Анотація до роботи:

Краснопоясовський А.С. Інформаційний аналіз і синтез нечіткого регулятора системи керування, що навчається.– Рукопис.

Дисертація на здобуття наукового ступеня доктора технічних наук за спеціальністю 05.13.03 – системи та процеси керування.– Національний аерокосмічний університет ім. М. Є. Жуковського «Харківський авіаційний інститут», Харків, 2005.

Дисертаційне дослідження виконано з метою підвищення функціональної ефективності СК, що навчаються, в рамках запропонованого в роботі інформаційно-екстремального методу функціонально-статистичних випробувань (МФСВ), який ґрунтується на прямій оцінці інформаційної спроможності системи за умов апріорної невизначеності та обмеження випробувань. У рамках МФСВ синтезовано ієрархію категорійних моделей і відповідних алгоритмів автоматичної класифікації, що дозволяють оптимізувати просторово-часові параметри функціонування нечіткого регулятора СК, що навчається, з метою максимізації асимптотичної повної достовірності вирішального правила. Досліджено вплив просторово-часових параметрів на функціональну ефективність СК, що навчається, теоретично доведено та експериментально підтверджено в рамках МФСВ можливість цілеспрямованої трансформації в процесі навчання нечіткого розбиття простору ознак на класи розпізнавання в чітке розбиття та адаптації вхідного математичного опису нечіткого регулятора, що забезпечує побудову безпомилкового за навчальною вибіркою вирішального правила. Розроблено нові засоби інформаційної технології моделювання, оцінки функціональної ефективності та проектування нечітких регуляторів СК, що навчаються.

У дисертаційній роботі виконано теоретичне узагальнення і нове вирішення важливої науково-технічної проблеми – підвищення ефективності машинного навчання шляхом створення теоретико-методологічних основ розроблення і дослідження методів оптимізації, моделювання, аналізу і проектування нечітких регуляторів СК. Створено і розвинуто новий науковий напрямок основ теорії високоефективного машинного навчання СК слабо формалізованими процесами, який ґрунтується на цілеспрямованій зміні в процесі навчання параметрів розподілу реалізацій образу в дискретному субпарацептуальному просторі ОР з метою трансформації нечіткого розбиття в чітке, що забезпечує побудову безпомилкового за навчальною матрицею вирішального правила.

Головні наукові та практичні результати роботи полягають у такому:

1. На основі системного аналізу визначено проблему дисертаційних досліджень: підвищення ефективності машинного навчання як сучасного напрямку розвитку системного моделювання, аналізу і синтезу СК. Показано, що через відсутність єдиного підходу в проектуванні таких систем виникає необхідність розробки теоретичних основ створення та дослідження методів оптимізації, моделювання, адаптації та проектування СК, що навчаються. Відзначено перспективність алгоритмів нечіткої класифікації, але їх моделі прийняття рішень не дозволяють цілеспрямовано здійснювати оптимізацію просторово-часових параметрів функціонування СК з метою максимізації функціональної ефективності навчання СК. Тому актуальною є задача розробки нових моделей і алгоритмів функціонування СК, що навчаються, які поєднують методи нечіткої класифікації та статистичного багатовимірного аналізу в рамках теоретико-інформаційного підходу.

2. Створено, досліджено і реалізовано новий метод вирішення проблеми підвищення функціональної ефективності машинного навчання СК слабоформалізованими системами і розроблено науково-методологічні основи оптимізації просторово-часових параметрів функціонування нечіткого регулятора у рамках запропонованого інфораційно-екстремального методу функціонально-статистичних випробувань –МФСВ, який ґрунтується на прямій оцінці інформаційної спроможності системи за умов нечіткої компактності реалізацій образу й обмеження обсягу навчальної вибірки, що має місце в практичних задачах керування. МФСВ дозволяє вперше розв’язати основну задачу класифікаційного керування – адаптувати вхідний математичний опис СК, що навчається, з метою побудови оптимального в інформаційному розумінні нечіткого регулятора, який при достатній глибині оптимізації його просторово-часових параметрів функціонування забезпечує безпомилкову класифікацію функціональних станів СК за нечіткою навчальною матрицею.

