Evaluation of cognitive systems structural elements effectiveness Текст научной статьи по специальности «Компьютерные и информационные науки»

А

УДК 681.518.9; 621.384.3 S. S. Antsyferov, K. N. Fazilova

MIREA - Russian Technological University, c. Moscow, Russia Russia, 119454, c. Moscow, Vernadsky ave., 78

EVALUATION OF COGNITIVE SYSTEMS STRUCTURAL ELEMENTS EFFECTIVENESS

С. С. Анцыферов, К. Н. Фазилова

МИРЭА - Российский технологический университет, г. Москва, Россия 119454, Россия, г. Москва, пр. Вернадского, 78

ОЦЕНКА ЭФФЕКТИВНОСТИ СТРУКТУРНЫХ ЭЛЕМЕНТОВ КОГНИТИВНЫХ СИСТЕМ

С. С. Анциферов, К. М. Фазтова

М1РЕА - Росшський технолопчний ушверситет, м. Москва, Роая 119454, Роая, м. Москва, пр. Вернадського, 78

ОЦ1НКА ЕФЕКТИВНОСТ1 СТРУКТУРНИХ ЕЛЕМЕНТ1В КОГН1ТИВНИХ СИСТЕМ

Cognitive systems have a number of properties, the most important of which is the property of nonequilibrium stability. A method for determining quality indicators is proposed, which includes the development of a model of nonequilibrium stability, a real-time structural element evaluation model, and numerical modeling of the proposed models.

Keywords: cognitive system, structural element, nonequilibrium stability, efficiency indicators of structural element, entropy.

Когнитивные системы обладают рядом свойств, важнейшим из которых является свойство неравновесной устойчивости. Предложена методика определения показателей качества, включающая в себя разработку модели неравновесной устойчивости, модель оценки структурного элемента в реальном масштабе времени, численное моделирование предложенных моделей. Ключевые слова: когнитивная система, структурный элемент, неравновесная устойчивость, показатели эффективности структурного элемента, энтропия.

Когштивы системи мають ряд властивостей, найважлившим з яких е властивють нерiвноважноï стшкосп. Запропоновано методику визначення показниш якосп, що включае в себе розробку моделi нерiвноважноï сшкосп, модель оцЫки структурного елементу в реальному масштабi часу, чисельне моделювання запропонованих моделей.

Ключовi слова: когштивна система, структурний елемент, нер1вноважна стмкють, показники ефективност1 структурного елементу, ентроп1я.

40 ISSN 2413-7383 Проблемы искусственного интеллекта 2019 № 3 (14)

Introduction

Cognitive systems (CS), being self-organizing systems, have a special property of nonequilibrium stability, suggesting the ability of system functioning in both stable and unstable modes. A number of papers were devoted to study of nonequilibrium stability properties [1-12], in which a nonequilibrium stability model was proposed and studied, based on the probabilistic representation of system connected structural elements (SE) functioning efficiency.

The ability to self-organize involves system's transformation. Achievement of a system certain state is one of the reason for transformation. Accuracy of SE efficiency evaluation in real time is an important aspect.

The aim of the work is to develop an algorithm for evaluating the performance of cognitive system structural elements in real time and to determine the accuracy of the estimates obtained as a result of numerical modeling.

Evaluating algorithm of the cognitive systems structural elements effectiveness indicators

Method of pairwise preferences is proposed for efficiency evaluation (fig. 1), according to which a matrix of pairwise preferences (sr) for each performance indicator is formed and a probabilistic preference indicator (q) is calculated, in addition, a weighting factor for each performance indicator (a) is determined.

Figure 1 - Evaluating algorithm of CS SE indicators

A

Then the efficiency value is calculated Ps

Ps -1 "X qjsaj , where (1)

/nM Q )1/M

q --K r-1°sr)-, 0 < qs < 1 (2)

Ij* VM M . )i/m ' W

Xs-1 (n r =1Ssr )

Js-1 r—

\H n

(n U*,* )1 (3)

a,----• (3)

Zn (Tin s \H n

j-1 (n s-1Qjs )

Dimension of arrays is the main parameter of this algorithm, as these dimensions determine the speed and accuracy of probabilistic indicators. For the practical implementation of this algorithm, it is important to assess the impact of the algorithm parameters on the accuracy of the results.

