Вы здесь ▸ Обсуждение ▸
Мои публикации
Публикации: статьи в журналах и сборниках конференций, доклады, презентации, отчеты, авторские свидетельства.
Иванов В.К.
Прогнозирование диагностических данных с использованием нечетких нейронных сетей Статья в сборнике
In: Современные технологии и инновации, pp. 169-179, ТвГТУ, 2023, ISBN: 9785799513023.
Abstract | Links | BibTeX | Метки: diagnostic variable, forecast, fuzzy neural network, membership function, production rule, status-4, technology, time series, training dataset, временной ряд, диагностическая переменная, нечеткая нейронная сеть, обучающий набор данных, прогноз, продукционное правило, технологический процесс, функция принадлежности
@inproceedings{nokey,
title = {Прогнозирование диагностических данных с использованием нечетких нейронных сетей},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/gsIW0s0vQKW6xg},
isbn = {9785799513023},
year = {2023},
date = {2023-07-31},
urldate = {2023-07-31},
booktitle = {Современные технологии и инновации},
pages = {169-179},
publisher = {ТвГТУ},
abstract = {В статье описан подход к решению задач анализа диагностической информации о функционировании сложного технологического процесса на примере прогнозирования трендов и временного ряда значений диагностических переменных. Цель проведённого исследования – показать возможность применения нечёткого сглаживания временного ряда и нечётких нейронных сетей для смягчения последствий неопределённости факторов, влияющих на функционирование технологического процесса, и неполноты информации о них. Предлагается модель прогнозирования, основанная на использовании нечётких временных рядов. Эта модель используется для формализации системы нечётких продукционных правил. Обосновывается применение нейронной сети с архитектурой ANFIS. Описывается методика подготовки обучающих и проверочных наборов реальных данных, настройки и обучения нейронной сети. Представлены некоторые результаты оценки качества обучения нейронной сети. Отмечается достаточная точность прогноза, достигаемая без использования затратных вычислительных ресурсов. Делается вывод о применимости предложенного подхода к данной и подобным задачам.
V.K. Ivanov. Prediction diagnostic data using fuzzy neural networks
The paper describes an approach to solving the problems of analyzing diagnostic information about the complex technological process functioning by the example of forecasting diagnostic variables values trends and their a time series. The study purpose is to show the possibility of using time series fuzzy smoothing and fuzzy neural networks to mitigate the factors uncertainty effects affecting the technological process functioning and incompleteness of information about such factors. A sales forecasting model based on the fuzzy time series use is proposed. This model is used to formalize fuzzy production rules system. The application of a neural network with ANFIS architecture is justified. The methodology of preparing training and verification real data sets, setting up and training a neural network is described. Some results of the neural network training quality evaluation are presented. There is a sufficient accuracy of the forecast, achieved without the expensive computing resources use. The conclusion is made about the proposed approach applicability to this and similar tasks.},
keywords = {diagnostic variable, forecast, fuzzy neural network, membership function, production rule, status-4, technology, time series, training dataset, временной ряд, диагностическая переменная, нечеткая нейронная сеть, обучающий набор данных, прогноз, продукционное правило, технологический процесс, функция принадлежности},
pubstate = {published},
tppubtype = {inproceedings}
}
В статье описан подход к решению задач анализа диагностической информации о функционировании сложного технологического процесса на примере прогнозирования трендов и временного ряда значений диагностических переменных. Цель проведённого исследования – показать возможность применения нечёткого сглаживания временного ряда и нечётких нейронных сетей для смягчения последствий неопределённости факторов, влияющих на функционирование технологического процесса, и неполноты информации о них. Предлагается модель прогнозирования, основанная на использовании нечётких временных рядов. Эта модель используется для формализации системы нечётких продукционных правил. Обосновывается применение нейронной сети с архитектурой ANFIS. Описывается методика подготовки обучающих и проверочных наборов реальных данных, настройки и обучения нейронной сети. Представлены некоторые результаты оценки качества обучения нейронной сети. Отмечается достаточная точность прогноза, достигаемая без использования затратных вычислительных ресурсов. Делается вывод о применимости предложенного подхода к данной и подобным задачам.
V.K. Ivanov. Prediction diagnostic data using fuzzy neural networks
The paper describes an approach to solving the problems of analyzing diagnostic information about the complex technological process functioning by the example of forecasting diagnostic variables values trends and their a time series. The study purpose is to show the possibility of using time series fuzzy smoothing and fuzzy neural networks to mitigate the factors uncertainty effects affecting the technological process functioning and incompleteness of information about such factors. A sales forecasting model based on the fuzzy time series use is proposed. This model is used to formalize fuzzy production rules system. The application of a neural network with ANFIS architecture is justified. The methodology of preparing training and verification real data sets, setting up and training a neural network is described. Some results of the neural network training quality evaluation are presented. There is a sufficient accuracy of the forecast, achieved without the expensive computing resources use. The conclusion is made about the proposed approach applicability to this and similar tasks.
V.K. Ivanov. Prediction diagnostic data using fuzzy neural networks
The paper describes an approach to solving the problems of analyzing diagnostic information about the complex technological process functioning by the example of forecasting diagnostic variables values trends and their a time series. The study purpose is to show the possibility of using time series fuzzy smoothing and fuzzy neural networks to mitigate the factors uncertainty effects affecting the technological process functioning and incompleteness of information about such factors. A sales forecasting model based on the fuzzy time series use is proposed. This model is used to formalize fuzzy production rules system. The application of a neural network with ANFIS architecture is justified. The methodology of preparing training and verification real data sets, setting up and training a neural network is described. Some results of the neural network training quality evaluation are presented. There is a sufficient accuracy of the forecast, achieved without the expensive computing resources use. The conclusion is made about the proposed approach applicability to this and similar tasks.
Иванов В.К., Палюх Б.В.
Применение теории свидетельств для обучения нейронной сети ANFIS/TSK в диагностических системах Статья в сборнике
In: Двадцатая Национальная конференция по искусственному интеллекту с международным участи, КИИ-2022 (Москва, 21–23 декабря 2022 г.). Труды конференции. Т. 2. – М.: Издательство МЭИ, 2022. – 464 с., pp. 27-38, Москва, МЭИ, 2022, ISBN: 978-5-7046-2737-1 (Т. 2).
