Содержание к диссертации
Введение
1 Анализ жизненного цикла человеко-машинных систем и особенностей их освоения 15
1.1 Анализ принципов построения человеко-машинных систем 15
1.2 Особенности общей структуры человеко-машинных систем 21
1.3 Анализ принципов функционирования человеко-машинных систем 24
1.4 Анализ принципов освоения человеко-машинных систем 29
1.4.1 Современные проблемы освоения человеко-машинных систем.... 29
1.4.2 Анализ особенностей метода автоматизированного обучения 32
1.4.3 Инструментальные оболочки обучающих систем 36
1.5 Анализ особенностей построения интеллектуальных систем автоматизированного обучения 41
1.5.1 Особенности применения интеллектуальных систем автоматизированного обучения 41
1.5.2 Анализ видов знаний и способов их представления в
интеллектуальных системах автоматизированного обучения 43
1.5.3 Классификация и анализ методов извлечения и пополнения знаний 45
1.6 Выводы по разделу 1 и постановка задачи на исследование 55
2 Формализация базы знаний автоматизированной системы управле ния освоением радиотехнических средств 58
2.1 Знания в структуре базы знаний интеллектуальной системы 58
2.2 Правила выбора модели представление знаний в базе знаний автоматизированной системы управления освоением радиотехнических средств 60
2.3 Фреймовая модель базы знаний автоматизированной системы управления освоением радиотехнических средств 64
2.4 Построение сети фреймов на основе неоднородной семантической сети 67
2.5 Приобретение знаний в автоматизированной системе управления
освоением радиотехнических средств 70
2.5Л Особенности приобретения знаний в автоматизированной систе
ме управления освоением радиотехнических средств 70
2.5.2 Извлечение знаний в автоматизированной системе управления освоением радиотехнических средств 72
2.5.3 Выявление структуры понятий при приобретении знаний в автоматизированной системе управления освоением радиотехнических средств 74
2.5.4 Выявление семантических связей при приобретении знаний в автоматизированной системе управления освоением радиотехнических средств 77
2.6 Пополнение знаний в автоматизированной системе управления освоением радиотехнических средств ,, 81
2.6.1 Псевдофизические логики как подход к пополнению знаний в автоматизированной системе управления освоением радиотехнических средств 81
2.6.2 Взаимодействие базы знаний с внешней средой 84
2.7 Выводы по разделу 2 87
3 Функционирование автоматизированной системы управления освоением радиотехнических средств при решении задачи формирования учебно-тренировочных операций 89
3.1 Особенности принятия решения в базе знаний 89
3.2 Процедура структуризации правил логического вывода. 90
3.3 Формирование учебно-тренировочных операций в автоматизированной системе управления освоением радиотехнических средств 98
3.3.1 Модель учебно-тренировочных операций 98
3.3.2 Формирование структуры модели ситуации и комбинирование задач 104
3.3.3 Характеристики формирования учебно-тренировочных операций в автоматизированной системе управления освоением радиотехнических средств 106
3.4 Формирование учебно-тренировочных операций на основе информации, представленной на искусственных языках 108
3.5 Обобщенная структурная модель автоматизированной системы управления освоением радиотехнических средств 112
3.6 Выводы по разделу 3 114
4 Оценка эффективности предметно-ориентированной автоматизиро ванной системы управления освоением радиотехнических средств 116
4.1 Структура автоматизированной системы управления процессом освоения радиолокационной системы посадки РСП-6М2 116
4.2. Результаты учебного эксперимента 119
4.3. Методические рекомендации по созданию и применению предметно-ориентированной автоматизированной системы управления освоением радиотехнических средств 126
4.4 Выводы по разделу 4 131
Заключение 133
Список использованных источников 135
- Анализ принципов построения человеко-машинных систем
- Знания в структуре базы знаний интеллектуальной системы
- Особенности принятия решения в базе знаний
- Структура автоматизированной системы управления процессом освоения радиолокационной системы посадки РСП-6М2
Введение к работе
Актуальность исследования. В настоящее время при подготовке специалистов для авиации и, в частности, для системы радиотехнического обеспечения (РТО) аэродромов существует проблема, суть которой состоит в том, что уровень освоения указанных систем личным составом зачастую не соответствует требуемому уровню, необходимому для эффективного применения радиотехнических средств (РТС) по назначению.
