CC BY
82
УДК 303.732.4
АСК-АНАЛИЗ, МОДЕЛИРОВАНИЕ И ИДЕНТИФИКАЦИЯ ЖИВЫХ СУЩЕСТВ НА ОСНОВЕ ИХ ФЕНОТИПИЧЕСКИХ ПРИЗНАКОВ1
Луценко Евгений Вениаминович д.э.н., к.т.н., профессор
Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13, [email protected]
Пенкина Юлия Николаевна
студентка факультета прикладной информатики
Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13, ssl_vamp@mail. ru
Т ак как существует множество альтернатив систем искусственного интеллекта, то возникает необходимость оценки качества математических моделей и систем искусственного интеллекта, которые поддерживают эти модели. Данная работа направлена на изучение и разработку типовой методики использования базы данных репозитария UCI для оценки качества математических моделей систем искусственного интеллекта. Целью работы разработка методики оценки качества математических моделей систем искусственного интеллекта для классификации животных по внешним признакам на основе базы данных репозитария UCI. Задачами работы являются: систематизация, закрепление и расширение теоретических и практических знаний по дисциплине "Интеллектуальные информационные системы и технологии"; изучение интеллектуальной информационной системы "Эйдос"; решение поставленной цели с помощью интеллектуальной информационной системы "Эйдос". Объектом исследования является база данных "zoo" репозитария UCI. В первой главе работы происходит обзор теории к решению задачи, выявление проблематики, исходных данных, инструментария и метризации шкал. Во второй главе работы представлены решение поставленной задачи. В заключении приведены результаты работы, сделаны выводы по достижению поставленных целей и задач
Ключевые слова: АСК-АНАЛИЗ МОДЕЛИ ИДЕНТИФИКАЦИЯ ЖИВЫЕ СУЩЕСТВА ФЕНОТИПИЧЕСКИЕ ПРИЗНАКИ
UDC 303.732.4
ASK-ANALYSIS, MODELING AND IDENTIFICATION OF LIVING BEINGS ON THE BASIS OF THEIR PHENOTYPIC CHARACTERISTICS
Lutsenko Eugeny Veniaminovich Dr.Sci.Econ., Cand.Tech.Sci., professor
Kuban State Agrarian University, Krasnodar, Russia
Penkina Yulia Nikolaevna
student of the Faculty of Applied Informatics
Kuban State Agrarian University, Krasnodar, Russia
Since there are many alternatives to artificial intelligence systems, there is a need of assessment of the quality of mathematical models and systems of artificial intelligence that support these models. This work is aimed at studying and developing standard methods of using the database of UCI repository to assess the quality of mathematical models of systems of artificial intelligence. The aim of this work is the development of methods for assessment of the quality of mathematical models of artificial intelligence systems for the classification of animals by external evidence-based database of the UCI repository. The objectives are: systematization, consolidation and expansion of theoretical and practical knowledge in the discipline of Intellectual information systems and technologies; study of "Eidos" intelligent information system; solving the task with the use of "Eidos" intelligent information systems. The object of research is the "zoo" database of UCI repository. In the first Chapter there is an overview of the theory to the solution of the problem, identification of problems, the original data, tools and metrization scales. In the second Chapter of the work we present the solution of the task. In the conclusion, the results of the work have been made; the conclusions on the achievement of goals and objectives have been given
Keywords: ASK-ANALYSIS MODEL IDENTIFICATION OF LIVING CREATURES PHENOTYPIC TRAITS
1 Материал подготовлен по результатам исследований, проведенных при финансовой поддержке РГНФ, проект №13-02-00440а
http://ej.kubagro.ru/2014/06/pdf/90.pdf
СОДЕРЖАНИЕ
1 КРАТКАЯ ТЕОРИЯ............................................................2
1.1 Проблематика............................................................2
1.2 Исходные данные.........................................................2
1.3 Инструментарий..........................................................3
1.3 Метризация шкал.........................................................5
2 РЕШЕНИЕ ПОСТАВЛЕННОЙ ЗАДАЧИ...............................................6
2.1 Описание решения........................................................6
2.2 Преобразование исходных данных из HTML-формата в промежуточные файлы в Excel.7
2.3 Преобразование исходных данных из промежуточных файлов в базы данных системы
"Эйдос".....................................................................12
2.4. Синтез и верификация статистических и интеллектуальных моделей...............19
2.5. РЕЗУЛЬТАТЫ ИДЕНТИФИКАЦИИ В СОЗДАННЫХ моделях................................. 28
2.6. Информационные портреты классов и признаков..................................34
2.7. Когнитивные функции..........................................................36
ЗАКЛЮЧЕНИЕ....................................................................42
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ..............................................43
SPISOK ISPOL"ZOVANNYH ISTOCHNIKOV................ОШИБКА! ЗАКЛАДКА НЕ ОПРЕДЕЛЕНА.
ПРИЛОЖЕНИЕ - ТАБЛИЦА П.1 - ФАЙЛ ИСХОДНЫХ ДАННЫХ ДЛЯ СИСТЕМЫ «ЭЙДОС» 46
1 КРАТКАЯ ТЕОРИЯ
1.1 Проблематика
Создание систем искусственного интеллекта является одним из важных направлений развития информационных систем. Так как существует множество альтернатив систем искусственного интеллекта, то возникает необходимость оценки качества математических моделей и систем искусственного интеллекта, которые поддерживают эти модели.
Существует задача оценки качества математических моделей систем искусственного интеллекта для классификации животных по внешним признакам на основе базы данных репозитария UCI, решение которой довольно сложное. Имеются многие технологии, которые позволяют решить эту задачу, но разработка довольная дорогостоящая, так как надо иметь мощные технологии и инструментарий.
Для достижения поставленной цели необходимы свободный доступ к тестовым исходным данным и методика, которая поможет преобразовать эти данные в форму, которая необходима для работы в системе искусственного интеллекта.
1.2 Исходные данные
В данной работе использована база данных "zoo" из банка исходных данных по задачам искусственного интеллекта - репозитария UCI, который
выполнен сотрудниками Школы информатики и компьютерных исследований Калифорнийского университета США. База данных дополнена значениями и приводится полностью в приложении.
На момент написания работы этот банк включает в себя 290 баз исходных данных по различным задачам.
1.3 Инструментарий
Для решения задачи используем стандартные возможности Microsoft Office Word и Excel. А так же систему искусственного интеллекта "Эйдос-Х++" версии от 27.05.2014.
Математическая модель системы "Эйдос" была разработана в 1979 и впервые прошла экспериментальную апробацию в 1981 году. С 1981 по 1992 система "Эйдос" неоднократно реализовалась на платформе Wang (на компьютерах Wang-2200Q. Для IBM-совместимых персональных компьютеров система "Эйдос" впервые реализована в 1992 году и с тех пор совершенствуется постоянно, вплоть до настоящего времени [1, 12, 13].
Система "Эйдос" предназначена для [2]:
1. Прогнозирования состояния сложных систем и разработки методик их тестирования, разработки тестов в разных предметных областях;
2. Эксплуатации при массовой обработки информации в промышленном режиме этих методик;
3. Анализа достоверности заполнения исходных данных, а также для углубленного анализа результатов этого тестирования, который включает информационный (ранговый) и кластерно-конструктивный анализ эталонных описаний признаков и классов распознавания.
Система является бесплатным, широкодоступный лицензионным программным продуктом.
Отличием от экспертных систем системы "Эйдос-Х++" является то, что для обучения работы на ней от экспертов не требуется формулирование правил и весовых коэффициентов, а само их решение о принадлежности объекта и его состояния к определенному классу. Правила и весовые коэффициенты система формулирует автоматически.
Отличием от систем статистической обработки информации являются цели самой системы:
- формирование образов распознавания и признаков по данным обучающей выборки;
- исключение тех признаков из системы, которые являются менее ценными для решения задач системы;
- вывод в удобной текстовой и графической форме для анализа и восприятия информации об обобщенных образам классов распознавания и их признаков;
- сравнение обобщенных образов классов распознавания с распознаваемыми формальными описаниями объектов;
- кластерно-конструктивный анализ (сравнение обобщенных образов классов распознавания и признаков друг с другом);
- расчет частотных распределений классов распознавания и признаков, а также двумерных матриц сопряженности на основе критерия X2 и коэффициентов Пирсона, Чупрова и Крамера;
- результаты анализа выводятся в форме когнитивных диаграмм и семантических сетей.
Выходит, что системы выполняет за исследователя-аналитика работу, которую приходится выполнять вручную при использовании систем статистической обработки информации. Поэтому система "Эйдос" аналитическая.
Система содержит базовые когнитивные операции, которые дают право называть ее когнитивной системой:
- восприятие;
- присвоение знаковых имен;
- обобщение, синтез, индукция;
- дедукция;
- анализ признаков;
- абстрагирование;
- классификация обобщенных образов;
- классификация признаков;
- сравнение обобщенных образов;
- сравнение признаков;
- идентификация конкретных объектов.
Система "Эйдос" генерирует более пятидесяти различных текстовых форм, а также более шестидесяти различных видов двух- и трехмерных графических форм.
Основными характеристиками системы являются:
1. Обеспечивает на уровне девяносто процентов достоверность распознавания обучающей выборки, которая повышается после оптимизации системы признаков;
2. Обеспечивает одновременную обработку сотен тысяч классов распознавания и признаков, при этом признаки могут быть как качественные, так и количественные;
3. Возможность разработки супертестов, а так же интеграции стандартных тестов в свою среду;
4. Обеспечивает высокую степень наглядности, благодаря научной графики, также имеется естественный словесный интерфейс при обучении системы и запросах на распознавание.
Система может быть применена в таких областях, как:
- синтез адаптивных систем автоматизированного управления сложными нелинейными системами в различных предметных областях;
- определение оптимальной профессиональной принадлежности, профессиональной деятельности и перспектив обучения, также в специальных областях, которые требуют от человека адекватного поведения в экстремальных ситуациях и специфических способностей;
- исследования на основе обработки больших объемов информации по политологии, экономике, социологии и прикладной психологии;
- медицинская диагностика, мониторинг динамики состояний больных, определение гомеопатических типов, изучение взаимосвязей между лечебными воздействиями и эффектом;
- изучение тенденций фондового рынка, анализ и прогнозирование биржевых ситуаций, прогнозирование курсов валют и ценных бумаг;
- в любых областях, в которых возникают задачи идентификации и прогнозирования ситуаций или состояний сложных объектов по внешним признакам;
- изучение влияния факторов различной природы на количество и качество результатов деятельности;
- использование выявленных зависимостей для разработки обоснованных рекомендаций.
Microsoft Office Word - текстовый процессор, предназначенный для создания, просмотра и редактирования текстовых документов, с локальным применением простейших форм таблично-матричных алгоритмов. Выпускается корпорацией Microsoft в составе пакета Microsoft Office [3].
Программа Microsoft Office Excel созданна корпорацией Microsoft и предназначена для работы с электронными таблицами [4]. Она предоставляет возможности экономико-статистических расчетов, графические инструменты и язык макропрограммирования VBA. Microsoft Excel входит в состав Microsoft Office и на сегодняшний день является одним из наиболее популярных приложений в мире.
1.3 Метризация шкал
Измерительные шкалы - это инструмент создания формальных моделей реальных объектов, а так же и инструмент, который позволяет повысить степень формализации этих моделей до такого уровня, при котором возможна их реализация на компьютерах [5].
Чем выше степень формализации модели, тем точнее решаются различные задачи с использованием этих моделей, тем проще использовать модели для проектирования искусственный систем и их создания, а также тем более точные и развитые математические методы могут применяться в этих моделях.
"Задача метризации шкал" была четко сформулирована, поставлена и решена в 1958 году датским математиком Г. Рашем. Задача метризации шкал - это задача преобразования шкалы к виду наиболее формализованному. Метризация шкал осуществляется путем ввода метрики (единицы измерения) и проводится с целью повышения степени формализации этой шкалы. В отношении к системе "Эйдос" метризация шкал - введение единицы измерения и отношений порядка и начала отсчета на шкале.
В интеллектуальной системе "Эйдос" в системно-когнитивном анализе предлагается 7 способов метризации всех типов шкал, которые обеспечивают корректную совместную сопоставимую количественную обработку разнородных по своей природе факторов, различных единиц измерения. Факторы описываются шкалами, а значения факторов - градациями шкал.
Существует три основных группы факторов:
- физические;
- социально-экономические;
- психологические (субъективные).
В каждой группе есть много различных видов факторов, но в СК-анализе они рассматриваются с единой точки зрения - сколько информации содержится в их значениях о переходе объекта, на который они действуют, в определенное состояние, при этом направление влияния и сила значений факторов измеряется в одних общих для факторов единицах измерения (единицах количества информации). По этой причине можно складывать силу и направление влияния всех действующих на объект значений факторов, и определять результат их совместного влияния на объект. При этом объект является нелинейным, а факторы взаимодействуют друг с другом внутри него (не выполняется принцип суперпозиции).
При условии, что разные факторы измеряются в различных единицах измерения, результат сравнения объектов будет зависеть от единиц измерения факторов, что недопустимо.
Измерение - Отображение реальных объектов в формальных шкалах. Система "Эйдос" представляет - средство для построения и применения измерительных инструментов в различных предметных областях. В ней реализованы разнообразные технологии метризации, которые позволяют любые свойства объектов (количественные и качественные) исследовать в наиболее сильных абсолютных шкалах знаний.
2 РЕШЕНИЕ ПОСТАВЛЕННОЙ ЗАДАЧИ
2.1 Описание решения
Решение поставленной задачи выполним в два этапа:
1. Преобразование исходных данных из HTML-формата в промежуточные файлы в Excel;
2. Преобразование исходных данных из промежуточных файлов в базы данных системы "Эйдос".
2.2 Преобразование исходных данных из HTML-формата в промежуточные файлы в Excel
Из банка исходных данных по задачам искусственного интеллекта -репозитария UCI получаем исходную информацию по базе данных "zoo", которую оставим без изменений [6].
Общее описание задачи:
1. Title: Zoo database
2. Source Information
-- Creator: Richard Forsyth -- Donor: Richard S. Forsyth 8 Grosvenor Avenue Mapperley Park Nottingham NG3 5DX 0602-621676 -- Date: 5/15/1990
3. Past Usage:
-- None known other than what is shown in Forsyth's PC/BEAGLE User's Guide.
4. Relevant Information:
-- A simple database containing 17 Boolean-valued attributes. The "type"
attribute appears to be the class attribute. Here is a breakdown of which animals are in which type: (I find it unusual that there are
2 instances of "frog" and one of "girl"!)
