттрактора исходной системы в евклидово пространство подходящей размерности. Эта техника называется процедурой Такенса. С точностью до предположений о типичности, она позволяет получить диффеоморфную копию фазового портрета динамической системы. Копия сохраняет важнейшие количественные характеристики динамики (размерность, Ляпуновские показатели и KS-энтропию) в геометрии полученного аттрактора. Она является, таким образом, гладкой универсальной моделью системы, полученной непосредственно из наблюдений. Входным образом нейросети может служить полученная реконструкция аттрактора, либо слопы корреляционных интегралов. Этот подход сводит проблему распознавания к задаче Коши и является обобщением известного алгоритма Хакена-Магницкого. Мы обсуждаем его на примерах задачи распознавания ядерных взрывов.

Нечеткое управление объектом с использованием традиционного ПИД-регулятора.

Бобко В.Д.,.Золотухин Ю.Н., Нестеров А.А.

Институт автоматики и электрометрии СО РАН
630090, Россия, Новосибирск, пр. Университетский 1
e-mail: zolotukhin@iae.nsk.su

В докладе рассмотрена задача коррекции качества переходного процесса путем динамического изменения в определенных пределах параметров ПИД-регулятора.

Приведены результаты моделирования нечеткого управления объектом третьего порядка путем нечеткой динамической коррекции коэффициентов традиционного ПИД-регулятора.

В качестве желаемой траектории принято найденное по принципу максимума [1] оптимальное по быстродействию управление для замкнутой системы регулирования. Для построения нечеткого контроллера использованы полученные результаты анализа поведения системы в окрестности оптимальной по быстродействию траектории, осуществлен переход из временной области, в которой найдено оптимальное управление, в фазовое пространство системы.

Сравнение переходных характеристик систем с традиционным регулятором и корректирующим нечетким контроллером демонстрирует существенные преимущества последней.

[1] Понтрягин Л.С., Болтянский В.Г., Гамкрелидзе Р.В., Мищенко Е.Ф. Математическая теория оптимальных процессов. М: Физматгиз, 1961.

Технология проектирования и производства авиакосмических тормозных систем с использованием нейронных сетей.

Богачева Н.А., Жуков А.Д.

Государственный университет авиакосмического приборостроения
190000, Россия, С.Петербург, ул. Большая Морская 67
e-mail: nba@acts.aanet.ru , zukov@acts.aanet.ru

Общая постановка задачи управления тормозным давлением и принципы построения управления изложены в материалах IV и V Всероссийских семинаров "Нейроинформатика и ее приложения" (Красноярск).

В настоящее время при проектировании, производстве и испытаниях авиакосмических тормозных систем (АКТС) используется традиционная схема: отдельные этапы проектирования и производства компьютеризированы, имеются аппаратные и программные средства, предназначенные для решения локальных научно-технических задач. Для повышения эффективности и гибкости производства, уменьшения его сроков и стоимости целесообразно создание единого инструментария проектировщика и производственника, подчиненного конечной цели - ориентации на конечного пользователя.

Для объединения имеющихся средств проектирования и производства в единую замкнутую технологическую систему и восполнения имеющихся информационно-технологических пробелов предлагается применять в качестве единого инструмента аппарат нейронных сетей.

Авторами доклада сформированы векторы входных и выходных сигналов в рассматриваемой предметной области, прежде всего на этапе проектирования АКТС, сопоставлены базовые архитектуры нейронных сетей, предложены характеристические функции нейронов для трехслойной сети.

Работы будут продолжены авторами в направлении программной реализации сформулированной выше задачи и детальном рассмотрении варианта полносвязной нейронной сети.

Часть материалов, изложенных в докладе, получена авторами при выполнении работ в рамках НИР по выигранному гранту МАТИ-РГТУ им. К.Э.Циолковского.

Упрощенная нелинейная динамическая модель ГТД.

Валеев С.С.

Уфимский государственный авиационный технический университет (УГАТУ)
Кафедра вычислительной техники и защиты информации
450000, Россия, Уфа, ул. К.Маркса 12
e-mail: valeyev@ufap.ugatu.ac.ru

Дано: k - k-я статическая точка режима работы газотурбинного двигателя (ГТД);

линейная динамическая модель ГТД в к-ой рабочей точке:

dX/dt = A(k)X(t)+ B(k)U(t), Y(t)=С(k)X(t)+ D(k)U(t),

статические характеристики:

S = { k, X(k), U(k), Y(k) },

значения параметров модели в k-й точке:

M = { k, A(k), B(k), C(k), D(k) },

функция параметра режима:

V = f( x₁, x₂, ..., x_n).

Необходимо построить нелинейную динамическую модель.

В докладе рассматривается применение нейронной сети для построения нелинейной динамической модели ГТД в пространстве состояний. Обсуждаются различные схемы построения вычислительного процесса для определения значений параметров модели. Приводятся результаты построения модели для двухвального двигателя.

Решение задачи рационального использования ресурса с применением нейронных сетей.

Валеев С.С., Валеева А.Ф.

Рассматривается метод получения множества квазиоптимальных решений для задачи рационального использования ресурса при выполнении различных работ, основанного на псевдополиномиальном алгоритме о решении задачи о рюкзаке с последующей его модификацией [1]. Эта задача относится к классу NP. В докладе обсуждается возможность применения нейронной сети на этапе выбора решений, что позволяет ускорить работу алгоритма. Дается оценка вычислительной сложности разработанного алгоритма. В результате работы алгоритма получается множество квазиоптимальных решений и возникает задача распознавания образов. Предлагается ее решение на основе нейронной сети.

[1] Валеева А.Ф., Валеев С.С., Чуен Ли. Оптимальное планирование работ в вычислительных системах реального времени. Международное научное издание "Интеллектуальные автономные системы", изд-во УГАТУ, 1996, с.135-139.

Проектирование систем управления авиационных двигателей с применением нечеткой логики.

Васильев В.И., Ильясов Б.Г., Валеев С.С.

В докладе обсуждается применение нечеткой логики при проектировании систем управления авиационных двигателей. Рассматриваются возможная структура нейро-нечеткого регулятора температуры газа за турбиной, метод подстройки параметров ПИД-регулятора в реальном масштабе времени на основе эталонной модели и нечеткой экспертной системы. Обсуждаются результаты моделирования работы регуляторов для одновального газотурбинного двигателя.

Генетический поиск для комбинаторных задач управления параллельными вычислительными процессами.

Воленко Е.В., Федорова Н.Н., Терехов С.А.

Российский Федеральный Ядерный Центр - Всероссийский НИИ Технической Физики
456770, Россия, г. Снежинск Челябинской обл., а/я 245
e-mail: sta@nine.ch70.chel.su

В докладе обсуждается методика генетического поиска для комбинаторной задачи оптимального статического планирования загрузки параллельной вычислительной системы с распределенной памятью.

При использовании однородных и неоднородных высокопараллельных вычислительных систем с распределенной памятью значительное повышения эффективности может быть достигнуто за счет согласованного распределения процессов по процессорам. При этом учитываются вычислительные ресурсы, потребляемые процессами и производительности процессоров, а также потоки данных по информационным каналам с разной пропускной способностью.

Представленная задача относится к классу так называемых NP - полных (неполиномиально полных) задач размещения ресурсов, для которых нет конструктивных алгоритмов поиска точного минимума, завершающихся в наихудшем случае за полиномиальное время. Единственной стратегией поиска точного минимума является перебор вариантов, который зависит от размерности задачи факториальным образом. Поэтому для решения подобных задач используются методы нахождения приближенного решения. В работе предлагается использовать метод генетического поиска - генетический алгоритм. Принцип алгоритма состоит в кодировании схемы размещения цепочкой символов из некоторого алфавита (например, 0 и 1). К популяции таких цепочек применяются различные алгоритмы модификации кода, напоминающие механизмы мутаций и скрещивания в биологических популяциях, с последующим отбором наиболее ценных цепочек, соответствующих оптимальным размещениям.

Об опыте использования Microsoft Front Page 98 для создания и сопровождения Web-сайта

Гагарин С.В.

Российский Федеральный Ядерный Центр - Всероссийский НИИ Технической Физики
456770, Россия, г. Снежинск Челябинской обл., а/я 245
e-mail : S.V.Gagarin@vniitf.ru

В докладе обсуждается опыт использования пакета Microsoft Front Page 98 для создания и дальнейшего сопровождения Web-сайтов. Рассматриваются его основные компоненты : Front Page Explorer - для сопровождения Web-сайта в целом, Front Page Editor - WYSIWYG редактор Web-страниц и Front Page Personal Web Server - для отладки Web-сайта на этапе его разработки. Рассматриваются его основные особенности, рекомендации по использованию его возможностей для создания динамичных Web-узлов.

Автоматизация процесса обработки аэрокосмических снимков земной поверхности при мониторинге природной среды.

Гасилов В.Л., Кандоба И.Н., Костоусов В.Б., Кукушкин А.П., Сафронович Е.Л.

Институт Математики и Механики УрО РАН
620219, Россия, Екатеринбург, ул. Софьи Ковалевской 16
e-mail: kandoba@odu.imm.intec.ru , esafron@odu.imm.intec.ru

Обсуждаются вопросы, связанные с разработкой алгоритмических и программных средств для автоматизированной обработки данных космофотосъемки земной поверхности для решения задач мониторинга природной среды и ряда других прикладных задач [1,2]. В последнее время в ИММ УрО РАН разрабатываются методы обработки и распознавания космофотоснимков в приложении к задачам высокоточной навигации летательных аппаратов, автоматизации топографического дешифрирования космических изображений, морфоструктурного анализа сейсмически активных территорий, создания цифровых моделей местности, автоматической стереофотограмметрии и оценки влияния природных процессов, катастроф, антропогенных воздействий на окружающую среду. Разработана общая технологическая схема процесса дешифрирования космофотоснимков, включающая в себя алгоритмы предварительной обработки изображений, сегментации и распознавания объектов на них. На базе этих алгоритмов разработан ряд программных комплексов и пакетов прикладных программ для персональных ЭВМ.

Программно-аппаратный комплекс САДКО (Система Автоматизированного Дешифрирования КОсмофотоснимков) предназначен для автоматизированного дешифрирования черно-белых космических снимков. Он представляет собой набор модулей, содержащих ряд алгоритмов обработки и распознавания изображений и обеспечивающих эффективное взаимодействие оператора с информационной подсистемой комплекса, представляющей из себя совокупность взаимосвязанных многоуровневых баз данных. Управление подсистемами комплекса осуществляется через специальную интерфейсную оболочку. САДКО включает информационную подсистему, подсистему дешифрирования, ввода снимков и вывода результатов. Информационная подсистема управляет базами данных и позволяет хранить и сопровождать дешифровочную информацию (топографические объекты (ТО), дешифровочные признаки, эталонные изображения (ЭИ) и др.), а также обеспечивает работу экспертной подсистемы дешифрирования изображений. Подсистема дешифрирования позволяет проводить обработку полутоновых изображений с целью повышения их визуальных качеств, сегментировать изображения, распознавать ТО в автоматическом режиме или с привлечением экспертной системы (ЭС). Результаты дешифрирования формируются в виде, совместимом с известными форматами электронных карт геоинформационных систем.