Abstract | Links | BibTeX | Метки: ANFIS, belief function, diagnostics, evidence theory, fuzzy system, incident, membership function, neural network, production rule, status-4, technological chain, TSK, диагностика, инцидент, многостадийный технологический процесс, нечёткая логика, нечеткая нейронная сеть, продукционное правило, теория свидетельств, технологическая цепь, функция доверия, функция принадлежности
@inproceedings{nokey,
title = {Применение теории свидетельств для обучения нейронной сети ANFIS/TSK в диагностических системах},
author = {Иванов В.К. and Палюх Б.В.},
url = {https://disk.yandex.ru/i/aQVzbPsLkPGU2A
https://disk.yandex.ru/d/cVfdqjddPQbo-Q
https://disk.yandex.ru/i/WDIvuPjjS1iNfA},
isbn = {978-5-7046-2737-1 (Т. 2)},
year = {2022},
date = {2022-12-23},
urldate = {2022-12-23},
booktitle = {Двадцатая Национальная конференция по искусственному интеллекту с международным участи, КИИ-2022 (Москва, 21–23 декабря 2022 г.). Труды конференции. Т. 2. – М.: Издательство МЭИ, 2022. – 464 с.},
volume = {2},
pages = {27-38},
publisher = {Москва, МЭИ},
abstract = {В работе обосновывается метод создания обучающих наборов данных для нечеткой нейронной сети, которая может быть использована для оперативного получения вероятностных оценок причин аномальных критических событий или инцидентов в диагностических системах. Рассматриваются правила преобразования гипотез о потенциальных причинах инцидентов в интервалы вероятности дефекта технологической цепи на некоторой стадии непрерывного производства с использованием функций доверия. Предлагается процедура автоматического преобразования этих гипотез в базу нечетких продукционных правил, которая обеспечивает обучение нейронной сети ANFIS с архитектурой TSK. Это позволит оперативно определять достаточно верную для практического использования оценку вероятности неисправности в технологической цепи без использования затратных вычислительных ресурсов. Это позволит оперативно вычислить относительно точную оценку вероятности неисправности в технологической цепи без использования затратных вычислительных ресурсов.
Evidence Theory Application for ANFIS/TSK Neural Network Training in Diagnostic Systems
The paper substantiates a method for creating training data sets for a fuzzy neural network, which can be used to quickly obtain probabilistic estimates of incidents causes in diagnostic systems. The rules for converting hypotheses about potential causes of incidents into intervals of defect probability in the technological chain at some continuous production stage using belief functions are considered. A procedure is proposed for automatically converting these hypotheses into a fuzzy production rules base, which provides training for the ANFIS neural network with the TSK architecture. This will allow you to quickly determine an estimate of the malfunction probability in the process chain that is sufficiently correct for practical use without using expensive computing resources.},
keywords = {ANFIS, belief function, diagnostics, evidence theory, fuzzy system, incident, membership function, neural network, production rule, status-4, technological chain, TSK, диагностика, инцидент, многостадийный технологический процесс, нечёткая логика, нечеткая нейронная сеть, продукционное правило, теория свидетельств, технологическая цепь, функция доверия, функция принадлежности},
pubstate = {published},
tppubtype = {inproceedings}
}
В работе обосновывается метод создания обучающих наборов данных для нечеткой нейронной сети, которая может быть использована для оперативного получения вероятностных оценок причин аномальных критических событий или инцидентов в диагностических системах. Рассматриваются правила преобразования гипотез о потенциальных причинах инцидентов в интервалы вероятности дефекта технологической цепи на некоторой стадии непрерывного производства с использованием функций доверия. Предлагается процедура автоматического преобразования этих гипотез в базу нечетких продукционных правил, которая обеспечивает обучение нейронной сети ANFIS с архитектурой TSK. Это позволит оперативно определять достаточно верную для практического использования оценку вероятности неисправности в технологической цепи без использования затратных вычислительных ресурсов. Это позволит оперативно вычислить относительно точную оценку вероятности неисправности в технологической цепи без использования затратных вычислительных ресурсов.
Evidence Theory Application for ANFIS/TSK Neural Network Training in Diagnostic Systems
The paper substantiates a method for creating training data sets for a fuzzy neural network, which can be used to quickly obtain probabilistic estimates of incidents causes in diagnostic systems. The rules for converting hypotheses about potential causes of incidents into intervals of defect probability in the technological chain at some continuous production stage using belief functions are considered. A procedure is proposed for automatically converting these hypotheses into a fuzzy production rules base, which provides training for the ANFIS neural network with the TSK architecture. This will allow you to quickly determine an estimate of the malfunction probability in the process chain that is sufficiently correct for practical use without using expensive computing resources.
Evidence Theory Application for ANFIS/TSK Neural Network Training in Diagnostic Systems
The paper substantiates a method for creating training data sets for a fuzzy neural network, which can be used to quickly obtain probabilistic estimates of incidents causes in diagnostic systems. The rules for converting hypotheses about potential causes of incidents into intervals of defect probability in the technological chain at some continuous production stage using belief functions are considered. A procedure is proposed for automatically converting these hypotheses into a fuzzy production rules base, which provides training for the ANFIS neural network with the TSK architecture. This will allow you to quickly determine an estimate of the malfunction probability in the process chain that is sufficiently correct for practical use without using expensive computing resources.
Ivanov V.K., Palyukh B.V.
Joint Use of Neural Networks and Evidence Theory Methods in Control and Diagnostic Fuzzy Systems Journal Article
In: Scientific and Technical Information Processing, vol. 49, no. 6, pp. 446–454, 2022, ISSN: ISSN 0147-6882.