Class# Set of animals:
1 (41) aardvark, antelope, bear, boar, buffalo, calf,
cavy, cheetah, deer, dolphin, elephant,
fruitbat, giraffe, girl, goat, gorilla, hamster,
hare, leopard, lion, lynx, mink, mole, mongoose,
opossum, oryx, platypus, polecat, pony,
porpoise, puma, pussycat, raccoon, reindeer,
seal, sealion, squirrel, vampire, vole, wallaby,wolf
2 (20) chicken, crow, dove, duck, flamingo, gull, hawk,
kiwi, lark, ostrich, parakeet, penguin, pheasant, rhea, skimmer, skua, sparrow, swan, vulture, wren
3 (5) pitviper, seasnake, slowworm, tortoise, tuatara
4 (13) bass, carp, catfish, chub, dogfish, haddock,
herring, pike, piranha, seahorse, sole, stingray, tuna
5 (4) frog, frog, newt, toad
6 (8) flea, gnat, honeybee, housefly, ladybird, moth, termite,
wasp
7 (10) clam, crab, crayfish, lobster, octopus,
scorpion, seawasp, slug, starfish, worm
5. Number of Instances: 101
6. Number of Attributes: 18 (animal name, 15 Boolean attributes, 2 numerics)
7. Attribute Information: (name of attribute and type of value domain)
1. animal name: Unique
2 . hair Boolean
3 . feathers Boolean
4 . eggs Boolean
5 . milk Boolean
6 . airborne Boolean
7 . aquatic Boolean
8 . predator Boolean
9 . toothed Boolean
10 . backbone Boolean
11. breathes Boolean
12 . venomous Boolean
13 . fins Boolean
14 . legs Numeric
15 . tail Boolean
16 . domestic Boolean
17 . catsize Boolean
18 . type Numeric
8. Missing Attribute Values: None
9. Class Distribution: Given above
обучающая выборка:
aardvark,1,0,0,1,0,0,1,1,1,1,0,0,4,0,0,1,1
antelope,1,0,0,1,0,0,0,1,1,1,0,0,4,1,0,1,1
bass,0,0,1,0,0,1,1,1,1,0,0,1,0,1,0,0,4
bear,1,0,0,1,0,0,1,1,1,1,0,0,4,0,0,1,1
boar,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1
buffalo,1,0,0,1,0,0,0,1,1,1,0,0,4,1,0,1,1
calf,1,0,0,1,0,0,0,1,1,1,0,0,4,1,1,1,1
carp,0,0,1,0,0,1,0,1,1,0,0,1,0,1,1,0,4
catfish,0,0,1,0,0,1,1,1,1,0,0,1,0,1,0,0,4
cavy,1,0,0,1,0,0,0,1,1,1,0,0,4,0,1,0,1
cheetah,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1
chicken,0,1,1,0,1,0,0,0,1,1,0,0,2,1,1,0,2
chub,0,0,1,0,0,1,1,1,1,0,0,1,0,1,0,0,4
clam,0,0,1,0,0,0,1,0,0,0,0,0,0,0,0,0,7
crab,0,0,1,0,0,1,1,0,0,0,0,0,4,0,0,0,7
crayfish,0,0,1,0,0,1,1,0,0,0,0,0,6,0,0,0,7
crow,0,1,1,0,1,0,1,0,1,1,0,0,2,1,0,0,2
deer,1,0,0,1,0,0,0,1,1,1,0,0,4,1,0,1,1
dogfish,0,0,1,0,0,1,1,1,1,0,0,1,0,1,0,1,4
dolphin,0,0,0,1,0,1,1,1,1,1,0,1,0,1,0,1,1
dove,0,1,1,0,1,0,0,0,1,1,0,0,2,1,1,0,2
duck,0,1,1,0,1,1,0,0,1,1,0,0,2,1,0,0,2
elephant,1,0,0,1,0,0,0,1,1,1,0,0,4,1,0,1,1
flamingo,0,1,1,0,1,0,0,0,1,1,0,0,2,1,0,1,2
flea,0,0,1,0,0,0,0,0,0,1,0,0,6,0,0,0,6
frog,0,0,1,0,0,1,1,1,1,1,0,0,4,0,0,0,5
frog,0,0,1,0,0,1,1,1,1,1,1,0,4,0,0,0,5
fruitbat,1,0,0,1,1,0,0,1,1,1,0,0,2,1,0,0,1
giraffe,1,0,0,1,0,0,0,1,1,1,0,0,4,1,0,1,1
girl,1,0,0,1,0,0,1,1,1,1,0,0,2,0,1,1,1
gnat,0,0,1,0,1,0,0,0,0,1,0,0,6,0,0,0,6
goat,1,0,0,1,0,0,0,1,1,1,0,0,4,1,1,1,1
gorilla,1,0,0,1,0,0,0,1,1,1,0,0,2,0,0,1,1
gull,0,1,1,0,1,1,1,0,1,1,0,0,2,1,0,0,2
haddock,0,0,1,0,0,1,0,1,1,0,0,1,0,1,0,0,4
hamster,1,0,0,1,0,0,0,1,1,1,0,0,4,1,1,0,1
hare,1,0,0,1,0,0,0,1,1,1,0,0,4,1,0,0,1
hawk,0,1,1,0,1,0,1,0,1,1,0,0,2,1,0,0,2
herring,0,0,1,0,0,1,1,1,1,0,0,1,0,1,0,0,4
honeybee,1,0,1,0,1,0,0,0,0,1,1,0,6,0,1,0,6
housefly,1,0,1,0,1,0,0,0,0,1,0,0,6,0,0,0,6
kiwi,0,1,1,0,0,0,1,0,1,1,0,0,2,1,0,0,2
ladybird,0,0,1,0,1,0,1,0,0,1,0,0,6,0,0,0,6
lark,0,1,1,0,1,0,0,0,1,1,0,0,2,1,0,0,2
leopard,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1
lion,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1
lobster,0,0,1,0,0,1,1,0,0,0,0,0,6,0,0,0,7
lynx,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1
mink,1,0,0,1,0,1,1,1,1,1,0,0,4,1,0,1,1
mole,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,0,1
mongoose,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1
moth,1,0,1,0,1,0,0,0,0,1,0,0,6,0,0,0,6
newt,0,0,1,0,0,1,1,1,1,1,0,0,4,1,0,0,5
octopus,0,0,1,0,0,1,1,0,0,0,0,0,8,0,0,1,7
opossum,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,0,1
oryx,1,0,0,1,0,0,0,1,1,1,0,0,4,1,0,1,1
ostrich,0,1,1,0,0,0,0,0,1,1,0,0,2,1,0,1,2
parakeet,0,1,1,0,1,0,0,0,1,1,0,0,2,1,1,0,2
penguin,0,1,1,0,0,1,1,0,1,1,0,0,2,1,0,1,2
pheasant,0,1,1,0,1,0,0,0,1,1,0,0,2,1,0,0,2
pike,0,0,1,0,0,1,1,1,1,0,0,1,0,1,0,1,4
piranha,0,0,1,0,0,1,1,1,1,0,0,1,0,1,0,0,4
pitviper,0,0,1,0,0,0,1,1,1,1,1,0,0,1,0,0,3
platypus,1,0,1,1,0,1,1,0,1,1,0,0,4,1,0,1,1
polecat,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1
pony,1,0,0,1,0,0,0,1,1,1,0,0,4,1,1,1,1
porpoise,0,0,0,1,0,1,1,1,1,1,0,1,0,1,0,1,1
puma,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1
pussycat,1,0,0,1,0,0,1,1,1,1,0,0,4,1,1,1,1
raccoon,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1
reindeer,1,0,0,1,0,0,0,1,1,1,0,0,4,1,1,1,1
rhea,0,1,1,0,0,0,1,0,1,1,0,0,2,1,0,1,2
scorpion,0,0,0,0,0,0,1,0,0,1,1,0,8,1,0,0,7
seahorse,0,0,1,0,0,1,0,1,1,0,0,1,0,1,0,0,4
seal,1,0,0,1,0,1,1,1,1,1,0,1,0,0,0,1,1
sealion,1,0,0,1,0,1,1,1,1,1,0,1,2,1,0,1,1 seasnake,0,0,0,0,0,1,1,1,1,0,1,0,0,1,0,0,3 seawasp,0,0,1,0,0,1,1,0,0,0,1,0,0,0,0,0,7 skimmer,0,1,1,0,1,1,1,0,1,1,0,0,2,1,0,0,2
skua, 0, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 0, 2, 1, 0, 0, 2
slowworm, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 1, 3 0 0
slug, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 7
sole, 0, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 0, 1, 0, 0, 4
sparrow,0,1,1,0,1,0,0,0,1,1,0,0,2,1,0,0,2
squirrel,1,0,0,1,0,0,0,1,1,1,0,0,2,1,0,0,1
starfish,0,0,1,0,0,1,1,0,0,0,0,0,5,0,0,0,7
stingray,0,0,1,0,0,1,1,1,1,0,1,1,0,1,0,1,4
swan,0,1,1,0,1,1,0,0,1,1,0,0,2,1,0,1,2
termite,0,0,1,0,0,0,0,0,0,1,0,0,6,0,0,0,6
toad,0,0,1,0,0,1,0,1,1,1,0,0,4,0,0,0,5
tortoise,0,0,1,0,0,0,0,0,1,1,0,0,4,1,0,1,3
tuatara,0,0,1,0,0,0,1,1,1,1,0,0,4,1,0,0,3
tuna,0,0,1,0,0,1,1,1,1,0,0,1,0,1,0,1,4
vampire,1,0,0,1,1,0,0,1,1,1,0,0,2,1,0,0,1
vole,1,0,0,1,0,0,0,1,1,1,0,0,4,1,0,0,1
vulture,0,1,1,0,1,0,1,0,1,1,0,0,2,1,0,1,2
wallaby,1,0,0,1,0,0,0,1,1,1,0,0,2,1,0,1,1
wasp,1,0,1,0,1,0,0,0,0,1,1,0,6,0,0,0,6
wolf,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1
worm,0,0,1,0,0,0,0,0,0,1,0,0,0,0,0,0,7
wren,0,1,1,0,1,0,0,0,1,1,0,0,2,1,0,0,2
В описании задачи мы видим несоответствия:
- атрибут "type" относится к классификационным шкалам и градациям, а не к описательным, так как содержит информацию о принадлежности объекта к классу;
- объект "frog" указан два раза и имеет отличие по одиннадцатому атрибуту;
- атрибут "animal name" не должен включаться в систему атрибутов, так как является прямым указанием на объект.
Для преобразования данных из HTML-формата в Excel необходимо:
1. Скопировать текст обучающей выборки в Microsoft Office
Word;
2. Нажать Ctrl+F;
3. В открывшемся окне (рисунок 1) выбрать вкладку "Заменить";
4. В поле "Найти" поставить символ ",";
5. Выбрать поле "Заменить на", нажать "Больше", затем "Специальный", выбрать "Символ табуляции" и нажать "Заменить все" (рисунок 2.1);
6. Скопировать получившийся текст в Microsoft Office Excel;
7. Используя информацию, содержащеюся в общем описании задачи, привести таблицу к виду, представленному на рисунке 2.
-
ы
Отмена
префикс
суффикс
ть знаки препинания ть пробелы
Заменить | Формат т | | Специальный т |
Рисунок 2 - Настройки замены
Наименование Тип Наименование Шерсть Перья Яйцо Молоко Воздушный Водный Хищник Зубастый Позвоночник н S э 3 Ядовитый Плавник Ноги Хвост Домашний Больше кошки
акула-катран рыбы акула-катран нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
антилопа млекопитающие антилопа есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
ара птицы ара нет есть есть нет есть есть нет нет есть есть нет нет две есть есть нет
бабуин млекопитающие бабуин есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
барсук млекопитающие барсук есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
бегемот млекопитающие бегемот есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
белка млекопитающие белка есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет нет
белый медведь млекопитающие белый медведь есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
бизон млекопитающие бизон есть нет нет есть нет нет нет есть есть есть нет нет четыре есть есть есть
блоха насекомые блоха нет нет есть нет нет есть нет нет нет есть нет нет шесть нет нет нет
богомол насекомые богомол нет нет есть нет есть есть есть нет нет есть нет нет шесть есть есть нет
божья коровка насекомые божья коровка нет нет есть нет есть есть есть нет нет есть нет нет шесть нет нет нет
боров млекопитающие боров есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
буйвол млекопитающие буйвол есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
бурый медведь млекопитающие бурый медведь есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
варан пресмыкающиеся варан нет нет есть нет нет есть есть нет есть есть нет нет четыре есть есть есть
верблюд млекопитающие верблюд есть нет нет есть нет нет нет есть есть есть нет нет четыре есть есть есть
вивверина млекопитающие вивверина есть нет нет есть нет нет есть есть есть есть нет нет четыре есть есть есть
водорез птицы водорез нет есть есть нет есть есть есть нет есть есть нет нет две есть нет нет
волк млекопитающие волк есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
вомбат млекопитающие вомбат есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
воробей птицы воробей нет есть есть нет есть есть нет нет есть есть нет нет две есть нет нет
ворона птицы ворона нет есть есть нет есть есть есть нет есть есть нет нет две есть нет нет
выхухоль птицы выхухоль нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет нет
гадюка пресмыкающиеся гадюка нет нет есть нет нет есть есть нет нет есть есть нет нет есть нет нет
газель млекопитающие газель есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
геккон пресмыкающиеся геккон нет нет есть нет нет есть нет нет есть есть нет нет четыре есть есть нет
гепард млекопитающие гепард есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
гиббон млекопитающие гиббон есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
гиена млекопитающие гиена есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
глухарь птицы глухарь нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет нет
голавль рыбы голавль нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет нет
Рисунок 2 - Фрагмент исходной базы данных в Microsoft Office Excel (полностью файл исходных данных приведен в приложении)
База данных животных дополнена значениями до 200 для более точной классификации. Полностью база приведена в приложении.
2.3 Преобразование исходных данных из промежуточных файлов в базы данных системы "Эйдос"
Сначала нужно скачать и установить систему.
Для этого по адресу: http://lc.kubagro.ru/aidos/ Aidos-X.htm необходимо открыть и выполнить следующую инструкцию2:
ИНСТРУКЦИЯ по скачиванию и установке системы «Эйдос» (объем около SC Мб)
Система не требует инсталляции, не меняет никаких системных файлов и содержимого папок операционной системы,
т.е. является портативной (portable) программой. Но чтобы она работала необходимо аккуратно выполнить следующие пункты.
1. Скачать самую новую на текущий момент версию системы «Эйдос-Х++» по ссылке:
http://lc. kubagro.ru/a. rar (ссылки для обновления системы даны в режиме 6.2)
2. Разархивировать этот архив в любую папку с правами на запись с коротким латинским именем и путем доступа,
включающим только папки с такими же именами (лучше всего в корневой каталог какого-нибудь диска).
3. Запустить систему. Файл запуска: 0_AIDOS-X.exe
4. Задать имя: 1 и пароль: 1 (потом их можно поменять в режиме 1.2).
5. Выполнить режим 1.11 (только 1-й раз при установке системы в данную папку)
6. Перед тем как запустить новый режим НЕОБХОДИМО ЗАВЕРШИТЬ предыдущий (Help можно не закрывать)
2 Имеется и форум автора системы проф.Е.В.Луценко для пользователей системы:
http://proflutsenko.vdforum.ru/
http://ej.kubagro.ru/2014/06/pdf/90.pdf
ИНСТРУКЦИЯ по скачиванию и установке обновления системы «Эйдос» до текущей версии (объем около 3 Мб)
Обновление из данного режима Обновление из системы «Эйдос-Х++»
1. Скачать файл обновлений системы «Эйдос-Х++» по ссылке: http://lc. kubagro.ru/Install Aidos-X7Downloads.exe. Лучше всего скачать этот архив в папку, в которой находится система «Эйдос-Х++». Если там такой файл уже есть, то заменить его. 2. Если система «Эйдос-Х++» запущена, выйти из нее, иначе занятые файлы, вт.ч. исполнимый модуль системы (файл: 0_АЮОЭ-X.exe), не обновятся. 3. Разархивировать архив Downloads.exe в папку, в которой находится система «Эйдос-Х++», кликнув по нему и выбрав опцию: «Замена всех файлов» 1. В системе «Эйдос-Х++») запустить режим 6.2 и кликнуть по самой последней на экранной форме гиперссылке: http://lc.kubagro.ru/Install Aidos-XZDownloads.exe. Лучше всего скачать этот архив в папку, в которой находится система «Эйдос-Х++». Если там такой файл уже есть, то заменить его. 2. Выйти из системы «Эйдос-Х++», т.к. иначе занятые файлы, в т.ч. исполнимый модуль системы (файл: 0_AIDOS-X.exe), не обновятся. 3. Разархивировать архив Downloads.exe в папку, в которой находится система «Эйдос-Х++», кликнув по нему и выбрав опцию: «Замена всех файлов» .
После этого:
- запустить систему. Файл запуска: 0_AIDOS-X.exe;
- задать имя: 1 и пароль: 1 (потом их можно поменять в режиме 1.2);
- после обновления системы режим 1.11 запускать нет необходимости.
Это наиболее полная на данный момент незащищенная от несанкционированного копирования портативная (portable) версия системы (не требующая инсталляции) с исходными текстами, находящаяся в полном открытом бесплатном доступе (около 50 Мб). Обновление имеет объем около 3 Мб.
Для преобразования исходных данных обучающей выборки в базы данных системы "Эйдос" необходимо файл Microsoft Office Excel, который содержи базу данных животных скопировать в Aidos-X\AID_DATA\Inp_data и назвать Inp_data.xlsx. Этот файл организован следующим образом (рисунок 3):
£) Помощь по режиму 2.3.2.2 для случая ЕхсеІ-файлов исходных данных
Режим 2.3.2.2: Универсальный программный интерфейс импорта данных из внешней базы данных Чг^с^а.х^1 в систему ,Эйдос-х++1 и формализации предметной области.