3. Запропоновано на рівні категорійно-функторного аналізу комплекс математичних моделей слабо формалізованих процесів автоматичної класифікації, самонастроювання та прогностичної класифікації СК, що навчаються, які дозволяють значно спростити синтез алгоритмів автоматичної класифікації, оскільки вони є максимально наближеними до їх схемних реалізацій.

4. Розроблено та досліджено у рамках МФСВ алгоритми навчання, які утворюють ієрархічні ітераційні процедури транзитивного замикання на динамічні відображення у контурах оптимізації відповідних просторово-часових параметрів функціонування нечіткого регулятора шляхом пошуку глобального максимуму інформаційного КФЕ навчання СК в робочій області визначення його функції. З цією метою розроблено процедури обчислення запропонованих робочих модифікацій статистичних інформаційних критеріїв у процесі відновлення контейнерів класів розпізнавання в радіальному базисі та досліджено їх ефективність, запропоновано узагальнений критерій ефективності навчання із урахуванням експлуатаційних витрат.

5. Вперше досліджено вплив фенотипних і генотипних параметрів функціонування нечіткого регулятора на функціональну ефективність навчання СК. Досліджено вплив на функціональну ефективність навчання системи контрольних допусків, яка безпосередньо впливає на розподіл реалізацій образу в дискретному субпарацептуальному просторі ОР, і збіжність алгоритмів оптимізації допусків. Запропоновано методику вибору нормованих допусків, які задають область визначення контрольних допусків за умови їх випадковості. Розроблено і досліджено алгоритми оптимізації рівнів селекції координат еталонних векторів класів розпізнавання і кроку квантування в часі реалізацій образу. Досліджено вплив потужності алфавіту класів розпізнавання на ТХ нечіткого регулятора і запропоновано метод їх корекції та встановлено зв’язок інформаційного КФЕ навчання із інтегральним показником надійності навчання - коефіцієнтом збереження функціональної ефективності навчання.

6. Вперше досліджено і реалізовано в рамках МФСВ задачі класифікаційного самонастроювання здатної навчатися СК шляхом максимізації іформаційної міри різноманітності функціональних станів системи та пошуку в процесі настроювання її глобального максимум в робочій області визначення функції та прогностичної класифікації, що дозволяє визначити момент перенавчання системи.

7. Доведено і експериментально підтверджено можливість побудови в рамках МФСВ безпомилкового за навчальною матрицею вирішального правила за умови нечіткої компактності реалізацій образу і мінімального обсягу репрезентативної навчальної вибірки, який більше ніж на порядок менший за обсяги навчальних вибірок , що використовуються в статистичних методах автоматичної класифікації.

8. Реалізований ієрархічний гібридний алгоритм навчання в рамках МФСВ із використанням запропонованого елітного генетичного алгоритму пошуку глобального максимуму КФЕ навчання СК дозволяє зменшити тривалість навчання (за результатами 50 прогонів алгоритму) для базового алгоритму навчання на 10%, для алгоритму паралельної оптимізації СКД – на 20% і для алгоритму послідовної оптимізації СКД – вдвічі.

9. Поставлено і розв’язано конкретні задачі проектування СК, що навчаються, в різних предметних областях:

фізичне моделювання автофокусування електронного мікроскопа за зображенням зразка , що досліджується;

фізичне моделювання здатної навчатися (самонавчатися) АСКТП виробництва складних мінеральних добрив;

фізичне та імітаційне моделювання розпізнавання контурних зображень;

фізичне та імітаційне моделювання задач розпізнавання стаціонарних і нестаціонарних зображень: спектрограм, електронограм, морфологічних зображень тканин при діагностуванні онкозахворювань;

фізичне та імітаційне моделювання таких важливих питаннь керування дистанційним навчанням, як фазифікація знань слухачів, так і підвищення достовірності машинної оцінки знань слухачів при тестовому опитуванні.

