Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava

Ovaj članak predlaže metodu neizrazite indukcije koju je autor razvio kao kombinaciju odredbi neizrazite matematike i teorije fraktala, uvodi koncept stupnja rekurzije neizrazitog skupa i predstavlja opis nepotpune rekurzije skupa. postaviti kao svoju frakcijsku dimenziju za modeliranje predmetnog područja. Područje primjene predložene metode i na njoj stvorenih modela znanja kao neizrazitih skupova smatra se upravljanjem životnim ciklusom informacijskih sustava, uključujući razvoj scenarija za korištenje i testiranje softvera.

aktualnost

U procesu projektiranja i razvoja, implementacije i rada informacijskih sustava potrebno je akumulirati i sistematizirati podatke, informacije i informacije koje se prikupljaju izvana ili nastaju u svakoj fazi životnog ciklusa softvera. Ovo služi kao potrebna informacijska i metodološka podrška za rad na dizajnu i donošenje odluka, a posebno je relevantno u situacijama visoke nesigurnosti iu slabo strukturiranim okruženjima. Baza znanja nastala kao rezultat akumulacije i sistematizacije takvih resursa ne bi trebala biti samo izvor korisnog iskustva stečenog od strane projektnog tima tijekom stvaranja informacijskog sustava, već i najjednostavnije moguće sredstvo modeliranja novih vizija, metoda i algoritmi za provedbu projektnih zadataka. Drugim riječima, takva baza znanja je skladište intelektualnog kapitala i, u isto vrijeme, alat za upravljanje znanjem [3, 10].

Učinkovitost, korisnost i kvaliteta baze znanja kao alata koreliraju s intenzitetom resursa za njezino održavanje i učinkovitošću ekstrakcije znanja. Što je jednostavnije i brže prikupljanje i evidentiranje znanja u bazi podataka i što su konzistentniji rezultati upita prema njoj, to je sam alat bolji i pouzdaniji [1, 2]. Međutim, diskretne metode i alati za strukturiranje koji su primjenjivi na sustave upravljanja bazama podataka, uključujući normalizaciju odnosa u relacijskim bazama podataka, ne dopuštaju opisivanje ili modeliranje semantičkih komponenti, interpretacija, intervalnih i kontinuiranih semantičkih skupova [4, 7, 10]. To zahtijeva metodološki pristup koji generalizira posebne slučajeve konačnih ontologija i približava model znanja kontinuitetu opisa predmetnog područja informacijskog sustava.

Takav bi pristup mogao biti kombinacija odredaba teorije neizrazite matematike i koncepta fraktalne dimenzije [3, 6]. Optimiziranjem opisa znanja prema kriteriju stupnja kontinuiteta (veličine koraka diskretizacije opisa) u uvjetima ograničenja prema načelu Gödelove nepotpunosti (u informacijskom sustavu - temeljna nepotpunost rasuđivanja, znanja). izvedenog iz ovog sustava pod uvjetom njegove konzistentnosti), izvodeći sekvencijalnu fuzzifikaciju (svođenje na nejasnoću), dobivamo formalizirani opis koji odražava određeno tijelo znanja što je potpunije i koherentnije moguće i s kojim je moguće izvoditi bilo koje operacije informacijski procesi - prikupljanje, pohranjivanje, obrada i prijenos [5, 8, 9].

Definicija rekurzije neizrazitog skupa

Neka je X skup vrijednosti neke karakteristike modeliranog sustava:

Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (1)

gdje je n = [N ≥ 3] – broj vrijednosti takve karakteristike (više od elementarnog skupa (0; 1) – (false; true)).
Neka je X = B, gdje je B = {a,b,c,…,z} skup ekvivalenata, element po element koji odgovara skupu vrijednosti karakteristike X.
Zatim neizraziti skup Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava, koji odgovara nejasnom (u općem slučaju) konceptu koji opisuje karakteristiku X, može se predstaviti kao:

Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (2)

gdje je m korak diskretizacije opisa, i pripada N – višestrukost koraka.
Sukladno tome, kako bismo optimizirali model znanja o informacijskom sustavu prema kriteriju kontinuiteta (mekoće) opisa, a da ostanemo unutar granica prostora nedovršenosti rezoniranja, uvodimo stupanj rekurzije neizrazitog skupa Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava i dobivamo sljedeću verziju njegovog prikaza:

Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (3)

gdje Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava – skup koji odgovara neizrazitom konceptu, koji općenito opisuje karakteristiku X potpunije od skupa Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava, prema kriteriju mekoće; Re – stupanj rekurzije opisa.
Treba napomenuti da Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (svodivo na jasan skup) u posebnom slučaju, ako je potrebno.