Попытки решить эту проблему путем организации дополнительного обучения личного состава как путем проведения специальных сборов (вне места постоянной дислокации подразделений РТО), так в месте постоянной дислокации в настоящее время оказались малоэффективными. Причиной тому является специфика функционирования системы РТО, связанная, в частности, с большой территориальной разобщенностью подразделений РТО, их малочисленностью и большой текучестью личного состава, а также отсутствием в подразделениях РТО технических средств, позволяющих личному составу самостоятельно, в автоматизированном режиме осваивать РТС.
В тоже время современный уровень развития информационных и коммуникационных технологий (ИКТ) позволяет на основе формирования специальных баз знаний предметной области создавать автоматизированные системы освоения личным составом человеко-машинных систем, к которым относятся РТС.
Однако в результате недостаточного изучения реальных РТС, как человеко-машинных систем, существует серьезный пробел в знаниях об их поведении, состоящий в недостаточной изученности влияния человека на эффективность их применения по назначению. Анализ эффективности применения РТС по назначению позволяет сделать вывод о том, что указанная эффективность напрямую зависит от уровня их освоения личным составом. Данный факт ставит перед разработчиками систем автоматизированного освоения
РТС задачу исследовать влияние личного состава на эффективность функционирования РТС, с целью формирования путей, позволяющих определить требуемый для эффективного применения РТС по назначению уровень их освоения личным составом, а также привести существующий уровень освоения РТС в соответствие с требуемым. Это, в свою очередь, требует развития теории и практики синтеза автоматизированных технологий освоения РТС, позволяющих реализовать процесс автоматизированного освоения, как отдельных подсистем, так и РТС в целом.
Решить задачу обеспечения требуемого уровня освоения личным составом РТС возможно, путем создания автоматизированной системы управления освоением РТС (АСУО РТС). Ее отличительной особенностью является наличие подсистемы, работающей со специальными знаниями предметной области и позволяющей вести освоение личным составом РТС с учетом его должностного предназначения, имеющегося уровня освоения РТС, а также индивидуальных особенностей по восприятию информации. Основу подсистем, работающих со специальными знаниями предметной области, составляет база знаний (БЗ). Для её формирования и использования необходима разработка соответствующего алгоритмического обеспечения БЗ для АСУО РТС на основе широкого использования ИКТ.
Вопросы использования информационных и коммуникационных технологий в целях совершенствования системы подготовки специалистов различного профиля, в том числе и технического, рассматривались в трудах многих ученых. Аспекты совершенствования автоматизированного обучения исследовали И.В. Роберт, В.И. Громыко, К.К. Колин, А.Я. Соловьев, Б.А. Сазонов, О.А. Козлов, Ю.Г. Татур, С.А. Христочевский, А.А. Безбогов, В.Е. Дидрих, В.В. Алексеев, В.А. Малышев и другие специалисты. Исследованиям разработки баз знаний посвящены труды таких ученых, как Л. Заде, А. Кофмзн, Э.В. Попов, Д.А. Поспелов, Н. Нильсон, А.Н. Борисов.
Однако непосредственно применить результаты перечисленных исследований для решения обозначенной проблемы затруднительно, в силу специфики процессов функционирования и освоения радиотехнических средств.
Анализ показывает, что основными методами освоения радиотехнических систем являются дополнительная специальная теоретическая и тренажная подготовки. Симбиозом проанализированных методов является комплексная (теоретическая и практическая) подготовка, включающая как процесс усвоения знаний, так и процессы формирования умений и закрепления навыков. Практическое отсутствие при теоретической подготовке возможности объективно проверить уровень знаний, а при тренажной подготовке -имеющийся уровень умений и навыков личного состава по применению РТС по предназначению в автоматизированном режиме является главным недостатком такой подготовки.