■ Данный программный интерфейс обеспечивает автоматическое формирование классификационных и описательных шкал и градаций, а также обучающей и распознаваемой вьйорки, т. е. формализацию предметной области, на основе Х1_6 илиХЬЗХ-файла с исходными данными приведенного ниже стаццарта.
- Файл исходных данных должен иметь имя INP_DATA.XLS или ^„ОАТАХЦЗХ и может быть получен в Ехсе1-2(Щ2Ш7-2010), а Файл распознаваемой выборки имя: INP_RASP.XLS или №_ВА5РХ15Х. Файлы 1ИР_0АТА.Х1.5 (1МР_0АТАЯ5Х) и INP_RASP.XLS или 1ЫР_РА5Р. Х1БХ) должны находиться в папке /'АШ03-ХМЮ_0АТАЛпр_[1а1а/ и имеют совершенно одинаковую структуру.
- 1-я строка этого Файла должна содержать наименования колонок на любом языке, в т. ч. и русском. Эти наименования должны быть во всех колонках, при этом объединение ячеек и переносы слов не допускаются. Желательно, чтобы эти наименования были не очень длинными, т.к. к ним еще будут добавляться интервальные числовые или текстовые значения.
- Каждая строка этого Файла, начиная со 2-й, содержит данные об одном объекте обучающей выборки. Если Ехсе1-2003, в листе может быть до 65536 строк и до 256 колонок. 8 листе Ехсе1-2007(2010) возможно до 1 048 576 строк и 16 384 колонок.
- Столбцы, начиная со 2-го, являются классификационными и описательными шкалами и могут быть текстового (номинального) или числового типа (с десятичными знаками после запятой).
- Столбцу присваивается числовой тип, если все значения его ячеек числового типа. Если хотя бы одно значение является текстовым (не числом, в т.ч. пробелом), то столбцу присваивается текстовый тип. Это означает, что нули должны быть указаны нулями, а не пробелами.
■ 1 -й столбец содержит наименование источника данных длиной до 255 символов, но желательно, чтобы эти наименования были не очень длинными.
- Столбцы со 2-го по М-й являются классификационными шкалами (выходными параметрами) и содержат данные о классах (будущих состояниях объекта управления), к которым принадлежат объекты обучающей выборки.
- Столбцы с N+1 по последний являются описательными шкалами (Факторами) и содержат данные о признаках (значениях Факторов), характеризующих объекты обучающей вьйорки
- 8 результате работы режима Формируется Файл INP_NAME.TXT стандарта М5 РОБ (кириллица), в котором наименования классификационных и описательных шкал являются СТРОКАМИ. Система Формирует классификационные и описательные шкалы и градации. Для этого в каждом числовом столбце система находит минимальное и максимальное числовые значения и формирует заданное количество числовых интервалов, после чего числовые значения заменяются их интервальными значениями. В текстовых столбцах система находит уникальные текстовые значения. Каждое УНИКАЛЬНОЕ интервальное числовое или текстовое значение считается градацией классификационной или описательной шкалы, характеризующей объект. С их использованием генерируется обучающая выборка, каждый объект которой соответствует одной строке файла исходных данных №_0АТА и содержит коды классов, соответствующие Фактам совпадения числовых или уникальных текстовых значений классов с градациями классификационных шкал и коды признаков, соответствующие фактам совпадения числовых или уникальных текстовых значений признаков с градациями описательных шкал.
- Распознаваемая выборка Формируется на основе Файла МР_ВА5Р аналогично, за исключением того, что классификационные и описательные шкалы и градации не создаются, а используются ранее созданные в модели, и базы распознаваемой выборки могут не включать коды классов, если столбцы классов в Файле №_ЯА5Р были пустыми. Структура Файла №_ЯА5Р должна быть такая же, какМР_ОАТА,т.е. они должны ПОЛНОСТЬЮ совпадать по столбцам, но могут иметь разное количество строк.
Принцип организации таблицы исходных данных:
Наименование объекта обучающей выборки Наименование 1-й классификационной шкалы Наименование 2-й классификационной шкалы Наименование 1-й описательной шкалы Наименование 2-й описательной шкалы
1-й объект обучающей выборки Значение показателя Значение показателя Значение показателя Значение показателя
2-й объект обучающей выборки Значение показателя Значение показателя Значение показателя Значение показателя
... ... ... ...
Ok
Cancel
Рисунок 3 - Помощь по режиму
Далее запускаем систему "Эйдос" из папки "АідоБ-Х" файлом _а1ёоБ-x.exe. Система попросит ввести логин и пароль (рисунок 4). Необходимо ввести: логин - 1, пароль - 1.
Рисунок 4 - Авторизация в системе "Эйдос
После откроется главное окно программы (рисунок 5).
Рисунок 5 - Главное окно программы "Эйдос"
Далее необходимо выполнить режим 1.11 для сброса приложений и локализации системы (рисунок 6).
Сообщение о завершении операции
О Все пользователи и е се приложе 0к ния успешно удалены!
Рисунок 6 - Сброс и локализация системы
Для загрузки базы данных необходимо зайти в режим 2.3.2.2 (рисунок 7):
£) 23.2.2. Универсальный программный интерфейс импорта данных в систему ’ЭЙДОС-Х++’'
В Г
Автоматическая формализация предметной области: генерация классификационных и описательных шкал и градаций, а также обучающей и распознаваемой выборки на основе базы исходных данных: "Inp data"
Стандарт XLS-файла
Задайте тип Файла исходных данных: "lnp_dala":
С XLS - MS Excel-2003 С* XLSX-MS Excel-2007(2010)
Г DBF -DBASE IV(DBF/NTX) Стандарт DBF-файла
С CSV - Comma-Separated Values Стандарт CSV-Файла
Задайте диапазон столбцов классификационных шкал: Начальный столбец классификационных шкал: | 2
Конечный столбец классификационных шкал: I 3
Задайте режим:
(* Формализации предметной области (на основе "lnp_data") С Генерации распознаваемой выборки (на основе "1пр_га$р")
— Считать нули и пробелы отсутствием данных?
(* Да Нули и пробелы считаются отсутствием данных
С Нет С' Не знаю
Пояснения по работе конвертера исходных данных
|- Задайте диапазон столбцов описательных шкал: Начальный столбец описательных шкал: Конечный столбец описательных шкал:
Г
(* Равные интервалы с разным числом наблюдений Г Разные интервалы с равным числом наблюдений
-Задание параметров формирования сценариев или способа интерпретации текстовых полей "lnp_data‘,:
(* Не применять сценарный метод АСК-анализа и спец.интерпретацию ТХТ-полей Г* Применить сценарный метод прогнозирования АСК-анализа
С Применить специальную интерпретацию текстовых полей "lnp_data,, _______
Пояснения по режиму
Не применять сценарный метод АСК-анализа и спец.интерпретацию ТХТ-полей:
Сценарный метод АСК-анализа:
Записи файла исходных данных "lnp_dala" рассматриваются каждая сама по себе независимо друг от друга
Спец.интерпретация ТХТ-полей:
Значения текстовых полей Файла исходных данных "lnp_datall рассматриваются как целое
Ok
Cancel
1Э
Задайте способ выбора размера интервалов:
Рисунок 7 - Экранная форма Универсального программного интерфейса
импорта данных в систему "Эйдос"
и в настройках выбрать:
- "Задайте тип файла исходных данных Inp_data": "ХЬБХ-МБ
Ехсе1-2007(2010)";
- "Задайте диапазон столбцов классификационных шкал": "Начальный столбец классификационных шкал" - 2, "Конечный столбец классификационных шкал" - 3;
- "Задайте диапазон столбцов описательных шкал": "Начальный столбец описательных шкал" - 4, "Конечный столбец описательных шкал"
- 19;
- "Задание параметров формирования сценариев или способа интерпретации текстовых полей": "Не применять сценарный метод АСК-анализа и спец.интерпретацию ТХТ-полей".
После нажать кнопку "Ок". Далее открывается окно, где размещена информация о размерности модели (рисунок 8). В этом окне необходимо нажать кнопку "Выйти на создание модели".____________________
О 2.3.2 2. Задание размерности модели системы "ЭИДОС-Х+
ИНФОРМАЦИЯ 0 РАЗМЕРНОСТИ МОДЕЛИ
Суммарное количество градаций классификационных и описательных шкал: (208 х 36]
Т ип шкалы Количество классифи- кационных шкал Количество градаций классифи- кационных Среднее количество градаций на класс, шкалу Количество описательных шкал Количество градаций описательных шкал Среднее количество градаций на опис, шкалу
Числовые 0 0 0,00 0 о| 0,00
Т екстовые 2 206 103,00 16 зе| 2,25
ВСЕГО: 2 206 103,00 16 36 2,25
Задайте число интервалов (градаций) в шкале:
Пересчитать шкалы и градации
Выйти на создание модели
Рисунок 8 - Задание размерности модели системы "Эйдос"
Далее открывается окно, где происходит процесс импорта данных из внешней БД "Inp_data" в систему "Эйдос" (рисунок 9). В том окне необходимо дождаться завершения формализации предметной области и нажать кнопку "Ок"._________________________________________________
О 2.3 .2.2. Процесс импорта данных из внешней БД Іпр в систему "ЭЙДОС-Х++"
Стадии исполнения процесса
1 /3: Формирование классификационных и описательных шкал и градаций на основе БД *1пр_с1а{а" - Готовс 2/3: Генерация обучающей выборки и базы событий “Еч/еШвКО" на основе БД “1пр_с1а1а" - Готово 3/3: Переиндексация всех баз данных нового приложения-Готово
ПРОЦЕСС ФОРМАЛИЗАЦИИ ПРЕДМЕТНОЙ ОБЛАСТИ ЗАВЕРШЕН УСПЕШНО !!!
Прогноз времени исполнения
Начало: 07:16:30 Окончание: 7:10:34
100%
0к
Прошло: 0:00:04
□ сталось: 0:00:00
Для просмотра классификационных шкал и градаций необходимо запустить режим 2.1 (рисунки 10-11).________________________________
2.1. Классификационные шкалы и градации. Текущая модель: 1^1" 1 0 І ®
1
III Код шкалы (Наименование классификационной шкалы II Код градации | Наименование градации классификационной шкалы ВЕІ. н ▼
2 ТИП ... Г земноводные ...
НАИМЕНОВАНИЕ 2 млекопитающие ...
3 многоногие ...
4 насекомые ...
5 пресмыкающиеся
6 птицы ...
7 рыбы ...
<1 1 и <1 1 ► г
Помощь 1 Доб.шкалу | Доб.град.шкалы | Копир.шкалу | Копир, град, шкалы | <опир. шкалу с град.! Удал.шкалусграа. | Удал.град.икалы | Удаление ипеэекодирование 1
І' и
Рисунок 10 - Классификационные шкалы и градации (по типу)
2.1. Классификационные шкалы и градации. Текущая модель: ЧМР1“ [ си | 1“)
II 771
III Код шкалы I Наименование классификационной шкалы II Код градации I Наименование градации классификационной шкалы ю. -
1 ТИП ...| 1 акула-катран ...
2 НАИМЕНОВАНИЕ 9 антилопа ...
10 ара
11 бабуин ...
12 барсук ...
13 бегемот ...
14 белка
15 белый медведь ...
16 бизон ...
17 блоха ...
18 богомол ...
19 божья коровка ...
20 боров ...
21 буйвол ...
22 бурый медведь ...
23 варан ...
24 верблюд ...
25 вивверина ...
2Є водорез ...
27 волк ...
28 вомбат ...
3 231 воробей ...
«I и Г «І I > Г
Помощь | Доб шкалу | Доб град шкалы | Копир шкалу | Копир град шкалы | <опир шкалу с град | Удал шкалу с град | Удал град шкалы | Удаление и перекодирование |
Рисунок 11 - Классификационные шкалы и градации (по наименованию)
Для просмотра описательных шкал и градаций необходимо запустить режим 2.2 (рисунок 12)._____________________
2.2. Описательные шкалы и градации. Текущая модель: "ШР1"
■ШИ
1 ШЕРСТЬ |
2 ПЕРЬЯ ...
3 ЯЙЦО ... |
4 молоко ...
5 ВОЗДУШНЫЙ
Є водный |
7 хищник ...
8 ЗУБАСТЫЙ ...
9 позвоночник ...
10 дышит ... |
11 ядовитый ...
12 ПЛАВНИК ...
13 ноги ... 1
14 хвост ... |
15 ДОМАШНИЙ ...
1Б БОЛЬШЕ КОШКИ ...
Код градации Наименование градации.описательной шкалы |
25 восемь
26 две ...
27 нет ...
28 три ...
29 четыре
30 шесть ...
Помощь Доб.шкалу Доб.град.шкалы Копир.шкалу Копир.град.шкалы Копир.шкалу с град. Удал.шкалу с град. Удал.град.шкалы Перекодировать Очистить
Рисунок 12 - Описательные шкалы и градации
2.4. Синтез и верификация статистических и интеллектуальных моделей
Рассмотрим этапы последовательного повышения степени формализации модели путем преобразования исходных данных в информацию, а далее в знания, которые применяются АСК-анализе и системе "Эйдос-Х" (рисунок 13).
Последовательность обработки данных, информации и знаний в системе Эйдос-Х++ (^Когнитивная структуризация предметной области)
Формализация предметной обпасти
СІа55_5с, Єг_СІБс Классификационные шкалы и градации
0р1з_Эс, Сг_0р5с Описательные шкалы и градации
Обучаются
выборка
0ЬІ_2ад
Заголовки объектов обучающей выборки
0Ь1_Кс1
Коды классов объектов обучающей выборки
ОЫ_Крг
Коды признаков объектов обучающей выборки
Исходные БД для расчета БЗ
Ргс1 АЬэ Ргс2
Вероятность того, что если у объекта Матрица абсолютных частот встреч Вероятность того, что если предъявлен
І-го класса обнаружен признак, сочетании: класс х признак объект і-го класса, то у него будет
то это 1-й признак (матрица сопряженности) обнаружен і-й признак.
№1
Количество знаний по А.Каркевичу
1^4
РОІ - ІЧеІигп Оп ^уе^тепЛ
№6
Разность условной и безусловной вероятностей
[№3
Хи-квадрат: разности между фактическими и теоретически ожидаемыми по критерию
№2
Количество знаний по А.Каркевичу
1№5
РОІ - (ЭДит Оп Іпуе^тепі
№7
Разность условной и безусловной вероятностей
Решение задач Выбор ОДНОЙ из моделей баз знаний в качестве текущей
- ' Решение задач идентифкации и прогнозирования - . Решение задач поддержки принятия решений .. ' Решение задач исследования предметной области,путем исследования ^ ее модели
Рисунок 13 - Этапы последовательной обработки данных, информации и знаний в системе "Эйдос-Х" http://ej.kubagro.ru/2014/06/pdf/90.pdf
Далее запустим режим 3.5, в котором происходит выбор моделей для синтеза и верификации (рисунок 14) и нажмем кнопку "Ок". После успешного завершения, также необходимо нажать кнопку "Ок" (рисунок 15).
О 3.5. Выбор моделей для синтеза и верификации
Задайте стат. модели и модели знаний для синтеза и верификации Статистические базьг
№ II . ABS ■ частный критерий количество встреч сочетаний: "класс-признак" у объектов обуч.выборки I? 2. PRC1 - частный критерий: уел. вероятность i-ro признака среди признаков объектов j-ro класса
3. PRC2 - частный критерий: условная вероятность i-ro признака у объектов j-ro класса Базы знаний:
4. INF1 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC1 |7 5. INF2 - частный критерий: количество знаний по АХаркевичу; вероятности из PRC2
К? 6. INF3 - частный критерий: Хи-квадрат, разности между фактическими и ожидаемыми абс.частотами
|7 7. INF4 - частный критерий: ROI (Return On Investment); вероятности из PRC1
W 8. INF5 - частный критерий: ROI (Return On Investment); вероятности из PRC2
|7 9. INF6 - частный критерий: разн.усл.и безусл. вероятностей; вероятности из PRC1
I? Ю .INF7 - частный критерий: разн.усл.и безусл.вероятностей; вероятности из PRC2
(* Синтез и верификация заданных моделей С Только верификация заданных моделей
Параметры копирования обуч.выборки в распознаваемую: Какие объекты обуч. выборки копировать:
(* Копировать всю обучающую выборку С Копировать только текущий объект С Копировать к авдый М-й объект С Копировать N случайных объектов С Копировать все объекты, начиная с N-го
Пояснение по алгоритму верификации |
Удалять из обуч. выборки скопированные объекты:
С* Не удалять Удалять
- Подробнее
Измеряется внутренняя достоверн. модели
Gk
Cancel
Рисунок 14 - Выбор моделей для синтеза и верификации
В данном режиме имеется много различных методов верификации моделей.