Uvođenje frakcijske dimenzije

Kada je Re = 1 set Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava je obični neizraziti skup 2. stupnja, uključujući kao elemente neizrazite skupove (ili njihova jasna preslikavanja) koji opisuju sve vrijednosti karakteristike X [1, 2]:

Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (4)

Međutim, ovo je degenerirani slučaj, au najcjelovitijem prikazu neki od elemenata Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava mogu biti skupovi, dok ostali mogu biti trivijalni (krajnje jednostavni) objekti. Stoga je za definiranje takvog skupa potrebno uvesti frakcijska rekurzija – analogija frakcijske dimenzije prostora (u ovom kontekstu, ontološkog prostora određenog predmetnog područja) [3, 9].

Kada je Re razlomački, dobivamo sljedeći unos Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava:

Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (5)

gdje Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava – neizraziti skup za vrijednost X1, Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava – neizraziti skup za vrijednost X2 itd.

U ovom slučaju, rekurzija postaje u biti fraktalna, a skupovi opisa postaju sebi slični.

Definiranje mnoštva funkcionalnosti modula

Arhitektura otvorenog informacijskog sustava pretpostavlja načelo modularnosti, što osigurava mogućnost skaliranja, replikacije, prilagodljivosti i nastajanja sustava. Modularna konstrukcija omogućuje da se tehnološka implementacija informacijskih procesa približi njihovoj prirodnoj objektivnoj utjelovljenosti u stvarnom svijetu, da se razviju najprikladniji alati u smislu njihovih funkcionalnih svojstava, dizajniranih da ne zamijene ljude, već da učinkovito pomognu njih u upravljanju znanjem.

Modul je zasebna cjelina informacijskog sustava, koja može biti obavezna ili izborna za potrebe postojanja sustava, ali u svakom slučaju pruža jedinstven skup funkcija unutar granica sustava.

Cjelokupna raznolikost funkcionalnosti modula može se opisati s tri vrste operacija: kreiranje (snimanje novih podataka), editiranje (promjena prethodno snimljenih podataka), brisanje (brisanje prethodno snimljenih podataka).

Neka je X određena karakteristika takve funkcionalnosti, tada se odgovarajući skup X može predstaviti kao:

Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (6)

gdje je X1 – kreiranje, X2 – uređivanje, X3 – brisanje,

Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (7)

Štoviše, funkcionalnost bilo kojeg modula je takva da stvaranje podataka nije samoslično (implementirano bez rekurzije - funkcija stvaranja se ne ponavlja), a uređivanje i brisanje u općem slučaju može uključivati ​​implementaciju element po element (izvođenje operacija na odabranim elementima skupova podataka) i sami uključuju sebi slične operacije.

Treba napomenuti da ako se operacija za funkcionalnost X ne izvede u danom modulu (nije implementirana u sustav), tada se skup koji odgovara takvoj operaciji smatra praznim.

Dakle, za opisivanje neizrazitog koncepta (izjave) "modul vam omogućuje izvođenje operacije s odgovarajućim skupom podataka za potrebe informacijskog sustava", neizraziti skup Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava u najjednostavnijem slučaju može se predstaviti kao:

Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (8)

U općem slučaju, takav skup ima stupanj rekurzije jednak 1,6(6) te je u isto vrijeme fraktalan i nejasan.

Priprema scenarija za korištenje i testiranje modula

U fazama razvoja i rada informacijskog sustava potrebni su posebni scenariji koji opisuju redoslijed i sadržaj operacija korištenja modula prema njihovoj funkcionalnoj namjeni (scenariji slučaja korištenja), kao i provjera usklađenosti očekivanih i stvarni rezultati modula (scenariji testiranja).. test-case).

Uzimajući u obzir gore navedene ideje, proces rada na takvim scenarijima može se opisati na sljedeći način.

Za modul se formira neizraziti skup Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava:

Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (9)

gdje
Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava – neizraziti skup za operaciju kreiranja podataka prema funkcionalnosti X;
Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava – neizraziti skup za operaciju uređivanja podataka prema funkcionalnosti X, dok je stupanj rekurzije a (ugrađivanje funkcije) prirodan broj iu trivijalnom slučaju jednak je 1;
Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava – neizraziti skup za operaciju brisanja podataka prema funkcionalnosti X, dok je stupanj rekurzije b (ugrađivanje funkcije) prirodan broj iu trivijalnom slučaju jednak je 1.