Abstract | Links | BibTeX | Altmetric | Метки: belief function, Dempster-Schafer evidence theory, diagnostics, fuzzy system, hybrid expert system, manufacturing process, network training, neural network, status-4, гибридная экспертная система, диагностика, нейронная сеть, нечеткая система, обучение сети, теория свидетельств Демпстера-Шафера, технологический процесс, функция доверия
@article{nokey,
title = {Joint Use of Neural Networks and Evidence Theory Methods in Control and Diagnostic Fuzzy Systems},
author = {Ivanov V.K. and Palyukh B.V.},
url = {https://disk.yandex.ru/i/Tyzzu4Iwd6XbBw},
doi = {10.3103/S0147688222060065},
issn = {ISSN 0147-6882},
year = {2022},
date = {2022-12-16},
urldate = {2022-12-16},
journal = {Scientific and Technical Information Processing},
volume = {49},
number = {6},
pages = {446–454},
publisher = {Allerton Press, Inc.},
abstract = {The article describes the study results of various intelligent data processing methods, such as neural networks and algorithms of the theory of evidence, joint use. The study was conducted on the development of diagnostic systems examples. These methods hybridization is one of the general approaches to reduce uncertainty in the data used and increase the degree of confidence in them. The data uncertainty is of an objective nature when they are obtained from the sensors of technological equipment, from technical regulations, as well as from expert specialists. The study includes an analysis of modern developments descriptions presented at significant international conferences and published recently. Several dozen descriptions of the systems composition, structure and main algorithms functioning developed for projects in various fields were reviewed. As a result, the joint application modes of neural networks and theory of evidence algorithms including the features of architectures and their implementation are determined. We also summarized information about the effectiveness of these methods’ joint application in terms of the uncertainty level reducing and confidence level increasing in the decision-making data. The scope of this study results application is the architectural solutions design of a hybrid expert system for diagnosing the technology processes state and detecting anomalies in them.},
keywords = {belief function, Dempster-Schafer evidence theory, diagnostics, fuzzy system, hybrid expert system, manufacturing process, network training, neural network, status-4, гибридная экспертная система, диагностика, нейронная сеть, нечеткая система, обучение сети, теория свидетельств Демпстера-Шафера, технологический процесс, функция доверия},
pubstate = {published},
tppubtype = {article}
}
The article describes the study results of various intelligent data processing methods, such as neural networks and algorithms of the theory of evidence, joint use. The study was conducted on the development of diagnostic systems examples. These methods hybridization is one of the general approaches to reduce uncertainty in the data used and increase the degree of confidence in them. The data uncertainty is of an objective nature when they are obtained from the sensors of technological equipment, from technical regulations, as well as from expert specialists. The study includes an analysis of modern developments descriptions presented at significant international conferences and published recently. Several dozen descriptions of the systems composition, structure and main algorithms functioning developed for projects in various fields were reviewed. As a result, the joint application modes of neural networks and theory of evidence algorithms including the features of architectures and their implementation are determined. We also summarized information about the effectiveness of these methods’ joint application in terms of the uncertainty level reducing and confidence level increasing in the decision-making data. The scope of this study results application is the architectural solutions design of a hybrid expert system for diagnosing the technology processes state and detecting anomalies in them.
Ivanov V.K., Palyukh B.V., Sotnikov A.N.
Generation of Production Rules with Belief Functions to Train Fuzzy Neural Network in Diagnostic System Journal Article
In: Lobachevskii Journal of Mathematics, vol. 43, no. 10, pp. 2853–2862, 2022, ISSN: 1995-0802.
Abstract | Links | BibTeX | Altmetric | Метки: belief function, diagnostic system, diagnostic variable, evidence theory, fuzzy system, incident, membership function, multistage production process, neural network, process chain, production rule, status-4
@article{nokey,
title = {Generation of Production Rules with Belief Functions to Train Fuzzy Neural Network in Diagnostic System},
author = {Ivanov V.K. and Palyukh B.V. and Sotnikov A.N. },
url = {https://trebuchet.public.springernature.app/get_content/2642e052-2f35-4c6e-94ec-91c7565d5eda
https://disk.yandex.ru/i/CX5OUwIb2PKGRg},
doi = {10.1134/S1995080222130169},
issn = {1995-0802},
year = {2022},
date = {2022-10-31},
urldate = {2022-10-31},
journal = {Lobachevskii Journal of Mathematics},
volume = {43},
number = {10},
pages = {2853–2862},
abstract = {The article examines some algorithms for joint processing of raw data on the state of a complex multistage continuous production process to obtain probabilistic characteristics of abnormal critical events that can potentially lead to single failures or even emergencies. The article, thus, proposes and substantiates an approach to developing a technology to detect and predict malfunctions and determine their causes. The sequence of operations to process and convert diagnostic process data is considered essential. As a result, the article presents a general diagnostic model of a multistage production process. The model can formalize the main objects and processes in terms of the problem being solved. An incident is defined as an abnormal critical event described by non-normative values of diagnostic variables. Incidents are shown to be indicated by the corresponding membership functions. The hypotheses on potential incident causes are discussed to be built with belief functions being the basis of evidence theory or Dempster−Shafer theory. The hypotheses are characterized by an interval of malfunction probability in some process chain. The authors propose a procedure of converting these hypotheses into fuzzy production rules automatically. The automatical procedure is a prerequisite to using fuzzy neural networks to obtain a reliable estimate of the degree of belief in the incident cause. As a summary, the generated database of the production rules to train a neural network is substantiated to be used with the TSK architecture that makes possible to estimate a malfunction probability in the process chain quickly without resource-intensive computations.},
keywords = {belief function, diagnostic system, diagnostic variable, evidence theory, fuzzy system, incident, membership function, multistage production process, neural network, process chain, production rule, status-4},
pubstate = {published},
tppubtype = {article}
}
The article examines some algorithms for joint processing of raw data on the state of a complex multistage continuous production process to obtain probabilistic characteristics of abnormal critical events that can potentially lead to single failures or even emergencies. The article, thus, proposes and substantiates an approach to developing a technology to detect and predict malfunctions and determine their causes. The sequence of operations to process and convert diagnostic process data is considered essential. As a result, the article presents a general diagnostic model of a multistage production process. The model can formalize the main objects and processes in terms of the problem being solved. An incident is defined as an abnormal critical event described by non-normative values of diagnostic variables. Incidents are shown to be indicated by the corresponding membership functions. The hypotheses on potential incident causes are discussed to be built with belief functions being the basis of evidence theory or Dempster−Shafer theory. The hypotheses are characterized by an interval of malfunction probability in some process chain. The authors propose a procedure of converting these hypotheses into fuzzy production rules automatically. The automatical procedure is a prerequisite to using fuzzy neural networks to obtain a reliable estimate of the degree of belief in the incident cause. As a summary, the generated database of the production rules to train a neural network is substantiated to be used with the TSK architecture that makes possible to estimate a malfunction probability in the process chain quickly without resource-intensive computations.
Иванов В.К.
2022.
