Миварный подход

Подход на основе Мивара — это математический инструмент для проектирования систем искусственного интеллекта (ИИ). Мивар ( Многомерная информационная переменная адаптивная реальность ) был разработан путем объединения продукционных сетей и сетей Петри . Миварный подход был разработан для семантического анализа и адекватного представления гуманитарных гносеологических и аксиологических принципов в процессе развития искусственного интеллекта. Подход на основе Мивара включает в себя информатику , информатику и дискретную математику , базы данных , ^[1] экспертные системы , ^[2] теория графов , матрицы и системы вывода. Подход на основе Мивара включает в себя две технологии: ^[3]

Накопление информации – это метод создания глобальных эволюционных баз данных и правил с переменной структурой. Он работает на основе адаптивного, дискретного, миварно-ориентированного информационного пространства, унифицированного представления данных и правил, основанного на трех основных понятиях: «объект, свойство, отношение». Информационное накопление предназначено для хранения любой информации с возможной эволюционной структурой и без ограничений по количеству информации и формам ее представления. ^[4]
Обработка данных ^[5] — метод создания системы логического вывода или автоматизированного построения алгоритмов из модулей, сервисов или процедур на основе обученной миварной сети правил с линейной вычислительной сложностью. Обработка данных Mivar включает в себя логический вывод, вычислительные процедуры и услуги.

Сети Мивар позволяют нам разрабатывать причинно-следственные зависимости («Если-то») и создавать автоматизированную, обученную систему логических рассуждений.

Представители Российской ассоциации искусственного интеллекта (РАИИ) – например, В.И. Городецкий , д.т.н., профессор СПИИРАН и В.Н. Вагин, д.т.н., профессор МЭИ, заявили, что термин некорректен, и предложили автору использовать стандартная терминология.

История

Работая в Министерстве обороны России , О.О. Варламов в 1985 году приступил к разработке теории «быстрого логического вывода». ^[6]^[7] Он анализировал сети Петри и продукции для построения алгоритмов. В целом теория, основанная на миварах, представляет собой попытку объединить модели сущностей и связей и их проблемный экземпляр – семантические сети и сети Петри.

Аббревиатура МИВАР была введена как технический термин доктором технических наук, профессором МГТУ им. Баумана О.О. Варламовым в 1993 году для обозначения «смысловой единицы» в процессе математического моделирования. ^[6]^[8] Этот термин утвердился и использовался во всех его дальнейших работах.

Первые экспериментальные системы, работающие на основе миварных принципов, были разработаны в 2000 году. Прикладные миварные системы были внедрены в 2015 году.

Мивар

Мивар — мельчайший структурный элемент дискретного информационного пространства.

Отношение-объект-свойство

Объект-свойство-отношение (VSO) — это граф, узлами которого являются понятия, а дуги — связи между понятиями.

Миварное пространство представляет собой набор осей, набор элементов, набор точек пространства и набор значений точек.

$A=\{a_{n}\},n=1,\ldots ,N,$

где:

$A$ представляет собой набор названий миварных пространственных осей;
$N$ – число миварных пространственных осей.

Затем: $\forall a_{n}\exists F_{n}=\{f_{{ni}_{n}}\},n=1,\ldots ,N,i_{n}=1,\ldots ,I_{n},$

где:

$F_{n}$ представляет собой набор осей $a_{n}$ элементы;
$i_{n}$ это набор $F_{n}$ идентификатор элемента;
$I_{n}=|F_{n}|.$

$F_{n}$ множества образуют многомерное пространство: $M=F_{1}\times F_{2}\times \cdots \times F_{n}.$ $m=(i_{1},i_{2},\ldots ,i_{N}),$

где:

$m\in M$ ;
$m$ — точка многомерного пространства;
$(i_{1},i_{2},\ldots ,i_{N})$ являются координатами точки $m$ .

Существует набор значений точек многомерного пространства $M$ :

C_{M}=\{c_{i_{1},i_{2},\ldots ,i_{N}}\mid i_{1}=1,\ldots ,I_{1},i_{2}=1,\ldots ,I_{2},\ldots ,i_{n}=1,\ldots ,I_{N}\},

где:

$c_{i_{1},i_{2},\ldots ,i_{N}}$ — значение точки многомерного пространства $M$ — значение точки многомерного пространства $(i_{1},i_{2},\ldots ,i_{N})$ .