У сукупності одержані результати утворюють науково-теоретичний і інструментально-практичний базис методології проектування здатних навчатися СК, впровадження яких у різні галузі соціально-економічної сфери України в сучасних умовах є нагальною потребою.

Публікації автора:

1. Краснопоясовський А.С. Інформаційний синтез інтелектуальних систем керування: Підхід, що ґрунтується на методі функціонально-статистичних випробувань.-Суми: Видавництво СумДУ, 2004. - 261 c.

2. Краснопоясовський А.С. Класифікаційний аналіз даних: Навчальний посібник.- Суми: Видавництво СумДУ, 2002.- 159 с.

3. Краснопоясовский А.С., Калюжная С.А. О выборе обобщённой шкалы для входных переменных при многофакторном эксперименте // Автоматизированные системы управления. Харьков: Харьк. авиац. ин-т, 1984.- Вып. 5.- С. 114-118.

4. Краснопоясовский А.С., Сергеев В.П., Устименко А.С. Связь количества информации с точностными характеристиками информационно-измерительной системы // Автоматизированные системы управления.-Харьков: Харьк. авиац. ин-т, 1987.-С. 101–107.

5. Краснопоясовський А.С., Марченко В.В. Статистична оцінка вибіркової послідовності в задачах автоматичної класифікації // Современные технологии машиностроения: Тематический сборник научных статей. Отв. ред. Н.В.Захаров.-Киев: ИСМО, Сумы, СумГУ, 1997.- Вып.1.-С.141-145.

6. Краснопоясовський А.С. Математична модель та алгоритми дискримінантного типологічного аналізу //Современные технологии машиностроения: Тематический сборник научных статей. Отв. ред. Н.В.Захаров.-Киев: ИСМО, Сумы, СумГУ, 1997.-Вып.1.-С. 152 -157.

7. Краснопоясовський А.С., Сластушевський О.Ю. Оцінка інформативності ознак розпізнавання в рамках методу функціонально-статистичних випробувань // Современные технологии машиностроения: Тематический сборник научных статей. Отв. ред. Н.В.Захаров.-Киев: ИСМО, Сумы, СумГУ, 1997.-Вып.1.-С. 146-151.

8. Краснопоясовський А.С. Оптимізація контейнерів класів розпізнавання за методом функціонально-статистичних випробувань //Автоматизированные системы управления и приборы автоматики. – Харьков: Харьк. нац. ун-т радиоэлектр., 2002.-Вып.119.- С. 69-76.

9. Краснопоясовський А.С. Розпізнавання контурних зображень за методом функціонально-статистичних випробувань // Авіаційно-космічна техніка і технологія: Зб. наук. праць. – Харків: Нац. аерокосмічний ун–т «ХАІ», 2002.– Вип. 29.- С. 144 –149.

10. Краснопоясовський А.С. Інформаційний синтез прогнозуючої системи підтримки прийняття рішень, що навчається // Проблемы бионики. – Харьков: Харьк. нац. ун-т радиоэлектр, 2002. - Вып. 57. – C. 17 – 21.

11. Краснопоясовський А.С., Скаковська А.М. Оптимізація параметрів нормалізації образу при класифікаційному настроюванні електронного мікроскопа // Автоматизированные системы управления и приборы автоматики. - Харьков: Харьк. нац. ун-т радиоэлектр. – 2003. - Вып. 123. - С. 62 – 66.

12. Сергеев В. П., Проценко И. Г., Краснопоясовский А. С. Опыт проектирования информационного обеспечения обучающейся АСУТП // Электронная техника. Сер. 9. Экономика и системы управления. 1987.-Вып. 2(63).-С. 53-56.

13. Проценко И.Г., Краснопоясовский А.С., Сергеев В.П. Оценка функциональной эффективности автоматизированных систем контроля и управления // Электронная техника. Сер.9. Экономика и системы управления.–1988.- Вып. 2 (67). - С. 30-32.