Отметим, что судя по базам репозитария иС1 его разработчики не знают, что жаба - это пресмыкающееся, а не земноводное. Есть в этих ба-
зах и другие странные вещи, но их не много и это не влияет на достижение целей данной работы.
ф 3.5. Синтез и верификация заданных из 10 моделей
Стадии исполнения процесса
Шаг 1-й из 10 Шаг 2-й из 10 Шаг 3-й из 10 Шаг 4-й из 10
Копирование обучающей выборки в распознаваемую - Готово Синтез стат.модели "АВЭ" (расчет матрицы абсолютных частот) - Г отово Синтез стат.моделей "РВС111 и "РРЧ.С2" (услбезусл.% распр.) - Г отово Синтез моделей знаний: 1ЫР1 -1ЫР7 - Готово
НАЧАЛО ЦИКЛА ПО ЧАСТНЫМ И ИНТЕГРАЛЬНЫМ КРИТЕРИЯМ - ИСПОЛНЕНИЕ:---------------------------...
Шаг 5-й из 10: Задание модели “INF7* в качестве текущей - Готово Шаг 6-й из 10: Пакетное распознавание в модели "INF7" - Г отово
Шаг 7-й из 10: Измерение достоверности модели: "Inf7" - Интегральный критерий: "Сумма знаний" - Г отово
КОН ЕЦ ЦИКЛА ПО ЧАСТНЫМ И ИНТЕГРАЛЬНЫМ КРИТЕРИЯМ - ГОТОВО:-------------------------------...
Шаг 8-й из 10: Объединение БД DostRsp# в БД DostRasp - Г отово
Шаг 9-й из 10: Печать сводной формы по результатам верификации моделей. - Готово
Шаг 10-й из 10: Создание формы: “Достоверность идент.классов в различных моделях" - Готово
Синтез и верификация заданных стат.мопелей и моделей знаний упешно завершена !!!
Прогноз времени исполнения—
Начало: 07:29:34 Окончание: 7:38:32
і oos;
Ok
Прошло: 0:08:50
□ сталось: 0:00:00
Рисунок 15 - Синтез и верификация заданных из 10 моделей
В результате выполнения режима 3.5 созданы все модели, со всеми частными критериями, представленными в таблице 1, перечисленные на рисунке 14, но здесь мы приведем лишь некоторые из них (таблицы 2-4).
Рассмотрим решение задачи идентификации на примере модели ЮТ1, в которой рассчитано количество информации по А.Харкевичу, которое мы получаем о принадлежности идентифицируемого объекта к каждому из классов, если знаем, что у этого объекта есть некоторый признак. Это так называемые частные критерии сходства, приведенные в таблице 1.
Но если нам известно, что объект обладает не одним, а несколькими признаками, то как посчитать их общий вклад в сходство с теми или иными классами? Для этого в системе «Эйдос» используется 2 аддитивных интегральных критерия: «Сумма знаний» и «Семантический резонанс знаний»
[5].
Таблица 1 -. Частные критерии знаний, используемые в настоящее время в СК-анализе и системе «Эйдос-Х++»
Наименование модели знаний и частный критерий Выражение для частного критерия
через относительные частоты через абсолютные частоты
INF1, частный критерий: количество знаний по А.Харкевичу, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу. Относительная частота того, что если у объекта j-го класса обнаружен признак, то это i-й признак Iy. =¥х Log2P NnN Iy = Yx Log 2—2— 1 N7N7 1 1
INF2, частный критерий: количество знаний по А.Харкевичу, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу. Относительная частота того, что если предъявлен объект j-го класса, то у него будет обнаружен i-й признак. ly = YxLog2 p Nt,N Iy = Yx Log 2^— 1 N7N7 1 1
INF3, частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами — NN I = N.. 1 1 11 11 N
INF4, частный критерий: ROI - Return On Investment, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу3 P P - P Iy = P - 1 = P P- J p p NnN In =— 1 11 N1NJ
INF5, частный критерий: ROI - Return On Investment, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу p p - p I =^L -1 = _. L J p p NnN In =— 1 11 N1N]
INF6, частный критерий: разность условной и безусловной относительных частот, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу Ij = py - p I = Nil - N 1 N. N
INF7, частный критерий: разность условной и безусловной относительных частот, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу - = I = Nl - N 1 Nj N
Обозначения:
I — значение прошлого параметра; у - значение будущего параметра;
Му — количество встреч ]-го значения будущего параметра при 1-м значении прошлого параметра;
М — суммарное число значений всех прошлых параметров;
Ж - суммарное число значений всех будущих параметров.
N1 — количество встреч 1-м значения прошлого параметра по всей выборке;
Му — количество встреч ]-го значения будущего параметра по всей выборке;
N — количество встреч ]-го значения будущего параметра при 1-м значении прошлого параметра по всей выборке.
1у — частный критерий знаний: количество знаний в факте наблюдения 1-го значения прошлого параметра о том, что объект перейдет в состояние, соответствующее ]-му значению будущего параметра;
¥ — нормировочный коэффициент (Е.В.Луценко, 2002), преобразующий количество информации в формуле А.Харкевича в биты и обеспечивающий для нее соблюдение принципа соответствия с формулой Р.Хартли;
Р{ — безусловная относительная частота встречи 1-го значения прошлого параметра в обучающей выборке;
Ру — условная относительная частота встречи 1-го значения прошлого параметра при ]-м значении будущего параметра .
3 Применение предложено Л. О. Макаревич
http://ej.kubagro.ru/2014/06/pdf/90.pdf
Таблица 2 - Матрица абсолютных частот (модель ЛВБ) (фрагмент)
Код Наименование си _о і о ■ со С О 5 I со си 3 2 го 11 1= 1= о Н § 3-ТИП- многоногие е .0 м о е о го н - П И Т - к о е и 3 2 го і -0 Пм ^ О Те Т а. ю С .о 1- с= - П И Т - со .о ю XI . - П И Т - 7
1 ШЕРСТЬ-есть 0 94 0 10 0 0 0
2 ШЕРСТЬ-нет 7 7 11 6 14 34 17
3 ПЕРЬЯ-есть 0 0 0 0 0 32 0
4 ПЕРЬЯ-нет 7 101 11 16 14 2 17
5 ЯИЦО-есть 7 1 9 16 12 34 17
6 ЯИЦО-нет 0 100 2 0 2 0 0
7 МОЛОКО-есть 0 101 0 0 0 0 0
8 МОЛОКО-нет 7 0 11 16 14 34 17
9 ВОЗДУШНЫИ-есть 0 3 0 11 0 26 0
10 ВОЗДУШНЫИ-нет 7 98 11 5 14 8 17
11 ВОДНЫИ-есть 7 49 11 16 14 34 17
12 ВОДНЫИ-нет 0 52 0 0 0 0 0
13 ХИЩНИК-есть 3 44 9 3 12 13 14
14 ХИЩНИК-нет 4 57 2 13 2 21 3
15 ЗУБАСТЫИ-есть 4 98 0 0 8 2 17
16 ЗУБАСТЫИ-нет 3 3 11 16 6 32 0
17 ПОЗВОНОЧНИК-есть 7 101 0 0 13 34 17
18 ПОЗВОНОЧНИК-нет 0 0 11 16 1 0 0
19 ДЫШИТ-есть 7 101 3 16 12 32 0
20 ДЫШИТ-нет 0 0 8 0 2 2 17
21 ЯДОВИТЫИ-есть 1 1 2 6 5 0 0
22 ЯДОВИТЫИ-нет 6 100 9 10 9 34 17
23 ПЛАВНИК-есть 3 2 0 0 0 2 17
24 ПЛАВНИК-нет 4 99 11 16 14 32 0
25 НОГИ-восемь 0 0 2 2 0 0 0
26 НОГИ-две 0 9 0 0 0 28 0
27 НОГИ-нет 0 8 5 0 7 2 17
28 НОГИ-три 0 0 0 0 0 2 0
29 НОГИ-четыре 7 84 2 0 7 2 0
30 НОГИ-шесть 0 0 2 14 0 0 0
31 ХВОСТ-есть 1 96 1 1 14 34 17
32 ХВОСТ-нет 6 5 10 15 0 0 0
33 ДОМАШНИИ-есть 0 18 0 4 4 13 1
34 ДОМАШНИИ-нет 7 83 11 12 10 21 16
35 БОЛЬШЕ КОШКИ-есть 0 82 2 0 4 9 11
36 БОЛЬШЕ КОШКИ-нет 7 19 9 16 10 25 6
Сумма числа признаков 112 1616 176 256 224 544 272
Число объектов об.выб. 7 101 11 16 14 34 17
Таблица 3 - Матрица информативностей
Код Наименование е ы н д о -в По 5 1 ч- т 2-ТИП- млекопитающие си !_ о X о !_ о н м - 1= И Т - со си .0 о си о а н - 1= И Т - к с си 2 а к -ы 1= 2 Ис Те -Т р Ю С .о т п - 1= И Т - со .о ю ы р - 1= И Т -
1 ШЕРСТЬ-есть 511 161
2 ШЕРСТЬ-нет 644 -1697 644 -217 644 644 644
3 ПЕРЬЯ-есть 1554
4 ПЕРЬЯ-нет 153 153 153 153 153 -2332 153
5 ЯИЦО-есть 644 -3404 468 644 509 644 644
6 ЯИЦО-нет 565 -922 -1133
7 МОЛОКО-есть 599
8 МОЛОКО-нет 617 617 617 617 617 617
9 ВОЗДУШНЫИ-есть -1673 1083 1176
10 ВОЗДУШНЫИ-нет 196 169 196 -824 196 -1073 196
11 ВОДНЫИ-есть 264 -370 264 264 264 264 264
12 ВОДНЫИ-нет 599
13 ХИЩНИК-есть -117 -103 450 -843 490 -218 455
14 ХИЩНИК-нет 100 89 -905 408 -1116 168 -931
15 ЗУБАСТЫИ-есть -106 358 -106 -2100 385
16 ЗУБАСТЫИ-нет 165 -2176 908 908 165 855
17 ПОЗВОНОЧНИК-есть 132 132 67 132 132
18 ПОЗВОНОЧНИК-нет 1724 1724 -590
19 ДЫШИТ-есть 137 137 -1002 137 2 84
20 ДЫШИТ-нет 1414 -13 -791 1694
21 ЯДОВИТЫИ-есть 565 -1776 777 1412 1369
22 ЯДОВИТЫИ-нет -67 60 -108 -344 -319 68 68
23 ПЛАВНИК-есть 1116 -1580 -625 1860
24 ПЛАВНИК-нет -379 95 112 112 112 59
25 НОГИ-восемь 1936 1607
26 НОГИ-две -641 1310
27 НОГИ-нет -790 742 826 -1051 1434
28 НОГИ-три 1554
29 НОГИ-четы ре 591 429 -905 -17 -1894
30 НОГИ-шесть 720 2098
31 ХВОСТ-есть -1533 130 -1929 -2258 174 174 174
32 ХВОСТ-нет 1369 -1132 1420 1447
33 ДОМАШНИИ-есть -101 196 313 568 -1073
34 ДОМАШНИИ-нет 196 24 196 -57 -99 -227 143
35 БОЛЬШЕ КОШКИ-есть 358 -955 -558 -625 159
36 БОЛЬШЕ КОШКИ-нет 681 -784 505 681 386 411 -232
Таблица 4 - Матрица знаний (модель ШБЭ)
Код Наименование е ы н О -в П во * I со 0) и 3 2 а 1- | с= По н | 3-ТИП- многоногие 4-ТИП- насекомые 5-ТИП- пресмыкающи- еся ы и 1- - П И Т - со ы ю .0 - П И Т - 7
1 ШЕРСТЬ-есть -3,64 41,48 -5,72 1,68 -7,28 -17,68 -8,84
2 ШЕРСТЬ-нет 3,64 -41,48 5,72 -1,68 7,28 17,68 8,84
3 ПЕРЬЯ-есть -1,12 -16,16 -1,76 -2,56 -2,24 26,56 -2,72
4 ПЕРЬЯ-нет 1,12 16,16 1,76 2,56 2,24 -26,56 2,72
5 ЯИЦО-есть 3,64 -47,48 3,72 8,32 5,28 17,68 8,84
6 ЯИЦО-нет -3,64 47,48 -3,72 -8,32 -5,28 -17,68 -8,84
7 МОЛОКО-есть -3,54 50,00 -5,56 -8,08 -7,07 -17,17 -8,59
8 МОЛОКО-нет 3,54 -50,00 5,56 8,08 7,07 17,17 8,59
9 ВОЗДУШНЫИ-есть -1,40 -17,20 -2,20 7,80 -2,80 19,20 -3,40
10 ВОЗДУШНЫИ-нет 1,40 17,20 2,20 -7,80 2,80 -19,20 3,40
11 ВОДНЫИ-есть 1,82 -25,74 2,86 4,16 3,64 8,84 4,42
12 ВОДНЫИ-нет -1,82 25,74 -2,86 -4,16 -3,64 -8,84 -4,42
13 ХИЩНИК-есть -0,43 -5,49 3,61 -4,84 5,14 -3,66 5,67
14 ХИЩНИК-нет 0,43 5,49 -3,61 4,84 -5,14 3,66 -5,67
15 ЗУБАСТЫИ-есть -0,52 32,86 -7,10 -10,32 -1,03 -19,93 6,04
16 ЗУБАСТЫИ-нет 0,52 -32,86 7,10 10,32 1,03 19,93 -6,04
17 ПОЗВОНОЧНИК-есть 0,98 14,14 -9,46 -13,76 0,96 4,76 2,38
18 ПОЗВОНОЧНИК-нет -0,98 -14,14 9,46 13,76 -0,96 -4,76 -2,38
19 ДЫШИТ-есть 1,02 14,65 -6,41 2,32 0,03 2,93 -14,54
20 ДЫШИТ-нет -1,02 -14,65 6,41 -2,32 -0,03 -2,93 14,54
21 ЯДОВИТЫИ-есть 0,48 -6,58 1,18 4,80 3,95 -2,55 -1,28
22 ЯДОВИТЫИ-нет -0,48 6,58 -1,18 -4,80 -3,95 2,55 1,28
23 ПЛАВНИК-есть 2,16 -10,12 -1,32 -1,92 -1,68 -2,08 14,96
24 ПЛАВНИК-нет -2,16 10,12 1,32 1,92 1,68 2,08 -14,96
25 НОГИ-восемь -0,14 -2,02 1,78 1,68 -0,28 -0,68 -0,34
26 НОГИ-две -1,30 -9,69 -2,04 -2,96 -2,59 21,71 -3,15
27 НОГИ-нет -1,37 -11,70 2,86 -3,12 4,27 -4,63 13,69
28 НОГИ-три -0,07 -1,01 -0,11 -0,16 -0,14 1,66 -0,17
29 НОГИ-четы ре 3,43 32,49 -3,61 -8,16 -0,14 -15,34 -8,67
30 НОГИ-шесть -0,56 -8,08 1,12 12,72 -1,12 -2,72 -1,36
31 ХВОСТ-есть -4,74 13,18 -8,02 -12,12 2,52 6,12 3,06
32 ХВОСТ-нет 4,74 -13,18 8,02 12,12 -2,52 -6,12 -3,06
33 ДОМАШНИИ-есть -1,40 -2,20 -2,20 0,80 1,20 6,20 -2,40
34 ДОМАШНИИ-нет 1,40 2,20 2,20 -0,80 -1,20 -6,20 2,40
35 БОЛЬШЕ КОШКИ-есть -3,78 27,46 -3,94 -8,64 -3,56 -9,36 1,82
36 БОЛЬШЕ КОШКИ-нет 3,78 -27,46 3,94 8,64 3,56 9,36 -1,82
фрагмент)
Для любой из моделей системой «Эйдос» рассчитывается ценность4 градации описательной шкалы, т.е. признака, для идентификации или прогнозирования. Количественной мерой ценности признака в той или иной модели является вариабельность по классам частного критерия (таблица 1) для этого признака. Мер вариабельности может быть много, но наиболее известными является среднее модулей отклонения от среднего, дисперсия и среднеквадратичное отклонение. Последняя мера и используется в АСК-анализе. В системе «Эйдос» ценность признаков нарастающим итогов выводится в графической форме, приведенной ниже на рисунке 16.