Для каждой точки пространства $M$ есть одно значение из $C_{M}$ установлено или такого значения нет. Таким образом, $C_{M}$ представляет собой набор изменений состояния модели данных, представленных в многомерном пространстве. Для реализации перехода между многомерным пространством и множеством значений точек используется соотношение $\mu$ было введено: $C_{x}=\mu (M_{x}),$

где:

$M_{x}\subseteq M;$
$M_{x}=F_{1x}\times F_{2x}\times \cdots \times F_{Nx}.$

Для описания модели данных в миварном информационном пространстве необходимо выделить три оси:

Ось отношений « $O$ »;
Ось атрибутов (свойств) « $S$ »;
Ось элементов (объектов) предметной области « $V$ ».

Эти множества независимы. Миварное пространство можно представить следующим кортежем:

\langle V,S,O\rangle

Таким образом, мивар описывается « $VSO$ » формула, в которой « $V$ » обозначает предмет или вещь, « $S$ » обозначает свойства, « $O$ » многообразие отношений между другими объектами конкретной предметной области. ^[9] В категории «Отношения» можно описывать зависимости любого уровня сложности: формулы, логические переходы, текстовые выражения, функции, сервисы, вычислительные процедуры и даже нейронные сети . Широкий набор возможностей усложняет описание взаимосвязей моделирования, но позволяет учесть все факторы. В вычислениях Мивара используется математическая логика. В упрощенном виде их можно представить как импликацию в виде «если…, то…». ^[10] формула. Результат миварного моделирования можно представить в виде двудольного графа, связывающего два набора объектов: исходные объекты и результирующие объекты.

Сеть Мивар

Миварная сеть – это метод представления объектов предметной области и правил их обработки в виде двудольного ориентированного графа, состоящего из объектов и правил. ^[11]

Сеть Мивара представляет собой двудольный граф, который можно описать в виде двумерной матрицы, в которой записана информация о предметной области текущей задачи. ^[12]^[13]

В целом миварные сети обеспечивают формализацию и представление человеческих знаний в виде связанного многомерного пространства. То есть миварная сеть — это метод представления части информации миварного пространства в виде двудольного ориентированного графа . Информация миварного пространства формируется объектами и связями, которые в совокупности представляют собой модель данных предметной области. Соединения включают в себя правила обработки объектов. Таким образом, миварная сеть предметной области является частью знаний о миварном пространстве этой области.

Граф может состоять из объектов-переменных и правил-процедур. Сначала составляются два списка, образующие два непересекающихся раздела: список объектов и список правил. Объекты обозначены кружками. Каждое правило в миварной сети представляет собой расширение продукций, гиперправил с мультиактиваторами или вычислительными процедурами. Доказано, что с точки зрения дальнейшей обработки эти формализмы идентичны и по сути являются узлами двудольного графа, обозначенными прямоугольниками. ^[13]

Многомерные двоичные матрицы

Сети Mivar могут быть реализованы на базе отдельных вычислительных систем или сервис-ориентированных архитектур . Определенные ограничения ограничивают их применение, в частности, размерность матрицы линейно-матричного метода определения пути логического вывода в адаптивных сетях правил. Ограничение размера матрицы связано с тем, что реализация требует отправки общей матрицы на несколько процессоров. Поскольку каждое значение матрицы изначально представлено в виде символа, количество отправленных данных имеет решающее значение при получении, например, 10 000 правил/переменных. Классический метод на основе мивара требует хранения трех значений в каждой ячейке матрицы:

0 – нет значения;
x – входная переменная для правила;
y – выходная переменная правила.

Анализ возможности срабатывания правила отделен от определения выходных переменных в соответствии с этапами после срабатывания правила. Следовательно, можно использовать разные матрицы для «поиска сработавших правил» и «установки значений выходных переменных». Это позволяет использовать многомерные двоичные матрицы. Фрагменты бинарных матриц занимают гораздо меньше места и расширяют возможности применения миварных сетей.

Логическая и вычислительная обработка данных

Для реализации логико-расчетной обработки данных необходимо выполнить следующее. Сначала разрабатывается формализованное описание предметной области. На основе миварного подхода указываются основные объекты-переменные и правила-процедуры, после чего формируются соответствующие списки «объектов» и «правил». Это формализованное представление аналогично двудольному графу логической сети.

Основными этапами обработки информации на основе мивара являются:

Формирование матрицы предметной области;
Работа с матрицей и разработка алгоритма решения задачи;
Выполняем вычисления и находим решение.

Первый этап – это этап синтеза концептуальной модели предметной области и ее формализация в виде продукционных правил с переходом к миварным правилам. «Входные объекты – правила/процедуры – выходные объекты». В настоящее время этот этап является наиболее сложным и требует привлечения человека-эксперта для разработки миварной модели предметной области.