14. Дуванов А.М., Лысенко А.Н., Сергеев В.П., Проценко И.Г., Лыков В.И., Краснопоясовский А.С. Автоматизированная система управления химической металлизацией печатных плат // Технология и организация производства.– 1991.–№ 3.-С. 46-48.

15. Краснопоясовский А.С., Успаленко В.И., Козуб В. Н., Михаленко С.Н. Разработка информационного и программного обеспечения обучающихся бортовых автоматизированных систем контроля самолетов серии АН // Авиационно-космическая техника и технология: Труды Харьковского авиационного института им. Н.Е. Жуковського за 1993г.- Харьков: ХАИ, 1994.– С. 210–215.

16. Краснопоясовський А. С., Черниш А. В. Оцінка функціональної ефективності системи розпізнавання, що сама навчається // Вісник Сумського державного університету.– 1997. -№2.-С.112-118.

17. Краснопоясовський А. С. Ефективність функціонування та надійність систем розпізнавання, що навчаються // Вісник Сумського державного університету.– 1998. – № 1.– С. 86–89.

18. Краснопоясовський А. С., Черниш А. В. Алгоритм навчання системи розпізнавання за методом функціонально – статистичних випробувань // Вісник Сумського державного університету.– 1998.– № 1. – С. 89 – 94.

19. Краснопоясовський А.С., Марченко В.В. Прогнозування моменту перенавчання системи розпізнавання // Вісник Сумського державного університету.-1999.-№ 1.–С. 84–90.

20. Краснопоясовський А.С. Про прогностичні властивості інваріантних порядкових статистик // Вісник Сумського державного університету. - 1999. – № 2.– С. 107– 112.

.21. Краснопоясовський А.С., Марченко В.В. Оцінка фокусності зображення для растрового електронного мікроскопа // Вісник Сумського державного університету.-1999.-№2.-С. 112-114.

22. Краснопоясовський А.С., Заговора С.О., Черниш А.В. Визначення системи нормованих допусків при розпізнаванні спектрограм // Вісник Сумського державного університету. -2000.- №16.- С. 65 -69.

23. Краснопоясовський А.С., Черниш А.В., Сластушевський О.Ю. Про вибір критерію функціональної ефективності системи розпізнавання // Радиоэлектроника и информатика.– 2001.- №4.-С. 121-124.

24. Краснопоясовський А. С. Інформаційний синтез інтелектуальної системи контролю та управління, що самонавчається // Вісник Вінницького політехнічного інституту.-2001.-№6.-С. 63-66.

25. Краснопоясовський А.С. Інформаційний синтез системи підтримки прийняття рішень, що навчається // Труды Одес. политехн. ун-та, 2001.-Вып.4 (16).-С. 82-86.

26. Краснопоясовський А С., Скаковська А. М. Визначення нормованого поля допусків на параметр настройки при автофокусуванні електронного мікроскопа за зображенням // Радіоелектроніка. Інформатика. Управління.– 2001. - №2.-С. 33-36.

27. Краснопоясовский А.С. Классификационная настройка сложной системы // Управляющие системы и машины.-2002.- №1.- С. 9-13.

28. Краснопоясовський А.С., Скаковська А. М. Оцінка асимптотичної точності системи розпізнавання образів з відкритою абеткою класів // Вісник Сумського державного університету.-2002.-№1.-С.86-89.

29. Краснопоясовський А.С., Скаковська А.М., Козинець М.В. Визначення мінімального обсягу репрезентативної навчальної вибірки // Вісник Сумського державного університету.-2002.-№12.-С. 70-73.

30. Краснопоясовський А.С. Ідентифікація кадрів за методом функціонально-статистичних випробувань // Вісник Сумського державного університету.- 2002.- № 12.- С. 104-109.

31. Краснопоясовський А.С., Заговора С.О., Козинець М.В. Оптимізація кроку дискретизації реалізацій образу в інтелектуальних системах // Управляющие системы и машины. - 2003. - №1. - С. 42 – 47.