Анализ технических средств обучения используемых в процессе освоения личным составом РТС, показал, что в этой среде отсутствуют автоматизированные системы управления освоением радиотехнических систем. Отсутствие указанных систем не позволяет оперативно и объективно, с учетом должностного предназначения, оценить текущий уровень освоения личным составом РТС и, при необходимости, привести указанный уровень к требуемому с учетом индивидуальных особенностей личного состава по восприятию информации. Это обусловлено, прежде всего, отсутствием специальной базы знаний, позволяющей автоматизировать процесс освоения РТС. В свою очередь формирование специальной базы знаний для автоматизированной системы управления освоением РТС невозможно из-за несовершенства существующего алгоритмического обеспечения.
Обобщая вышеизложенное, можно заключить, что научное исследование, направленное на разработку алгоритмического обеспечения БЗ для АСУО РТС, используемой для автоматизации процесса освоения личным со- ставом радиотехнических средств в соответствии с его должностным предназначением и учетом индивидуальных особенностей является актуальным.
На основании проведенного выше анализа определена проблемная ситуация, сущность которой состоит в противоречии мегкду практической необходимостью организации в подразделениях РТО автоматизированного освоения личным составом радиотехнических средств в соответствии со своим должностным предназначением на базе АСУО РТС, отличающейся наличием подсистемы работы со знаниями предметной области и обеспечивающей учет индивидуальных особенностей личного состава, и отсутствием необходимого алгоритмического обеспечения, позволяющего реализовать функции специальной базы знаний АСУО РТС в процессе освоения личным составом радиотехнических средств в соответствии со своим должностным предназначением,
Исходя из сформулированной проблемной ситуации, решаемая в диссертационной работе научная задача может быть определена как разработка алгоритмического обеспечения функционирования специальной базы знаний автоматизированной системы управления освоением РТС, предназначенной для автоматизации процесса управления освоением личным составом радиотехнических средств в соответствии со своим должностным предназначением.
Объектом исследований является автоматизированная система управления освоением РТС, а предметом являются методики алгоритмизации специальной базы знаний в автоматизированной системе управления освоением РТС.
Целью диссертации является повышение эффективности управления процессом автоматизированного освоения РТС путем разработки алгоритмического обеспечения специальной базы знаний автоматизированной системы управления освоением РТС.
Для достижения указанной цели решались следующие задачи: - анализ влияния человека на эффективность применения человеко- машинных систем, методов автоматизированного освоения РТС и реализующих их средств для выявления основных недостатков существующего в настоящее время процесса освоения РТС и определения путей их преодоления; разработка алгоритмов приобретения и пополнения знаний в специальной базе знаний АСУО РТС; разработка методики автоматизированного формирования учебно-тренировочных операций, обеспечивающей повышение дидактического потенциала специальной базы знаний АСУО РТС; формирование обобщенной структурной модели автоматизированной системы управления освоением радиотехнических систем, как основы для создания предметной АСУО РТС; оценка эффективности автоматизированного освоения личным составом радиотехнических систем с использованием разработанной АСУО РТС.
Методы исследований. В работе использовались методы общей теории систем, теорий искусственного интеллекта, управления, инженерной психологии, принятия решений, математической статистики, системного анализа.
Научная новизна результатов исследований заключается в разработке: алгоритма приобретения знаний в специальной базе знаний АСУО РТС, отличающегося применением стратегии разбиения на ступени, направленной на выявление структуры понятий предметной области с помощью сценария «Имя — Свойство»; алгоритма пополнения знаний в специальной базе знаний АСУО РТС, отличающегося наличием свойства адаптации к изменению внешней среды; - методики автоматизированного формирования учебно-трениро вочных операций, позволяющей формировать для каждого обучаемого инди видуальную совокупность учебно-тренировочных операций, позволяющих ему достичь требуемого уровня освоения РТС в соответствии со своим должностным предназначением, на основе содержащегося в специальной ба зе знаний учебного материала; - обобщенной структурной модели автоматизированной системы управления освоением РТС, особенностью которой является наличие в ней специальной базы знаний, служащей для формирования модели управления процессом освоения РТС и выработки (выбора) воздействия на обучаемого с целью достижения им необходимого (заданного) уровня освоения указанной системы.
Теоретическая значимость диссертационной работы состоит в том, что в ней разработаны алгоритмы приобретения и пополнения знаний в специальной базе знаний АСУО РТС, разработана методика автоматизированного формирования учебно-тренировочных операций, разработана обобщенная структурная модель автоматизированной системы управления освоением РТС, как основа для создания предметной АСУО РТС.
