WEB-ресурс научно-практических конференций

ПОСТРОЕНИЕ КОМПЛЕКСОВ ЭКОНОМИКО-МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ С МЕХАНИЗМАМИ ПРИОБРЕТЕНИЯ ЗНАНИЙ

Мунтян С.А.

Донецкий национальный университет

Дать точное определение термину «обучение» довольно сложно, но большинство авторов сходятся во мнении, что это - качество адаптивной системы, которая способна совершенствовать своё поведение, накапливая опыт, например на основе решения аналогичных проблем . Из чего вытекает, что обучение одновременно способность и действие. Обучаемая система должна сохранять, и анализировать полученный опыт решения проблем, а также обладать способностью применять сделанные выводы для решения новых проблем. Рассматривая весь спектр обучения можно отметить, что на одном конце находятся методы непосредственно воспринимающие знания, и не выполняющие при этом никакого логического анализа, такую процедуру обучения называют rote learning («зубрежка»). На другом конце спектра лежат методы использующие методику unsupervised learning («обучение без преподавателя»). Под этим подразумевается способность формулировать теоремы на основании имеющихся фактов. В середине рассматриваемых методик обучения лежат методы, основанные на supervised learning («супервизорном обучении»). Процедура приобретения знаний основывается на следующем: системе предлагается ряд примеров из предметной области, далее программа должна их идентифицировать и построить концепты. Причем свойства примеров известны, и представляют собой набор «атрибут-значение». «Надзор» за процессом обучения заключается в выборе репрезентативных примеров, т.е. формирования пространства атрибутов с которыми будет работать система.

Рассмотрим структуру комплекса моделей показанную на рисунке 1. Комплекс моделей состоит из следующих компонентов:

· метаправила – конструкции выражений, задающие ограничения на вводимые в модель данные и параметры активации блоков модели;

· правила – выражения, задающие базовые данные для моделирования объекта;

· метамодели – набор моделей в наиболее общей форме. Метамодели задают ограничения на входные и выходные параметры модели, а также на базовую структуру моделей;

· блоки моделей – набор моделей для моделирования отдельной подсистемы объекта моделирования;

· модели – конкретизированные и узконаправленные модели, предоставляющие решения для конкретной подсистемы объекта в зависимости от сформулированных в начале моделирования правил;

· интерпретатор – набор функций, задающий общее правила вывода информации в зависимости от заданных начальных правил.

Рис. 1. Структура комплекса моделей

В качестве метода обучения выберем метод «супервизорного обучения». Механизм обучения подобного комплекса моделей сводится к следующей процедуре: первичные примеры правил вводятся в систему на этапе её разработки, на уровне метаправил. Вид и структура метаправил в дальнейшем определяет вид метамоделей и правила, представляющие данные для начала процесса моделирования. Наборы значений метамоделей «атрибут-значение» в конечном счете, определяют вид моделей и структуру их взаимосвязей. В процессе моделирования производится анализ получаемых данных, и на их основании производится корректировка существующих метаправил, введение новых и удаление не нужных, что в свою очередь вызывает корректировку метамоделей, правил, а также самих моделей и структуры их взаимосвязи. В дальнейшем процедура повторяться, что позволяет всему комплексу моделей обучать себя и совершенствовать свою структуру, в зависимости от налагаемых на неё требований.

Применение данного подхода позволяет строить комплексы экономико-математических моделей систем управления бизнес-процессами предприятия, гибкие и простые в использовании.

Список использованных источников:

1. Экспертные системы: Учебник / П од ред. П. Джексон; Пер с англ. - М.: Вилиямс , 2001. - 624с.

2. Нильсон Н. Принципы искусственного интеллекта. – М.: Радио и Связь, 1985. – 376с.

3. Mitchell T.M. Machine Learning . – N . -Y .: McGraw-Hill , 1997 . – 347p.