32. Краснопоясовський А.С. Оптимізація контрольних допусків на ознаки розпізнавання за методом функціонально-статистичних випробувань // Штучний інтелект. - 2003. – №1. – С. 53 – 61.

33. Краснопоясовський А.С. Оптимізація рівнів селекції еталонних векторів класів роз6пізнавання в рамках методу функціонально-статистичних випробувань // Радіоелектронні та комп’ютерні системи.– 2003. - №1. – С. 67 – 72.

34. Краснопоясовський А.С., Козинець М.В., Шелехов І.В. Розпізнавання електронограм в електронній мікроскопії // Открытые информационные и компьютерные интегрированные технологии.–Харьков: Нац. аерокосмический ун–т «ХАИ», 2002.–Вып. 12.– С. 140–146.

35. Краснопоясовський А.С., Скаковська А.М., Шелехов І.В. Обчислювальний аспект оптимізації контейнерів класів розпізнавання у радіальному базисі // Вісник Кременчуцького державного політехнічного університету. – 2003. – № 3. – С. 86 – 89.

36. Краснопоясовський А.С., Кий О.М., Волков В.М., Козинець М.В., Шелехов І.В. Класифікаційне управління технологічним процесом виробництва складних мінеральних добрив//Східно-Європейський журнал передових технологій.–2003.–№ 6.–С.12–17.

37. Краснопоясовський А.С. Нормалізація та розпізнавання образів за методом функціонально-статистичних випробувань // Вісник Сумського Національного аграрного університету. – 2003. – №10.– С. 60 – 65.

38. Краснопоясовський А.С., Волков В.М., Гривков М.М., Козинець М.В., Шелехов І.В. Оптимізація параметрів функціонування АСУТП, що здатна навчатися//Вісник Сумського державного університету.-2003.-№ 11(57).-С. 5-12.

39. Краснопоясовський А.С., Козинець М.В. Факторний класифікаційний аналіз за методом функціонально-статистичних випробувань // Радіоелектронні та комп’ютерні системи.– 2004. - №4. – С. 46-50.

40. Krasnopoyasovsky А.S., Kozinets M.V., Shelechov I.V. Optimisation of containers’ types of recognition using method of functional-statistical tests //Buletinul Universitatii Petrol-Gase din Ploiesti.–Vol. LV. Ser. Tehnica.– 2003.– №1.– P. 122–125.

41. Краснопоясовский А.С. Применение метода функционально- статистических испытаний в технической диагностике // Тез. докл. VI Всесоюзн. совещания по технической диагностике (май 1987. Ростов-на-Дону) ИПУ. - М.: Ин-т проблем упр-я, 1987.- С. 72.

42. Проценко И.Г., Сергеев В.П., Краснопоясовский А.С. Опыт проектирования и создания обучающейся автоматизированной системы контроля микросхем и ГИС // Тезисы докладов конференции «Опыт проектирования и создания автоматизированных производств».-Электронная техника. Сер. 7. Технология. организация производства и оборудование.– 1984.– Вып. 2(202). -С. 37-38.

43. Краснопоясовский А.С., Кузьмин А.И. Применение метода функционально-статистических испытаний в задачах нормативного прогнозирования // Материалы VІ Межвузовского совещания – семинара «Методы и средства технической диагностики». Тезисы докладов.-Харьков: Харьк. авиац. ин-т, 1987.-С. 27.

44. Краснопоясовский А.С., Хандога А.К. Диагностирование сложного объекта по выходной реакции // Тезисы докладов VIII Межвузовского совещания – семинара «Методы и средства технической диагностики».- Харьков: ХАИ, 1989.-C. 42-43.

45. Краснопоясовський А.С. Інформаційний синтез систем штучного інтелекту за методом функціонально-статистичних випробувань//Тези доповідей третьої Української конференції з автоматичного управління «Автоматика-96», Севастополь,1996.-С. 96.