Пакет прикладных программ МЕСТОРОЖДЕНИЕ предназначен для решения задачи своевременного обнаружения аномального поднятия уровня почвы, возникающего в районах кустовых площадок нефтяного месторождения до того, как происходит разрушение нефтяных скважин куста. Учитывая необходимость охвата больших площадей нефтяных районов, наиболее перспективными представляются методы дистанционного зондирования местности: например, использование материалов космической или аэрофотосъемки. При использовании такого подхода возникают проблемы обработки, анализа и распознавания изображений. Основным путем решения задачи здесь является использование косвенных признаков аномального поднятия уровня почвы, которые достаточно четко и надежно выделяются при анализе периодически получаемых изображений районов нефтяных месторождений. Так, характерной особенностью нефтяных районов Тюменского Севера является наличие густой гидрографической сети озер и рек, расположенных на песчаных (светлых) почвах. В этих условиях относительно небольшое поднятие почвы приводит к заметным изменениям изображений гидрографической сети: изменяется световой тон озер, их береговая линия и др. Таким образом, основной целью анализа изображений при решении данной задачи является обнаружение "подозрительно измененных" объектов (например, озер), которые расположены вблизи кустовых площадок. Идея метода обнаружения аномального поднятия почвы в районе бурового куста заключается в сравнении соответствующих различным моментам времени изображений местности в районе куста и выявлений различий между ними. При этом наибольший интерес представляет выявление указанных выше изменений в изображениях объектов гидрографической сети. Эта идея активно используется в первой версии МЕСТОРОЖДЕНИЯ, предоставляющем средства для автоматизированного анализа изображений. Для ее реализации в рамках пакета разработаны алгоритмы улучшения визуального качества изображений, выделения на них объектов гидрографической сети и объектов некоторых других классов, алгоритмы модификации изображений и сопоставления изображений одной и той же местности.

[1] Гасилов В.Л., Костоусов В.Б., Кукушкин А.П. Измерение пространственных характеристик объектов земной поверхности на основе обработки их изображений. - Тез. доклада. Первая национальная конференция с международным участием по проблемам физической метрологии, С.-Петербург, 1994.

[2] Кандоба И.Н., Кукушкин А.П., Сафронович Е.Л. Автоматизация процесса подготовки эталонной навигационной информации по космофотоснимкам. Материалы IV Санкт-петербургской международной конференции по интегрированным навигационным системам, С.-Петербург, 1997, С.150-159.

MAG - двумерная МГД программа, использующая подвижную систему координат.

Глазырин И.В., Диянков О.В., Кошелев С.В.

Российский Федеральный Ядерный Центр - Всероссийский НИИ Технической Физики
456770, Россия, г. Снежинск Челябинской обл., а/я 245
e-mail: ovd@nine.ch70.chel.su

Описывается программа MAG [1], предназначенная для моделирования течений плазмы в магнитных полях. Используется произвольная подвижная система координат. Это позволяет моделировать течения с большими деформациями внутри рассматриваемой области, при этом границы области деформируются слабо, сохраняя корректное описание граничных условий. Такой подход уменьшает численную диффузию магнитного поля, что обеспечивает моделирование течений с магнитным числом Рейнольдса порядка нескольких сотен.

Программа использовалась для моделирования следующих задач: влияние магнитных полей на процесс взаимодействия лазерного излучения с веществом и образования лазерного факела, сжатие плазменных лайнеров магнитным полем.

[1] O.V.Diyankov, I.V.Glazyrin, S.V.Koshelev. MAG- two-dimensional resistive MHD code using an arbitrary moving coordinate system, Computer Physics Communications 106 (1997) 76-94.

Об одном подходе к распараллеливанию программ на многопроцессорной ЭВМ.

Грязных А.И., Котов Р.А.

Важными аспектами при решении задачи распараллеливания последовательного варианта программы на многопроцессорной ЭВМ является оценка затрат, которые необходимы для создания параллельной версии программы и выбор стратегии распараллеливания. Учитывая стабильный и существенный рост производительности современных процессоров различных фирм производителей, внутренней пропускной способности ЭВМ различного типа и пропускной способности сети Ethernet представляет интерес исследование того, какое максимальное ускорение можно получить при распараллеливании программы при минимальном изменении структуры данных и алгоритма программы. Проведено изучение данного вопроса на примере программы VH-1.

Программы IGM и CELLS для моделирования газодинамических течений на нерегулярных сетках.

Диянков О.В., Котегов С.С., Кузнецов Ю.Ю., Кузнецова Н.Н., Надольский А.А., Правильников В.Ю.

В данной работе представлено описание численного метода решения уравнений газовой динамики на нерегулярных сетках, построенных на основе ячеек Вороного.

Такого типа метод был впервые предложен в работе [1]. В более поздних работах (см., например [2]) представлены другие реализации этой идеи. Метод, представленный в настоящей работе имеет то отличие, что для построения разностной схемы был использован TVD подход [3]. Как известно, этот подход позволяет создавать монотонные разностные схемы с минимальной вязкостью для уравнений газовой динамики в эйлеровых координатах. В последнее время появились работы (например [4]), в которых TVD подход был использован для получения монотонных лагранжевых схем.

В данной работе на численных примерах продемонстрировано высокое качество получающихся двумерных схем на нерегулярных сетках. Приведены результаты расчетов задач с большими деформациями с использованием данного метода.

Данная работа была частично поддержана Ливерморской Национальной Лабораторией им. Лоуренса, контракт ╧B329117, и МНТЦ, проект ╧350.

[1] Глаголева Ю.П., Жогов Б.М., Кирьянов Ю.Ф., Мальшаков В.Д., Нестеренко Л.В., Софронов И.Д. Основы методики "Медуза". ЧММСС, Новосибирск, 1972, 3,2.

[2] W.P.Crowley, Computer Physics Communications, 48(1988) 51.

[3] Ami Harten, High Resolution Schemes for Hyperbolic Conservation Laws, Journal of Computational Physics 49, 357-393 (1983).

[4] О.В.Диянков. Применение TVD подхода к получению разностных схем повышенного порядка точности для лагранжевых уравнений газовой динамики. Препринт РФЯЦ-ВНИИТФ N 96, 1996г.

Распознавание типов сейсмических сигналов на основе нейронных сетей.

Диянкова Е.В.

Предлагается методика, позволяющая различить сейсмические события техногенного происхождения (промышленные взрывы) и естественные колебания (землетрясения). Методика основана на применении искусственной нейронной сети к экспериментальным данным, предобработанным при помощи преобразования Фурье и вейвлет преобразования. Достигнута точность классификации вплоть до 90%. Целесообразна дальнейшая апробация предлагаемого подхода на базах данных Международной системы сейсмического мониторинга.

Нейросетевые методы решения обратных некорректно поставленных задач.

Диянкова С.А., Диянкова E.В., Мухамадиева Т.А.

Некорректно поставленные задачи часто встречаются при обработке и интерпретации данных физического эксперимента. Эти задачи характеризуются тем, что малым изменениям входных данных могут соответствовать сколь угодно большие изменения решения. Подавляющее число обратных задач - т.е. задач, в которых по получаемым экспериментальным данным требуется определить физические характеристики объекта, недоступные для непосредственных изменений, являются некорректно поставленными.

Нейронные сети являются естественным регуляризатором для широкого класса обратных задач, так как a priori предполагают непрерывность и дифференцируемость пробного решения. Кроме того, нейросеть фиксированной топологии ограничивает класс точно представимых функций, что сужает область поиска приближенного решения.

Нейросетевой подход обсуждается в применении к задаче восстановления коэффициентов уравнения Гельмгольца. В качестве входных данных используются значения решения прямой задачи для одномерного уравнения Гельмгольца с кусочно постоянными коэффициентами в нескольких точках.

ActiveX-объект -"ядерная нейронная сеть".

Дорогов А. Ю.

Санкт-Петербургский государственный электротехнический университет
197376, г. Санкт-Петербург, ул.Проф. Попова, 5
e-mail: alfa@rex.telegraph.spb.ru

Практическое использование нейронных сетей обычно предполагает наличие двух уровней программного обеспечения: инструментального - обеспечивающего проектирование и исследование нейронной сети, и прикладного - в идеале представляющего набор программных компонент, которые можно встраивать в различные приложения.

Появление новой технологии межзадачного взаимодействия - ActiveX в операционной системе Windows95, привело к существенному изменению классической двухуровневой концепции программных средств.

Новая технология позволяет естественным образом связать инструментальный уровень программных компонент с прикладным уровнем пользователя. ActiveX - объект может быть легко встроен в любой продукт среды Microsoft Office, включая электронные таблицы Excel, базы данных Access, редактор Word и т.д. Взаимодействие со встроенным объектом в рамках MS Office`97 реализуется на языке Visual Basic for Applications. Тот же элемент может быть стандартным образом встроен в любой другой контейнер, например это может быть развитая инструментальная система полностью реализованная на языке C или Web-страница в сети Internet.

Учитывая неоспоримые достоинства новой технологии, для учебных целей был разработан программный продукт ActiveX - объект "ядерная нейронная сеть", который может служить составным компонентом различных программных систем. Выбор ядерной нейронной сети обусловлен рядом практических аспектов. Нейронные сети с ядерной организацией [1-3] являются структурным расширением класса многослойных полносвязанных сетей прямого распространения и включают последние как частный случай. Наполнение нового класса осуществляется за счет целенаправленного ограничения связей между нейронам. Концепция структурной организации ядерных сетей основана на понятии нейронного ядра, т.е. подмножества нейронов, которые имеют общее рецепторное поле. Нейронные сети с ядерной организацией обладают рядом качеств, имеющих важное практическое значение:

модульность структуры позволяет выполнить декомпозицию сложной задачи в ряд более простых подзадач;
структура сети может быть оптимизирована под конкретную задачу;
сокращение числа синаптических весов позволяет существенно увеличить вычислительную эффективность и использовать этот класс нейронных сетей для обработки данных в системах реального времени.

Возможности ActiveX - объекта определяются набором встроенных свойств и методов. Ниже приведен полный набор свойств и методов, реализованных в ActiveX - объекте "ядерная нейронная сеть".