На втором этапе реализуется автоматическое построение алгоритма решения или логический вывод. Входными данными для построения алгоритма являются: миварная матрица описания предметной области и набор входных объект-переменных и требуемых объект-переменных.

Решение реализуется на третьем этапе. ^[14]

Метод обработки данных

Сначала строится матрица. Матричный анализ определяет, существует ли успешный путь вывода. Затем определяются возможные пути логического вывода и на последнем этапе выбирается кратчайший путь согласно заданным критериям оптимальности.

Позволять $m$ правила и $n$ переменные могут быть включены в правила как входные переменные, активирующие их, или как выходные переменные. Тогда матрица $V(m\cdot n)$ , каждая строка которого соответствует одному из правил и содержит информацию об используемых в правиле переменных, может представлять все взаимосвязи между правилами и переменными .

В каждой строке все входные переменные обозначены $x$ в соответствующих позициях матрицы все выходные переменные обозначаются через $y$ .
Все переменные, которые уже получили определенное значение в процессе вывода или задания входных данных – $z$ .
Все необходимые (выходные) переменные, то есть переменные, которые необходимо получить на основе входных данных – $w$ .

В матрицу добавляются одна строка и один столбец. $V$ для хранения служебной информации.

Итак, матрица $V$ размера $(m+n)\times (n+1)$ , который показывает всю структуру исходной сети правил. Структура этой логической сети может меняться, то есть это сеть правил с эволюционной динамикой.

Пример

Для поиска пути логического вывода реализуются следующие действия:

Известные переменные обозначаются $z$ и требуемые переменные обозначаются w в строке $(m+1)$ . Например, $z$ обозначает позиции: 1,2,3 в строке $(m+1)$ ), переменная $w$ обозначает позицию $(n-2)$ .
Поиск таких правил, которые можно запустить, то есть все входные переменные которых известны, реализуется последовательно, например, сверху вниз. В отсутствие таких правил путь логического вывода не существует и требуется уточнение (дополнение) входных данных. Правила, которые могут быть активированы, помечены в соответствующем месте служебной строки. Например, мы можем записать 1 в ячейку матрицы, что показано в ячейке $(1,n+1)$ .
Учитывая несколько таких правил, выбор правил, которые будут активироваться первыми, осуществляется в соответствии с заранее определенными критериями. Несколько правил могут быть активированы одновременно, если доступны достаточные ресурсы.
Моделирование срабатывания правила (процедуры) реализуется путем присвоения «известных» значений переменным, выведенным в этом правиле, т.е. $z$ в этом примере. Сработавшее правило можно дополнительно пометить, например номером 2, для удобства дальнейшей работы. Например, соответствующие изменения вносятся в ячейки $(m+1,n-1),(m+1,n)$ и $(1,n+1)$ .
После моделирования срабатывания правил проводится анализ достижения цели, то есть анализируется получение требуемого значения путем сравнения специальных символов в строке услуги. Учитывая хотя бы одно «неизвестное» ( $w$ ) значение в служебной строке $(m+1)$ , осуществляется поиск пути логического вывода. В противном случае задача считается решенной успешно, и правила, срабатывающие в соответствующем порядке, формируют искомый путь логического вывода.
Оценивается доступность правил, которые могут быть запущены после определения новых значений на предыдущем этапе. В отсутствие подключаемых правил путь вывода не существует, и действия выполняются аналогично шагу 2. При наличии подключаемых правил поиск пути вывода продолжается. В этом примере такие правила существуют. В камере $(2,n+1)$ число 1 получается как указание на то, что это правило может быть активировано.
На следующем этапе, аналогичном этапу 4, запускаются правила (симуляция срабатывания правил), аналогично этапам 5 и 6 выполняются необходимые действия для получения результата. Этапы 2–7 реализуются до достижения результата. Путь может быть найден, а может и не быть найден.
Выводимость переменных 4 и 5 в ячейках $(m+1,4)$ и $(m+1,5)$ получено и указано, что правило уже активировано в ячейке $(2,n+1)$ формируется, то есть устанавливается цифра 2. После этого проводится анализ служебной строки, который показывает, что не все необходимые переменные известны. Таким образом, необходимо продолжить обработку матрицы $V$ размера $(m+n)\times (n+1)$ . Анализ этой матрицы демонстрирует возможность правила $m$ стрельба.
Когда срабатывает правило m, новые значения также получаются для обязательных переменных.
Таким образом, в строке услуги отсутствуют необходимые правила и в ячейках матрицы получаются новые значения: в ячейке появляется 2 $(m,n+1)-2,$ и мы получили значение $z$ вместо $w$ в камере $(m+1,n-2)$ . Итак, получен положительный результат, следовательно, существует путь логического вывода с заданными входными значениями. ^[3]