Abstract | Links | BibTeX | Метки: demonstrator, diagnostics, fuzzy system, incident, malfunction, neural network, status-4, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, технологический процесс
@patent{nokey,
title = {Свидетельство о государственной регистрации программы для ЭВМ №2022668820 «Программа-демонстратор платформы для использования нейронных сетей ANFIS/TSK в нечетких системах»},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/1lkKjV3IsK_dew},
year = {2022},
date = {2022-10-12},
urldate = {2022-10-12},
booktitle = {Реестр программ для ЭВМ},
publisher = {Реестр программ для ЭВМ},
abstract = {Программа представляет собой исследовательский прототип программной платформы для использования нейронной сети с архитектурой ANFIS/TSK в гибридной нечеткой экспертной системе. Цель создания программы – передача проверенных решений на следующие этапы проекта. Функции программы: управление моделями (создание моделей нечеткой нейронной сети для диагностики технологического процесса, поддержка базы моделей , выбор модели); управление обучающими наборами данных (создание наборов данных, их поддержка, выбор набора данных); обучение нейронной сети (выбор модели, обучающего набора данных, алгоритма обучения и собственно обучение); демонстрация функций диагностики с помощью нейронной сети. Демонстратор является частью разрабатываемой технологии обнаружения и прогнозирования инцидентов, учитывающей объективную неопределенность при анализе данных от сенсоров технологического оборудования, технических регламентов или экспертов.
Язык: Python
ОС: Microsoft Windows, Linux
Объём программы: 370 Kб
},
keywords = {demonstrator, diagnostics, fuzzy system, incident, malfunction, neural network, status-4, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, технологический процесс},
pubstate = {published},
tppubtype = {patent}
}
Программа представляет собой исследовательский прототип программной платформы для использования нейронной сети с архитектурой ANFIS/TSK в гибридной нечеткой экспертной системе. Цель создания программы – передача проверенных решений на следующие этапы проекта. Функции программы: управление моделями (создание моделей нечеткой нейронной сети для диагностики технологического процесса, поддержка базы моделей , выбор модели); управление обучающими наборами данных (создание наборов данных, их поддержка, выбор набора данных); обучение нейронной сети (выбор модели, обучающего набора данных, алгоритма обучения и собственно обучение); демонстрация функций диагностики с помощью нейронной сети. Демонстратор является частью разрабатываемой технологии обнаружения и прогнозирования инцидентов, учитывающей объективную неопределенность при анализе данных от сенсоров технологического оборудования, технических регламентов или экспертов.
Язык: Python
ОС: Microsoft Windows, Linux
Объём программы: 370 Kб
Язык: Python
ОС: Microsoft Windows, Linux
Объём программы: 370 Kб
Иванов В.К., Палюх Б.В.
Совместное использование моделей и методов нейронных сетей и теории свидетельств в нечетких системах управления и диагностики Journal Article
In: Искусственный интеллект и принятие решений, no. 4, pp. 75-88, 2021.
Abstract | Links | BibTeX | Altmetric | Метки: belief function, Dempster-Schafer theory, diagnostics, evidence theory, fuzzy system, hybrid expert system, manufacturing process, network training, neural network, status-4, technology, гибридная экспертная система, диагностика, нейронная сеть, нечеткая система, обучение сети, теория свидетельств, технологический процесс, функция доверия
@article{nokey,
title = {Совместное использование моделей и методов нейронных сетей и теории свидетельств в нечетких системах управления и диагностики},
author = {Иванов В.К. and Палюх Б.В.},
url = {https://disk.yandex.ru/i/-HuBQb-k7qH58g
https://elib.tstu.tver.ru/MegaPro/Download/MObject/34329/001-000143914-000000000-0000-0000-01.pdf},
doi = {10.14357/20718594210407},
year = {2021},
date = {2021-12-31},
urldate = {2021-12-31},
journal = {Искусственный интеллект и принятие решений},
number = {4},
pages = {75-88},
abstract = {В статье описываются результаты исследования совместного использования методов интеллектуальной обработки данных, таких как нейронные сети и алгоритмы теории свидетельств. Исследование включает анализ описаний современных разработок, опубликованных за последнее время. Рассмотрены описания состава, структуры и функционирования основных алгоритмов систем, разработанных для проектов в различных областях. Определены варианты совместного применения нейронных сетей и алгоритмов теории свидетельств, включая особенности их архитектур и реализации. Получено подтверждение эффективности совместного применения указанных методов в части уменьшения уровня неопределенности и увеличения уровня доверия к данным, используемым для принятия решений. Областью применения результатов настоящего исследования является проектирование архитектурных решений гибридной экспертной системы для диагностики состояния технологических процессов и обнаружения аномалий в них.
The article describes the study results of various intelligent data processing methods, such as neural networks and algorithms of the theory of evidence, joint use. The study was conducted on the development of diagnostic systems examples. These methods hybridization is one of the general approaches to reduce uncertainty in the data used and increase the degree of confidence in them. The data uncertainty is of an objective nature when they are obtained from the sensors of technological equipment, from technical regulations, as well as from expert specialists. The study includes an analysis of modern developments descriptions presented at significant international conferences and published recently. Several dozen descriptions of the systems composition, structure and main algorithms functioning developed for projects in various fields were reviewed. As a result, the joint application modes of neural networks and theory of evidence algorithms including the features of architectures and their implementation are determined. We also summarized information about the effectiveness of these methods’ joint application in terms of the uncertainty level reducing and confidence level increasing in the decision-making data. The scope of this study results application is the architectural solutions design of a hybrid expert system for diagnosing the technology processes state and detecting anomalies in them.},
keywords = {belief function, Dempster-Schafer theory, diagnostics, evidence theory, fuzzy system, hybrid expert system, manufacturing process, network training, neural network, status-4, technology, гибридная экспертная система, диагностика, нейронная сеть, нечеткая система, обучение сети, теория свидетельств, технологический процесс, функция доверия},
pubstate = {published},
tppubtype = {article}
}
В статье описываются результаты исследования совместного использования методов интеллектуальной обработки данных, таких как нейронные сети и алгоритмы теории свидетельств. Исследование включает анализ описаний современных разработок, опубликованных за последнее время. Рассмотрены описания состава, структуры и функционирования основных алгоритмов систем, разработанных для проектов в различных областях. Определены варианты совместного применения нейронных сетей и алгоритмов теории свидетельств, включая особенности их архитектур и реализации. Получено подтверждение эффективности совместного применения указанных методов в части уменьшения уровня неопределенности и увеличения уровня доверия к данным, используемым для принятия решений. Областью применения результатов настоящего исследования является проектирование архитектурных решений гибридной экспертной системы для диагностики состояния технологических процессов и обнаружения аномалий в них.