InputBuffer - массив входного вектора;	Save([имя_файла]) - сохранение файла в формате NET;
OutputBuffer - массив выходного вектора;	CreateHand() - создание нейронной сети в ручном режиме;
Layers - массив объектов типа слой (Layer);	CreateAuto( разм_вх, разм_вых, [число_слоев] ) - автосоздание сети;
Links - массив объектов типа связь (Link);	TeachAuto() - обучение нейронной сети;
Flag - флаги нейронной сети;	Emulate() - преобразование входного вектора в выходной;
View - режим отображения сети на экране;	Inform - переменная форматирования / расчета вычислительной эффективности;
Modified - флаг модификации элемента;	Init() - инициализация сети
Load( имя_файла) - загрузка файла в формате NET;

Рассмотрим подробней массивы Layers и Links. В них содержатся наборы объектов, каждый из которых обладает собственными методами и свойствами. Объекты массива Layers предназначены для работы с отдельными слоями нейронной сети и позволяют выполнить настройку топологии рецепторов и аксонов слоя, а также получить доступ к отдельному нейронному ядру. Объект типа Layer имеет следующие методы и свойства:

Kernels - массив ядер данного слоя;	TranpositionReceptors(перв,втор) транспозиция пары рецепторов в топологическом множестве;
Show( ) - показать данный слой;	Init() - начальная расстановка весов и смещений;
TranpositionAxons(перв, втор) - транспозиция пары аксонов в топологическом множестве;

Массив типа Links содержит набор объектов, каждый из которых определяет связи между парой смежных слоев нейронной сети. Методы транспозиции в данных объектах, также как и в объектах типа Layer, позволяют реализовать изменение топологии нейронной сети. Метод Normalization предназначен для приведения топологии нейронных слоев к стандартной форме. Ниже приведен полный набор методов и свойств объекта типа Layer:

TranpositionAxons(перв, втор) - транспозиция пары аксонов в топологическом множестве;	Normalization(тип) - нормализация топологии нейронного слоя;
TranpositionReceptors(перв,втор) - транспозиция пары рецепторов в топологическом множестве;	Init() - начальная инициализация синаптической карты нейронного слоя;

Объект Kernel определяет нейронное ядро. Доступ к Kernel можно получить через массив Kernels конкретного слоя. Свойства и методы уровня Kernel позволяют устанавливать и получать значения синаптических весов, смещений и активационных функций для каждого нейрона ядра. Такие возможности позволяют разработчику выполнять обучение нейронной сети, используя собственные алгоритмы, реализованные в программном окружении внедренного ActiveX - элемента. Метод инициализации обеспечивает начальное заполнение значений синаптической карты нейронного ядра случайными числами. Метод Init() для нейронного слоя осуществляет последовательный вызов метода инициализации для каждого нейронного ядра. Аналогично, метод Init() для всей нейронной сети выполняет последовательную инициализацию всех нейронных слоев, а также начальную инициализацию топологий межслойных связей. Ниже приведен полный набор методов и свойств объекта типа Kernel:

Init() - начальное заполнение синаптической карты нейронного ядра;	Activations - массив активационных функций нейронов ядра;
Show() - показать синаптическую карту нейронного ядра;	Offsets - массив смещений нейронов ядра;
Synapses - двумерный массив синапсов

Набор методов и свойств, позволяет реализовать обучение сети и нейрообработку данных в любом контейнере, поддерживающим OLE Automation и COM технологии. Разработанный ActiveX - элемент сопровождается развитой справочной системой с примерами на Visual Basic для программы Excel.

[1] Дорогов А.Ю., Алексеев А.А. Структурные модели быстрых нейронных сетей. В сб. "Интеллектуальные системы", труды II-го Международного симпозиума, "Интеллектуальные системы" (INTEL'S_96), Санкт-Петербург, июнь 1996г., под. ред. К.А.Пупкова, т.2 - М.: Из-во ПАИМС. 1996, с.138-143.

[2] Дорогов А.Ю. Структурно-ядерная организация нейронных сетей прямого распространения. Тезисы докладов 5-го Всероссийского семинара "Нейроинформатика и ее приложения" 3-5 октября 1977 г. г.Красноярск.

[3] Дорогов А.Ю. Структурные модели и топологическое проектирование быстрых нейронных сетей. Доклады международной конференции "Информационные средства и технологии" 21-23 октября 1997г. г.Москва, т1, с264-269.

Разработка идеи реализации системы извлечения информации из баз данных по запросам на основе размытых понятий естественного языка с применением нейросетевого подхода.

Ефимов В.Н.

НИИ нейрокибернетики РГУ (Ростовского Госуниверситета)
344090, Россия, Ростов-на-Дону, пр. Стачки 194/1
e-mail: w175@krinc.rnd.runnet.ru

Проблемы извлечения информации из огромных и разнообразных баз данных в настоящее время приобрели весьма актуальное значение. Одной из задач является поиск методов реализации запросов на основе терминов естественного языка. А такие термины, как правило, относятся к неформализованным , размытым понятиям.

Применение теории размытых множеств и размытой логики в решении таких задач представляется весьма перспективным. В этой связи проработана идея реализации проекта Fuzzy Engine- программного инструмента для реализации SQL-запросов с использованием размытых терминов. При этом предполагается формирование функций принадлежности для любого термина с помощью нейросетевых алгоритмов обучения.

К плану реализации Проекта системы FuzzyEngine.

Назначение: система должна обеспечивать возможность:
- проводить поиск и вызов из БД множества записей по запросам на базе словаря размытых понятий или терминов.
- написания программы-приложения с применением любых текстов запросов на языке SQL-сервера с учетом обращений к размытым понятиям через соответствующие Fuzzy-функции библиотеки.
- формировать функций принадлежности (ФП) как методом записи таблиц, так и методом обучения системы с применением нейросетевых алгоритмов.
Разработка системы предполагает следующий этапы:
- разработка алгоритмов различных блоков системы
- создание рабочих моделей для проверки и испытания разработанных алгоритмов
- разработка программ инструментальных средств на основном языке
- разработка программ отдельных модулей системы
- разработка программы системы в целом
- написание текстов Help-поддержки и программная их реализация
- написание необходимых документов и инструкций пользователя
Необходимо разработать инструменты для формирования входного словаря терминов, пользования словарем, для хранения данных по словарю.
Необходимо разработать перечень функций и процедур, которые должны быть реализованы в виде библиотечных модулей.
Разработать способы хранения данных по ФП (по матрицам связей).
Разработать алгоритм привязки функции принадлежности к названию поля БД. Надо создать программный инструмент для выполнения такой привязки программистом-пользователем.
Разработать процедурную сторону и алгоритм инсталляции Fuzzy-системы в конкретной БД.

Разработка программного модуля обучаемой нейронной сети.

Ефимов В.Н., Филин Н.Н.

Нейросетевая обучаемая структура реализована в виде отдельного модуля NEURNET.DCU , содержащего объект типа TNET , для которого определены входной вектор и выходной вектор. При этом такой объект имеет три метода - Инициализация, Обучение и Тест. Модуль включен в библиотеку DELPHI. Таким образом при создании любой программы-приложения, в которой необходимо использовать нейросетевые методы для целей распознавания или диагностики, необходимо лишь открыть экземпляр объекта TNET (либо несколько экземпляров, если нужно) используя общий метод Create. В требуемый момент можно произвести инициализацию данного экземпляра сети- MyNet1.Init(....); Далее, подавая на вход сети значения входного вектора и требуемые (правильные) значения выходного вектора ответов сети , можно запустить метод Обучения = MyNet1.Learn(); Либо , если сеть обучена необходимо запустить метод Тест = MyNet1.Test; При этом сеть выдаст на выходе значения ,соответствующие классу входного сигнала. Входной вектор сети организован таким образом , что каждый его разряд имеет независимую размерность. Это обеспечивает универсальность применения данного вектора к любому типу входной информации. При этом надо иметь в виду , что в каждом разряде может быть задано только одно значение из всех возможных. Такой метод представления входного вектора позволяет значительно сократить число требуемых нейронов и связей в сети. Выходной вектор имеет два варианта представления - бинарный и аналоговый (типа Real). Внутренняя структура сети имеет два слоя нейронов. Первый слой - это динамические аналоговые нейроны. Второй слой- статические аналоговые нейроны. Алгоритм сети использует процесс выявления коррелирующих значений во входном векторе, метод виртуальных нейронов, число которых меняется в процессе обучения, а также принцип запрещающих мультипликативных связей. Это позволяет сети решать любой вариант логических задач , не требуя при этом многослойности и таких методов обучения , как Back-propagation.

Ансамбль нейросетей для диагностики и контроля параметров ГТД в условиях неопределенности.

Жернаков С.В.

Уфимский государственный авиационный технический университет (УГАТУ)
Кафедра вычислительной техники и защиты информации
450000, Россия, Уфа, ул. К.Маркса 12
e-mail: vasilyev@vtizi.ugatu.ac.ru

Современный газотурбинный двигатель (ГТД) с системой автоматического управления (САУ) - нелинейный, многомерный, многорежимный, многопараметрический, сложный динамический объект (СДО). При анализе процессов в СДО одной из важных самостоятельных задач является проблема диагностики и контроля его параметров в условиях неопределенности, особенно четко проявляющаяся при быстром их изменении на неустановившихся или переходных режимах работы СДО.

Существующие методы диагностирования далеки от своего совершенства (невысокая точность измерений, трудности формализации методов диагностирования, локализации вида и места отказа, прогнозирование дальнейшего протекания процесса в СДО и т.д.).

Современные компьютерные технологии на базе экспертных систем реального времени (ЭС РВ) с динамическими базами знаний на основе ансамбля нейросетей (НС) позволяют в условиях неопределенности эффективно и качественно проводить диагностирование СДО. В ЭС РВ, представляющей собой сложную информационную систему, содержится несколько баз знаний: статическую и динамическую, четкую и нечеткую, собственно баз знаний (БЗ), баз правил (как составная часть БЗ), баз данных (БД) с СУБД, расширяющей функции БЗ и различные механизмы вывода.

Ансамбль НС представляет собой подсистему динамических баз экспертных знаний, содержащую несколько различных моделей НС: многослойный персептрон, Кохонена, Хопфилда, ART, радиальных базисных сетей с различными алгоритмами их обучения и эффективно реализующих тот или иной метод диагностирования СДО. Он имеет двух уровневую иерархию. На первом уровне находится НС - навигатор, хранящая методы диагностирования и позволяющая подключать ансамбль моделей НС (второй уровень иерархии), выбирая модель НС в зависимости от места и типа отказа.

Нечеткость параметров СДО в информационной среде обосновывается выбором вида функций принадлежности, алгоритма фаззификации, механизма логического вывода и дефаззификации. Для настройки функций принадлежности применен ансамбль НС с различными алгоритмами обучения.

Нечеткие оценки и генетический подход при настройке ПИД-регулятора.

Жукова С.В., Золотухин Ю.Н.

Институт автоматики и электрометрии СО РАН
630090, Россия, Новосибирск, пр. Университетский 1
e-mail: zolotukhin@iae.nsk.su

В технике автоматического управления традиционным является использование регуляторов ПИ- и ПИД-типов. Разработан ряд инженерных методов настройки их параметров (коэффициентов в П-, И- и Д-термах), обеспечивающих приемлемое качество регулирования. Однако, в ряде случаев желательно иметь отличные от получаемых при стандартных методах настройки параметры переходной кривой замкнутой системы регулирования (например, минимизировать выброс при снижении требований ко времени нарастания сигнала и т.п.).

В докладе предложено использовать генетический подход (D.Goldberg) для организации направленного перебора вариантов параметров регулятора, а в качестве целевой функции - нечеткую оценку (Р.Беллман, Л.Заде) совокупности характеристик переходной кривой. Приведены результаты моделирования процесса поиска удовлетворительного варианта настройки для объекта третьего порядка с ПИД-регулятором.

Бессеточные методы в математическом моделировании физических процессов.

Зубов А.Д., Бурученко С.К.

Обзорный доклад посвящен семейству бурно развиваемых в последнее время бессеточных методов численного решения уравнений математической физики. Особое внимание уделяется методу сглаженных частиц (SPH - Smoothed Particle Hydrodynamics). SPH - метод имеет значительный потенциал для развития как альтернатива традиционным методам конечных разностей и конечных элементов.

Обсуждаются преимущества SPH - метода и некоторые его особенности. Подход иллюстрируется примерами компьютерного моделирования задач с большими деформациями течения.

Автоматизированная обработка изображений в задаче построения морфоструктурных линеаментов.

Кандоба И.Н., Сафронович Е.Л.