Takvo mnoštvo opisuje što se točno (koji podatkovni objekti) stvara, uređuje i/ili briše za bilo koju upotrebu modula.

Zatim se sastavlja skup scenarija za korištenje Ux za funkcionalnost X za predmetni modul, od kojih svaki opisuje zašto (za koji poslovni zadatak) se podatkovni objekti opisuju skupom kreiraju, uređuju i/ili brišu? Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava, i kojim redom:

Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (10)

gdje je n broj slučajeva upotrebe za X.

Zatim se sastavlja skup scenarija testiranja Tx za funkcionalnost X za svaki slučaj upotrebe dotičnog modula. Testna skripta opisuje, koje se vrijednosti podataka koriste i kojim redoslijedom prilikom izvođenja slučaja upotrebe i kakav rezultat treba dobiti:

Metoda neizrazite indukcije i njezina primjena za modeliranje znanja i informacijskih sustava (11)

gdje je [D] niz testnih podataka, n je broj testnih scenarija za X.
U opisanom pristupu broj testnih scenarija jednak je broju odgovarajućih slučajeva korištenja, što pojednostavljuje rad na njihovom opisu i ažuriranju kako se sustav razvija. Osim toga, takav se algoritam može koristiti za automatiziranje testiranja softverskih modula informacijskog sustava.

Zaključak

Prikazana metoda neizrazite indukcije može se implementirati u različitim fazama životnog ciklusa bilo kojeg modularnog informacijskog sustava, kako u svrhu prikupljanja deskriptivnog dijela baze znanja, tako iu radu na scenarijima korištenja i testiranja modula.

Štoviše, neizrazita indukcija pomaže sintetizirati znanje na temelju dobivenih nejasnih opisa, poput "kognitivnog kaleidoskopa", u kojem neki elementi ostaju jasni i nedvosmisleni, dok se drugi, prema pravilu samosličnosti, primjenjuju onoliko puta koliko je navedeno u stupanj rekurzije za svaki skup poznatih podataka. Uzeti zajedno, dobiveni neizraziti skupovi tvore model koji se može koristiti i za potrebe informacijskog sustava i općenito u interesu traženja novog znanja.

Ova vrsta metodologije može se klasificirati kao jedinstveni oblik “umjetne inteligencije”, uzimajući u obzir činjenicu da sintetizirani skupovi ne bi trebali biti u suprotnosti s načelom nepotpunog razmišljanja i dizajnirani su da pomognu ljudskoj inteligenciji, a ne da je zamijene.

reference

  1. Borisov V.V., Fedulov A.S., Zernov M.M., “Osnove teorije neizrazitih skupova.” M.: Hotline – Telecom, 2014. – 88 str.
  2. Borisov V.V., Fedulov A.S., Zernov M.M., “Osnove teorije neizrazitog logičkog zaključivanja.” M.: Hotline – Telecom, 2014. – 122 str.
  3. Demenok S.L., “Fraktal: između mita i zanata.” St. Petersburg: Academy of Cultural Research, 2011. – 296 str.
  4. Zadeh L., “Osnove novog pristupa analizi složenih sustava i procesa donošenja odluka” / “Matematika danas”. M.: “Znanje”, 1974. – P. 5 – 49.
  5. Kranz S., “Promjenjiva priroda matematičkog dokaza.” M.: Laboratorij znanja, 2016. – 320 str.
  6. Mavrikidi F.I., “Fraktalna matematika i priroda promjene” / “Delphis”, br. 54 (2/2008), http://www.delphis.ru/journal/article/fraktalnaya-matematika-i-priroda-peremen.
  7. Mandelbrot B., “Fraktalna geometrija prirode.” M.: Institut za računalna istraživanja, 2002. – 656 str.
  8. “Osnove teorije neizrazitih skupova: Smjernice”, komp. Korobova I.L., Dyakov I.A. Tambov: Izdavačka kuća Tamb. država oni. sveuč., 2003. – 24 str.
  9. Uspensky V.A., “Apologija matematike.” M.: Alpina Non-fiction, 2017. – 622 str.
  10. Zimmerman HJ “Teorija neizrazitih skupova – i njezine primjene”, 4. izdanje. Springer Science + Business Media, New York, 2001. – 514 str.

Izvor: www.habr.com

Dodajte komentar