Моделювання емерджентності за допомогою чотиришарової прихованої марковської моделі

Автор(и)

  • Sergiy Nesterenko Одеський національний політехнічний університет, пр. Шевченка, 1, м. Одеса, Україна, 65044, Україна https://orcid.org/0000-0002-3757-6594
  • Olesya Daderko Одеський національний політехнічний університет, пр. Шевченка, 1, м. Одеса, Україна, 65044, Україна https://orcid.org/0000-0003-0160-7288
  • Igor Saukh Одеський національний політехнічний університет, пр. Шевченка, 1, м. Одеса, Україна, 65044, Україна https://orcid.org/0000-0003-1249-7838

DOI:

https://doi.org/10.15587/2312-8372.2018.135831

Ключові слова:

синергетичний ефект, врахування емерджентності, прихована марковська модель, прихований шар, адекватність моделі

Анотація

Об'єктом дослідження є процес підбору синергетично обумовленої пари до елементів складних систем при проектуванні, виготовленні або ремонті. Одним з найбільш проблемних місць в підборі є необхідність чисельно оцінити результат об'єднання елементів з урахуванням явних, адитивних властивостей елементів і прихованих проявів роботи пари, невластивих елементам окремо (емерджентність). Відсутність врахування емерджентності може істотно спотворити видиму картину процесів, які протікають в системах, що робить багато існуючих моделей таких процесів неадекватними.

В ході дослідження використовували методи добування інформації з масивів знань, прихованих для прямого спостереження. Зокрема використовували чотирьохшарові приховані марковские моделі з додатковим прихованим шаром. Навчання моделей виконували методом Баума–Велша, адаптованим під роботу з додатковим шаром. В якості навчальних вибірок використовували дані, отримані в результаті статистичної обробки інформації, доступної при спостереженні за об'єктом, експертних оцінок, а також дані, отримані в світових комп'ютерних мережах.

Випробування методу і моделі на реальних медичних і технічних об'єктах підтвердили їх клінічну і технічну ефективність. Зокрема, завдяки цьому в медичній галузі:

  • на 65 % зменшилася частота виникнення тромбоемболії гілок легеневої артерії і глибоких вен стегна і гомілки;
  • на 43 % зменшилася частота післяопераційних кровотеч;
  • на 36 % зменшилася загальна кількість призначених лікарських засобів, спрямованих на корекцію згортання крові.

У технічній галузі результати випробувань підтвердили збільшення терміну експлуатації гумометалевих амортизаторів на 14,5 %.

Це пов'язано з тим, що запропонований метод має ряд особливостей, зокрема, в ньому вперше для оцінки емерджентності застосована чотиришарова прихована марковська модель.

Результати, отримані в роботі, дозволили запропонувати загальну схему інтелектуальної системи підтримки прийняття рішення про вибір синергетически обумовленої пари елементів для складних систем різного призначення.

Біографії авторів

Sergiy Nesterenko, Одеський національний політехнічний університет, пр. Шевченка, 1, м. Одеса, Україна, 65044

Доктор технічних наук, професор

Кафедра комп’ютерних інтелектуальних систем і мереж

Olesya Daderko, Одеський національний політехнічний університет, пр. Шевченка, 1, м. Одеса, Україна, 65044

Кафедра нафтогазового та хімічного машинобудування

Igor Saukh, Одеський національний політехнічний університет, пр. Шевченка, 1, м. Одеса, Україна, 65044