46. Краснопоясовський А.С., Марченко В. Формування репрезентативної навчальної вибірки для систем контролю та діагностування // Оброблення сигналів і зображень, та розпізнавання образів: Праці третьої Всеукраїнської міжнародної конференції «Укробраз-96». – Київ: МННЦІТіС, 1996. – С. 107 – 109.

47. Краснопоясовський А.С. Технічна діагностика складних систем за методом функціонально-статистичних випробувань//Оброблення сигналів та розпізнавання образів: Праці третьої Всеукраїнської міжнародної конференції «Укробраз-96».-Київ: МННЦІТіС, 1996.–C. 174–177.

48. Краснопоясовський А.С., Заговора С.О. Розпізнавання електронограм за методом функціонально-статистичних випробувань // Оброблення сигналів і зображень, та розпізнавання образів: Праці п’ятої Всеукраїнської міжнародної конференції «Укробраз-2000». – Київ: МННЦІТіС, 2000. – С. 37 – 40.

49. Краснопоясовський А.С., Скаковська А.М. Автофокусування електронного мікроскопа за зображенням // Оброблення сигналів і зображень, та розпізнавання образів: Праці п’ятої Всеукраїнської міжнародної конференції «Укробраз-2000».–Київ: МННЦІТіС, 2000.–С. 183 – 186.

50. Краснопоясовський А.С., Шелехов І.В. Оптимізація параметрів навчання за вибірками малого обсягу // Оброблення сигналів і зображень, та розпізнавання образів: Праці п’ятої Всеукраїнської міжнародної конференції «Укробраз-2002».– Київ: МННЦІТіС, 2002.–С. 39–42.

51. Краснопоясовський А.С. Інформаційний синтез інтелектуальних систем контролю та управління, що навчаються // Матеріали Міжнародної конференції з управління “Автоматика-2002”. 16-20 вересня 2002 р.-Донецьк, 2002.-Т.2.-С. 124-126.

52. Краснопоясовский А.С. Моделювання навчального процесу за методом функціонально-статистичних випробувань // Збірник матеріалів VI Міжнародної науково-методичної конференції “Інформатизація освіти та дистанційна форма навчання: Сучасний стан і перспективи розвитку“ 13-15 жовтня 2004 р. – Суми: Вид-во СумДУ, 2004.– С. 116-120.

53. А.с. 714364 СССР, МКИ G05 В 23/02, G 06 F 15/46 Устройство для диагностирования неисправностей технических объектов / И.В. Кузьмин, А.С. Краснопоясовский, В.Н. Жук (СССР).-№ 2422506/18-24; Заявл. 29.11.76; Опубл. 05.02.80, Бюл. №5. -4 с.

54. А.с. 779977 СССР; МКИ G 05 В 23/02, G 06 F 15/46. Устройство для диагностики неисправностей технических объектов / А.С. Краснопоясовский, Н.С. Спольник, В.Г. Тупало (СССР).-№ 2702792/18-24; Заявл. 26.12.78; Опубл. 15.11.80, Бюл. № 42. - 4 с.

55. Патент України 64570 А, МКІ H 01 J 37/21 Спосіб автоматичного фокусування електронного мікроскопа за зображенням досліджуваного об’єкта / А.С. Краснопоясовский, А.М. Скаковська, М.В. Козинець, І.В. Шелехов (Україна). – № 2003065957, Заявл. 26.06.2003; Опубл. 16.02.2004, Бюл. № 2.–4 с.

56. Справка на программное средство №50900000763 в ГФАП СССР. Инв.№ 16385 в РФАП УССР. Комплекс программ по распознаванию образов методом функционально-статистических испытаний / Краснопоясовский А.С., Дужая В.В., Сергеев В.П., Проценко И.Г., Устименко А.С., Головко В.М. – Выдана 11 сентября 1990 г.

57. Справка на программное средство № 50910000280 в ГФАП СССР. Инв. № 16400 в ФАП АН УССР. Комплекс программ для самообучающейся распознающей системы / Краснопоясовский А.С., Сергеев В.П., Проценко И.Г., Дужая В.В., Жуков Ю.К. Выдана 1 июля 1991г.