{£) 3.7.5, Значимость градаций описательных шкал, (С) Универсальная когнитивная аналитическая система 'Эйдос-Х++~ ,=6|
АСК-анализ, моделирование и идентификация живых существ по их фенотипическим признакам. Модель: 1ЫРЗ
ш
О о X
9 я
а. о _х §
з 60 и л і
ъ X с
в 40 в =1 ТО
Л о £
I 5 га
О2 .--V £ ЦҐ и
3 Помощь | 1пИ 6 8 11 | \Ы2 { 1пй | 14 1п(4 17 1п(5 19 22 25 | ІпГЄ 1 1п(=7 28 31 33 36 39 42 Записать графический Файл |і 44 47 50 53 56 копировать в буфер обмена 58 51 || Печать 64 57 69 72 Копировать АЬ$ 75 78 Удалить 81 83 86 89 незнач.призн.из АЬї 92 94 97 100 Восстановить АЬ$
Рисунок 16 - Значимость градаций описательных шкал
При большом объеме обучающей выборки можно без ущерба для достоверности модели удалить из нее малозначимые признаки. Для этого в системе «Эйдос «также есть соответствующие инструменты.
Результаты верификации (оценки достоверности) моделей приведены ниже на рисунке 17:
4 Эта ценность в АСК-анализе называется также интегральной информативностью, дифференцирующей способностью и селективной силой, т.е. эти термины являются синонимами.
http://ej.kubagro.ru/2014/06/pdf/90.pdf
£) 4.1.З.6. Обобщ.форма по достов.моделей при разн.инт.крит.. Текущая модель: 1NF1"
Наименование модели и частного критерия Интегральный критерий Вероятность Вероятность Средняя Дата Время
правильной правильной вероятно... получения получения
иденгифка... не идентиф.. правильн... результата результ..
результата
100.000 28.333 64.167 19.06.2014 06:31:46
1. ABS - частный критерий: количество встреч сочетаний: "клас... Сумма абс.частот по признак.. 100.000 50.000 19.06.2014 06:31:47
2. PRC1 - частный критерий: уел. вероятность i-ro признака сред... Корреляция уел.отн.частот с о... 100.000 28.333 64.167 19.06.2014 06:32:41
2. PRC1 - частный критерий: уел. вероятность i-ro признака сред... Сумма уел.отн.частот по приз... 100.000 50.000 19.06.2014 06:32:42
3. PRC2 • частный критерий: условная вероятность i-ro признака... Корреляция уел.отн.частот с о... 100.000 28.333 64.167 19.06.2014 06:33:38
3. PRC2 - частный критерий: условная вероятность i-ro признака... Сумма уел.отн.частот по приз... 100.000 50.000 19.06.2014 06:33:38
4. INF1 - частный критерий количество знаний по А.Харкевичу; в... Семантический резонанс зна.. 99.000 73.555 86.278 19.06.2014 06:34:35
4. INF1 - частный критерий количество знаний по А.Харкевичу; в... Сумма знаний 97.500 40.758 69.129 19.06.2014 06:34:35
5. INF2 - частный критерий количество знаний по А.Харкевичу; в... Семантический резонанс зна.. 99.000 73.555 86.278 19.06.2014 06:35:31
5. INF2 - частный критерий количество знаний по А.Харкевичу; в... Сумма знаний 97.500 40.758 69.129 19.06.2014 06:35:32
6. INF3 - частный критерий Хи-квадрат, разности между сактич... Семантический резонанс зна.. 99.500 69.614 84.557 19.06.2014 06:36:27
6. INF3 - частный критерий Хи-квадрат, разности между Фактич... Сумма знаний 99.500 69.614 84.557 19.06.2014 06:36:27
7. INF4 - частный критерий R0I (Return On Investment), вероятно... Семантический резонанс зна.. 99.000 78.671 88.836 19.06.2014 06:37:20
7. INF4 - частный критерий R0I (Return On Investment): вероятно... Сумма знаний 99.500 35.069 67.284 19.06.2014 06:37:21
8. INF5 • частный критерий R0I (Return On Investment), вероятно . Семантический резонанс зна.. 99.000 78.671 88.836 19.06.2014 06:38:15
8. INF5 - частный критерий R0I (Return On Investment); вероятно.. Сумма знаний 99.500 35.069 67.284 19.06.2014 06:38:15
3. INF6 • частный критерий разн.усл.и безусл.вероятностей; вер... Семантический резонанс зна.. 99.500 69.310 84.405 19.06.2014 06:39:12
3. INF6 - частный критерий разн.усл.и безусл.вероятностей; вер.. Сумма знаний 99.500 33.961 66.731 19.06.2014 06:39:12
10.INF7 - частный критерий: разн.усли безусл.вероятностей; ве... Семантический резонанс зна.. 99.500 69.310 84.405 19.06.2014 06:40:08
10.INF7 - частньй критерий: разн.усли безусл.вероятностей; ве.. Сумма знаний 99.500 33.961 66.731 19.06.2014 06:40:08
Помощь
Рисунок 17 - Оценки достоверности моделей
Наиболее достоверной в данном приложении оказались модели INF4 и INF5 (таблица 1) при интегральном критерии «Резонанс знаний» [5].
Также обращает на себя внимание, что статистические модели, как правило, дают более низкую средневзвешенную достоверность идентификации и не идентификации, чем модели знаний, и никогда - более высокую рисунок 18)._________________________________________________
в Помощь по режиму: 41.3.6; Виды прогнозов и принцип опрделения досювености моделей в системе Эйдос-Х+ +
Режим: Помощь по режиму: 4.1.3.б: Виды прогнозов и принцип опрделения доетовености моделей в системе "эйдос-Х++". ПОЛОЖИТЕЛЬНЫЙ ПСЕБДОПРОГНОЗ.
предположим, модель дает такой прогноз: выпадет 1, 2, 3, 4, 5 или 6. в этом случае у нее будет 100% достоверность идентификации, т.е. не будет ни одного объекта, не отнесенного к тому классу, к которому он действительно относится, но при этом будет очень большая ошибка ложной идентификации, т.к. огромное количество объектов будет отнесено к классам, к которым они не относятся Си именно за счет этого у модели и будет очень высокая достоверность идентификации), ясно, что такой прогноз бесполезен, поэтому он и назван мной псевдопрогнозом.
ОТРИЦАТЕЛЬНЫЙ ПСЕВДОПРОГНОЗ.
представим себе, что мы выбрасываем кубик с б гранями, и модель предсказывает, что не выпадет: 1, 2, 3,4, 5 и б, а что-то из этого естественно выпало, конечно, модель дает ошибку в прогнозе в том плане, что не предсказала, что выпадет, зато она очень хорошо угадала, что не выпадет. Но ясно, что выпадет что-то одно, а не все, что предсказано, поэтому такого рода предсказания хорошо оправдываются в том, что не произошло и плохо в том, что произошло, т.е. в этом случае у модели будет 100% достоверность не идентификации, но очень низкая достоверность идентификации.
ИДЕАЛЬНЫЙ ПРОГНОЗ.
если в случае с кубиком мы прогнозируем, что выпадет, например 1, и соответственно прогнозируем, что не выпадет 2, 3,
4, 5, и б, то это идеальный прогноз, имеющий, если он осуществляется, 100% достоверность идентификации и не идентификации. Идеальный прогноз, который полностью снимает неопределенность о будущем состоянии объекта прогнозирования, на практике удается получить крайне редко и обычно мы имеем дело с реальным прогнозом.
РЕАЛЬНЫЙ ПРОГНОЗ.
На практике мы чаще всего сталкиваемся именно с этим видом прогноза. Реальный прогноз уменьшает неопределенность о будущем состоянии объекта прогнозирования, но не полностью, как идеальный прогноз, а оставляет некоторую неопределенность не снятой, например, для игрального кубика делается такой прогноз: выпадет 1 или 2, и, соответственно, не выпадет 3, 4, 5 или б. понятно, что полностью на практике такой прогноз не может осуществиться, т.к. варианты выпадения кубика альтернативны, т.е. не может выпасть одновременно и 1, и 2. поэтому у реального прогноза всегда будет определенная ошибка идентификации. Соответственно, если не осуществится один или несколько из прогнозируемых вариантов, то возникнет и ошибка не идентификации, т.к. это не прогнозировалось моделью.теперь представите себе, что у вас не 1 кубик и прогноз его поведения, а тысячи, тогда можно посчитать средневзвешенные характеристики всех этих видов прогнозов.
таким образом, если просуммировать проценты верной идентификации и не идентификации и вычесть проценты ложной идентификации и ложной не идентификации, то это и будет критерий качества модели, учитывающий как ее способность верно относить объекты к классам, которым они относятся, так и ее способность верно не относить объекты к тем классам, к которым они не относятся.
Рисунок 18 - Виды прогнозов и принцип определения достоверности моделей http://ej.kubagro.ru/2014/06/pdf/90.pdf
2.5. Результаты идентификации в созданных моделях
Рассмотрим режим 4.1.3, в котором представлены результаты распознавания:
1. Подробно наглядно: "Объект - классы" (рисунок 19);
2. Подробно наглядно: "Класс - объекты" (рисунок 20);
3. Итоги наглядно: "Объект - классы" (рисунок 21);
4. Итоги наглядно: "Класс - объекты" (рисунок 22);
5. Подробно сжато: "Объект - классы" (рисунок 23);
6. Обобщенная форма по достоверности моделей при разных интегральных критериях (рисунок 24);
7. Обобщенный статистический анализ результатов идентификации по моделям и интегральным критериям (рисунок 25);
8. Статистический анализ результатов идентификации по классам, моделям и интегральным критериям (рисунок 26);
9. Распознавание уровня сходства при разных моделях и интегральных критериях (рисунок 27-28);
10. Достоверность идентификации классов при разных моделях и интегральных критериях (рисунок 29).
Рисунок 20 - Подробно наглядно: "Класс - объекты"
—я-Г
£) 4.1.З.З. Итоговая наглядная форма результатов распознавания: "Объект-класс". Текущая модель: "1МР1“
кц Семантический резонанс знаний 2 Сумма знаний
Пояснения по смыслу частных и интегральных критериев
Часткрит. 7 моделей знаний | Инг.криг.: 'Сумма знаний" | Инт.крит.: "Резонанс знаний" |
Код Наименование объекта Код Наименование класса МАХ Код Наименование класса М1Ы Досто-
объекта распознаваемой выборки класса с МАХ уровнем сходства уровень класса с ММ уровнем сходства уровень вер-
распозн. с МАХ сходства сМ1Ы сходства ность
выборки ур.сход. ур.сход.
акула-катран ... НАИМЕНОВАНИЕ-акула-катран.. 91.924 ТИП-насекомые .. -51.472 71.698
антилопа ... НАИМЕНОВАНИЕ-антилопа .. 93.918 ТИП-многоногие ... -72.756 83.337
ара ... НАИМЕНОВАНИЕ-ара 94.212 ТИП-млекопитающие ... -55.113 74.662
бабуин НАИМЕНОВАНИЕ-антилопа 93.918 ТИП-многоногие -72.756 83.337
барсук ... НАИМЕНОВАНИЕ-антилопа .. 93.918 ТИП-многоногие ... -72.756 83.337
бегемот ... НАИМЕНОВАНИЕ-антилопа .. 93.918 ТИП-многоногие ... -72.756 83.337
белка ... НАИМЕНОВАНИЕ-белка 93.626 НАИМЕНОВАНИЕ-сова ... -59.975 76.801
белый медведь ... НАИМЕНОВАНИЕ-белый медве 96.921 ТИП-насекомые ... -62.251 79.586
бизон ... НАИМЕНОБАНИЕ-бизон 92.767 ТИП-многоногие ... -76.668 84.718
блоха ... НАИМЕНОВАНИЕ-блоха 91.559 НАИМЕНОВАНИЕ-кошека ... -54.162 72.861
богомол ... НАИМЕНОВАНИЕ-богомол ... 93.672 НАИМЕНОВАНИЕ-горилла ... -59.450 76.561
божья коровка ... НАИМЕНОВАНИЕ-божья коровк... 93.830 ТИП-млекопитающие ... -61.368 77.599
боров ... НАИМЕНОВАНИЕ-боров 93.840 ТИП-насекомые .. -67.347 80.593
буйвол НАИ МЕ Н 0 ВАН ИЕ -антилопа 93.918 ТИП-многоногие -72.756 83.337
бурый медведь ... НАИМЕНОВАНИЕ-белый медве 96.921 ТИП-насекомые .. -62.251 79.586
О* О Г, А С1 1 0"0
• ►
В конец БД Следующая
ф 4.1.З.4. Итоговая наглядная форма результатов распознавания: "Класс-объект’. Текущая модель: "1МР1"
Семантический резонанс знаний
2 Сумма знаний
Пояснения по смыслу частных и интегральных критериев
Частн.крит. 7 моделей знаний | Инт.крит.: 'Сумма знаний" | Инт.крит.: "Резонанс знаний" |
Код класса Наименование класса Код объекта с МАХ ур.сход. Наименование объекта с МАХ уровнем сходства МАХ уровень сходства Код объекта сМ1Ы ур.сход. Наименование объекта с ММ уровнем сходства М1Ы уровень сходства Досто- вер- ность
Я Т V П • зємное одные древолаз .. 81.586 лемур ... -48.896 65.241
ТИП-млекопитающие ... антилопа ... 91.345 морская медуза .. -62.868 77.106
ТИП-многоногие ... морская медуза ... 88.865 коза ... -76.668 82.767
ТИП-насекомые пчела медоносная 87.870 дельфин -68.718 78.294
ТИП-пресмыкающиеся ... гадюка ... 79.169 горилла ... -60.744 69.957
ТИП-гтгицы ... ара ... 86.803 лиса .. -66.710 76.757
ТИП-рыбы ... акула-катран ... 87.425 ехидна ... -48.640 68.033
НАИ МЕН 0 ВАНИ Е -акула-кат... акула-катран ... 91.924 десмод ... -45.816 68.870
НАИМЕНОВАНИЕ-антилопа... антилопа .. 93.918 морская медуза .. -53.070 73.494
НАИМЕНОВАНИЕ-ара ... ара ... 94.212 лиса .. -60.235 77.224
НАИМЕНОВАНИЕ-бабуин ... антилопа ... 93.918 морская медуза .. -53.070 73.494
НАИМЕНОВАНИЕ-барсук ... антилопа ... 93.918 морская медуза .. -53.070 73.494
НАИМЕНОВАНИЕ-бегемот ... антилопа .. 93.918 морская медуза .. -53.070 73.494
НАИМЕНОВАНИЕ-белка белка 93.626 сова -53.875 73.751
НАИМЕНОВАНИЕ-белый ме... белый медведь ... 96.921 цыпленок ... -43.747 70.334
илмнсигтлимс . . _ ПС СПС
• ►
Помощь
В конец БД
Следующая
Рисунок 22 - Итоги наглядно: "Класс - объекты'
ф 4.1.3.5. Подробная сжатая форма результатов распознавания. Текущая модель: "ДОГ1"
Пояснения по смыслу частных и интегральных критериев
I Семантический резонанс знаний
2 Сумма знаний
Частн.крит. 7 моделей знаний | Инт.крит.: 'Сумма знаний" | Инт.крит.: "Резонанс знаний" |
Код Наименование объекта МАХ Код М1Ы Код Досто- 1. 2
объекта распознаваемой выборки уровень класса уровень класса вер- ТИП-ЗЕМНОВ... ТИП-МЯЕК
распозн. сходства с МАХ сходства сМ№ ность
1 акула-катран ... 91.924 8 -51.472 4 71.698 7.850 -17
2 антилопа ... 93.918 9 -72.756 3 83.337 -35.989 91
3 ара ... 94.212 10 -55.113 2 74.662 1.999 -55
4 бабуин ... 93.918 9 -72.756 3 83.337 -35.989 91
5 барсук ... 93.918 9 -72.756 3 83.337 -35.989 91
Є бегемот ... 93.918 9 -72.756 3 83.337 -35.989 91
7 белка ... 93.626 14 -59.975 1Б9 76.801 -21.765 75
8 белый медведь 96.921 15 -62.251 4 79.586 -32.377 72
8 бизон ... 92.767 16 -76.668 3 84.718 -41.257 90
10 блоха ... 91.559 17 -54.162 82 72.861 48.735 -48
11 богомол ... 93.672 18 -59.450 41 76.561 -0.711 -54
12 божья коровка ... 93.830 19 -61.368 2 77.599 40.231 -61
13 боров ... 93.840 20 -67.347 4 80.593 -39.225 88
14 буйвол ... 93.918 9 -72.756 3 83.337 -35.989 91
15 бурый медведь ... 96.921 15 -62.251 4 79.586 -32.377 72
1Є варан ... 92.804 23 -51.151 46 71.978 6.928 -14
. і Р Г’г
Помощь В конец БД Следующая
ф 4.1.З.6. Обобщ.форма по достов.моделей при разн.инт.крит.. Текущая модель: 1NF1"
іВЦУ'
Наименование модели и частного критерия Интегральный критерий Вероятность Вероятность Средняя Дата Время
правильной правильной вероятно... получения получения
иденгифка... не идентиФ.. правильн... результата результ..