The article describes the study results of various intelligent data processing methods, such as neural networks and algorithms of the theory of evidence, joint use. The study was conducted on the development of diagnostic systems examples. These methods hybridization is one of the general approaches to reduce uncertainty in the data used and increase the degree of confidence in them. The data uncertainty is of an objective nature when they are obtained from the sensors of technological equipment, from technical regulations, as well as from expert specialists. The study includes an analysis of modern developments descriptions presented at significant international conferences and published recently. Several dozen descriptions of the systems composition, structure and main algorithms functioning developed for projects in various fields were reviewed. As a result, the joint application modes of neural networks and theory of evidence algorithms including the features of architectures and their implementation are determined. We also summarized information about the effectiveness of these methods’ joint application in terms of the uncertainty level reducing and confidence level increasing in the decision-making data. The scope of this study results application is the architectural solutions design of a hybrid expert system for diagnosing the technology processes state and detecting anomalies in them.
The article describes the study results of various intelligent data processing methods, such as neural networks and algorithms of the theory of evidence, joint use. The study was conducted on the development of diagnostic systems examples. These methods hybridization is one of the general approaches to reduce uncertainty in the data used and increase the degree of confidence in them. The data uncertainty is of an objective nature when they are obtained from the sensors of technological equipment, from technical regulations, as well as from expert specialists. The study includes an analysis of modern developments descriptions presented at significant international conferences and published recently. Several dozen descriptions of the systems composition, structure and main algorithms functioning developed for projects in various fields were reviewed. As a result, the joint application modes of neural networks and theory of evidence algorithms including the features of architectures and their implementation are determined. We also summarized information about the effectiveness of these methods’ joint application in terms of the uncertainty level reducing and confidence level increasing in the decision-making data. The scope of this study results application is the architectural solutions design of a hybrid expert system for diagnosing the technology processes state and detecting anomalies in them.
Иванов В.К., Палюх Б.В.
Демонстратор программной платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах Journal Article
In: Программные продукты и системы (Software & Systems), vol. 34, no. 4, pp. 511-523, 2021.
Abstract | Links | BibTeX | Altmetric | Метки: demonstrator, diagnostics, evidence theory, fuzzy system, incident, malfunction, neural network, status-4, technological chain, technology, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, теория свидетельств, технологическая цепь, технологический процесс
@article{nokey,
title = {Демонстратор программной платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах},
author = {Иванов В.К. and Палюх Б.В.},
url = {https://disk.yandex.ru/i/tEP6WYvT7sp7Tg
http://www.swsys.ru/files/2021-4/511-523.pdf},
doi = {10.15827/0236-235X.136.511-523},
year = {2021},
date = {2021-12-31},
urldate = {2021-12-31},
booktitle = {демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, теория свидетельств, технологическая цепь, технологический процесс, demonstrator, diagnostics, evidence theory, fuzzy system, incident, malfunction, neural network, technological chain, technology},
journal = {Программные продукты и системы (Software & Systems)},
volume = {34},
number = {4},
pages = {511-523},
publisher = {ЦПС},
abstract = {Диагностика состояния сложного многостадийного технологического процесса предполагает совместную обработку первичных данных для получения вероятностных характеристик аномальных критических событий или инцидентов в условиях неопределенности. В статье представлен исследовательский демонстратор «Статус-4» – прототип программной платформы для совместного использования методов алгоритмов теории свидетельств и нейронных сетей в нечетких диагностических системах. Цель разработки демонстратора – создание научно-технического задела для передачи готовых к внедрению решений на следующие этапы проекта. Демонстратор дает возможность показать основные функциональные компоненты платформы, оценить уровень их системной готовности, провести исследовательские испытания платформы, выполнить в различных режимах тестирование программных реализаций выбранных и теоретически подтвержденных методов, быстро проверить работоспособность и эффективность функционирования при различных значениях параметров и их сочетаниях. С помощью демонстратора могут быть показаны варианты совместного применения методов нейронных сетей и теории свидетельств в гибридной экспертной системе для диагностики технологического процесса, получены экспериментальные подтверждения эффективности совместного применения этих методов в части уменьшения уровня неопределенности и увеличения уровня доверия к данным при принятии решений. В статье приводятся краткие сведения о функциональных возможностях демонстратора, включая описание технологического процесса и предположений о влиянии диагностических переменных на его работоспособность, загрузку описаний инцидентов в технологическую БД, формирование гипотез о причинах инцидентов, генерацию продукционных правил, адаптацию параметров алгоритмов оценки состояния технологического процесса с помощью нейронной сети и нечеткого вывода. Рассматриваются основные параметры хранилища данных и объектной модели, приводятся сведения о программной реализации и пользовательском интерфейсе, которые иллюстрируются примерами. Выделены особенности используемых технологий, позволяющие надеяться на эффективность их совместного использования в диагностических системах. Использование демонстратора способствует минимизации ключевых рисков создания полнофункциональной программной платформы для диагностики и оценки состояния сложного многостадийного технологического процесса.