В докладе рассматривается процесс автоматизированной обработки изображений топографических, тектонических и геологических карт местности, а также космических фотоснимков с целью получения информации, используемой для так называемого морфоструктурного районирования (МСР) географических территорий. Понятие "морфоструктура" в практике геоморфологических исследований применяется для совокупности явлений, отражающих соотношения рельефа и тектонических структур. МСР, как и всякое районирование, предусматривает объединение объектов, обладающих сходными признаками, и их отграничение от объектов, характеризуемых иными признаками или иными показателями хотя бы одного из признаков. Целями МСР являются как определение иерархии основных элементов блоковой структуры Земли, созданной на последнем, рельефообразующем этапе ее геологического развития, так и выделение мест возможного возникновения сильных и умеренных землетрясений. Теоретическим обоснованием использования данных о современном рельефе при прогнозе мест природных катастроф послужило представление о том, что в сейсмоактивных горных территориях крупные черты рельефа в том или ином виде отражают горообразовательные тектонические движения, захватывающие глубины, сопоставимые с теми, в пределах которых зарождаются очаги коровых землетрясений.

При МСР выделяются три категории морфоструктур: территориальные единицы (блоки), линейные зоны в ограничении блоков (линеаменты) и места пересечений линеаментов разных простираний (узлы). Тектоническая активность линеаментов выше, чем блоков, а узлов выше, чем линеаментов. Именно к узлам, выделяемым на схемах МСР, приурочены экстремальные природные явления, созданные как глубинными, так и поверхностными процессами, - эпицентры землетрясений, скопления углеводородов, геохимические аномалии, крупные разрушения склонов и т.д.

Согласно методике МСР [1], на предварительном этапе составляется схема района, на которую наносится весь необходимый фактический материал: оси и подножия хребтов, спрямленные участки речных долин и другие прямолинейные формы рельефа. Схема сопоставляется с геологической и тектонической картами, после чего определяется соотношение крупных элементов рельефа с геологическими структурами. Содержание работы позволяет применить ряд математических формализаций, позволяющих автоматизировать данный этап МСР.

В докладе приводятся основные результаты моделирования процесса МСР, дается описание алгоритмов предварительной обработки и цветовой фильтрации изображений карт, алгоритмов фильтрации помех и выделения линейных структур на космических снимках горных районов. Обсуждаются методы комбинированного (совместного) анализа разнородных векторных полей, таких например, как поле речной сети, поле изолиний рельефа, осей горных хребтов, границ разновозрастных геологических пород и других линейных объектов. Методы и алгоритмы объединены в программный комплекс на базе программной среды Borland Delphi for Windows. Разработанный математический инструментарий может быть использован также для мониторинга природных явлений, получения статистических данных, картографирования местности.

[1] А.Д.Гвишиани, А.И.Горшков, Е.Я.Ранцман, А.Систернас, А.А.Соловьев. Прогнозирование мест землетрясений в регионах умеренной сейсмичности. М.: Наука, 1988, 176 с.

Концепция новой версии комплекса Nimfa.

Квичанский А.В., Терехов С.А.

Обзор опыта разработки и использования комплекса Nimfa:

Многоуровневая организация программного проекта.
Разделение счетного ядра и интерфейсных оболочек.
Коллективная разработка и поддержка версий.
Требования клиент-серверной организации и межплатформенной переносимости.

Концепции нового комплекса:

Пересмотр и развитие базовой библиотеки контейнеров и алгоритмов на основе STL подхода. Библиотека содержит, в частности, технологии работы с матрицами и объектно-ориентированные методы сохранения и восстановления данных в двоичном и текстовом формате.
Новый дизайн библиотеки счетного ядра, в состав которой входят информационный проект, нейросеть и заказы на обучение. Анализ первой версии позволил отказаться от методической перегруженности при сохранении функционального разнообразия комплекса и найти общие подходы к реализации семейств алгоритмов обучения. В результате значительно изменилась и упростилась структура библиотеки.
Упрощение и адаптация прежних интерфейсных оболочек - графической Windows-среды и переносимой пакетной версии.
Создание сервера автоматизации и использование Script-языков в качестве пакетной среды, в том числе внедрение Nimfa-технологий в WEB.

Опыт распараллеливания программ для многомерного математического моделирования.

Ким А.В., Аникин А.М., Бисярин А.Ю., Горбатова И.А., Грибов В.М.

Тезисы не поступили в оргкомитет к моменту публикации.

Оптимизация точности режимов распознавания системы "Рука Идентификатор Человека" - "РИЧ-1".

Коган А.Н., Тельных А.А., Яхно В.Г.

Институт прикладной физики РАН
603600, Россия, Нижний Новгород, ул. Ульянова 46
e-mail: yakhno@appl.sci-nnov.ru

В распознающих системах происходит преобразование и формирование нескольких типов информационных потоков (кодирование входной информации, формирование набора оценок точности выполняемых операций, восстановление входной информации из кодового набора, формирование управляющих сигналов для подстройки системы под особенности обрабатываемой информации, и ряд других сигналов для обеспечения обратных связей). Такие преобразования выполняются обычно пороговыми функциями и поэтому реакции распознающих систем можно описывать с помощью моделей нелинейных систем, обладающих набором нескольких квазистационарных состояний. При этом, по-видимому, не очень существенно на каком языке проводится описание (нейронносетевом, нелинейных систем с обратными связями, конечных автоматов, и т.п.), важнее определить эффективность выполнения решаемой задачи.

В данной работе рассмотрены алгоритмы повышения точности принимаемых решений за счет особенностей поступающей или уже запомненной в системе распознавания информации. Для оптимизации режимов распознавания были рассмотрены алгоритмы управления параметрами в блоке принятия решений. Результаты демонстрируются на системе распознавания человека по форме его руки. При тестировании использовалась база данных изображений для случайно выбранных 225 человек (2703 изображений правых и левых рук). Разработана специальная программа, анализирующая результаты распознавания по данным протокола системы, сформированного в процессе испытаний.

Расчет проводился для двух видов оценок:

а) ошибки не узнавания клиента, уже существующего в базе данных, (FRR - False Rejection Rate);

б) ошибки пропуска клиента не под своим номером (FAR - False Acceptance Rate).

Было показано, что при одинаковом для всех пользователей параметре принятия решений в "РИЧ-1" ~ 25 получаются наиболее низкие оценки ошибок распознавания: FAR ~ 0,1% ; FRR ~ 0,3 % .

Использование дополнительных оптимизационных настроек в распознающей системе, учитывающих особенности изображений и соответственно классов признаков для случайно выбранных 225 человек, позволило дополнительно снизить величины ошибок системы "РИЧ-1":

А) При подборе оптимизирующего параметра принятия решений для каждого пользователя, уравнивающего значения неправильных допусков и отказов были получены оценки: FAR ~ 0.047%; FRR ~ 0.006%.

Б) При алгоритме оптимизации, зануляющем значения неправильных допусков и определяющем соответствующие им числа неправильных отказов для выбранной базы данных изображений, были получены оценки: FAR ~ 0.0% ; FRR ~ 0.009 % .

Принципы построения сети учета ядерных материалов.

Козодой Д.С., Петунин С.А., Кузнецов Ю.Ю.

Российский Федеральный Ядерный Центр - Всероссийский НИИ Технической Физики
456770, Россия, г. Снежинск Челябинской обл., а/я 245
e-mail: kds@five.ch70.chel.su

Ключевые слова: сеть, информационная система, учет, безопасность, программные средства, канал, данные.

Сеть представляет собой транспортную магистраль для информационной системы (ИС) учета ЯМ и физически изолирована от других компьютерных систем. Сеть связывает локальные ИС шести удаленных площадок. Локальные сети площадок реализованы как типовые сети с селекцией данных. Уровень секретности обрабатываемой информации различен для локальных сетей и транспортной магистрали. Для обмена данными используются волоконно-оптические и телефонные линии связи, а также радиоканалы в качестве резервных.

В докладе рассматриваются:

топология сети
физическая среда обмена данными
архитектура программных средств
безопасность информации
дублирование и резервирование каналов обмена данными

Аппаратный ускоритель нейронных вычислений на базе DSP процессоров.

Конотоп Ю.И., Родионов В.В., Юровских И.В.

Российский Федеральный Ядерный Центр - Всероссийский НИИ Технической Физики
456770, Россия, г. Снежинск Челябинской обл., а/я 245
e-mail: Yu.I.Konotop@vniitf.ru

В докладе рассматриваются основные направления работ, проводимых в РФЯЦ-ВНИИТФ по созданию специализированных вычислительных устройств, эффективно реализующих алгоритмы моделирования искусственных нейронных сетей.

Одним из направлений является создание мультипроцессорного нейроускорителя на базе целочисленных DSP. Структура разработанного мультипроцессора класса MIMD адекватна структурам моделируемых искусcтвенных нейронных сетей произвольной конфигурации. В докладе приводится оценка эффективности моделирования нейросетей на вычислителе выбранной архитектуры в сравнении с программной реализацией на ЭВМ общего назначения.

Известно, что оптимально разреженные нейронные сети характеризуются лучшими свойствами обобщения, поэтому вопросы моделирования разреженных нейронных сетей заслуживают особого внимания. Моделирование таких сетей как полносвязных не учитывает явно заданную информацию о структуре сети и приводит к неэффективному использованию аппаратуры. В то же время поддержка (аппаратная или программная) моделирования разреженных нейронных сетей может привести не только к рациональному использованию памяти, но и к сокращению времени вычислений. В докладе приводятся основные результаты работ в этой области и формулируются направления дальнейших работ.

Концепция построения системы управления торможением самолета.

Криволапчук И.Г.

Государственный университет авиакосмического приборостроения
190000, Россия, С.Петербург, ул. Большая Морская 67
e-mail: ing@acts.aanet.ru

Проблема безопасности полетов является важнейшей проблемой авиации. В полной мере это относится к заключительной фазе полета - посадке и послепосадочному пробегу. По статистике, на эту фазу приходится значительный процент летных происшествий, связанный с выкатыванием за пределы взлетно-посадочной полосы (ВПП), сходом с ВПП на пробеге, разрушением пневматиков и т.п. Большая часть таких происшествий связана не с ошибками пилотов, а с недостаточной эффективностью работы систем ЛА, в том числе системы антиблокировочной автоматики (ABS), которая является частью системы торможения самолета. Разработке ABS для самолетов уделяется большое внимание. Эти работы идут в двух направлениях. Первое направление - конструктивное, связанное с улучшением динамических свойств основных узлов системы : колеса, тормоза, элементов гидросистемы. Второе - схемное, предусматривающее оптимизацию структуры и отдельных параметров системы управления. Очевидно, что использование только этих методов, то есть настройка в режиме off-line при отсутствии достаточно полного математического описания системы, дает ограниченный эффект. Для существенного повышения качества работы необходимо использование методов и алгоритмов адаптивного управления. Однако использование традиционных методов адаптивного управления применительно к проблеме торможения самолетов затруднено особенностями объекта управления. Объект является высокоразмерным, нелинейным, имеет элементы с распределенными параметрами и запаздыванием. Один из основных факторов, влияющих на качество торможения - коэффициент сцепления колеса с поверхностью ВПП, не может быть определен непосредственно. С другим важным параметром - величиной проскальзывания колеса, связана большая неопределенность. В таких условиях представляется целесообразным использование методов искусственного интеллекта, в частности fuzzy- и neuro-fuzzy- устройств, как для идентификации характеристик системы, так и для формирования сигналов управления.