Ссылки

^ Мелехин В.Б. (сентябрь 2019). «Модель представления и получения новых знаний автономным интеллектуальным роботом на основе логики условно зависимых предикатов». Международный журнал компьютерных и системных наук . 58 (5): 747–765. дои : 10.1134/S1064230719050101 . ISSN 1064-2307 . S2CID 209964936 .
^ Шадрин, С.С.; Варламов, О.О.; Иванов, А.М. (2017). «Экспериментальное автономное дорожное транспортное средство с логическим искусственным интеллектом» . Журнал передового транспорта . 2017 : 1–10. дои : 10.1155/2017/2492765 . ISSN 0197-6729 .
^ Jump up to: ^а ^б Варламов Олег (5 ноября 2011 г.). «МИВАР: переход от продукций к двудольным графам. Сети МИВАР и практическая реализация автоматизированного конструктора алгоритмов, обрабатывающих более трех миллионов продукционных правил». arXiv : 1111.1321 [ cs.AI ].
^ Чувиков Д.А.; Казакова Н.А.; Варламов, О.О.; Головизнин А.В. (14 января 2015 г.). «Анализ технологий 3D-моделирования и создания 3D-объектов для различных интеллектуальных систем» . Международный журнал перспективных исследований . 4 (4): 16. дои : 10.12731/2227-930x-2014-4-3 . ISSN 2227-930X .
^ Адамова, Л.Е.; Протопопова Д.А. (25 мая 2017 г.). «Интеллектуальная вопросно-ответная система «Виртуальный Консультант Мивар» » . Международный журнал перспективных исследований . 6 (3): 9–19. дои : 10.12731/2227-930x-2016-3-9-19 . ISSN 2227-930X .
^ Jump up to: ^а ^б Завьялова, Виктория (18 мая 2015 г.). «Стартап создает «мозг» для роботов, способных принимать самостоятельные решения» . Проверено 10 августа 2016 г.
^ Панферов А.А.; Жданович Е.А.; Юфимычев К.А.; Чувиков Д.А. (25 мая 2017 г.). «Проектирование алгоритмов сервисных роботов на основе миварного подхода» . Международный журнал перспективных исследований . 6 (3): 72–86. дои : 10.12731/2227-930X-2016-3-72-86 . ISSN 2227-930X .
^ Варламов, О.О.; Адамова, Л.Е.; Елисеев, Д.В.; Майборода Ю.И.; Антонов, П.Д.; Сергушин Г.С.; Чибирова, МО (17 апреля 2014 г.). «Миварные технологии в математическом моделировании естественного языка, изображений и понимания человеческой речи» . Международный журнал перспективных исследований . 3 (3): 17–23. дои : 10.12731/2227-930x-2013-3-3 . ISSN 2227-930X .
^ Чувиков Д.А.; Назаров, КВ (25 мая 2017 г.). «Разработка алгоритмов решения физических задач на основе миварного подхода» . Международный журнал перспективных исследований . 6 (3): 31–50. дои : 10.12731/2227-930x-2016-3-31-50 . ISSN 2227-930X .
^ Евгений, Ковшов. «Технология MIVAR как новое поколение искусственного интеллекта (ИИ)» (PDF) . {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
^ Варламов, О.О.; Данилкин А.И.; Шошев, А.И. (03.10.2016). «Миварные технологии в представлении и рассуждении знаний» (PDF) . Прип'2016 : 30–32.
^ Иваненко, NO (2014-01-01). "Mivar technology modelling of enterprise's technical and technological potential" . Актуальные проблемы экономики (1): 505-510. ISSN 1993-6788 .
^ Jump up to: ^а ^б Санду, РА (01 октября 2010 г.). «Метод обработки экспериментальных данных о параметрах физических процессов в информационно-измерительных системах на основе логических сетей Мивар». Методика измерения . 53 (6): 600–604. дои : 10.1007/s11018-010-9548-0 . ISSN 0543-1972 . S2CID 122489552 .
^ А.Вятченин, Дмитрий; Ширай, Станислав (2015). «Интуиционистский эвристический алгоритм возможностной кластеризации на основе прототипа». Сообщения по прикладной электронике . 1 (8): 30–40. CiteSeerX 10.1.1.695.7655 . дои : 10.5120/cae-1629 .

