Алтайский Краевой Инновационный Банк Данных
Министерство экономического развития Алтайского края
Управление инновационного развития и кластерной политики 
Алтайский Центр
Кластерного Развития
Инновации

Разработка гибридных моделей с нейросетевыми компонентами, элементами адаптации на основе методов нечеткой логики и интерфейсов интеграции в интеллектуальные информационные системы управления социальными и экономическими объектами

Отношение к критическим технологиям:
Технологии создания интеллектуальных систем навигации и управления


Контактная информация

Название организации
ФГБОУ ВПО "Алтайский государственный технический университет им. И.И. Ползунова"


ФИО руководителя организации
Ситников Александр Андреевич


Юридический адрес
656038, Россия, г. Барнаул, пр. Ленина, 46


Почтовый адрес
656038, Россия, г. Барнаул, пр. Ленина, 46


ФИО руководителя проекта:
Пятковский Олег Иванович


Аннотация проекта

Постановка и описание научной или научно-технической проблемы, решаемой в рамках Проекта
Разработка адаптивных гибридных моделей, включающих в себя индикаторные механизмы самонастройки, нечеткую логику, нейронные сети и интерфейсы интеграции в информационные системы


Современное состояние исследований в данной области науки, сравнение ожидаемых результатов с мировым
Изучен мировой опыт в области построения систем искусственного интеллекта, нейроинформатики, построения аналитических интеллектуальных информационных систем [Рыбина Г.В., Горбань А.Н., Миркес Е.М., Царегородцев В.Г., Гаврилова Т.А., Zadeh L.A., Deb K., Herrera F., Lozano M., Sanchez A.M., Holland J.H., Takagi T., Sugeno M., Wang L.X., Wright A.]. Наиболее универсальными и хорошо изученными методами обработки информации при решении сложных неформализованных задач являются нейронные сети и экспертные системы, уже доказавшие свою эффективность. Однако, эти методы не лишены недостатков. Для построения продукционной экспертной системы необходимо наличие группы экспертов, схожесть их мышления, задача должна быть логически прозрачной. Нейронные сети успешно извлекают знания из данных при наличии достаточной репрезентативной выборки, однако зачастую возникают сложности в объяснении полученных числовых результатов. Существует несколько подходов к построению логически прозрачных нейронных сетей. Первый[Горбань А.Н., Миркес Е.М.] основан на контрастировании (упрощении структуры нейронной сети путем сокращения числа нейронов и связей между ними), второй заключается в использовании для решения задач аппроксимации функций нейронных сетей другого класса [Такаги, Сугено, Канга]. Объединить достоинства нейронных сетей и экспертных систем, сгладить их недостатки становится возможным при использовании гибридных экспертных систем, сочетающих в себе несколько подходов и методов имитации интеллектуальной деятельности человека. Информационно-аналитические системы со встроенными интеллектуальными компонентами позволят с гораздо большей точностью и качеством осуществлять функции диагностики, анализа и прогнозирования.


Новизна подхода в решении обозначенной проблемы
методы нечеткого моделирования: гибридные экспертные системы, нейронные сети, нечеткие нейронные сети; методы многомерной оптимизации, градиентные методы, генетические алгоритмы; методы математической статистики. Гибридные экспертные системы (ГЭС) - это такой метод решения неформализованных задач, с использованием которого задачу можно представить в виде иерархического дерева подзадач и указать для каждой из них свой метод решения. Гибридные модели дают определенные преимущества. Во-первых, для разных подзадач можно использовать разные методы решения. Во-вторых, при изменении в механизме решения одной подзадачи не возникает необходимости в корректировке остальных. В-третьих, можно применить различные методы решения к одной подзадаче и сравнить результаты решения. В-четвертых, агрегирование информации в рамках гибридной модели не приводит к ее потере, все данные вплоть до первичных показателей могут быть восстановлены. Таким образом, гибридные экспертные системы, сочетая различные методы, позволяют добиться существенно лучших результатов при решении неформализованных задач.