Предлагаемая концепция заключается в переносе непосредственно в регулятор части задач, традиционно решаемых на стадии проектирования системы. К таким задачам относятся, например, окончательное формирование структуры регулятора, определение его параметров и т.п. При этом понятие "объект управления" включает весь самолет и часть среды функционирования (взаимодействие колеса с ВПП), а не только колесо и связанные с ним элементы. Существенное отличие таких систем заключается в использовании информации, получаемой в момент приземления самолета, и анализе качества управления после его отработки. Такое решение позволяет извлечь информацию об условиях работы системы при конкретном пробеге и повысить эффективность ее работы. Интеграция системы управления торможением и основной системы управления ЛА позволяет частично улучшить продольную управляемость самолета на пробеге.

Сети Петри.

Крушный В.В.

Снежинский физико-технический институт
456770, Россия, г. Снежинск Челябинской обл., ул. Комсомольская, 8

В докладе дается определение сети Петри, как формализации понятия абстрактной асинхронной системы - динамической структуры из событий и условий. Основные принципы сетевого подхода к моделированию дискретных систем сводятся к абстрагированию от конкретных физических и функциональных особенностей компонентов системы. Компоненты системы и их действия представляются абстрактными событиями, которые могут произойти (реализоваться) один раз, повториться многократно, порождая конкретные действия, или не произойти ни разу. Совокупность действий, возникающих как реализации событий при функционировании дискретной системы, образует процесс, порождаемый этой системой. В общем случае одна и та же система может функционировать в одних и тех же условиях по-разному, порождая некоторое множество процессов, т.е. функционировать недетерминировано.

Благодаря высокому уровню абстракции при помощи сетей Петри можно моделировать процессы совершенно разной природы. В докладе обсуждаются приложения сетей Петри в моделировании взаимодействия параллельных вычислительных процессов во времени.

Опыт организации и внедрения Intranet технологий в корпоративной сети на базе Unix-сервера.

Леонов В.Н., Осипов Ю.В.

1. Необходимость организации Intranet в корпоративной сети (обмен сообщениями электронной почты, организация хранилищ информации, организация поисковой системы, организация телеконференций).

2. Выбор программного и аппаратного обеспечения, необходимого для обеспечения функционирования Web-сервера, почтового сервера, сервера новостей, поискового сервера, chat-сервера.

3. Конкретные примеры реализации Intranet-технологий на сервере Alpha:

Web-сервер;
news-сервер;
сhat-сервер;
поисковый сервер;
система электронной почты;
ftp-сервер.

4. Клиентское программное обеспечение Intranet-технологий

для платформы Windows;
для платформы Unix;

5. Проблемы и затруднения при внедрении Intranet:

проблема с кодировкой;
обеспечение безопасности и сохранности информации ;
проблемы работы с массовым пользователем;
проблема переноса больших объемов информации;
передача сообщений электронной почты.

Комитетная реализация нейросетей и маргинальные оценки.

Мазуров В.Д.(ИММ), Штыков Е.А.(УРГУ)

Институт Математики и Механики (ИММ) УрО РАН
620219, Россия, Екатеринбург, ул. Софьи Ковалевской 16
e-mail: vladimir.mazurov@usu.ru

Аспирантура Уральского госуниверситета (УРГУ)
620083, Россия, Екатеринбург, ул.Ленина 51
e-mail: eug@kontur.e-burg.su

Для задач распознавания, диагностики и выбора, которые могут в исходной постановке быть несовместными и требуют построения комитетных реализаций нейронных сетей, важен вопрос об оценке устойчивости их реакций на материале обучения. С этой целью используются двойственные (сопряженные) задачи дискриминантного анализа. Для этого применяется погружение исходной задачи обучения классификации или выбору (что реализуется редукцией к дискриминантному анализу) в некоторую окрестность близких задач и анализ степени изменяемости решения в этой окрестности. Если Z - какая-то задача диагностики, классификации или выбора, то она естественным образом параметризуется (обобщенный параметр - массив данных наблюдений).

А это и дает непосредственную возможность эффективного формирования окрестности O(Z) задачи Z.

Так, если Z = DA(A,B,F) - задача построения поверхности {x: f(x)=0}, разделяющей множества A и B, причем разделяющая функция f - из класса F, то O(Z) = { DA(M,N,F) }, где M близко в некоторой метрике к A, а N близко к B.

Решение сопряженной задачи - анализ поведения Arg(Z) при пробегании задачи Z по окрестности O(Z). Кроме того, можно непосредственно вычислить маргинальные оценки, сведя задачу Z к оптимизационной.

В этом последнем случае сравнительно легко выделить элементы множеств A, B (соответственно, M, N), гарантированно имеющие нулевые маргинальные оценки. Такой подход позволяет, во-первых, ускорить вычисление маргинальных оценок. Во-вторых, анализ таких оценок для окрестности задач приводит к оценкам эффективности как признаков, выбранных для обучения (эти признаки представлены в оптимизационной задаче столбцами матриц M, N), так и выбранных для обучения примеров (элементы множеств M, N).

Анализ изменения доходности рынка ценных бумаг с использованием нейросетей.

Макеев А., Степанов Ю.

АКБ "Челиндбанк"
Россия, Челябинск, ул. К.Маркса 80
e-mail: maa@easy.hq.icb.chel.su

Тезисы не поступили в оргкомитет к моменту публикации.

Параллельные итерационные методы решения систем алгебраических уравнений.

Малеев А.А., Крюкова Т.Ф.

Для решения больших систем уравнений часто применяются итерационные алгоритмы, содержащие параметры. Такими параметрами, например, могут быть количество подсистем, на которые разбивается исходная система уравнений, размеры перекрытия подсистем и т.д. Оптимальные значения параметров зависят от порядка исходной системы, характеристик процедуры решения подсистем, а также архитектуры вычислительной среды, в которой реализуется итерационный алгоритм. Но чтобы найти эти оптимальные значения, необходимо знать функциональную зависимость (хотя бы приближенную) скорости сходимости итерационного алгоритма от параметров.

В докладе рассматривается СГИ алгоритм типа Якоби для решения блочно-трехдиагональной системы линейных уравнений. Такие системы часто возникают при численном решении уравнения теплопроводности или Пуассона в случае двух пространственных измерений. Для СГИ алгоритма выводится аналитическая зависимость спектрального радиуса итерационной матрицы модельной задачи, который определяет асимптотическую скорость сходимости итераций, от количества вспомогательных подсистем и размеров их перекрытия.

Представляются результаты численных экспериментов, выполненных по разработанной методической программе. Эти численные результаты сравниваются с теоретическим прогнозом, который использует полученную аналитическую формулу спектрального радиуса. Показывается хорошее согласие численных и теоретических результатов в широком диапазоне параметров.

Приводится численный пример оптимизации параллельного СГИ алгоритма на основе полученной аналитической формулы спектрального радиуса. Показывается, что при небольшом "расширении" вспомогательных подсистем получение решения с заданной точностью требует заметно меньших вычислительных затрат при меньшем числе процессоров.

Методические расчеты одномерных газодинамических задач методом SPH.

Мухамадиев Р.Ф., Терехов С.А.

В последние годы проявляется повышенный интерес к бессеточным методам моделирования физических процессов. Бессеточные методы предлагают значительное упрощение для многих задач, к решению которых стандартные сеточные методы мало приспособлены (в частности, задачи с большими деформациями сетки).

Smooth Particle Hydrodynamics (SPH) - один из них, первоначально был разработан для моделирования астрофизических процессов, таких как взрывы сверхновых и поведение пылевых облаков. Дальнейшее развитие этого метода показало перспективность его применения для решения задач, характеризующихся большими перепадами давления и сложной несимметричной геометрией. В докладе рассматривается применение SPH для решения лагранжевых уравнений гидродинамики. Представлены методические расчеты одномерных течений.

Нейросетевой прогноз временного ряда, предложенного на конкурс Katholieke Universiteit Leuven, Belgium.

Мухамадиева Т.А., Диянкова С.А.

В докладе изложены некоторые подходы к решению задач предсказания временных рядов. Нейросетевое предсказание, как любая нейросетевая задача, содержит следующие основные этапы: предобработка данных, обучение и тестирование.

Основной задачей предобработки является подготовка примеров для обучения, валидации и тестирования (предсказания). Встает проблема выбора таких параметров, как длина обучающего примера, возможные варианты реализации нерегулярности обучающей выборки, шаг предсказания.

Обучение и оптимизация нейросети проводилась с использованием комплекса Nimfa.

Приводятся результаты численных экспериментов прогноза временного ряда, предложенного на конкурс (условия конкурса и исходные данные в Интернет http://www.esat.kuleuven.ac.be/sista/workshop/competition.html ).

Исследование нормальных и патологических режимов преобразования сенсорных сигналов в модели из однородных нейроноподобных сред.

Нуйдель И.В., Хурлапов П.Г., Яхно В. Г.

Институт прикладной физики РАН
603600, Россия, Нижний Новгород, ул. Ульянова 46
e-mail: yakhno@appl.sci-nnov.ru

Происходит ли при обработке информации в коре головного мозга дробление входных сенсорных сигналов на специально выделенные дискретные временные этапы? Эта гипотеза обсуждалась в одной из работ Р. Хехт-Нильсена (1995) и был рассмотрен механизм периодического прерывания входного сенсорного сигнала. Предполагалось также, что за каждую такую временную порцию входной сигнал формировал определенный вариант статической картины активности нейронов коры. Далее между группами зажженных нейронов формируются ассоциативные связи. Аналогичная схема взаимодействия нейронных ансамблей неоднократно рассматривалась и при описании возможных механизмов патологической активности в коре головного мозга. Поэтому естественно было предположить, что эпилептиформная активность коры представляет собой вариант срыва в режим самовозбуждения механизма, обеспечивающего прерывание входного потока сенсорной информации. Цель данной работы состояла в демонстрации существования и нахождении условий перехода между "нормальным" и "патологическим" режимами на одной и той же модели из связанных нейроноподобных сред. Для описания процессов прерывистого преобразования сигналов рассматривалась трехкомпонентная математическая модель ансамблей из нейроноподобных элементов. Система трех балансных уравнений соответствовала схеме взаимосвязей между глубокими пирамидами в коре, нейронами таламуса и неспецифических ретикулярных ядер медиального таламуса.

Анализ пространственных структур активности в выбранных базовых моделях проводился с помощью специальной исследовательской системы, разработанной в интерфейсе операционной системы Windows. Такая интерактивная система представляет собой вспомогательное инструментальное средство для изучения возможного набора характерных решений исследуемых моделей нейроноподобных распределенных систем. Для качественного анализа автоволновых процессов имеется возможность анализировать следующие характеристики: вид нуль-изоклин системы; вид функции пространственной связи; зависимость скорости фронта от величины медленной переменной и т.п.

В исследуемой модели использовались функции пространственной связи в виде латерального торможения, при которых аналог нормального режима функционирования коры головного мозга был связан с выделением контура или линий заданных направлений из двумерного видеообраза. В такой трехкомпонентной модели нейронной системы были найдены области параметров, при которых происходило формирование нескольких видов вспышечных режимов, аналогичных эпилептиформной активности в коре. Оказалось, что режимы структурообразования при самовозбуждении распределенной системы весьма разнообразны, имеют свои характерные особенности и их возможная классификация требует дополнительных исследований.

Различение оружейного и энергетического плутония по спектрам гамма-излучения

Орлов Г.В.

Российский Федеральный Ядерный Центр - Всероссийский НИИ Технической Физики
456770, Россия, г. Снежинск Челябинской обл., а/я 245
e-mail: G.Vik.Orlov@vniitf.ru

В докладе по результатам выполнения контракта Lab-to-Lab ╧ В319867 рассматривается постановка задачи о различении и предлагается некоторая общая схема решения подобных задач. В качестве примера использования схемы решения задачи различения рассматривается возможность различения по спектрам гамма-излучения энергетического и оружейного плутониев. Предложены локальные и интегральные алгоритмы различения, реализующие баланс между общностью и надежностью различения.