Кафедра нафтогазового та хімічного машинобудування

Посилання

  1. Skott, M. (2007). Operativnaya pamyat'. Modernizaciya i remont PK. Moscow: Vil'yams, 499–572.
  2. Podbor dinamikov. Audiomania. Available at: https://www.audiomania.ru/content/art-1740.html
  3. Stanovskyi, O., Toropenko, A., Lebedeva, E., Dobrovolska, V., Daderko, O. (2017). Compensation of the spatial deviations of measuring elements in CAD. Technology Audit and Production Reserves, 1 (2 (39)), 52–60. doi: http://doi.org/10.15587/2312-8372.2018.123502
  4. Stanovskiy, A. L., Pozdnyakov, V. Yu. (2007). Koncepcii sistemy podderzhki avtomatizirovannogo perevoda stihotvornogo teksta. Trudy Odesskogo politekhnicheskogo universiteta, 2 (28), 162–165.
  5. Afanas'ev, I. B., Baturin, Yu. M., Belozerskiy, A. G. (2005). Mirovaya pilotiruemaya kosmonavtika. Istoriya. Tekhnika. Lyudi. Moscow: RTSoft, 752.
  6. Glushan', V. M., Karelin, V. P., Kuz'menko, O. L. (2009). Nechetkie modeli i metody mnogokriterial'nogo vybora v intellektual'nyh sistemah podderzhki prinyatiya resheniy. Izvestiya Yuzhnogo federal'nogo universiteta. Tekhnicheskie nauki, 106–113.
  7. Poisk pary chisel optimal'no blizkih k zadannomu konstantnomu chislu. MQL5. Available at: https://www.mql5.com/ru/forum/216667
  8. Luciv, D. V., Koznov, D. V., Basit, H. A., Terekhov, A. N. (2016). Zadacha poiska nechetkih povtorov pri organizacii povtornogo ispol'zovaniya dokumentacii. Programmirovanie, 4, 39–49.
  9. Pimenov, V. Yu. (2009). Vychislitel'no-effektivniy metod poiska nechetkih dublikatov v kollekcii izobrazheni. Rossiyskiy seminar po Ocenke Metodov Informacionnogo Poiska. Trudy ROMIP 2009. Sankt-Peterburg: NU CSI, 89–107. Available at: http://romip.ru/romip2009/09_ifm.pdf
  10. Nesterenko, S. A., Stanovskyi, A. O., Toropenko, A. V. (2013). Metod diahnostyky stanu struktury skladnoho obiekta mashynobuduvannia. Suchasni tekhnolohiyi v mashynobuduvanni, 8, 116–123.
  11. Nesterenko, S. A., Stanovskyi, A. O., Toropenko, A. V., Shvets, P. S. (2015). Transformation of the structure of complex technical systems with partially unusable elements to the visual image. Eastern-European Journal of Enterprise Technologies, 5 (3 (77)), 30–35. doi: http://doi.org/10.15587/1729-4061.2015.51186
  12. Nesterenko, S. A., Stanovskyi, A. O., Oborotova, O. O. (2015). The wireless computer networks state recognition over the three-dimensional field of directions. Technology audit and production reserves, 6 (2 (26)), 28–35. doi: http://doi.org/10.15587/2312-8372.2015.56825
  13. Chatzis, S. P., Kosmopoulos, D. (2012). Visual Workflow Recognition Using a Variational Bayesian Treatment of Multistream Fused Hidden Markov Models. IEEE Transactions on Circuits and Systems for Video Technology, 22 (7), 1076–1086. doi: http://doi.org/10.1109/tcsvt.2012.2189795
  14. Starner, T., Pentland, A. (1995). Real-Time American Sign Language Visual Recognition From Video Using Hidden Markov Models. MIT.
  15. Blasiak, S., Rangwala, H. (2011). A Hidden Markov Model Variant for Sequence Classification. IJCAI Proceedings-International Joint Conference on Artificial Intelligence, 1192–1197.
  16. Chatzis, S. P. (2010). Hidden Markov Models with Nonelliptically Contoured State Densities. IEEE Transactions on Pattern Analysis and Machine Intelligence, 32 (12), 2297–2304. doi: http://doi.org/10.1109/tpami.2010.153
  17. Petropoulos, A., Chatzis, S. P., Xanthopoulos, S. (2016). A novel corporate credit rating system based on Student’s-t hidden Markov models. Expert Systems with Applications, 53, 87–105. doi: http://doi.org/10.1016/j.eswa.2016.01.015
  18. Domingos, P. (2015). The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. Basic Books, 352.
  19. Boudaren, M. E. Y., Monfrini, E., Pieczynski, W., Aïssani, A. (2012). Dempster-Shafer fusion of multisensor signals in nonstationary Markovian context. EURASIP Journal on Advances in Signal Processing, 2012 (1). doi: http://doi.org/10.1186/1687-6180-2012-134
  20. Chto takoe sinergiya? KlubOK.net. Available at: http://www.klubok.net/article2005.html
  21. Stanovska, I., Koshulyan, S., Toropenko, O., Daderko, O. (2018). Intellectual risk management in projects of transportation of large vehicles by the game theory. Bulletin of the National Technical University «KhPI». Ser.: New solutions in modern technologies, 9 (1285), 147–152. doi: http://doi.org/10.20998/2413-4295.2018.09.21

##submission.downloads##

Опубліковано

2018-01-23

Як цитувати

Nesterenko, S., Daderko, O., & Saukh, I. (2018). Моделювання емерджентності за допомогою чотиришарової прихованої марковської моделі. Technology Audit and Production Reserves, 3(2(41), 11–17. https://doi.org/10.15587/2312-8372.2018.135831

Номер

Том 3 № 2(41) (2018): Інформаційно-керуючі системи

Розділ

Інформаційні технології: Оригінальне дослідження

Ліцензія

Авторське право (c) 2018 Olesya Daderko, Sergiy Nesterenko, Igor Saukh

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.