Практическая значимость диссертационной работы обусловлена тем, что полученные в ходе проведения исследований результаты:
1. Позволили автоматизировать процесс освоения РТС курсантами Тамбовского ВВАИУРЭ (ВИ) и студентами военной кафедры Московского государственного института радиотехники, электроники и автоматики (госу дарственного университета), при этом: разработанные автором алгоритмы позволили сформировать специальную базу знаний предметно-ориентированной АСУО РТС; предложенная автором методика автоматизированного формирования учебно-тренировочных операций, позволила значительно повысить качество освоения курсантами РТС,
2. Нашли свое отражение в утвержденных учебных программах дисци плин кафедр Тамбовского ВВАИУРЭ (ВИ) и МГИРЭА.
Достоверность результатов, полученных в диссертационной работе, подтверждается корректностью использования известных положений фундаментальных наук, сходимостью полученных теоретических результатов с данными экспериментов, а также с результатами исследований других авторов.
Апробация работы. Основные положения и результаты исследования обсуждались на: XLVH научной конференции МФТИ «Современные проблемы фундаментальных и прикладных наук» (Москва, 2004 г.); VIII Всероссийской научно-технической конференции «Повышение эффективности методов и средств обработки информации на базе математического моделирования» (Тамбов, 2006 г.), XLIX научной конференции МФТИ «Современные проблемы фундаментальных и прикладных наук» (Москва, 2006 г.).
Внедрение результатов исследований. Исследования проводились в рамках НИР: тема № 30654, шифр «Эксплуатация-06» (Методические рекомендации по повышению качества технической эксплуатации и ремонта средств РТО полетов авиации), поданы 2 заявки на официальную регистрацию программ для ЭВМ.
Основные теоретические и практические результаты диссертационной работы реализованы в учебном процессе Тамбовского высшего военного авиационного инженерного училища радиоэлектроники (военного института) и Московском государственном институте радиотехники, электроники и автоматики (государственном университете), что подтверждено актами об использовании результатов.
Положения, выносимые на защиту: алгоритм приобретения знаний в специальной базе знаний АСУО РТС, обеспечивающей первоначальное наполнение базы знаний специальными понятиями; алгоритм пополнения знаний в специальной базе знаний АСУО РТС, позволяющий автоматизировано или автоматически пополнять знания и уточнять имеющиеся в базе знаний понятия предметной области; методика автоматизированного формирования учебно-тренировочных операций, обеспечивающая генерирование данных операций в соответствии с индивидуальными особенностями обучаемых и должностным предназначением; - обобщенная структурная модель АСУО РТС, являющаяся основой для разработки предметно-ориентированных систем автоматизированного управления освоением конкретных радиотехнических средств.
Диссертация состоит из списка сокращений, введения, четырех разделов, заключения, списка использованных источников.
Во введении обоснована актуальность темы, сформулированы цель и задачи исследования, научная значимость и практическая значимость работы, дана краткая аннотация диссертации по разделам.
В первом разделе проведен системный анализа принципов построения, функционирования и освоения человеко-машинных систем (ЧМС). Выявлено, что процесс построения ЧМС является самостоятельной сложной системой. При построении ЧМС основное внимание уделяется созданию описания исполнительной и управляющей подсистем, которые в большей степени определяют структуру и функционирование других подсистем ЧМС. Системное рассмотрение «жизненного цикла» ЧМС показало, что этап их освоения в наибольшей степени влияет на эффективность функционирования системы в целом. Анализ традиционных методов освоения ЧМС позволил выявить их основные недостатки и определить пути их преодоления, основой которых является создание автоматизированной системы управления образовательного назначения, основой которой является база. На основании результатов анализа сформулированы цель и задачи исследования.