Организация Intranet во внутренней сети математического отделения РФЯЦ-ВНИИТФ.

Орлов Г.В.

Описание и особенности внутренней сети математического отделения.
Внутренняя сеть Intranet - полигон web-технологий и учебный класс большой сети Internet.
Организационные и психологические аспекты массового внедрения web-технологий.
Организация современной электронной почты и новостей.
Организация web-узлов отделений, отделов, личных и узлов по направлениям
Организация файл-серверов в web-технологиях.
Организация массовых телеконференций и электронного обучения.
Организация информационно-справочного обеспечения и публикация на основе web-технологий.
Организация современной, англо- и русскоязычной поисковой системы.
Разработка интерфейса производственных программ на основе web-технологий.
Организация параллельной открытой вычислительной сети.
Организационно-технические аспекты обмена информации Internet<=>Intranet.
Организация единой, централизованной системы полномочий и защиты сети.
Проблемы резкого развития web-технологий и обучения.

Интернет и корпоративная сеть ВНИИТФ.

Петунин С.А., Кузнецов Ю.Ю.

Российский Федеральный Ядерный Центр - Всероссийский НИИ Технической Физики
456770, Россия, г. Снежинск Челябинской обл., а/я 245
e-mail: S.A.Petunin@vniitf.ru

В докладе рассматривается влияние технологий глобальной сети Интернет на структуры и услуги корпоративных компьютерных сетей крупных предприятий.

Открытая корпоративная сеть ВНИИТФ является примером применения такого подхода. В докладе приводится топология опорной транспортной сети ВНИИТФ, которая связывает географически разнесенные промплощадки института и важные опорные точки на территории города. Анализируется целесообразность использования различных сред передачи данных (волоконно-оптические кабели, беспроводная связь, телефония) при проектировании опорной сети. Перечисляется и комментируется сервис, предоставляемый своим пользователям через подключение к открытой корпоративной сети ВНИИТФ. Особый акцент делается на широкое использование персональных компьютерных видеоконференций. Обсуждается проблема применения Web-технологий при разработке прикладных подсистем в структуре открытой корпоративной сети института.

Внедрение методов биометрической идентификации личности в системах физической защиты и контроля ядерных материалов.

Подгорнов В.А., Аверкин В.В., Казаков В.Р., Цыганков Г.С.

Российский Федеральный Ядерный Центр - Всероссийский НИИ Технической Физики
456770, Россия, г. Снежинск Челябинской обл., а/я 245
e-mail: tgs@MPCA.ch70.chel.su

В рамках проводимой в настоящее время в МАЭ модернизации государственной системы учета и контроля ядерных материалов, систем физической защиты ядерноопасных объектов РФЯЦ-ВНИИТФ осуществляет разработку и внедрение автоматизированных систем контроля доступа персонала, важным элементом которых являются устройства биометрической идентификации личности.

В РФЯЦ-ВНИИТФ на протяжении последних нескольких лет интенсивно разрабатывались различные варианты устройств идентификации личности по геометрии руки, исследовались принципы распознавания и разрабатывалось программное обеспечение, использующее оригинальные алгоритмы.

Одновременно с этим в рамках межлабораторного сотрудничества проводились тестирование и опытная эксплуатация устройств идентификации личности по геометрии руки типа Hand-Key производства фирмы Recognition Systems, Ltd, USA, являющихся одними из самых надежных зарубежных устройств биометрической идентификации личности.

Необходимость проведения разработок устройств биометрической идентификации личности обусловлена тем, что известные на настоящее время научно-технические решения и методы, применяемые на практике, :

не охватывают многие из биометрических параметров, перспективных для идентификации личности;
не обеспечивают комплексный анализ биометрических параметров;
в ряде случаев не используют современные методы анализа и обработки данных;
не обеспечивают надежную защиту от злонамеренной фальсификации;
характеризуются, в ряде случаев, значительной технической сложностью реализации и имеют ряд эксплутационных ограничений.

Цель проводимых РФЯЦ-ВНИИТФ разработок :

создание отечественного прибора, оптимально сочетающего достоинства лучших зарубежных аналогов и апробированные собственные технические решения и алгоритмы;
удовлетворение собственных потребностей РФЯЦ-ВНИИТФ и ряда предприятий МАЭ в такого рода приборах, наиболее полно учитывающих предъявляемые к ним специальные требования при общем снижении себестоимости изготовления.

Разработанные в РФЯЦ-ВНИИТФ варианты устройств идентификации личности по геометрии руки различаются по техническому решению - имеется вариант, аналогичный по схеме устройству Hand-Key, и разработан оригинальный отечественный вариант, техническое решение которого патентуется РФЯЦ-ВНИИТФ в настоящее время.

Разработанные в РФЯЦ-ВНИИТФ варианты программного обеспечения для вышеуказанных устройств полностью оригинальные, равно как и используемые в них алгоритмы.

Внешний вид одного из разработанных и предлагаемых к производству вариантов устройства идентификации личности по геометрии руки представлен на Рис.1 (390Kb). Основные технические характеристики устройства идентификации личности по геометрии руки:

объем памяти - 256 пользователей при работе в автономном режиме (не менее 2500 в модифицированном варианте электронной части) и не менее 10000 при подключении к ПЭВМ ;
состав данных пользователя - пятизначный идентификационный номер и характеристики руки;
возможность записи данных пользователей в память устройства и считывание из нее через последовательный порт ПЭВМ;
интерфейс связи - RS232 / RS485;
время распознавания / идентификации - не более 0,5 с ;
прибор имеет 12-кнопочную клавиатуру и световую индикацию режимов работы (4 светодиода) или , в модифицированном варианте, двустрочный ЖК-дисплей;
прибор имеет звуковую сигнализацию;
число встроенных сенсоров прижатия пальцев к штырям позиционирования руки - 5 ;
число каналов подключения охранных датчиков - 4 ;
число каналов подключения исполнительных устройств (электрозамков) - 4;
питание прибора - "+"(12╠0,5) В ;
встроенная батарея питания ОЗУ;
средний рабочий ток потребления, не более - 50 мА (в модифицированном варианте - 100 мА) ;
габаритные размеры, не более - 185x205x240 мм;
масса, не более - 5 кГ.

Нейросетевые технологии в интеллектуальных информационных системах предприятий.

Пятковский О.И.

Алтайский технический университет, Кафедра информационных систем в экономике
656099, Россия, Барнаул, пр-т Ленина 46
e-mail: poi@agtu.altai.su

Рассматриваются результаты исследований и разработок интеллектуальных информационных систем производственного, финансового менеджмента, сбыта готовой продукции. Для автоматизации диагностики производственно-хозяйственной деятельности и выработки рациональных управленческих решений используются интеллектуальные комплексы программ, в состав которых входят нейроимитаторы [1]. Эффективность применения данных средств автоматизации объясняется большим объемом экономических показателей, характеризующих как внутреннюю деятельность предприятия, так и взаимодействие с внешней средой - банками, налоговыми инспекциями, потребителями и поставщиками, страховыми компаниями и т.д. При этом менеджеры предприятия стремятся управлять деятельностью предприятия в соответствии с заданными функциями цели. Следует отметить, что решение задач максимизации сформулированных функций цели практически невозможно точными методами. Это вызвано динамичностью изменения самих функций цели, которые могут быть траекторными, рабочими и ситуационными, а также неопределенностью значений управляемых и неуправляемых параметров моделей, тем более что характер взаимодействия с внешними организациями часто непредсказуем.

Для выработки рациональных управленческих решений возможно применение комплекса имитационных моделей и нейросетевых экспертных систем. Такие системы обеспечат не только оценку экономического состояния предприятия, но проведение моделирования с целью формирования стратегии и тактики управления. Для достижения наибольшей адекватности, модели содержат компоненты, отображающие случайные влияния на производство и финансовое окружение предприятия. Для определения рациональных решений проводятся многократные имитационные эксперименты. Сформированные в результате эксперимента выходные показатели используются в качестве входных в нейросетевые блоки. Экспертная система обеспечивает диагностику модельного состояния предприятия. Сформированные данные используются группой экспертов для выработки рациональных управленческих траекторий. Если допустимые решения, выработанные системой не соответствуют поставленным целям, экспертами производится корректировка входных управляющих параметров имитационных моделей с помощью соответствующего инструментального диалогового комплекса. После чего повторно производится моделирование и оценивание до получения желаемых результатов.

В докладе представлены также вопросы разработки программных комплексов, использующихся для прогнозирования спроса на продукцию, диагностики и прогнозирования динамики изменения финансово-экономических показателей. Рассматриваются возможности применения для этого искусственных нейронных сетей.

В докладе приводится подход к организации интеллектуальных интерфейсов пользователя с программно-техническими комплексами. Нейронные сети используются в средствах адаптации системы к конкретному специалисту. Для этого реализуются функции распознавания действий человека и текущего состояния информационной системы, определение класса пользователя и в зависимости от этого проведения непрерывного его обучения в соответствии со степенью образования. При работе интеллектуальных систем ввода данных применяются два уровня контроля входной информации. На первом уровне используется логический контроль данных и действий пользователя. Для этих целей возможно использование традиционных экспертных систем. В результате работы этих блоков формируются контрольные сообщения и обобщающие параметры, показывающие класс работы пользователя (качество ввода, категория допущенной ошибки, характеристика недопустимого действия). Сформированные параметры используются во втором уровне логического контроля данных. Для этого применяется обученная нейронная сеть. Выходным параметром сети является класс пользователя. Он определяет квалификацию пользователя, критерий качества его работы. В зависимости от значения производится автоматический выбор обучающего теста и настройка программы ввода. Обучающие инструкции при необходимости выдаются на экран видеотерминала.

Рассматриваются вопросы изменения содержания этапов жизненного цикла интеллектуальных программных изделий по сравнению с обычными. На этапе разработки станет обязательным этап обучения нейросетевых блоков, а при эксплуатации необходимо постоянное их дообучение.

Результаты исследований используются при проектировании и эксплуатации информационных систем на предприятиях страны.

[1] Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск.: Наука, 1996.- 276 с.

Применение искусственных нейронных сетей в информационной системе анализа финансового состояния предприятия.

Пятковский О.И., Рубцов Д.В., Бутаков С.В.

Алтайский технический университет,

Кафедра информационных систем в экономике
656099, Россия, Барнаул, пр-т Ленина 46
e-mail: poi@agtu.altai.su , swb@agtu.altai.su

Кафедра теоретической кибернетики и прикладной математики
656099, Россия, Барнаул, пер. Геблера 30-4
e-mail: rubtsov.pgs@math.dcn-asu.ru

Автоматизация процесса решения неформализованных и слабоструктурированных задач является одной из основных проблем в области построения интеллектуальных информационных систем. В настоящее время выделяют [1] два существенно различных подхода к решению данной проблемы. С одной стороны, существуют методы ╚традиционного╩ искусственного интеллекта, основанные на символьном представлении знаний предметной области. С другой стороны, в последнее время все большую популярность приобретает нейросетевой подход к автоматизации интеллектуальных процессов, основанный на принципиально иной парадигме. В докладе рассматриваются вопросы адекватного применения нейронных сетей при построении интеллектуальной системы диагностики финансовой деятельности предприятия.