A software platform demonstrator for joint use of evidence theory algorithms and neural networks in fuzzy systems
The diagnostics of a complex multi-stage technical process involves the joint primary data processing to obtain probabilistic characteristics of abnormal critical events or incidents under uncertainty. The paper presents the research demonstrator Status-4 that is a software platform prototype for joint using the evidence theory and neural network methods in fuzzy diagnostic systems. The purpose of the demonstrator development is to create a scientific and technical reserve for readyto-implement solutions transfer to the next project stages. The demonstrator makes it possible to show the main platform functional components, assess their system readiness level, conduct the platform research tests, perform software implementations testing of the selected and theoretically confirmed methods in various modes, check the functioning operability and efficiency at various parameter values and their combinations quickly. The demonstrator shows the options for the joint application of neural network and evidence theory methods in a hybrid expert system for diagnostics process. In addition, these methods joint application effectiveness is experimentally confirmed in terms of reducing the uncertainty level and increasing the confidence in data level when making decisions. The demonstrator enables minimizing the key risks of creating a full-featured software platform for diagnosing and evaluating the complex multi-stage technologies state. The paper provides brief information about the demonstrator functionality, including the technology description and the suppositions description about diagnostic variables influence on processing performance, loading incident descriptions into the technological database, forming hypotheses about the incidents causes, generating production rules, adapting the parameters of the technology state assessing algorithms using neural network and fuzzy inference. The paper considers the main data warehouse and object model parameters, provides the software implementation and user interface information and illustrates it by examples. It also highlights the used methods features, which allow us to hope for the effectiveness of their joint use in diagnostic systems.},
keywords = {demonstrator, diagnostics, evidence theory, fuzzy system, incident, malfunction, neural network, status-4, technological chain, technology, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, теория свидетельств, технологическая цепь, технологический процесс},
pubstate = {published},
tppubtype = {article}
}
Диагностика состояния сложного многостадийного технологического процесса предполагает совместную обработку первичных данных для получения вероятностных характеристик аномальных критических событий или инцидентов в условиях неопределенности. В статье представлен исследовательский демонстратор «Статус-4» – прототип программной платформы для совместного использования методов алгоритмов теории свидетельств и нейронных сетей в нечетких диагностических системах. Цель разработки демонстратора – создание научно-технического задела для передачи готовых к внедрению решений на следующие этапы проекта. Демонстратор дает возможность показать основные функциональные компоненты платформы, оценить уровень их системной готовности, провести исследовательские испытания платформы, выполнить в различных режимах тестирование программных реализаций выбранных и теоретически подтвержденных методов, быстро проверить работоспособность и эффективность функционирования при различных значениях параметров и их сочетаниях. С помощью демонстратора могут быть показаны варианты совместного применения методов нейронных сетей и теории свидетельств в гибридной экспертной системе для диагностики технологического процесса, получены экспериментальные подтверждения эффективности совместного применения этих методов в части уменьшения уровня неопределенности и увеличения уровня доверия к данным при принятии решений. В статье приводятся краткие сведения о функциональных возможностях демонстратора, включая описание технологического процесса и предположений о влиянии диагностических переменных на его работоспособность, загрузку описаний инцидентов в технологическую БД, формирование гипотез о причинах инцидентов, генерацию продукционных правил, адаптацию параметров алгоритмов оценки состояния технологического процесса с помощью нейронной сети и нечеткого вывода. Рассматриваются основные параметры хранилища данных и объектной модели, приводятся сведения о программной реализации и пользовательском интерфейсе, которые иллюстрируются примерами. Выделены особенности используемых технологий, позволяющие надеяться на эффективность их совместного использования в диагностических системах. Использование демонстратора способствует минимизации ключевых рисков создания полнофункциональной программной платформы для диагностики и оценки состояния сложного многостадийного технологического процесса.
A software platform demonstrator for joint use of evidence theory algorithms and neural networks in fuzzy systems
The diagnostics of a complex multi-stage technical process involves the joint primary data processing to obtain probabilistic characteristics of abnormal critical events or incidents under uncertainty. The paper presents the research demonstrator Status-4 that is a software platform prototype for joint using the evidence theory and neural network methods in fuzzy diagnostic systems. The purpose of the demonstrator development is to create a scientific and technical reserve for readyto-implement solutions transfer to the next project stages. The demonstrator makes it possible to show the main platform functional components, assess their system readiness level, conduct the platform research tests, perform software implementations testing of the selected and theoretically confirmed methods in various modes, check the functioning operability and efficiency at various parameter values and their combinations quickly. The demonstrator shows the options for the joint application of neural network and evidence theory methods in a hybrid expert system for diagnostics process. In addition, these methods joint application effectiveness is experimentally confirmed in terms of reducing the uncertainty level and increasing the confidence in data level when making decisions. The demonstrator enables minimizing the key risks of creating a full-featured software platform for diagnosing and evaluating the complex multi-stage technologies state. The paper provides brief information about the demonstrator functionality, including the technology description and the suppositions description about diagnostic variables influence on processing performance, loading incident descriptions into the technological database, forming hypotheses about the incidents causes, generating production rules, adapting the parameters of the technology state assessing algorithms using neural network and fuzzy inference. The paper considers the main data warehouse and object model parameters, provides the software implementation and user interface information and illustrates it by examples. It also highlights the used methods features, which allow us to hope for the effectiveness of their joint use in diagnostic systems.
A software platform demonstrator for joint use of evidence theory algorithms and neural networks in fuzzy systems
The diagnostics of a complex multi-stage technical process involves the joint primary data processing to obtain probabilistic characteristics of abnormal critical events or incidents under uncertainty. The paper presents the research demonstrator Status-4 that is a software platform prototype for joint using the evidence theory and neural network methods in fuzzy diagnostic systems. The purpose of the demonstrator development is to create a scientific and technical reserve for readyto-implement solutions transfer to the next project stages. The demonstrator makes it possible to show the main platform functional components, assess their system readiness level, conduct the platform research tests, perform software implementations testing of the selected and theoretically confirmed methods in various modes, check the functioning operability and efficiency at various parameter values and their combinations quickly. The demonstrator shows the options for the joint application of neural network and evidence theory methods in a hybrid expert system for diagnostics process. In addition, these methods joint application effectiveness is experimentally confirmed in terms of reducing the uncertainty level and increasing the confidence in data level when making decisions. The demonstrator enables minimizing the key risks of creating a full-featured software platform for diagnosing and evaluating the complex multi-stage technologies state. The paper provides brief information about the demonstrator functionality, including the technology description and the suppositions description about diagnostic variables influence on processing performance, loading incident descriptions into the technological database, forming hypotheses about the incidents causes, generating production rules, adapting the parameters of the technology state assessing algorithms using neural network and fuzzy inference. The paper considers the main data warehouse and object model parameters, provides the software implementation and user interface information and illustrates it by examples. It also highlights the used methods features, which allow us to hope for the effectiveness of their joint use in diagnostic systems.
Иванов В.К.
2021.
Abstract | Links | BibTeX | Метки: demonstrator, diagnostics, evidence theory, fuzzy system, incident, neural network, status-4, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, теория свидетельств
@patent{В.К.2021,
title = {Свидетельство о государственной регистрации программы для ЭВМ №2021667814 «Программа-демонстратор платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах»},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/rpI3YzLoGtW21w
https://elib.tstu.tver.ru/MegaPro/Download/MObject/34330/001-000143950-000000000-0000-0000-01.pdf },
year = {2021},
date = {2021-11-02},
urldate = {2021-11-02},
series = {Свидетельство о государственной регистрации программы для ЭВМ №2021667814},
abstract = {Программа представляет собой исследовательский прототип программной платформы для совместного использования моделей и методов теории свидетельств и нейронных сетей в гибридной нечеткой экспертной системе для диагностики технологического процесса. Основные функции программы: формирование описаний технологического процесса и предположений о влиянии диагностических переменных на его работоспособность, загрузка описаний инцидентов в технологическую базу данных, формирование гипотез о причинах инцидентов, генерация продукционных правил, адаптация параметров алгоритмов оценки состояния технологического процесса с помощью нейронной сети и нечеткого вывода. Демонстратор дает возможность оценить уровень системной готовности основных функциональных компонентов, провести исследовательские испытания, выполнить в различных режимах тестирование программных реализаций выбранных и теоретически подтвержденных методов для уменьшения уровня неопределенности и увеличения уровня доверия к данным при принятии решений.