Во втором разделе проведена разработка алгоритмов приобретения и пополнения знаний в базе знаний АСУО РТС. Представлены правила решения задачи рационального представления знаний и обоснованности их выбора для решения конкретной задачи. Построение сети фреймов на основе неоднородных семантических сетей позволило в полной мере отобразить особенности предметной области, заключающиеся в наличии множественного характера отношений между понятиями. В базе знаний АСУО РТС возможны два варианта приобретения знаний: непосредственное извлечение знаний и прямое их приобретение с помощью стратегии разбиения на ступени и интерактивного интерпретатора знаний, позволяющего приобрести знания при недостаточном уровне квалификации эксперта. Выбор метода вывода позволил определить формальную систему БЗ на основе исчисления предикатов высшего порядка.
В третьем разделе разработана процедура структуризации правил логического вывода в базе знаний АСУО РТС, применение которой дает возможность организации пополнения знаний в БЗ без участия эксперта, обеспечивающая формирование совокупности математических моделей поэтапного выделения и упорядочения правил выбора для каждого решения. Разработана методика формирования учебно-тренировочных операций. Достоинством ее является то, что, во-первых, обучаемому сложнее найти верный ответ, перепробовав все комбинации специфицирующих его компонентов, а, во-вторых, при проведении контрольного опроса затрудняется «коллективный» подход к выбору ответа.
Технологическое решение данной проблемы способно обеспечить алгоритмическое обеспечение базы знаний АСУО РТС. Разработана обобщенная структурная модель АСУО РТС.
В четвертом разделе представлены результаты оценки эффективности предметно-ориентированной АСУО РТС, реализованной в учебном процессе Тамбовского высшего военного авиационного инженерного училища радиоэлектроники (военного института). Оценена эффективность применения АСУО РТС и даны методические рекомендации по разработке и применению предметно-ориентированных комплексов программных средств.
В заключении кратко изложены основные результаты диссертационных исследований в виде выводов.
Общий объем диссертации - 144 страницы, из них: список использованных источников на 10 страницах (102 наименования).
Анализ принципов построения человеко-машинных систем
В последние десятилетия XX века бурное развитие научно-технического прогресса способствовало созданию технических систем, в том числе военного назначения, отличающихся широким спектром выполняемых ими задач, внедрением новых информационных технологий, сложностью структуры и алгоритмического обеспечения их функционирования. Кроме того, наметилась тенденция комплексирования, в первую очередь, информационного, систем различного назначения для достижения общей цели функционирования. В наибольшей степени эта тенденция наблюдается в военной авиационной технике. Например, самолеты 4-го и 5-го поколений являются сложными многофункциональными техническими комплексами, способными решать практически любые задачи по поражению противника на земле и в воздухе [27]. Однако какими бы сложными и «умными» ТС не были, они являются лишь частью человеко-машинных систем (ЧМС).
Роль человека в таких системах прошла эволюционный путь от непосредственного ручного управления до координации множества автоматизированных процедур. А поскольку полностью исключить человека из процесса функционирования ТС пока невозможно, то в большинстве случаев эта роль является определяющей как для качества функционирования ТС, так и длительности ее жизненного цикла.
Для любой системы можно выделить ряд этапов ее существования, составляющих жизненный цикл системы, представленный на рисунке 1.1. Основными из них являются: создание, совершенствование, функционирование и ликвидация [22, 23, 45]. В соответствии с целью и предметом исследований, вопросы, связанные с исследованием этапов совершенствования и ликвидации ЧМС в работе не рассматриваются.
Из всех направлений приложения системного анализа к исследованию жизненного цикла ЧМС нам представляется наиболее важным рассмотрение его, с точки зрения, оценки частной эффективности каждого этапа цикла и внесения им веса (положительного или отрицательного) в общую эффективность системы [79]. При этом под эффективностью ЧМС будем понимать свойство системы достигать конечной цели, т.е. получать продукт труда с заданным качеством в заданных условиях и обусловленные достижением цели результаты или эффект от них [45]. Эффективность - это комплексный показатель, учитывающий качество системы, расход ресурсов и время действия [23]. При этом из всех этапов жизненного цикла наибольший вес в эффективность ЧМС вносят этапы создания и функционирования ЧМС [23,45, 88].
Основной целью этапа создания ЧМС является приспособление исходных веществ естественного происхождения и процессов природы в форме некоторых искусственных (технических) образований к различным потребностям людей [45].