результата
100.000 28.333 64.167 19.06.2014 06:31:46
1. ABS - частный критерий: количество встреч сочетаний: "клее... Сумма абс.частот по признак... 100.000 50.000 19.06.2014 06:31:47
2. PRC1 - частный критерий: уел. вероятность i-ro признака сред... Корреляция уел. отн. частот со... 100.000 28.333 64.167 19.06.2014 06:32:41
2. PRC1 - частный критерий: уел. вероятность i-ro признака сред... Сумма уел.отн.частот по приз... 100.000 50.000 19.06.2014 06:32:42
3. PRC2 • частный критерий: условная вероятность i-ro признака... Корреляция уел. отн. частот со... 100.000 28.333 64.167 19.06.2014 06:33:38
3. PRC2 - частный критерий: условная вероятность i-ro признака... Сумма уел.отн.частот по приз... 100.000 50.000 19.06.2014 06:33:38
4. INF1 - частный критерий: количество знаний по А.Харкевичу, в... Семантический резонанс зна... 99.000 73.555 86.278 19.06.2014 06:34:35
4. INF1 - частный критерий: количество знаний по А.Харкевичу. в... Сумма знаний 97.500 40.758 69.129 19.06.2014 06:34:35
5. INF2 - частный критерий: количество знаний по А.Харкевичу. в... Семантический резонанс зна... 99.000 73.555 86.278 19.06.2014 06:35:31
5. INF2 - частный критерий: количество знаний по А.Харкевичу. в... Сумма знаний 97.500 40.758 69.129 19.06.2014 06:35:32
6. INF3 - частный критерий: Хи-квадрат, разности между Фактич... Семантический резонанс зна... 99.500 69.614 84.557 19.06.2014 06:36:27
6. INF3 - частный критерий: Хи-квадрат, разности между Фактич... Сумма знаний 99.500 69.614 84.557 19.06.2014 06:36:27
7. INF4 - частный критерий: R0I (Return On Investment); вероятно... Семантический резонанс зна.. 99.000 78.671 88.836 19.06.2014 06:37:20
7. INF4 - частный критерий: R0I (Return On Investment): вероятно... Сумма знаний 99.500 3S.069 67.284 19.06.2014 06:37:21
8. INF5 • частный критерий: R0I (Return On Investment), вероятно... Семантический резонанс зна.. 99.000 78.671 88.836 19.06.2014 06:38:15
8. INF5 - частный критерий: ROI (Return On Investment); вероятно.. Сумма знаний 99.500 35.069 67.284 19.06.2014 06:38:15
9. INF6 - частный критерий: разн.усл.и безусл.вероятностей; вер... Семантический резонанс зна... 99.500 69.310 84.405 19.06.2014 06:39:12
9. INF6 - частный критерий: разн.усл.и безусл.вероятностей; вер.. Сумма знаний 99.500 33.961 66.731 19.06.2014 06:39:12
10.INF7 - частный критерий: разн.усл.и безусл.вероятностей; ве... Семантический резонанс зна... 99.500 69.310 84.405 19.06.2014 06:40:08
10.INF7 - частный критерий: разн.усл.и безусл.вероятностей; ве... Сумма знаний 99.500 33.961 66.731 19.06.2014 06:40:08
Помощь
Рисунок 24 - Обобщенная форма по достоверности моделей при разных интегральных критериях
Г Є) 4.1.3.7. Обобщ.стат.анализ результатов идент. по моделям и инт.крит.. Текущая модель: "INF1"
—I
Наименование модели и частного критерия Наименование интегрального критерия Дифферен- циальная досто- верность модели Средний модуль уровня сходства ВЕРНО иденгиф. и неиденг объектов Средний модуль уровня сходства 0ШИБ идентиф. и неиаент объектов Разность ср. модулей ур.сход. ВЕРНО и 0ШИБ. идентиф. и неидент объектов Кол-во объектов распозн выборки Фактически относящи... к классу Ког BEF иде объ рас ВЫС -
Корреляция абс. частот с обр ... -23.323 34.001 34.285 -0.284 31
1. АВБ - частный критерий: количество встреч сочетаний: "клас... Сумма абс.частот по признак... -68.825 29.606 17.013 12.593 31
2. РРС1 - частный критерий: уел. вероятность (-го признака сред... Корреляция уел. отн. частот со... -23.323 34.001 34.285 -0.284 31
2. РПС1 - частный критерий: уел. вероятность иго признака сред... Сумма уел.отн.частот по приз... -68.825 92.910 56.548 36.362 31
3. РЯС2 - частный критерий: условная вероятность (то признака... Корреляция уел. отн. частот со... -23.323 34.001 34.285 -0.284 31
3. РЯС2 - частный критерий: условная вероятность ко признака... Сумма уел.отн.частот по приз... -68.825 92.910 56.548 36.362 31
4.1ЫР1 - частный критерий: количество знаний по А.Харкевичу. в... Семантический резонанс зна... 49.323 37.475 27.112 10.363 31
4.11^1 - частный критерий: количество знаний по А.Харкевичу. в... Сумма знаний -18.688 43.450 16.797 26.653 31
5.МР2 - частный критерий: количество знаний по А.Харкевичу, в... Семантический резонанс зна... 49.323 37.475 27.112 10.363 31
5.1ЫР2 - частный критерий: количество знаний по А.Харкевичу. в... Сумма знаний -18.688 43.450 16.797 26.653 31
6.1ЫРЗ - частный критерий: Хи-квадрат, разности между Фактич... Семантический резонанс зна... 40.715 42.771 27.214 15.558 31
9.1ЫРЗ - частный критерий: Хи-квадрат, разности между Фактич.. Сумма знаний 40.715 20.219 1.966 18.253 31
7.1ЫР4 - частный критерий: П01 (Ре1игп 0п 1т/е$1тепГ). вероятно . Семантический резонанс зна.. 58.723 39.256 22.694 16.562 31
7.1№Р4 - частный критерий: Р01 (Ре1игп 0п 1пуе$1теп(); вероятно.. Сумма знаний -26.828 10.749 3.335 7.415 31
8.1ЫР5 - частный критерий: Р01 (Ре1игп 0п 1пуе$1теп0; вероятно... Семантический резонанс зна... 58.723 39.256 22.694 16.562 31
Й .1ЫГР1 - уагтныы кгн-п-рпий- ИП1 ип Пп крппотнл Гіімма «ииЛ -Оf. яоя 1П 7AQ ч -чч*; і 41
з і 5 |б 1 8 -
«1 1 м Помощь
Рисунок 26 - Статистический анализ результатов идентификации по классам, моделям и интегральным критериям
Рисунок 28 - Частное распределение уровня сходства
в модели
ф 4.1.3.10. Достоверность идент. классов при разных моделях и инт.крит.. Текущая модель: "МР!"
Код Наименование МАХ Модель Интегр. Модель: Модель: Модель: Модель: Модель: Модель:
класса класса досто- сМАХ критерий АВБ, РЯС1. рвсг 1ЫР2, ІШ,
верность досто- с МАХ интегр. интегр интегр интегр интегр. интегр.
верност... досто- критер: критер. критер. критер. критер.. критер.
верност.. РЕЗОНАНС РЕЗОНАНС РЕЗОНАНС РЕЗОНАНС РЕЗОНАНС РЕЗОНА
ЗНАНИЙ ЗНАНИЙ ЗНАНИЙ ЗНАНИЙ ЗНАНИЙ ЗНАНИЙ
ТИП -земноводные 64.000 1ЫП ... Резонанс -93.000 -93.000 -93.000 64.000 64.000 7.(
2 ТИП-млекопитающие 100.000 ІНРЗ ... Резонанс 39.000 39.000 39.000 94.000 94.000 100.1
3 ТИП-многоногие 84.000 1^4 ... Резонанс -19.000 -19.000 -19.000 74.000 74.000 43. (
4 ТИП-насекомые 95.000 1^4 ... Резонанс 2.000 2.000 2.000 91.000 91.000 58.1
5 ТИП -пресмыкающиеся 37.000 1ЫР4 Резонанс -86.000 -86.000 -86.000 26.000 26.000 12.(
6 ТИП-птицы 93.000 1^4 ... Резонанс -22.000 -22.000 -22.000 84.000 84.000 56. (
7 ТИП-рыбы 82.000 1ЫР4 ... Резонанс -66.000 -66.000 -66.000 63.000 63.000 58.1
8 НАИ М ЕН ОВАНИЕ-акула-катран 67.000 1^4 ... Резонанс -57.000 -57.000 -57.000 59.000 59.000 40. (
9 НАИМЕНОВАНИЕ-антилопа 1.000 1ЫР4 ... Резонанс -41.000 -41.000 -41.000 -1.000 -1.000 -1.(
10 НАИМЕНОВАНИЕ ара 64.000 Ш4 ... Резонанс 51.000 51.000 43. (
11 НАИМЕНОВАНИЕ-бабуин 1.000 1ЫР4 ... Резонанс -41.000 -41.000 -41.000 -1.000 -1.000 -1.1
12 НАИМЕНОВАНИЕ-барсук 1.000 1ЫР4 ... Резонанс -41.000 -41.000 -41.000 -1.000 -1.000 -1.1
13 НАИМЕНОВАНИЕ-бегемот 1.000 1ЫР4 ... Резонанс -41.000 -41.000 -41.000 -1.000 -1.000 -1.(
14 НАИМЕНОВАНИЕ-белка 5.000 1ЫР4 ... Резонанс -47.000 -47.000 -47.000
15 НАИМЕНОВАНИЕ-белый медведь -24.000 1ЫР4 ... Резонанс -61.000 -61.000 -61.000 -30.000 -30.000 -30. (
16 НАИМЕНОВАНИЕ-бизон 4.000 ШР4 ... Резонанс -17.000 -17.000 -17.000 3.000 3.000 2.<
17 НАИМЕНОВАНИЕ-блоха 75.000 1ЫР4 ... Резонанс -30.000 -30.000 -30.000 61.000 61.000 28. (
18 НАИМЕНОВАНИЕ-богомол 72.000 1ЫР4 ... Резонанс -10.000 -10.000 -10.000 46.000 46.000 34.(1
- - - ^ — ■ > т- , -
Помощь
Из рисунка 28 видно, что созданная модель лучше определяет непринадлежность объекта к классу, чем принадлежность.
2.6. Информационные портреты классов и признаков
Рассмотрим информационные портреты классов в режиме 4.2.1 (рисунок 30).
4.2.1. Информационные портреты классов ^ [«_» | ED
Инф.портрет класса: 2 ’ТИП-млекопитающие" в модели: 6 "INF3"
II ' * I Наименование класса — Код I Наименование признака I Значимость
1 ТИП -земноводные 6 МОЛОКО-есть 49.995
2 ТИП-млекопитающие ... ЯЙЦО-нет 47.480
3 ТИП-многоногие ... 1 ШЕРСТЬ-есть 41.480
4 ТИП-насекомые .. 15 ЗУБАСТЫЙ-есть 32.855
5 ТИП-пресмыкающиеся ... 12 ВОДНЫЙ-нет 25.740
6 ТИП-птицы ... 10 ВОЗДУШНЫЙ-нет 17.200
7 ТИП-рыбы ... 4 ПЕРЬЯ-нет 16.160
8 НАИ МЕ Н 0 В АН И Е -аку ла-катран 19 ДЫШИТ-есть 14.645
9 НАИМЕНОВАНИЕ-антилопа ... 17 ПОЗВОНОЧНИК-есть 14.140
10 НАИМЕНОВАНИЕ-ара ... 22 ЯДОВИТЫЙ-нет 6.575
11 НАИМЕНОВАНИЕ-бабуин ... 14 ХИЩНИК-нет 5.490
12 НАИМЕНОВАНИЕ-барсук ... 13 ХИЩНИК-есть -5.490
13 НАИМЕНОВАНИЕ-бегемот 21 ЯДОВИТЫЙ-есть -6.575
14 НАИМЕНОВАНИЕ-белка 23 ПЛАВНИК-есть -10.120
15 Н АИ МЕ Н 0 ВАН И Е -белый медведь .. 18 ПОЗВОНОЧНИК-нет -14.140
16 НАИМЕНОВАНИЕ-бизон 20 ДЫШИТ-нет -14.645
17 НАИМЕНОВАНИЕ-блоха ... 3 ПЕРЬЯ-есть -16.160
18 НАИМЕНОВАНИЕ-богомол 9 ВОЗДУШНЫЙ-есть -17.200
19 НАИМЕНОВАНИЕ-божья коровка ... 11 ВОДНЫЙ-есть -25.740
20 НАИМЕНОВАНИЕ-боров 16 ЗУБАСТЫЙ-нег -32.855
21 НАИМЕНОВАНИЕ-буйвол ... 2 ШЕРСТЬ-нет -41.480
22 НАИМЕНОВАНИЕ-бурый медведь ... 5 ЯЙЦО-есть -47.480
23 НАИ МЕНОВАНИЕ-ваоан 8 МОЛОКО-нет -49.995.
<1 ► < і ► [
Помощь АЬз Ргс1 Pic2 Inf1 inf2 Irf3 | Inf4 | Inf5 | Inf6 Inf7 MS Excel | ВКЛ.фильтр по Фактору | ВЫКЛ.Фильтр по Фактору li Вписать в окно! Показать ВСЕ
Iі
Рисунок 30 - Информационный портрет класса «Млекопитающие»
Из этого портрета мы можем сделать вывод о том, что на основе определений конкретных объектов обучающей выборки (т.е. конкретных онтологий), в каждом из которых были с одной стороны приведены признаки объекта, а с другой указана его принадлежность к обобщающим классам, система «Эйдос» смогла сформировать обобщенные определения классов (обобщенные онтологии), в которых для каждого класса указана степень характерности и не характерности для него всех имеющихся в модели признаков. В данном случае в качестве объектов обучающей выборки выступали описания живых существ, но в принципе ими могут быть любые объекты или их состояния из любой предметной области (например,
[9]5), т.к. система «Эйдос» разрабатывалась в обобщенной постановке, независящей от предметной области.
Частные критерии:
- ABS - частный критерий: количество встреч сочетаний: "класс-признак" у объектов обучающей выборки;
- PRC1 - частный критерий: условная вероятность i-го признака среди признаков объектов j-го класса;
- PRC2 - частный критерий: условная вероятность i-го признака у объектов j-го класса;
- INF1 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC1;
- INF2 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC2;
- INF3 - частный критерий: Хи-квадрат, разности между фактическими и ожидаемыми абсолютными частотами;
- INF 4 - частный критерий: ROI (Return on investment); вероятности из PRC1;
- INF 5 - частный критерий: ROI (Return on investment); вероятности из PRC2;
- INF6 - частный критерий: разности условной и безусловной вероятностей; вероятности из PRC1;
- INF7 - частный критерий: разности условной и безусловной ве-
роятностей; вероятности из PRC2.
Информационные портреты классов могут быть от отфильтрованы по одной из описательных шкал, т.е. по одному из факторов, в этом случае информационный портрет будет отражать влияние на переход объекта управления в состояние, соответствующее классу, не всех отраженных в модели факторов, а значений (т. е. градаций описательных шкал или признаков) одного из них:
- выбор класса осуществляется установкой курсора на записи с
нужным классом в левом окне;
- выбор статической модели или модели знаний осуществляется
нажатием соответствующей кнопки внизу окна;
- выбор фактора (описательной шкалы) для фильтрации осу-
ществляется путем указания его курсором в правом окне и последующего нажатия кнопки "вкл. фильтр по фактору".