Внешние ссылки

«Мивар» . Официальный сайт

[1] Мелехин В.Б. (сентябрь 2019). «Модель представления и получения новых знаний автономным интеллектуальным роботом на основе логики условно зависимых предикатов». Международный журнал компьютерных и системных наук . 58 (5): 747–765. дои : 10.1134/S1064230719050101 . ISSN 1064-2307 . S2CID 209964936 .

[2] Шадрин, С.С.; Варламов, О.О.; Иванов, А.М. (2017). «Экспериментальное автономное дорожное транспортное средство с логическим искусственным интеллектом» . Журнал передового транспорта . 2017 : 1–10. дои : 10.1155/2017/2492765 . ISSN 0197-6729 .

[:0-3] Jump up to: ^а ^б Варламов Олег (5 ноября 2011 г.). «МИВАР: переход от продукций к двудольным графам. Сети МИВАР и практическая реализация автоматизированного конструктора алгоритмов, обрабатывающих более трех миллионов продукционных правил». arXiv : 1111.1321 [ cs.AI ].

[4] Чувиков Д.А.; Казакова Н.А.; Варламов, О.О.; Головизнин А.В. (14 января 2015 г.). «Анализ технологий 3D-моделирования и создания 3D-объектов для различных интеллектуальных систем» . Международный журнал перспективных исследований . 4 (4): 16. дои : 10.12731/2227-930x-2014-4-3 . ISSN 2227-930X .

[5] Адамова, Л.Е.; Протопопова Д.А. (25 мая 2017 г.). «Интеллектуальная вопросно-ответная система «Виртуальный Консультант Мивар» » . Международный журнал перспективных исследований . 6 (3): 9–19. дои : 10.12731/2227-930x-2016-3-9-19 . ISSN 2227-930X .

[:1-6] Jump up to: ^а ^б Завьялова, Виктория (18 мая 2015 г.). «Стартап создает «мозг» для роботов, способных принимать самостоятельные решения» . Проверено 10 августа 2016 г.

[7] Панферов А.А.; Жданович Е.А.; Юфимычев К.А.; Чувиков Д.А. (25 мая 2017 г.). «Проектирование алгоритмов сервисных роботов на основе миварного подхода» . Международный журнал перспективных исследований . 6 (3): 72–86. дои : 10.12731/2227-930X-2016-3-72-86 . ISSN 2227-930X .

[8] Варламов, О.О.; Адамова, Л.Е.; Елисеев, Д.В.; Майборода Ю.И.; Антонов, П.Д.; Сергушин Г.С.; Чибирова, МО (17 апреля 2014 г.). «Миварные технологии в математическом моделировании естественного языка, изображений и понимания человеческой речи» . Международный журнал перспективных исследований . 3 (3): 17–23. дои : 10.12731/2227-930x-2013-3-3 . ISSN 2227-930X .

[9] Чувиков Д.А.; Назаров, КВ (25 мая 2017 г.). «Разработка алгоритмов решения физических задач на основе миварного подхода» . Международный журнал перспективных исследований . 6 (3): 31–50. дои : 10.12731/2227-930x-2016-3-31-50 . ISSN 2227-930X .

[10] Евгений, Ковшов. «Технология MIVAR как новое поколение искусственного интеллекта (ИИ)» (PDF) . {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )

[11] Варламов, О.О.; Данилкин А.И.; Шошев, А.И. (03.10.2016). «Миварные технологии в представлении и рассуждении знаний» (PDF) . Прип'2016 : 30–32.

[12] Иваненко, NO (2014-01-01). "Mivar technology modelling of enterprise's technical and technological potential" . Актуальные проблемы экономики (1): 505-510. ISSN 1993-6788 .

[:2-13] Jump up to: ^а ^б Санду, РА (01 октября 2010 г.). «Метод обработки экспериментальных данных о параметрах физических процессов в информационно-измерительных системах на основе логических сетей Мивар». Методика измерения . 53 (6): 600–604. дои : 10.1007/s11018-010-9548-0 . ISSN 0543-1972 . S2CID 122489552 .

[14] А.Вятченин, Дмитрий; Ширай, Станислав (2015). «Интуиционистский эвристический алгоритм возможностной кластеризации на основе прототипа». Сообщения по прикладной электронике . 1 (8): 30–40. CiteSeerX 10.1.1.695.7655 . дои : 10.5120/cae-1629 .

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]