страница1/15
Дата28.08.2018
Размер3.61 Mb.

Развитие алгоритмов искусственного интеллекта и распознавания образов для решения дискретных задач при оценке перспектив скоординированного социально-экономического развития России и Украины в общеевропейском контексте


  1   2   3   4   5   6   7   8   9   ...   15

Агаян С.М.

д.ф.-м.н., гл.н.с. Геофизического центра РАН



Лушников А.А.

д.ф.-м.н., гл.н.с. Геофизического центра РАН



Богоутдинов Ш.Р.

к.ф.-м.н., в.н.с. Геофизический центр РАН


РАЗВИТИЕ АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И РАСПОЗНАВАНИЯ ОБРАЗОВ ДЛЯ РЕШЕНИЯ ДИСКРЕТНЫХ ЗАДАЧ ПРИ ОЦЕНКЕ ПЕРСПЕКТИВ СКООРДИНИРОВАННОГО СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО РАЗВИТИЯ РОССИИ И УКРАИНЫ В ОБЩЕЕВРОПЕЙСКОМ КОНТЕКСТЕ


Введение

Настоящая статья посвящена анализу и обработке данных, представленных в виде системы временных рядов и отражающих те или иные демографические явления в России и на Украине. Для этого в рамках многоцелевой ГИС “Россия-Украина” построена алгоритмическая система оперативной оценки динамического процесса, осуществляющая мониторинг его активности [1]. Под динамическим процессом понимается система временных рядов данных различной природы. Мониторинг возможен как в режиме off-line, так и в режиме on-line. Суть мониторинга динамического процесса заключается в анализе мер его активности с последующими выводами о стабильности, нестабильности, прогнозе развития и других вещах, касающихся самого процесса. Меры активности процесса строятся в рамках алгоритмического ядра ГИС “Россия-Украина”.



В качестве такого ядра выступает созданный в ГЦ РАН новый подход к анализу данных. Называется он “Дискретный математический анализ” (в дальнейшем ДМА) и представляет собой серию алгоритмов, нацеленных на решение основных задач анализа данных: в многомерных массивах – кластеризация, выделение сгущений (топологическая фильтрация), поиск линейных структур[2, 3]; во временных рядах – сглаживание, тренды, экстремумы, морфология[4-12] (рис. 1).

Рис.1. Блок-схема ДМА и динамика его развития.


Все алгоритмы ДМА носят универсальный характер, скреплены единой формальной основой, базирующейся, в свою очередь, на нечеткой логике и искусственном интеллекте. Поэтому ДМА значительно сильнее ориентирован на эксперта, чем традиционные методы анализа данных (прикладная статистика, спектрально-временной анализ, image processing, математическая морфология).

Мониторинг активности.

Мера активности временного ряда характеризует его активность в каждый момент времени в шкале отрезка [-1, 1]. Строится она в два этапа. Дело в том, что активность – понятие многозначное, зависящее от экспертной точки зрения. На первом этапе такая точка зрения выбирается и затем моделируется на исходном ряде путем построения для него некоторого вспомогательного ряда, который называется выпрямлением. Далее, на втором этапе выпрямление нормируется в рамках ДМА с помощью, так называемых, нечетких сравнений. В результате получается мера активности для исходного временного ряда, выражающего принятую точку зрения на нее.



Итак, мера активности временного ряда – это нормированный временной ряд со значениями в отрезке[-1, 1]. С каждым временным рядом можно связать целую серию его мер, реализующих разные точки зрения на активность.

Пусть дана дискретная положительная полуось и конечный временной ряд, определенный на отрезке (периоде регистрации) . Активность ряда – характеристика локальная, схожая по своей природе с производной, поэтому введем параметр локального обзора , кратный : и назовем фрагментом локального обзора ряда с центром в его отрезок:

.
  1   2   3   4   5   6   7   8   9   ...   15

Коьрта
Контакты

    Главная страница


Развитие алгоритмов искусственного интеллекта и распознавания образов для решения дискретных задач при оценке перспектив скоординированного социально-экономического развития России и Украины в общеевропейском контексте