Язык: Python
Объём: 5400 Kб
Свидетельство о государственной регистрации программы для ЭВМ №2021667814 «Программа-демонстратор платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах» : дата государственной регистрации в Реестре программ для ЭВМ 02 ноября 2021 г. / автор: В.К. Иванов. — URL: https://elib.tstu.tver.ru/MegaPro/Download/MObject/34330/001-000143950-000000000-0000-0000-01.pdf
(РИНЦ)},
keywords = {demonstrator, diagnostics, evidence theory, fuzzy system, incident, neural network, status-4, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, теория свидетельств},
pubstate = {published},
tppubtype = {patent}
}
Программа представляет собой исследовательский прототип программной платформы для совместного использования моделей и методов теории свидетельств и нейронных сетей в гибридной нечеткой экспертной системе для диагностики технологического процесса. Основные функции программы: формирование описаний технологического процесса и предположений о влиянии диагностических переменных на его работоспособность, загрузка описаний инцидентов в технологическую базу данных, формирование гипотез о причинах инцидентов, генерация продукционных правил, адаптация параметров алгоритмов оценки состояния технологического процесса с помощью нейронной сети и нечеткого вывода. Демонстратор дает возможность оценить уровень системной готовности основных функциональных компонентов, провести исследовательские испытания, выполнить в различных режимах тестирование программных реализаций выбранных и теоретически подтвержденных методов для уменьшения уровня неопределенности и увеличения уровня доверия к данным при принятии решений.
Язык: Python
Объём: 5400 Kб
Свидетельство о государственной регистрации программы для ЭВМ №2021667814 «Программа-демонстратор платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах» : дата государственной регистрации в Реестре программ для ЭВМ 02 ноября 2021 г. / автор: В.К. Иванов. — URL: https://elib.tstu.tver.ru/MegaPro/Download/MObject/34330/001-000143950-000000000-0000-0000-01.pdf
(РИНЦ)
Язык: Python
Объём: 5400 Kб
Свидетельство о государственной регистрации программы для ЭВМ №2021667814 «Программа-демонстратор платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах» : дата государственной регистрации в Реестре программ для ЭВМ 02 ноября 2021 г. / автор: В.К. Иванов. — URL: https://elib.tstu.tver.ru/MegaPro/Download/MObject/34330/001-000143950-000000000-0000-0000-01.pdf
(РИНЦ)
Иванов В.К., Виноградова Н.В., Палюх Б.В., Сотников А.Н.
Современные направления развития и области приложения теории Демпстера-Шафера (обзор) Journal Article
In: Искусственный интеллект и принятие решений, no. 4, pp. 32-42, 2018, ISSN: 2071-8594.
Abstract | Links | BibTeX | Altmetric | Метки: belief function, conflict simulation, decision-making, Dempster-Schafer theory, evidence combination, evidence theory, innovation index, plausibility degree, probability, status-4, uncertainty accounting, вероятность, комбинирование свидетельств, моделирование конфликтов, принятие решений, степень правдоподобия, теория свидетельств, теория свидетельств Демпстера-Шафера, учет неопределенностей, функция доверия
@article{nokey,
title = {Современные направления развития и области приложения теории Демпстера-Шафера (обзор)},
author = {Иванов В.К. and Виноградова Н.В. and Палюх Б.В. and Сотников А.Н.},
editor = {innovation index, status-4, вероятность, комбинирование свидетельств, моделирование конфликтов, принятие решений, теория свидетельств, степень правдоподобия, теория Демпстера-Шафера, функция доверия, учет неопределенностей, probability, evidence combination, conflict simulation, decision-making, the theory of evidence, a plausibility degree, Dempster-Shafer theory, a belief function, uncertainty accounting},
url = {https://disk.yandex.ru/i/Cii-gmLoBFXZtw},
doi = {10.14357/20718594180403},
issn = {2071-8594},
year = {2018},
date = {2018-11-30},
urldate = {2022-08-23},
journal = {Искусственный интеллект и принятие решений},
number = {4},
pages = {32-42},
abstract = {В статье представлен обзор публикаций, посвященных современным направлениям развития теории Демпстера-Шафера и ее приложений для различных областей, науки, техники и технологий. Рассмотрены те направления исследований, результаты которых известны не только в узкопрофессиональном научном сообществе, но также доступны широкому кругу потенциальных разработчиков перспективных технических решений и технологий. Показано применение результатов теории в некоторых важных областях человеческой деятельности, таких как производственные системы, диагностика технологических процессов, материалов и изделий, строительство, управление качеством продукции, социально-экономические системы. Основное внимание уделено современному состоянию исследований в рассматриваемых областях, в связи с чем, отбирались и анализировались работы, изданные, как правило, в последние годы и представляющие достижения современных исследований теории Демпстера-Шафера и применения ее результатов.
V.K. Ivanov, N.V. Vinogradova, B.V. Palyukh, A.N. Sotnikov. Current Trends and Applications of Dempster-Shafer Theory (Review)
The article provides a review of the publications on the current trends and developments in Dempster-Shafer theory and its different applications in science, engineering, and technologies. The review took account of the following provisions with a focus on some specific aspects of the theory. Firstly, the article considers the research directions whose results are known not only in scientific and academic community but understood by a wide circle of potential designers and developers of advanced engineering solutions and technologies. Secondly, the article shows the theory applications in some important areas of human activity such as manufacturing systems, diagnostics of technological processes, materials and products, building and construction, product quality control, economic and social systems. The particular attention is paid to the current state of research in the domains under consideration and, thus, the papers published, as a rule, in recent years and presenting the achievements of modern research on Dempster-Shafer theory and its application are selected and analyzed.