Описание области применения результатов научно-исследовательской работы
Разработанные модели и методы были апробированы на практике при создании информационно-аналитических и интеллектуальных систем при решении задач оценки и прогнозирования состояния и деятельности экономических и социальных объектов. Информационно-аналитические системы со встроенными интеллектуальными компонентами позволят с гораздо большей точностью и качеством осуществлять функции диагностики, оценки, анализа и прогнозирования, повысить качество принимаемых управленческих решений в различных предметных областях (социальная сфера, экономическая, управленческая, технологическая, образовательная, инновационная и др.).


Имеющийся у коллектива научный задел по предлагаемому проекту, полученные ранее результаты, разработ
Сформулирована концепция применения интеллектуальных компонентов в составе гибридных экспертных систем. Разработан ряд алгоритмов обучения и контрастирования слоистых нейронных сетей. Разработанные модели и методы были апробированы на практике при создании информационно-аналитических и интеллектуальных систем при решении задач оценки и прогнозирования состояния и деятельности экономических и социальных объектов: - Разработка инструментальных средств для решения аналитических задач оценки и прогнозирования («Нейро-Аналитик», «Бизнес-Аналитик»); - Оценка и прогнозирование деятельности предприятия; - Прогнозирование продаж; - Оценка финансово-хозяйственной деятельности организаций; - Оценка кредитоспособности юридических и физических лиц; - Маркетинг образовательных услуг; - Профессиональный клиринг; - Оценка компетентности студента и выпускника; - Оценка рейтинга преподавателя; - Прогнозирование спроса абитуриентов вуза на специальности и направления, предприятий на выпускников; - Оценка инновационного потенциала; - Оценка инвестиционных проектов. Данные интеллектуальные информационные системы были внедрены и использованы при решении практических задач в организациях и предприятиях на территории Алтайского края: ФГБОУ ВПО «Алтайский государственный технический университет им. И.И. Ползунова, ООО «АНТ Холдинг», ОАО «Алтай-лада», ОАО Сбербанк РФ, ЗАО КБ «Зернобанк», Управление ЖКХ по Алтайскому краю, ООО «Алтайстройинвест», ФБЛПУ Краевая туберкулезная больница 12, УФСИН России по Алтайскому краю, КГБУЗ «Центральная городская больница» г.Заринска, КГУЗ Бюро судебно-медицинской экспертизы, Комитет экономического анализа и ценового регулирования администрации г. Барнаула, Экспертно-криминалистический центр. ГУВД по Алтайскому краю, Алтайский приборостроительный завод "Ротор", ОАО «Птицефабрика "Молодежная"» и др.


Перечень основных публикаций и публичных выступлений, в которых отражены достигнутые результаты научно-исследовательских работ по проекту
-


Перечень международных, федеральных, региональных и муниципальных конкурсов, в которых проект был признан победителем
-


Текущая стадия разработки проекта
Научно-исследовательская работа


Патентная чистота научно-технического задела, его защищенность
Имеются патенты


Тип научно-исследовательской работы
Поисковые проблемно-ориентированные исследования


Описание основных ожидаемых научных результатов
- технология построения гибридных экспертных систем, методы и технология извлечения знаний (в том числе подбор экспертной группы, оценка компетентности экспертов, непосредственно извлечение знаний и построение поля знаний, оценка согласованности мнений экспертов); - методы нечеткого моделирования и управления, обоснование выбора решателей в узлах поля знаний; - модель логически прозрачных нейронных сетей, методы их обучения и сравнительный анализ результатов обучения с классическими нейросетями (многослойными персептронами); - гибридные математические модели, настроенные на решение конкретных прикладных неформализованных задач управления; - программно-инструментальные комплексы построения гибридных экспертных систем и нейронных сетей, интерфейсы интеграции в информационно-аналитические системы на предприятиях экономической и социальной сфер.


Ожидаемая научная, научно-техническая продукция
ВАК статьи, статьи, свидетельства о гос. регистрации программ для ЭВМ


Срок реализации Проекта (месяцев)
24


Необходимый объем финансирования (тыс. руб.)
300


Ключевые слова

Искусственный интеллект (ИИ), Математическое моделирование, Моделирование


Графические, презентационные, текстовые и иные материалы к проекту

-