Процесс разработки любой системы, даже самой простой представляет собой сложную систему, действующую в сложной среде [45]. Никакое сколь угодно глубокое детальное научно обоснованное планирование и управление не в состоянии изменить вероятностной сущности взаимодействия компонентов разрабатываемой системы между собой и со средой. В соответствии с принципами системного подхода разрабатываемую ЧМС назовем системой первого порядка сложности. Процесс разработки ЧМС представляет собой систему второго порядка сложности. Организация, осуществляющая этот процесс, является системой третьего порядка сложности и т.д. С повышением порядка сложности растет неопределенность, так что переход на более высокий уровень усложняет задачу. Единственный реальный путь на всех уровнях разработки ЧМС состоит в создании систем, способных к саморазвитию, так как только в этом случае можно рассчитывать на целенаправленное устранение исходной неопределенности, выдвижение перспективных идей и их воплощение.
Знания в структуре базы знаний интеллектуальной системы
Любые интеллектуальные системы, в их классическом понимании, содержат базу знаний, которая является важнейшим элементом системы и предназначена для накопления, хранения и организации доступа к знаниям о конкретной предметной области.
Выделим восемь основных типов знаний [12, 73]:
1 Базовые элементы. Они представляются в виде фактов и не требуют обсуждения.
2 Утверждения и определения. Они основываются на базовых элементах и заранее рассматриваются как достоверные.
3 Концепции. Они определяют собой перегруппировки или обобщения базовых элементов.
4 Отношения. Они выражают элементарные свойства базовых элементов и концепций.
5 Теоремы и правила перезаписи. Они являются частными случаями продукционных правил с вполне определенными свойствами. Теоремы не представляют пользы без правил их использования.
6 Алгоритмы. Использование алгоритмов ограничено частными случаями, большая часть которых имеет дело с обработкой числовой информации.
7 Стратегии и эвристика. Это правила поведения, которые позволяют в данной конкретной ситуации принять решение о необходимых действиях. Они используют информацию в порядке, обратном тому, в котором она была получена.
8 Метазнание. Оно представляет собой знание того, что известно, любое знание о знании. Оно является фундаментальным понятием для систем, которые умеют на основе БЗ делать выводы, структурировать ее, абстрагировать, обобщать, а также решать, в каких случаях она может быть полезна.
Базовые элементы, утверждения и определения, концепции и отношения относят к начальным знаниям об элементах предметной области. Знания подобного вида могут быть представлены в форме статических фреймов, предикатов, правил продукции. Такие формы представления знаний эквивалентны между собой, могут быть взаимно преобразованы и предназначены для хорошо структурированных знаний [9, 12, 14, 18, 73].
Теоремы и правила перезаписи, а также алгоритмы можно рассматривать как правила принятия решений в конкретных ситуациях с использованием конкретных элементов предметной области. Такие знания удобно представлять в форме динамических фреймов, скриптов, семантических сетей [12, 73].
Стратегии, эвристика и метазнание также можно представить в форме динамических фреймов, скриптов и семантических сетей [73].
Современная практика формального представления знаний допускает использование смешанных форм: продукционно-фреймовых, фрейм-продукционных, фрейм-структур или сети фреймов [14, 73]. Такой подход позволяет эффективно сочетать преимущества различных форм представления знаний.
Таким образом, в структуре базы знаний можно выделить основное содержание, а именно факты и правила. В состав фактов входят описания объектов (понятий), их признаков и соответствующие числовые признаки. Правила представляют собой пути вынесения суждений на основе фактов для решения конкретной проблемы.
Анализ опыта создания конкретных систем работы со знаниями [14, 19, 71, 73] показал, что трудности вызывают задачи обоснованного и правильного представления знаний предметной области, а также автоматизированного построения упорядоченной совокупности правил логического вывода, т.е. реализации механизма построения цепей блоков принятия решений.
Особенности принятия решения в базе знаний
В структуре базы знаний можно выделить три основные группы знаний: факты и представления, правила логического вывода, порядок применения правил. Модель использования знаний для получения требуемого результата представлена на рисунке 3.1.