Так как системы управления предприятиями, как правило, являются иерархическими, включающими уровни управления участка, цеха, предприятия, объединения, интеллектуальные информационные системы также имеют аналогичную структуру. На каждом уровне действуют интеллектуальные информационные системы IS-1, IS-2, IS-3 .. IS-N , построенные с использованием нейроимитаторов, соответствующих функциям цели и характеру решаемых задач. На первом уровне в информационной системе рассчитывается множество экономических показателей (P₁^¹,P₂^¹... P_n^¹), которые анализируются менеджерами для выработки рациональных управленческих решений. Эти показатели являются входными данными для нейросети, на основе которых вырабатывается K₁^¹ - вектор показателей, определяющий оценку состояния экономического объекта в текущий момент времени. При анализе параметров K₁^¹ менеджером будет возникать необходимость в их корректировке для установления соответствия с постоянно развивающимися опытом пользователя и внешними экономическими условиями. Для этого предусматривается возможность дообучения интеллектуальной системы. При этом менеджером производится формирование измененных параметров обучающей выборки R^¹, соответствующих критериям оценки производственно - финансового состояния объекта.

Такие же процессы происходят на вышестоящих уровнях управления. Кроме более укрупненных экономических показателей (P₁^²,P₂^²... P_n^²) на вход интеллектуальной системы поступают с нижних уровней значения выходных показателей (K₁^¹,K₂^¹... K_n^¹), определяющих решения менеджеров. Аналогичные блоки работают на уровнях предприятия и объединения и используются для эффективного управления.

Интеллектуальные блоки включаются в информационную систему конкретного специалиста (экономиста, производственного менеджера, финансового менеджера и т.д.). При этом возможна более глубокая специализация интеллектуальных систем и формирование их структур в зависимости от решаемых задач, которая по аналогии с деятельностью человека существенно повышает качество оценки.

Следует отметить, что наиболее качественных результатов можно достичь, если каждый показатель будет представлен с учетом тренда. При таком выражении показателей реально выполнение функций прогнозирования оценки финансового состояния предприятия.

Для начальных исследований возможностей применения искусственных нейронных сетей в области финансового анализа были использованы методические и программные разработки красноярской группы "Нейрокомп" [2]. При этом выполнены эксперименты по обучению нейронных сетей и определению ликвидности бухгалтерского баланса предприятий. На основе предварительного анализа сделан вывод об отраслевой специфичности распределения основных средств и обязательств предприятий.

Было обучено шесть нейросетей, на трех выборках (одна выборка - полная база данных по всем предприятиям, вторая - предприятия швейной отрасли и третья - ремонтные предприятия). Получено минимум 16,5% ошибки на первой выборке и 12,3% ошибки на второй. Нейросети с большим числом нейронов обучались в среднем в два раза быстрее, но для предприятий первой и третьей выборки давали худшие результаты при тестировании,

По результатам тестирования можно сделать следующие выводы:

Для грубой оценки ликвидности бухгалтерского баланса может быть использован универсальный классификатор (обученный на выборке данных по предприятиям нескольких отраслей), но для наиболее точной классификации должны использоваться нейросети, обученные на выборке из предприятий той отрасли, к которой принадлежит оцениваемое предприятие.
Интеллектуальной системе необходимо постоянное накопление и анализ опыта проведения экспертиз (постоянное дообучение нейросети), это позволит повысить точность оценки и отразить динамику экспертных знаний.

Следует отметить, что предложенный подход требует доработки теории создания интеллектуальных информационных систем предприятий.

Рассмотренные подходы реализованы авторами в интеллектуальной информационной системе оценки финансовой деятельности предприятия. Кроме блоков диагностики финансового состояния в ее состав входят интеллектуальные подсистемы ведения первичных данных, построенные с использованием нейроимитаторов, комплексы генерации структуры баланса, формул расчета финансовых показателей, элементы графической системы технического анализа показателей деятельности предприятия. Система внедряется на ряде предприятий Алтайского края.

[1] Honavar, V. and Uhr, L. Integrating Symbol Processing and Connectionist Networks. Invited chapter in: Intelligent Hybrid Systems. pp. 177-208. Goonatilake, S. and Khebbal, S. (Ed.) London: Wiley, 1995.

[2] Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск.: Наука, 1996.- 276 с.

Теория динамических информационных систем в трансляции смыслов и содержания предметных областей.

Разумов В.И.(ОИ МГУК), Сизиков В.П.(ИИТПМ)

Омский институт Московского государственного университета коммерции (ОИ МГУК)
644123, Россия, Омск-123, ул. Бульвар Архитекторов 1-7
e-mail: raz@bgraff.omsk.su

Институт информационных технологий и прикладной математики (ИИТПМ) СО РАН
644099, Россия, Омск-99, ул. Певцова 13
e-mail: sizikov@iitam.omsk.net.ru

В развитии исследований в области искусственного интеллекта и нейросетей существует проблема связи применяемого в конкретных разработках аналитического аппарата и содержательных особенностей осваиваемой предметной области (ПО). Известно, что в большой части аппарат математики, математической физики практически не обладает средствами онтологизации своих утверждений, а следовательно, между моделью или теорией и конкретной ПО всегда существует смысловой разрыв. Преодоление такого разрыва осуществляется с помощью экспериментов, имитационного моделирования, наконец, практики. Определенные успехи в решении означенной проблемы были сделаны в кибернетике, в особенности в ее новой ветви - гомеостатике (Ю.М.Горский), в генетической логике (И.С.Ладенко). Однако достаточной проработки методов доведения аналитического аппарата до содержательно-образных представлений ПО сделано не было. В развитии полисистемной методологии был развит подход, согласно которому переход от содержательно-образных представлений ПО к методам аналитики и геометрии осуществляется через последовательные преобразования информации о ПО классами методов. Также было установлено, что восстановление онтологии ПО в моделировании требует целого ряда подготовительных действий, среди которых не обойтись без формирования метафизических гипотез a priori. Без них невозможно обосновать, почему данная ПО репрезентирована таким именно образом, зачем ее изучение начато в таком разрезе и т.д. В общем виде складывается такая последовательность преобразований информации. Первоначально ПО представляется в виде категориально-системных и категориально-символьных схем. Затем на их основе строится ориентированный граф (ОГ). Далее, этот ОГ интерпретируется или преобразуется в терминах теории динамических информационных систем (ТДИС). По мере развития ТДИС они оказались универсальным средством в интерпретации информации ПО. Разработанные классификации динамических информационных систем (ДИС), процессов и режимов их информационного функционирования, способности к адаптации и управлению, к образованию и поддерживанию ритмов определенных свойств позволяют применять их к решению весьма разнообразных задач теоретического и прикладного характера. В этом случае ТДИС выступает в роли методологического инструмента. Имитация информационного функционирования ДИС на компьютере, а также философское осмысление и аналитические расчеты показали, что эти информационные объекты способны отвечать критериям самодостаточности и выражают в себе универсальные закономерности устройства мироздания во всяком случае на информационном плане бытия. Это позволяет в расширении работ по использованию методологии ДИС в развитии нейросетей привлечь ТДИС к решению проблем адекватности передачи смысла и содержания ПО. Как минимум, ТДИС может выступать в роли средства онтологизации утверждений формальных языков, а также с ее помощью возможно осуществлять осознанно и без разрывов движение по передаче информации от ПО к аналитической (геометрической) модели и обратно.

О возможностях описания в нейронных сетях представлений механики средствами динамических информационных систем.

Сизиков В.П.

Стабильность условий в механической системе естественно связывать с неизменностью параметров в соответствующей динамической информационной системе (ДИС). Отсутствие же элементов диссипации в механической системе выступает в ДИС как условие равенства нулю значений уровней трансформации (УТ) во всех ее категориальных элементах (КЭ). При указанных установках процесс информационного функционирования (ПИФ) ДИС представляет однородную цепь Маркова с определенной стохастической матрицей P перехода от цикла к циклу. Этот ПИФ либо имеет режим ритмов (вообще говоря, частичных ритмов), либо стационарный режим. В первом случае предельное поведение ПИФ является периодическим процессом и матрица P при этом имеет собственные числа, являющиеся корнями из 1, отличными от самой 1. Во втором случае ПИФ выходит на определенное распределение и среди собственных чисел матрицы P, отличных от 1, имеется наибольшее по модулю и этот модуль строго меньше 1. Вот этот-то модуль и является прототипом скорости в первом фундаментальном законе механики о равномерности и прямолинейности движения, тогда как случай с ритмами дает прототип частицы-фотона, типичного для квантовой механики. Роль силы в таких представлениях будет отводиться фактору, который позволяет изменять амплитуду и частоту в случае с ритмами, скорость в случае стационарного режима, либо же достигать перехода между этими случаями. Таким фактором в ДИС самый раз считать перемены значений относительных проводимостей связей. Перемены в ПИФ ДИС могут происходить и посредством регулярного привлечения извне и отдачи вовне информации, но эффективность и надежность этого способа много ниже. Наконец, дополнительные возможности дает использование и регулирование значений УТ в КЭ ДИС, хотя в сущности это вносит лишь временные перераспределения информации в ДИС и на скоростях отразиться не может иначе как возможной стохастичностью.

Все отмеченные подходы имеют прототипы в классической и квантовой механике, но все эти прототипы сами во многом остаются загадочными, не имеющими надежной методологической основы по учету и использованию. Есть надежда, что ДИС, а вслед за этим и нейронные сети, позволят преодолеть такие недостатки. Это же можно сказать и в отношении задач математической физики, тем более, что в терминах ДИС возможно также моделирование разнообразных сред - однородных и неоднородных, изотропных и не изотропных.

Итоги исследований, выполненных во ВНИИТФ по Проекту МНТЦ #31 "Разработка емкой нейросетевой памяти".

Терехов С.А.

Целью проводимых во ВНИИТФ по Проекту МНТЦ ╧ 31 работ являлась разработка программно-аппаратного комплекса Nimfa (Neural Informatics Methods For Applications - прикладные методы нейроинформатики) для приложений в области обработки баз экспериментальных данных и создания систем емкой памяти, адресуемой по содержанию. Разработанный в 1994-1997 г. программно-аппаратный комплекс Nimfa включает в себя все необходимые для прикладных информационных исследований компоненты:

Модуль экспорта-импорта и предобработки баз данных с интеграцией на основе технологий OLE и ODBC в семейство продуктов MS Office и MATLAB;
Базовая модель нейронной сети с произвольной топологией межнейронных связей и типами переходных функций нейронов, включая нейроны с корреляциями входов высших порядков;
Графический конструктор нейросети;
Библиотека алгоритмов обучения (итерационные, Монте-Карло, генетические, самоорганизация в моделях ART, SOM, нейронный газ) и оптимизации топологии нейросети;
Библиотека стандартизованных заказов на создание информационного проекта, объединяющего все элементы нейросетевых информационных технологий;
Графический интерфейс пользователя с набором интеллектуальных мастеров;
Аппаратный ускоритель нейровычислений и модуль его сопряжения с комплексом;
Переносимая между различными платформами (PC и UNIX) пакетная версия комплекса с унифицированным языком описания информационных проектов.