Рассмотрим информационные или семантические (смысловые) портреты признаков в режиме 4.3.1. Данный режим показывает какой смысл имеет тот или иной признак, т.е., например, для модели INF1, какое количество информации содержится в факте наблюдения данного признака у
5 Система «Эйдос» была применена во многих предметных областях: http://lc.kubagro.ru/ http://ej.kubagro.ru/a/viewaut.asp?id=11 http://ej.kubagro.ru/2014/06/pdf/90.pdf
некоторого объекта о том, что этот объект принадлежит различным клас-
О 4.3,1, Информационные портреты признаков
Инф.портрет признака: 26 "НОГИ-две" в нодели: 6 'ЧИРЗ11
Код 1 Наименование признака * Код Наименование класса Значимость
15 ЗУБАСТЫЙ-есть ... 6 ТИП-птицы 21.710
16 ЗУБАСТЫЙ-нет ... 10 НАИМЕНОВАНИЕ-ара 0.815
17 ПОЗВОНОЧНИК-есть ... 26 НАИМЕНОВАНИЕ-водорез 0.515
18 ПОЗВОНОЧНИК-нет 29 НАИМЕНОВАНИЕ-воробей 0.815
19 ДЫШИТ-есть ... 30 НАИМЕНОВАНИЕ-ворона 0.815
20 ДЫШИТ-нет ... 40 НАИМЕНОВАНИЕ-го лубь 0.815
21 ЯДОВИТЫЙ-есть ... 41 НАЙМЕНОВАНИЕ-горилла 0.815
22 ЯДОВИТЫЙ-нет ... 42 НАИМЕНОВАНИЕ-горлица 0.815
23 ПЛАВНИК-есть ... 44 НАИМЕНОВАНИЕ-девочка 0.815
24 ПЛАВ НИК-нет ... 46 НАИМЕНОВАНИЕ-десмоа 0.815
25 НОГИ-восемь ... 40 НА И М Е Н 0 ВАН И Е -длиннохвостый попугай 0.815
26 НОГИ-две ... 50 НАИМЕНОВАНИЕ-дятел 0.815
27 НОГИ-нет ... 55 Н АИ М Е Н 0 ВАН И Е -жаворонок 0.815
28 НОГИ-три ... 72 НАИМЕНОВАНИЕ -кенгуру-валлаби 0.815
28 НОГИ-четыре ... 73 НАИМЕНОВАНИЕ-киви 0.815
30 НОГИ-шесть ... 84 НАИМЕНОВАНИЕ-крапивник 0.815
31 ХВОСТ-есть ... 87 НАИМЕНОВАНИЕ-крылан 0.815
32 ХВОСТ-нет ... 1 ТИП -земноводные -1.295
33 ДОМАШНИЙ-есть ... 3 ТИП-многоногие -2.035
34 ДОМАШНИЙ-нет ... 5 ТИП-пресмыкагащиеря -2.590
35 БОЛЬШЕ КОШКИ-есть ... 4 ТИП-насекомые -2.960
36 БОЛЬШЕ КОШКИ-нет ... Г 7 ТИП-рыбы -3.145 Г
*1 ї 2 ТИП -м лекопитаюш ие -9.685
Помощь АЬэ Ргс1 Ргс21 ІпМ Іп(2 Іп(3 Іп(4 Іп(5 1п(Б 1п(7 М5 ЕхсеІ В КЛ. Фильтр по к л. шкале В ЫКЛ. Фильтр по к л. шкале II Вписать в окно! Показать ВСЕ
[I . . ' і
Рисунок 31 - Информационные портреты признаков
2.7. Когнитивные функции
Рассмотрим режим 4.5, в котором реализована возможность визуализации когнитивных функций для любых моделей и любых сочетаний классификационных и описательных шкал (рисунок 32):
1™1иЫйямГ
£) 4.5. Визуализация когнитивных функций
Что такое когнитивная функция:
Визуализация прямых, обратных, позитивных, негативных, полностью и частично редуцированных когнитивных Функций Когнитивная Функция представляет собой графическое отображение силы и направления влияния различных значений некоторого Фактора на переходы объекта управления в будущие состояния, соответствующие классам. Когнитивные Функции представляют собой новый перспективный инструмент отражения и наглядной визуализации закономерностей и эмпирических законов. Разработка содержательной научной интерпретации когнитивных функций представляет собой способ познания природы, общества и человека. Когнитивные Функции могут быть: прямые, отражающие зависимость классов от признаков, обобщающие информационные портреты признаков; обратные, отражающие зависимость признаков от классов, обобщающие информационные портреты классов; позитивные, показывающие чему способствуют система детерминации; негативные, отражающие чему препятствуют система детерминации; средневзвешенные, отражающие совокупное влияние всех значений факторов на поведение объекта; с различной степенью редукции или степенью детерминации, которая отражает в графической Форме (в Форме полосы) количество знаний в аргументе о значении Функции и является аналогом и обобщением доверительного интервала. Если отобразить подматрицу матрицы знания, отображая цветом силу и направление влияния каждой градации некоторой описательной шкалы на переход объекта в состояния, соответствующие классам некоторой классификационной шкалы, то получим нередуцированную когнитивную Функцию. Когнитивные Функции являются наиболее развитым средством изучения причинно-следственных зависимостей в моделируемой предметной области, предоставляемым системой ’Эйдос". Необходимо отметить, что на вид Функций влияния математической моделью СК-анализа не накладывается никаких ограничений, в частности, они могут быть и не дифференцируемые. См.: Луценко Е.В. Метод визуализации когнитивных функций - новый инструмент исследования эмпирических данных большой размерности I Е.В. Луценко, А.П. Трунев, Д.К. Бандык // Полигематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) Рлектронный ресурс]. • Краснодар: КубГАУ, 2011. -N*03(67). С. 240 - 282. - Шифр Информрегистра: 042110001240077., 2,688 у.п. л. - Режим доступа:
ЬКр://ег киЬааго. ги/2011 /ОЗЛиИ/18 осЙ
Задайте нужный режим:
Визуализации когнитивных функций
Скачать подборку публикаций по когнитивным Функциям
Литератур.ссылки на статьи по когнитивным Функциям Скачать подборку публикаций по управлению знаниями
Рисунок 32 - Экранная форма режима 4.5 системы «Эйдос-Х++» «Визуализация когнитивных функций»
Когнитивным функциям посвящено много работ6, но наиболее новой
и обобщающей из них является работа [8]. Поэтому здесь не будем останавливаться на описании того, что представляют собой когнитивные функции в АСК-анализе [].
Для классификационной шкалы «ТИП» (это обобщенные классы) когнитивные функции и всех описательных шкал для модели 1ЫБ3 (Хи-квадрат) приведены на рисунке 33:
Рисунок 33 - Визуализация когнитивных функций для обобщенных классов и всех описательных шкал для модели 1ЫБ3
ЗАКЛЮЧЕНИЕ
В соответствии с поставленными целью и задачами в первой главе работы был проведен обзор теории к решению задачи, выявление проблематики, исходных данных, инструментария и метризации шкал.
Во второй главе работы было представлено решение поставленной задачи по разработке методики оценки качества математических моделей систем искусственного интеллекта для классификации животных по внешним признакам на основе базы данных репозитария иС1..
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Сайт профессора Е.В.Луценко [Электронный ресурс]. Режим доступа: http://lc.kubagro.ru/, свободный. - Загл. с экрана. Яз. рус.
2. Луценко Е.В. Универсальная автоматизированная система распознавания образов "Эйдос" (версия 4.1).-Краснодар: КЮИ МВД РФ, 1995.- 76с.
3. Свободна энциклопедия Википедия [Электронный ресурс]. Статья "Microsoft Word". Режим доступа: http://ru.wikipedia.org/wiki/Microsoft_Word, свободный. - Загл. с экрана. Яз. рус.
4. Свободна энциклопедия Википедия [Электронный ресурс]. Статья "Microsoft Excel". Режим доступа: http://ru.wikipedia.org/wiki/Microsoft_Excel, свободный. - Загл. с экрана. Яз. рус.
5. Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая количественная обработка разнородных факторов в системнокогнитивном анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. -№08(092). С. 859 - 883. - IDA [article ID]: 0921308058. - Режим доступа: http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562 у.п.л.
6. Репозитарий UCI [Электронный ресурс]. Статья "Zoo Data Set". Режим доступа: http://archive.ics.uci.edu/ml/datasets/Zoo, свободный. - Загл. с экрана. Яз. анг.
7. Луценко Е.В. Методика использования репозитария UCI для оценки качества математических моделей систем искусственного интеллекта / Е. В. Луценко // Полите-матический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2003. - №02(002). С. 120 - 145. - IDA [article ID]: 0020302012. - Режим доступа: http://ej.kubagro.ru/2003/02/pdf/12.pdf, 1,625 у.п.л.
8. Луценко Е.В. Когнитивные функции как обобщение классического понятия функциональной зависимости на основе теории информации в системной нечеткой интервальной математике / Е.В. Луценко, А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. -№01(095). С. 122 - 183. - IDA [article ID]: 0951401007. - Режим доступа: http://ej.kubagro.ru/2014/01/pdf/07.pdf, 3,875 у.п.л.
9. Некрасов С.Д. Определимся с понятием «Отцовство» / С.Д. Некрасов,
З.И. Рябикина, А.Р. Тиводар // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №02(086). С. 280 - 290. - IDA [article ID]: 0861302019. - Режим доступа: http://ej.kubagro.ru/2013/02/pdf/19.pdf, 0,688 у.п.л.
10. Луценко Е.В. Теоретические основы, технология и инструментарий автоматизированного системно-когнитивного анализа и возможности его применения для сопоставимой оценки эффективности вузов / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №04(088). С. 340 - 359. - IDA [article ID]: 0881304022. - Режим доступа: http://ej.kubagro.ru/2013/04/pdf/22.pdf, 1,25 у.п.л.
11. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организацион-
но-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с.
12. Луценко Е.В. 30 лет системе «Эйдос» - одной из старейших отечественных универсальных систем искусственного интеллекта, широко применяемых и развивающихся и в настоящее время / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №10(054). С. 48 -77. - Шифр Информрегистра: 0420900012\0110, IDA [article ID]: 0540910004. - Режим доступа: http://ej.kubagro.ru/2009/10/pdf/04.pdf, 1,875 у.п.л.
13. Луценко Е.В. Универсальная когнитивная аналитическая система «Эйдос-Х++» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2012. - №09(083). С. 328 - 356. - IDA [article ID]: 0831209025. - Режим доступа: http://ej.kubagro.ru/2012/09/pdf/25.pdf, 1,812 у.п.л.
References
1. Sajt professora E.V.Lucenko [Jelektronnyj resurs]. Rezhim dostupa: http://lc.kubagro.ru/, svobodnyj. - Zagl. s jekrana. Jaz. rus.
2. Lucenko E.V. Universal'naja avtomatizirovannaja sistema raspoznavanija obrazov "Jejdos" (versija 4.1).-Krasnodar: KJuI MVD RF, 1995.- 76s.
3. Svobodna jenciklopedija Vikipedija [Jelektronnyj resurs]. Stat'ja "Microsoft Word". Rezhim dostupa: http://ru.wikipedia.org/wiki/Microsoft_Word, svobodnyj. - Zagl. s jekrana. Jaz. rus.
4. Svobodna jenciklopedija Vikipedija [Jelektronnyj resurs]. Stat'ja "Microsoft Excel". Rezhim dostupa: http://ru.wikipedia.org/wiki/Microsoft_Excel, svobodnyj. - Zagl. s jekrana. Jaz. rus.
5. Lucenko E.V. Metrizacija izmeritel'nyh shkal razlichnyh tipov i sovmestnaja sopostavimaja kolichestvennaja obrabotka raznorodnyh faktorov v sistemno-kognitivnom an-alize i sisteme «Jejdos» / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2013. - №08(092). S. 859 - 883. - IDA [article ID]: 0921308058. - Rezhim dostupa: http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562 u.p.l.
6. Repozitarij UCI [Jelektronnyj resurs]. Stat'ja "Zoo Data Set". Rezhim dostupa: http://archive.ics.uci.edu/ml/datasets/Zoo, svobodnyj. - Zagl. s jekrana. Jaz. ang.
7. Lucenko E.V. Metodika ispol'zovanija repozitarija UCI dlja ocenki kachestva ma-tematicheskih modelej sistem iskusstvennogo intellekta / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2003. -№02(002). S. 120 - 145. - IDA [article ID]: 0020302012. - Rezhim dostupa: http://ej.kubagro.ru/2003/02/pdf/12.pdf, 1,625 u.p.l.
8. Lucenko E.V. Kognitivnye funkcii kak obobshhenie klassicheskogo ponjatija funkcional'noj zavisimosti na osnove teorii informacii v sistemnoj nechetkoj interval'noj ma-tematike / E.V. Lucenko, A.I. Orlov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2014. - №01(095). S. 122 - 183. - IDA [article ID]: 0951401007. - Rezhim dostupa: http://ej.kubagro.ru/2014/01/pdf/07.pdf, 3,875 u.p.l.
9. Nekrasov S.D. Opredelimsja s ponjatiem «Otcovstvo» / S.D. Nekrasov, Z.I. Rjabikina, A.R. Tivodar // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jel-
ektronnyj resurs]. - Krasnodar: KubGAU, 2013. - №02(086). S. 280 - 290. - IDA [article ID]: 0861302019. - Rezhim dostupa: http://ej.kubagro.ru/2013/02/pdf/19.pdf, 0,688 u.p.l.
10. Lucenko E.V. Teoreticheskie osnovy, tehnologija i instrumentarij avtomatizirovan-
nogo sistemno-kognitivnogo analiza i vozmozhnosti ego primenenija dlja sopostavimoj ocen-ki jeffektivnosti vuzov / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jel-ektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2013. - №04(088). S. 340 -359. - IDA [article ID]: 0881304022. - Rezhim dostupa:
http://ej.kubagro.ru/2013/04/pdf/22.pdf, 1,25 u.p.l.
11. Lucenko E.V. Avtomatizirovannyj sistemno-kognitivnyj analiz v upravlenii ak-tivnymi ob#ektami (sistemnaja teorija informacii i ee primenenie v issledovanii jekonomich-eskih, social'no-psihologicheskih, tehnologicheskih i organizacionno-tehnicheskih sistem): Monografija (nauchnoe izdanie). - Krasnodar: KubGAU. 2002. - 605 s.
12. Lucenko E.V. 30 let sisteme «Jejdos» - odnoj iz starejshih otechestvennyh univer-
sal'nyh sistem iskusstvennogo intellekta, shiroko primenjaemyh i razvivajushhihsja i v nasto-jashhee vremja / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2009. - №10(054). S. 48 - 77. - Shifr Informregis-tra: 0420900012\0110, IDA [article ID]: 0540910004. - Rezhim dostupa:
http://ej.kubagro.ru/2009/10/pdf/04.pdf, 1,875 u.p.l.
13. Lucenko E.V. Universal'naja kognitivnaja analiticheskaja sistema «Jejdos-H++» / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. -Krasnodar: KubGAU, 2012. - №09(083). S. 328 - 356. - IDA [article ID]: 0831209025. -Rezhim dostupa: http://ej.kubagro.ru/2012/09/pdf/25.pdf, 1,812 u.p.l.
s.