Вместе с тем, опыт создания конкретных экспертных систем показывает, что наибольшие трудности вызывает задача автоматического построения упорядоченной совокупности правил логического вывода, т.е. реализации механизма построения цепей блоков принятия решений Формально задача заключается в том, что для достижения некоторой цели W необходимо из всего множества {fj} правил логического вывода отобрать и расположить в нужной последовательности fj, її, -, fn такие п правил, выполнение которых обеспечивает достижение цели W. При этом не обязательно, чтобы были выполнены все п правил или чтобы они выполнялись только последовательно [73].
Решение сформулированной задачи дает возможность организации эффективного управления базой знаний, что является одной из главных целей исследований в области экспертных систем и искусственного интеллекта [35]. По мнению ряда исследователей, в частности [35], организация эффективного управления базой знаний, прежде всего, предполагает наличие структурированных знаний типа утверждений правил логического вывода. Однако на сегодняшний день в технической литературе практически отсутствуют достаточно проработанные материалы по методам структуризации подобных знаний.
Тогда, применительно к проблеме создания и применения новых методов автоматизированного обучения структуризацию знаний типа утверждений и правил логического вывода следует рассматривать как структуризацию отношений и правил принятия решений на множестве объектов.
Процедура структуризации правил логического вывода
В соответствии с методикой, изложенной в [73], целью структуризации отношений и правил принятия решений следует считать построение морфологического пространства, содержащего структурированные утверждения и правила логического вывода (правила принятия решений). Для решения поставленной задачи следует предположить, что все одноименные правила вывода fj составляют определенные множества Fj, где fj є Fj и правила f] отличаются друг от друга конкретными значениями своих переменных величин. Тогда все существующие правила решений составят непустое множество TF = {U;, Fj}, где І=1,К. Такой подход позволяет представить множество всевозможных комбинаций правил логического вывода Fr;, применяемых при выборе решения и в виде формулы:
Структура автоматизированной системы управления процессом освоения радиолокационной системы посадки РСП-6М2
Как следует из анализа обобщенной структурной модели АСУО РТС, основными элементами системы являются ЭВМ и специализированное программное обеспечение (СПО). Таким образом, основное место в разработке предметно-ориентированной АСУО РТС занимает создание СПО, которое по своей сути является программным комплексом, реализующим алгоритм функционирования АСУО РТС и, в частности, ее базы знаний.
На основе обобщенной структурной модели АСУО РТС разработаны программы, реализующие составные части этой модели, а также алгоритм их функционирования и взаимодействия на основе одноранговой компьютерной сети, составляющие комплекс программных средств (КПС) [29]. Структура программного комплекса представлена на рисунке 4.1.
Анализируя эту структуру, можно провести аналогии с моделью АСУО РТС по принципу реализации элементов модели:
- программа «Редактор» предназначена для заполнения и изменения содержимого базы знаний экспертом (извлечения знаний);
- программа «Система создания курса обучения» (ССКО) предназначена для формирования динамической модели управления обучением;
- программа «Аксиома» предназначена для принятия решения во всех типах задач, возникающих в системе (сравнение, выбор воздействия);
- программа «Преподаватель» выполняет функции контроля качества процесса обучения;
- программа «Опрос» предназначена для формирования и выдачи обучаемому контрольных тестов;
- программа «Система автоматизированного освоения ДРЛ» (САО ДРЛ) предназначена для формирования учебно-тренировочных операций в рамках освоения технической системы;
- программа «Агент» выполняет функции диалоговой системы.
База знаний целесообразно строить на основе инструментальной оболочки SIMER+MIR, позволяющей напрямую проектировать базу знаний на основе неоднородной семантической сети. Однако сложности с приобретением оболочки заставили разрабатывать программы в программной среде Delphi. Для заполнения базы знаний, на основе результатов исследований, проведенных в разделе 2, разработана программа «Редактор». Диалоговое окно программы «Редактор» представлено на рисунке 4.2.
Для заполнения базы знаний эксперт должен первоначально ввести в окно «Название курса» наименование раздела предметной области, материал по которой он будет вносить в БЗ. Затем в окно «Вопрос» заносится вопрос или материал по определенной теме. Если в окне был записан вопрос, то в окнах «Варианты ответа» записываются ответы на него с учетом того, что все варианты должны быть верными положениями, но только один ответ должен относиться к данному вопросу.