В рамках комплекса Nimfa создан мультипроцессорный нейроускоритель на базе целочисленных DSP. Структура разработанного мультипроцессора класса MIMD адекватна структурам моделируемых искусcтвенных нейронных сетей произвольной конфигурации. В нейроплате реализована оригинальная схема аппаратной поддержки моделирования разреженных нейронных сетей, которая приводит к рациональному использованию памяти и сокращению времени вычислений. Нейроускоритель допускает расширение за счет дублирования плат. Компьютер с шиной из 50 разработанных плат технически эквивалентен по объему памяти и скорости обработки информации возможностям мозга простых насекомых (мухи).

С использованием Nimfa выполнен ряд конверсионных исследований и разработок с применением нейросетей:

Распознавание типов источников сейсмических сигналов;
Прогноз осложнений инфаркта миокарда (данные были любезно предоставлены Красноярским научным центром);
Прогноз доходности ГКО на вторичном рынке;
Прогноз метеоусловий в районе работы станции PathFinder на Марсе;
Анализ сезонного аффективного расстройства на основе энцефаллограм
Ассоциативный адресный поиск текстовой информации и текстов в базе данных трудов общества SPIE.

Одной из рассмотренных задач явилось обоснование применимости нейросетевых технологий для классификации сейсмических данных Международного Центра Данных в рамках Международной Системы Мониторинга выполнения условий Договора о всеобщем запрещении ядерных испытаний (CTBT). С этой целью была разработана нейросетевая модель - карта Кохонена - назначением которой является построение отображения пространства входных сейсмических событий в двумерную нейронную структуру, сохраняющую отношения сходства между событиями. Карта была построена на примере 400 сейсмических событий (сильных химических взрывов и землетрясений) на территории Израиля. События различного происхождения формируют пространственно разделенные кластеры на карте. Каждое новое событие отвечает некоторой точке на карте, расположение которой позволяет идентифицировать тип источника события, а расстояние до границы кластеров - оценить степень достоверности классификации. В расчетах получена точность классификации до 90%.

На основе комплекса Nimfa исследована задача поиска информации в больших базах текстовых документов. В качестве теста были выбраны аннотации докладов, представленных на конференциях общества SPIE, в смежных с нейросетевой тематикой областях (нейронные сети, генетические алгоритмы, вейвлеты, нечеткая логика, фракталы, турбулентность, обработка изображений, распознавание образов, сжатие информации, стереоскопические дисплеи, параллельные и оптические вычисления, а также программное обеспечение и аппаратные ускорители вычислений). База данных SPIE, доступная через сеть Internet, содержит около 90,000 документов. В предлагаемом подходе каждый документ ассоциируется с его уникальным частотным спектром слов из задаваемого пользователем или автоматически формируемого словаря. Нейросетевая система обучается сопоставлять спектры документов из базы данных и спектр текста, в свободной форме задаваемого пользователем. Процесс поиска может сопровождаться настройкой нейросистемы на сферу индивидуальных информационных интересов пользователя. Результирующий программный продукт выполняет функции электронного секретаря-референта. Проведенные исследования показали высокую точность и избирательность поиска. Предлагаемые методы могут применяться и для поиска патентной информации.

Организационным итогом Проекта явилось создание в 1996 во ВНИИТФ специализированной лаборатории по тематике нейронных сетей. Лаборатория объединяет 11 специалистов (физиков, математиков, прикладных и системных программистов) - выпускников ведущих университетов России. Сотрудники лаборатории являются авторами более 50 публикаций в области нейросетей.

Организация переноса информации между открытой и защищаемой сетью.

Тимофеев С.Н.

Методология защиты
- Общие положения
- Обоснование необходимости переноса информации
- Наиболее вероятные каналы утечки информации
- Способы перекрытия наиболее вероятных каналов утечки информации
- Основные принципы подхода к обеспечению защиты
- Критерии подхода к обеспечению защиты
- Основные задачи по обеспечению защиты
- Карантинная ПЭВМ, ее задачи и функционирование
- Требования к антивирусным системам
Примерная схема защиты от утечки информации
Порядок переноса информации между открытой и защищаемой сетью

Параллельные методы обучения нейронных сетей.

Федорова Н.Н., Терехов С.А.

В рамках аппаратно - программного комплекса нейросетевого информационного моделирования Nimfa написаны параллельные версии обучающих алгоритмов для нейронных сетей прямого распространения. В докладе излагается опыт эксплуатации этих программ в среде рабочих станций под управлением ОС UNIX и в сети персональных ЭВМ. Рассмотрена схема распараллеливания: по обучающим примерам с дублированием топологии нейросети в каждом процессе.

Нейросетевой аппроксиматор для численного решения дифференциальных уравнений.

Федорова Н.Н., Терехов С.А.

Рассматривается метод численного решения дифференциальных уравнений с краевыми и начальными условиями с использованием нейронных сетей. Решение ищется в виде суммы двух функций. Первое слагаемое выбирается в соответствии с граничными и начальными условиями. Второе слагаемое удовлетворяет нулевым граничным и начальным условиям и в сумме с первым удовлетворяет решаемому уравнению. Это слагаемое представляет собой пробную функцию в виде нейронной сети прямого распространения. Выбор параметров (весов) нейросети производится на основе минимизации невязки в точках коллокации путем итерационного обучения [1]. Эта методика применима для решения задачи Коши и задачи с граничными условиями для обыкновенных дифференциальных уравнений, а также для уравнений в частных производных. В докладе излагается опыт использования данного подхода на примере решения некоторых тестовых задач математической физики и скалярного уравнения Гельмгольца.

[1] Lagaris I.E., Likas A., Fotiadis D.I. Artificial Neural Networks for solving Ordinary and Partial Differential Equations. Internet: http://xyz.lanl.gov/physics/9705023

Распознавание химических взрывов и землетрясений на Северном Кавказе.

Чернобай И.П., Габсатарова И.П.

Центральная опытно-методическая экспедиция Геофизической службы РАН
249020, Россия, Обнинск, пр. Ленина 189
e-mail: icher@GSSC.RSSI.RU , oid@GSSC.RSSI.RU

Важными проблемами при решении задач регионального сейсмического мониторинга являются распознавание записей слабых землетрясений и карьерных взрывов и автоматизация процесса классификации событий. Каталог событий региона Северного Кавказа, базирующийся на записях пунктов наблюдений цифровой радиотелеметрической сети, имеющих рабочую полосу регистрации 0.3-23 Гц, и аналоговых станций, содержит от 30-50% химических взрывов в карьерах. Практика работ в регионе показывает, что реальные параметры взрывов могут существенно отличаться от официальной информации о них.

Анализ материалов полевых экспериментальных исследований, проведенных в 1993-1994 гг. по регистрации химических взрывов в карьере Тырныаузского горнообогатительного комбината, показал, что надежным дискриминантом при выделении взрывов и землетрясений является отношение спектральных амплитуд P/S-волн, а для классификации событий возможно использовать кластерный анализ. Кроме того, было установлено, что одним из полезных методов представления сейсмограмм с целью распознавания короткозамедленных взрывов и землетрясений является частотно-временное представление сигнала в виде спектрограмм.

Дальнейшие исследования проводились на материалах непрерывных наблюдений за период январь 1995 - июнь 1996гг., включающих вместе с хорошо документированными взрывами записи 374 событий.

Оценена эффективность применения для целей распознавания взрывов и землетрясений дискриминантов спектрального отношения P/S и метода спектрограмм. Установлено, что ни тот, ни другой дискриминант не может быть применен в равной степени информативно для всего региона и успех решения задачи распознавания зависит от применения этих дискриминантов в совокупности. Среднее значение спектрального отношения P/S-волн, записанных вертикальными компонентами сейсмографа, установленного на станции Кисловодск (KIV), показало себя надежным дискриминантом. Однако величина этого отношения в значительной степени зависит от местоположения эпицентра события и может изменяться от 2.32 до 3.39 для взрывов в различных карьерах и от 0.57 до 0.92 для землетрясений из различных очагов. Анализ спектрограмм записей взрывов из трех карьеров, позволил сделать заключение, что характерные независимые от времени спектральные полосы, свойственные спектрограммам короткозамедленных взрывов, наблюдаются нерегулярно (на 40-70% спектрограмм взрывов в различных карьерах) и не когерентны на записях различных станций.

Для группирования событий при классификации записей был применен метод кластерного анализа с построением дендрограммы, отражающей расстояния между объектами, рассчитанные по принципу "средней связи". В качестве объектов, подлежащих сравнению, были выбраны осредненные огибающие записей событий вертикальной компонентой станции KIV в полосе частот 4-16Гц. Первоначально была создана оптимальная обучающая база знаний, с использованием которой производился статистический анализ материалов всей выборки.

На основе полученной в ходе исследования информации разработан алгоритм автоматического классифицирования региональных сейсмических событий по записям одной станции с использованием кластерного анализа осредненных огибающих записей и вышеназванных дискриминантов событий.

Применение предложенного алгоритма на 18 месячном интервале непрерывных наблюдений в регионе Кавказских Минеральных Вод (КМВ), показало:

95% локализованных по данным наблюдений радиотелеметрической сети событий получили подтверждение классов;
92% записей нелокализованных ранее событий, из-за недостаточной информации по сети станций, были классифицированы и дополнили собой каталог событий КМВ района;
использование дискриминантов распознавания взрывов и землетрясений позволило откорректировать интерпретацию для 14 событий каталога, и изменить их класс с землетрясения на взрыв.

Нейросети в Интернет.

Шумский С.А.

Физический Институт РАН им. П.Н.Лебедева (ФИАН)
117924, Россия, Москва, Ленинский просп. 53
e-mail: shumsky@neur.lpi.msk.su
Адрес в Интернет: http://canopus.lpi.msk.su/~Shumsky

В докладе описывается сильное стимулирующее влияние быстро развивающейся среды Интернет на область нейрокомпьютинга, проанализированы современные сферы приложения нейросетей в Интернете, и наметившиеся тенденции.

Интернет обещает стать одним из главных рынков сбыта нейросетевой продукции. Нарождающаяся модель интерфейса с глобальной Сетью, похоже, будет основана на нейросетевой технологии.

Нейроcетевое предсказание финансовых временных рядов.

Шумский С.А., Яровой А.В., Лукьяница А.А.

Физический Институт РАН им. П.Н.Лебедева (ФИАН)
117924, Россия, Москва, Ленинский просп. 53
e-mail: shumsky@neur.lpi.msk.su , yarovoy@neur.lpi.msk.su
Адрес в Интернет: http://canopus.lpi.msk.su/~Shumsky , http://canopus.lpi.msk.su/~Yarovoy

В докладе описана методика предсказания рыночных временных рядов, разработанная в ФИАН им Лебедева. Приводятся результаты численных экспериментов при игре на нескольких инструментах с разным временным лагом.

Нейросетевая навигация в базах данных текстовых документов.

Щукин Н.В.

Российский Федеральный Ядерный Центр - Всероссийский НИИ Технической Физики
456770, Россия, г. Снежинск Челябинской обл., а/я 245
e-mail: nick@dep26.ch70.chel.su

В докладе представлены основные этапы и подходы для решения задачи нейросетевой навигации в массивах текстовых данных. Методика применима для целевого персонифицированного поиска в текстовых базах данных различного назначения (каталоги библиотек, архивы патентной информации, архивы из Интернет и др.). Подход апробирован на поиске в базе данных аннотаций трудов SPIE (более 90,000 документов). Для иллюстрации были отобраны 20 томов, содержащих 862 публикации по следующим шести направлениям: нейронные сети, нечеткая логика, компактные волны (вейвлеты), сжатие, хранение и передача информации, обработка сигналов, оптические системы. Демонстрируется высокая точность поиска.