},
keywords = {belief function, conflict simulation, decision-making, Dempster-Schafer theory, evidence combination, evidence theory, innovation index, plausibility degree, probability, status-4, uncertainty accounting, вероятность, комбинирование свидетельств, моделирование конфликтов, принятие решений, степень правдоподобия, теория свидетельств, теория свидетельств Демпстера-Шафера, учет неопределенностей, функция доверия},
pubstate = {published},
tppubtype = {article}
}
В статье представлен обзор публикаций, посвященных современным направлениям развития теории Демпстера-Шафера и ее приложений для различных областей, науки, техники и технологий. Рассмотрены те направления исследований, результаты которых известны не только в узкопрофессиональном научном сообществе, но также доступны широкому кругу потенциальных разработчиков перспективных технических решений и технологий. Показано применение результатов теории в некоторых важных областях человеческой деятельности, таких как производственные системы, диагностика технологических процессов, материалов и изделий, строительство, управление качеством продукции, социально-экономические системы. Основное внимание уделено современному состоянию исследований в рассматриваемых областях, в связи с чем, отбирались и анализировались работы, изданные, как правило, в последние годы и представляющие достижения современных исследований теории Демпстера-Шафера и применения ее результатов.
V.K. Ivanov, N.V. Vinogradova, B.V. Palyukh, A.N. Sotnikov. Current Trends and Applications of Dempster-Shafer Theory (Review)
The article provides a review of the publications on the current trends and developments in Dempster-Shafer theory and its different applications in science, engineering, and technologies. The review took account of the following provisions with a focus on some specific aspects of the theory. Firstly, the article considers the research directions whose results are known not only in scientific and academic community but understood by a wide circle of potential designers and developers of advanced engineering solutions and technologies. Secondly, the article shows the theory applications in some important areas of human activity such as manufacturing systems, diagnostics of technological processes, materials and products, building and construction, product quality control, economic and social systems. The particular attention is paid to the current state of research in the domains under consideration and, thus, the papers published, as a rule, in recent years and presenting the achievements of modern research on Dempster-Shafer theory and its application are selected and analyzed.
V.K. Ivanov, N.V. Vinogradova, B.V. Palyukh, A.N. Sotnikov. Current Trends and Applications of Dempster-Shafer Theory (Review)
The article provides a review of the publications on the current trends and developments in Dempster-Shafer theory and its different applications in science, engineering, and technologies. The review took account of the following provisions with a focus on some specific aspects of the theory. Firstly, the article considers the research directions whose results are known not only in scientific and academic community but understood by a wide circle of potential designers and developers of advanced engineering solutions and technologies. Secondly, the article shows the theory applications in some important areas of human activity such as manufacturing systems, diagnostics of technological processes, materials and products, building and construction, product quality control, economic and social systems. The particular attention is paid to the current state of research in the domains under consideration and, thus, the papers published, as a rule, in recent years and presenting the achievements of modern research on Dempster-Shafer theory and its application are selected and analyzed.
Иванов В.К., Палюх Б.В.
Нечеткие модели для диагностики и анализа состояния сложных технических систем Статья в сборнике
In: Конференция «Искусственный интеллект: проблемы и пути решения» : сборник докладов: Секция № 7: Нечеткие модели и мягкие вычисления, pp. 159-164, Москва, 2018.
Abstract | Links | BibTeX | Метки: innovation index, status-4, диагностика, многоагентная система, неопределенность, теория свидетельств, техническая система
@inproceedings{nokey,
title = {Нечеткие модели для диагностики и анализа состояния сложных технических систем},
author = {Иванов В.К. and Палюх Б.В.},
url = {https://disk.yandex.ru/i/L11QsXCzef8oPA},
year = {2018},
date = {2018-05-31},
urldate = {2018-05-31},
booktitle = {Конференция «Искусственный интеллект: проблемы и пути решения» : сборник докладов: Секция № 7: Нечеткие модели и мягкие вычисления},
pages = {159-164},
publisher = {Москва},
abstract = {Задачи принятия решения могут отличаться практическим отсутствием информации о состояниях активных объектов. Такая ситуация обуславливает принятие решений в условиях неопределенности. С другой стороны, может быть доступно точное знание вероятностей состояний объектов, что вызывает необходимость принятия решений в условиях и с учетом рисковых ограничений. Диагностические процедуры для сложных технических систем, функционирующих в динамической среде, занимают некоторое промежуточное положение. Иными словами, информация о состояниях диагностируемых объектов или их компонентов является неточной и/или неполной. Например, имеется задача повышения долговечности сложных технических систем, таких как космические аппараты. Модель для диагностики такого объекта описывается как многоагентная система, в которой агенты (элементы системы) взаимодействуют между собой и с управляющим центром. Возможные подходы к решению задачи включают использование теории вероятностей, теории нечетких множеств, интервальной математики. Одним из математических инструментов для решения таких задач является теория Демпстера-Шафера также называемая математической теорией свидетельств, теорией функций доверия или теорией случайных множеств. В статье кратко описывается приложение теории Демпстера-Шафера для моделирования, диагностики и оценки состояния сложных технических систем.},
keywords = {innovation index, status-4, диагностика, многоагентная система, неопределенность, теория свидетельств, техническая система},
pubstate = {published},
tppubtype = {inproceedings}
}
Задачи принятия решения могут отличаться практическим отсутствием информации о состояниях активных объектов. Такая ситуация обуславливает принятие решений в условиях неопределенности. С другой стороны, может быть доступно точное знание вероятностей состояний объектов, что вызывает необходимость принятия решений в условиях и с учетом рисковых ограничений. Диагностические процедуры для сложных технических систем, функционирующих в динамической среде, занимают некоторое промежуточное положение. Иными словами, информация о состояниях диагностируемых объектов или их компонентов является неточной и/или неполной. Например, имеется задача повышения долговечности сложных технических систем, таких как космические аппараты. Модель для диагностики такого объекта описывается как многоагентная система, в которой агенты (элементы системы) взаимодействуют между собой и с управляющим центром. Возможные подходы к решению задачи включают использование теории вероятностей, теории нечетких множеств, интервальной математики. Одним из математических инструментов для решения таких задач является теория Демпстера-Шафера также называемая математической теорией свидетельств, теорией функций доверия или теорией случайных множеств. В статье кратко описывается приложение теории Демпстера-Шафера для моделирования, диагностики и оценки состояния сложных технических систем.