ПРИЛОЖЕНИЕ - Таблица П.1 - Файл исходных данных для системы «Эйдос»
Наименование Тип Наименование Шерсть я ь а с Яйцо ок о ц о Воздушный Водный Хищник Зубастый Позвоночник Дышит Ядовитый Плавник и и & Хвост Домашний Больше кошки
акула-катран рыбы акула-катран нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
антилопа млекопитающие антилопа есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
ара птицы ара нет есть есть нет есть есть нет нет есть есть нет нет две есть есть нет
бабуин млекопитающие бабуин есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
барсук млекопитающие барсук есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
бегемот млекопитающие бегемот есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
белка млекопитающие белка есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет нет
белый медведь млекопитающие белый медведь есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
бизон млекопитающие бизон есть нет нет есть нет нет нет есть есть есть нет нет четыре есть есть есть
блоха насекомые блоха нет нет есть нет нет есть нет нет нет есть нет нет шесть нет нет нет
богомол насекомые богомол нет нет есть нет есть есть есть нет нет есть нет нет шесть есть есть нет
божья коровка насекомые божья коровка нет нет есть нет есть есть есть нет нет есть нет нет шесть нет нет нет
боров млекопитающие боров есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
буйвол млекопитающие буйвол есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
бурый медведь млекопитающие бурый медведь есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
варан пресмыкающиеся варан нет нет есть нет нет есть есть нет есть есть нет нет четыре есть есть есть
верблюд млекопитающие верблюд есть нет нет есть нет нет нет есть есть есть нет нет четыре есть есть есть
вивверина млекопитающие вивверина есть нет нет есть нет нет есть есть есть есть нет нет четыре есть есть есть
водорез птицы водорез нет есть есть нет есть есть есть нет есть есть нет нет две есть нет нет
волк млекопитающие волк есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
вомбат млекопитающие вомбат есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
воробей птицы воробей нет есть есть нет есть есть нет нет есть есть нет нет две есть нет нет
ворона птицы ворона нет есть есть нет есть есть есть нет есть есть нет нет две есть нет нет
выхухоль птицы выхухоль нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет нет
гадюка пресмыкающиеся гадюка нет нет есть нет нет есть есть нет нет есть есть нет нет есть нет нет
газель млекопитающие газель есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
геккон пресмыкающиеся геккон нет нет есть нет нет есть нет нет есть есть нет нет четыре есть есть нет
гепард млекопитающие гепард есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
гиббон млекопитающие гиббон есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
гиена млекопитающие гиена есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
глухарь птицы глухарь нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет нет
голавль рыбы голавль нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет нет
голубь птицы голубь нет есть есть нет есть есть нет нет есть есть нет нет две есть есть нет
горилла млекопитающие горилла есть нет нет есть нет нет нет есть есть есть нет нет две нет нет есть
горлица птицы горлица нет есть есть нет есть есть нет нет есть есть нет нет две есть есть нет
горностай млекопитающие горностай есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
девочка млекопитающие девочка есть нет нет есть нет нет есть есть есть есть нет нет две нет есть есть
дельфин млекопитающие дельфин нет нет нет есть нет есть есть есть есть есть нет есть нет есть нет есть
десмод млекопитающие десмод есть нет нет есть есть нет нет есть есть есть нет нет две есть нет нет
динго млекопитающие динго есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
длиннохвостый попугай птицы длиннохвостый попугай нет есть есть нет есть есть нет нет есть есть нет нет две есть есть нет
древолаз земноводные древолаз нет нет есть нет нет есть нет нет есть есть нет есть четыре нет нет нет
дятел птицы дятел нет есть есть нет есть есть нет нет есть есть нет нет две есть есть нет
еж млекопитающие еж есть нет нет есть нет нет есть есть есть есть нет нет четыре есть есть нет
енот млекопитающие енот есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
ехидна млекопитающие ехидна есть нет нет есть нет нет нет нет есть есть есть нет четыре нет нет есть
жаба земноводные жаба нет нет есть нет нет есть нет есть есть есть нет нет четыре нет нет нет
жаворонок птицы жаворонок нет есть есть нет есть есть нет нет есть есть нет нет две есть нет нет
жираф млекопитающие жираф есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
жук-носорог насекомые жук-носорог нет нет есть нет есть есть нет нет нет есть нет нет шесть нет нет нет
заяц млекопитающие заяц есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет нет
зебу млекопитающие зебу есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
землеройка млекопитающие землеройка есть нет нет есть нет нет нет нет есть есть нет нет четыре есть нет есть
зубатка рыбы зубатка нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет нет
зубр млекопитающие зубр есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
игрунка млекопитающие игрунка есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
кабан млекопитающие кабан есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
кайман пресмыкающиеся кайман нет нет есть нет нет есть есть нет есть есть нет нет четыре есть нет есть
какаду птицы какаду нет есть есть нет есть есть нет нет есть есть нет нет три есть есть нет
кальмар многоногие кальмар нет нет нет нет нет есть есть нет нет нет нет нет нет нет нет есть
канарейка птицы канарейка нет есть есть нет есть есть нет нет есть есть нет нет четыре есть есть нет
каракал млекопитающие каракал есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
карп рыбы карп нет нет есть нет нет есть нет есть есть нет нет есть нет есть есть нет
кашалот млекопитающие кашалот есть нет нет есть нет есть нет есть есть есть нет нет нет есть нет есть
кенгуру-валлаби млекопитающие кенгуру-валлаби есть нет нет есть нет нет нет есть есть есть нет нет две есть нет есть
киви птицы киви нет есть есть нет нет есть есть нет есть есть нет нет две есть нет нет
кит млекопитающие кит нет нет нет есть нет есть нет есть есть есть нет нет нет есть нет есть
коза млекопитающие коза есть нет нет есть нет нет нет есть есть есть нет нет четыре есть есть есть
койот млекопитающие койот есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет нет
комар насекомые комар нет нет есть нет есть есть нет нет нет есть нет нет шесть нет нет нет
комнатная муха насекомые комнатная муха есть нет есть нет есть есть нет нет нет есть нет нет шесть нет нет нет
корсак млекопитающие корсак есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет нет
косатка млекопитающие косатка нет нет нет есть нет есть есть есть есть есть нет нет нет есть нет есть
косуля млекопитающие косуля есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет нет
кошека млекопитающие кошека есть нет нет есть нет нет есть есть есть есть нет нет четыре есть есть есть
краб многоногие краб нет нет есть нет нет есть есть нет нет нет нет нет четыре нет нет нет
крапивник птицы крапивник нет есть есть нет есть есть нет нет есть есть нет нет две есть нет нет
крокодил пресмыкающиеся крокодил нет нет есть нет нет есть есть нет есть есть нет нет четыре есть нет есть
крот млекопитающие крот есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет нет
крылан млекопитающие крылан есть нет нет есть есть нет есть есть есть есть нет нет две есть нет нет
крыса млекопитающие крыса есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет нет
куница млекопитающие куница есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
лама млекопитающие лама есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
лань млекопитающие лань есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
лебедь птицы лебедь нет есть есть нет есть есть нет нет есть есть нет нет две есть нет есть
лев млекопитающие лев есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
лемур млекопитающие лемур есть нет нет есть нет нет нет есть есть есть нет нет две есть нет есть
ленивец млекопитающие ленивец есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
леопард млекопитающие леопард есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
летучая мышь млекопитающие летучая мышь нет нет нет есть есть нет есть есть есть есть нет нет две есть нет нет
лиса млекопитающие лиса есть нет нет есть нет нет есть есть есть есть нет нет четыре есть нет есть
лошадь млекопитающие лошадь есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
лягушка земноводные лягушка нет нет есть нет нет есть есть есть есть есть нет нет четыре нет нет нет
лягушка земноводные лягушка нет нет есть нет нет есть есть есть есть есть есть нет четыре нет нет нет
майский жук насекомые майский жук есть нет есть нет есть есть нет нет нет есть нет нет шесть нет нет нет
макака млекопитающие макака есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
мангуст млекопитающие мангуст есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
марская змея пресмыкающиеся морская змея нет нет нет нет нет есть есть есть есть нет есть нет нет есть нет нет
мартышка млекопитающие мартышка есть нет нет есть нет нет нет есть есть есть нет нет четыре есть нет есть
медведь млекопитающие медведь есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
медведь гризли млекопитающие медведь гризли есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
моллюск многоногие моллюск нет нет есть нет нет есть есть нет нет нет нет нет нет нет нет нет
моль насекомые моль есть нет есть нет есть есть нет нет нет есть нет нет шесть нет нет нет
морж млекопитающие морж нет нет нет есть нет есть есть есть есть есть нет нет нет есть нет есть
морская звезда многоногие морская звезда нет нет есть нет нет есть есть нет нет нет нет нет четыре нет нет нет
морская медуза многоногие морская медуза нет нет есть нет нет есть есть нет нет нет есть нет нет нет нет нет
морская свинья млекопитающие морская свинья нет нет нет есть нет есть есть есть есть есть нет нет четыре есть нет нет
морской конек рыбы морской конек нет нет есть нет нет есть нет есть есть нет нет есть нет есть нет нет
морской котик млекопитающие морской котик нет нет нет есть нет есть есть есть есть есть нет нет нет есть нет есть
морской лев млекопитающие морской лев есть нет нет есть нет есть есть есть есть есть нет нет нет есть нет есть
морской язык рыбы морской язык нет нет есть нет нет есть нет есть есть нет нет есть нет есть нет нет
мул млекопитающие мул есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет есть
муравей насекомые муравей есть нет есть нет нет есть нет нет нет есть нет нет шесть нет нет нет
муравьед млекопитающие муравьед есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет есть
нанду птицы нанду нет есть есть нет нет есть есть нет есть есть нет нет две есть нет есть
неразлучник птицы неразлучник нет есть есть нет нет есть нет нет есть есть нет нет три есть нет есть
норка млекопитающие норка есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет нет
норница земноводные норница нет нет есть нет нет есть нет нет есть есть нет есть четыре нет нет нет
овца млекопитающие овца есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет есть
окунь рыбы окунь нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет нет
олень млекопитающие олень есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет есть
омар многоногие омар нет нет есть нет нет есть есть нет нет нет нет нет шесть нет нет нет
опоссум млекопитающие опоссум есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет нет
орел птицы орел нет есть есть нет нет есть есть нет есть есть нет нет четыре есть нет есть
орикс млекопитающие орикс есть нет нет есть нет есть нет есть есть есть нет нет две есть нет нет
оса насекомые оса есть нет есть нет есть есть нет нет нет есть есть нет шесть нет нет нет
осел млекопитающие осел есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет есть
осьминог многоногие осьминог нет нет есть нет нет есть есть нет нет нет нет нет восемь нет нет есть
панда млекопитающие панда есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет есть
пантера млекопитающие пантера есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
паук насекомые паук есть нет есть нет нет есть есть нет нет есть есть нет восемь нет нет нет
пескарь рыбы пескарь нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
пикша рыбы пикша нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
пингвин птицы пингвин нет есть есть нет нет есть есть нет есть есть нет нет две есть нет есть
пиранья рыбы пиранья нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
полевка млекопитающие полевка есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет нет
полоз пресмыкающиеся полоз нет нет нет нет нет есть есть есть есть нет есть нет нет есть нет нет
поморник птицы поморник нет есть есть нет есть есть есть нет есть есть нет нет две есть нет нет
пони млекопитающие пони есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет есть
пума млекопитающие пума есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
пчела медоносная насекомые пчела медоносная есть нет есть нет есть есть нет нет нет есть есть нет шесть нет есть нет
речной рак многоногие речной рак нет нет есть нет нет есть есть нет нет нет нет нет шесть нет нет нет
росомаха млекопитающие росомаха есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
рысь млекопитающие рысь есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
сайгак млекопитающие сайгак есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
саламандра земноводные саламандра нет нет есть нет нет есть нет нет есть есть нет есть четыре нет нет нет
саранча насекомые саранча есть нет есть нет есть есть нет нет нет есть есть нет шесть нет есть нет
свинья млекопитающие свинья есть нет нет есть нет есть нет есть есть есть нет нет четыре нет есть нет
северный олень млекопитающие северный олень есть нет нет есть нет есть нет есть есть есть нет нет четыре есть есть есть
сельдь рыбы сельдь нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
семга рыбы семга нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
сервал млекопитающие сервал есть нет нет есть нет есть нет есть есть есть нет нет четыре есть есть есть
серна млекопитающие серна есть нет нет есть нет есть нет есть есть есть нет нет четыре есть есть есть
сизарь птицы сизарь нет есть есть нет есть есть нет нет есть есть нет нет две есть есть нет
сирена млекопитающие сирена есть нет нет есть нет есть нет есть есть есть нет нет две есть есть есть
скат рыбы скат нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
скорпион многоногие скорпион нет нет нет нет нет есть есть нет нет есть есть нет восемь есть нет нет
скунс млекопитающие скунс есть нет нет есть нет есть нет есть есть есть нет нет четыре есть есть есть
слепозмейка пресмыкающиеся слепозмейка нет нет есть нет нет есть есть есть есть есть нет нет нет есть нет нет
слизняк многоногие слизняк нет нет есть нет нет есть нет нет нет есть нет нет нет нет нет нет
слон млекопитающие слон есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет есть
собака млекопитающие собака есть нет нет есть нет есть есть есть есть есть нет нет четыре есть есть есть
сова птицы сова нет есть есть нет есть есть есть нет есть есть нет нет две есть есть есть
соловей птицы соловей нет есть есть нет есть есть нет нет есть есть нет нет две есть есть нет
сом рыбы сом нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
сорока птицы сорока нет есть есть нет есть есть нет нет есть есть нет нет две есть есть нет
стервятник птицы стервятник нет есть есть нет есть есть есть нет есть есть нет нет две есть нет есть
страус птицы страус нет есть есть нет нет есть нет нет есть есть нет нет две есть нет есть
стрекоза насекомые стрекоза есть нет есть нет есть есть нет нет нет есть есть нет восемь нет нет нет
сурок млекопитающие сурок есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
тамарин млекопитающие тамарин есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
таракан насекомые таракан есть нет есть нет нет есть нет нет нет есть есть нет шесть нет есть нет
теленок млекопитающие теленок есть нет нет есть нет есть нет есть есть есть нет нет четыре есть есть есть
термит насекомые термит нет нет есть нет нет есть нет нет нет есть нет нет шесть нет нет нет
тигр млекопитающие тигр есть нет нет есть нет есть есть есть есть есть нет нет четыре есть есть есть
тритон земноводные тритон нет нет есть нет нет есть есть есть есть есть нет нет четыре есть нет нет
туатара пресмыкающиеся туатара нет нет есть нет нет есть есть есть есть есть нет нет четыре есть нет нет
тунец рыбы тунец нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
тушканчик млекопитающие тушканчик есть нет нет есть нет есть есть есть есть есть нет нет четыре нет нет есть
тюлень млекопитающие тюлень есть нет нет есть нет есть есть есть есть есть нет есть нет есть нет есть
удав пресмыкающиеся удав нет нет есть нет нет есть есть есть есть есть нет нет нет есть есть нет
удод птицы удод нет есть есть нет есть есть нет нет есть есть нет нет две есть есть нет
утка птицы утка нет есть есть нет есть есть нет нет есть есть нет нет две есть нет нет
утконос млекопитающие утконос есть нет есть есть нет есть есть нет есть есть нет нет четыре есть нет есть
фазан птицы фазан нет есть есть нет есть есть нет нет есть есть нет нет две есть нет нет
фенек млекопитающие фенек есть нет нет есть нет есть нет есть есть есть нет нет четыре есть есть нет
фламинго птицы фламинго нет есть есть нет есть есть нет нет есть есть нет нет две есть нет есть
форель рыбы форель нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
хамелеон пресмыкающиеся хамелеон нет нет есть нет нет есть есть есть есть есть нет нет четыре есть есть нет
хомяк млекопитающие хомяк есть нет нет есть нет есть нет есть есть есть нет нет четыре есть есть нет
хорек млекопитающие хорек есть нет нет есть нет есть есть есть есть есть нет нет четыре есть нет есть
цыпленок птицы цыпленок нет есть есть нет есть есть нет нет есть есть нет нет две есть есть нет
чайка птицы чайка нет есть есть нет есть есть есть нет есть есть нет нет две есть нет нет
червь многоногие червь нет нет есть нет нет есть нет нет нет есть нет нет нет нет нет нет
черепаха пресмыкающиеся черепаха нет нет есть нет нет есть нет нет есть есть нет нет четыре есть нет есть
шиншила млекопитающие шиншила есть нет нет есть нет есть нет есть есть есть нет нет четыре есть нет есть
щука рыбы щука нет нет есть нет нет есть есть есть есть нет нет есть нет есть нет есть
ямкоголовая змея пресмыкающиеся ямкоголовая змея нет нет есть нет нет есть есть есть есть есть есть нет нет есть нет нет
ястреб птицы ястреб нет есть есть нет есть есть есть нет есть есть нет нет две есть нет нет
ящерица пресмыкающиеся ящерица нет нет есть нет нет есть есть есть есть есть есть нет нет есть нет нет