Numerical simulation of the developed algorithm

For implementation of numerical simulation, N structural elements and n efficiency indicators are used. An example is shown for the case when N —10, n=3.

Table 1 - Pairwise preferences SE for I1 For I1

SE i SE 2 SE 3 SE 4 SE 5 SE 6 SE 7 SE 8 SE 9 SE 10

0,82 0,74 0,93 0,9 0,85 0,79 0,71 0,87 0,83 0,78

SE i SE 2 SE 3 SE 4 SE 5 SE 6 SE 7 SE 8 SE 9 SE 10 Qis

SE i 1 1/4 5 4 2 1/2 1/5 3 2 1/3 0,072571

SE 2 4 1 9 7 5 3 1/2 6 5 3 0,225804

SE 3 1/5 1/9 1 1/2 1/4 1/7 1/9 1/3 1/5 1/7 0,015595

SE 4 1/4 1/7 2 1 1/3 1/6 1/8 1/2 1/4 1/6 0,021483

SE 5 1/2 1/5 4 3 1 1/4 1/6 2 1/2 1/4 0,043687

SE 6 2 1/3 7 5 3 1 1/4 4 3 1/2 0,10784

SE 7 5 2 9 8 6 4 1 7 5 3 0,286111

SE 8 1/3 1/6 3 2 1/2 1/4 1/7 1 1/3 1/5 0,03094

SE 9 1/2 1/5 5 4 2 1/3 1/5 3 1 1/3 0,059328

SE 10 2 1/3 7 6 4 2 1/3 5 3 1 0,136642

Table 2 - Pairwise preferences SE for I2

For I2

SE i SE 2 SE 3 SE 4 SE 5 SE 6 SE 7 SE 8 SE 9 SE io

0,88 0,79 0,71 0,8 0,74 0,92 0,85 0,9 0,76 0,84

SE i SE 2 SE 3 SE 4 SE 5 SE 6 SE 7 SE 8 SE 9 SE io Qis

SE i 1 1/5 1/8 1/4 1/7 3 1/2 2 1/6 1/3 0,027223

SE 2 5 1 1/4 2 1/3 6 3 5 1/2 3 0,105387

SE 3 8 4 1 5 2 9 7 9 3 6 0,294491

SE 4 4 1/2 1/5 1 1/3 6 3 5 1/3 3 0,084254

SE 5 7 3 1/2 3 1 8 5 7 2 5 0,20522

SE 6 1/3 1/6 1/9 1/6 1/8 1 1/4 1/2 1/7 1/4 0,015616

SE 7 2 1/3 1/7 1/3 1/5 4 1 3 1/5 1/2 0,040352

SE 8 1/2 1/5 1/9 1/5 1/7 2 1/3 1 1/7 1/3 0,020797

SE 9 6 2 1/3 3 1/2 7 5 7 1 4 0,156534

SE io 3 1/3 1/6 1/3 1/5 4 2 3 1/4 1 0,050126

Table 3 - Pairwise preferences SE for I3

SE i SE 2 SE 3 SE 4 SE 5 SE 6 SE 7 SE 8 SE 9 SE io

0,75 0,76 0,87 0,73 0,91 0,84 0,78 0,72 0,81 0,8

SE i SE 2 SE 3 SE 4 SE 5 SE 6 SE 7 SE 8 SE 9 SE io Qis

SE i 1 2 6 1/2 7 5 2 1/2 3 3 0,152659

SE 2 1/2 1 5 1/2 7 4 2 1/2 3 3 0,127617

SE 3 1/6 1/5 1 1/7 3 1/2 1/5 1/7 1/3 1/4 0,023941

SE 4 2 2 7 1 8 5 3 1/2 4 4 0,199076

SE 5 1/7 1/7 1/3 1/8 1 1/4 1/6 1/9 1/5 1/5 0,01499

SE 6 1/5 1/4 2 1/5 4 1 1/3 1/6 1/2 1/3 0,034917

SE 7 1/2 1/2 5 1/3 6 3 1 1/4 2 2 0,087818

SE 8 2 2 7 2 9 6 3 1 5 4 0,240962

SE 9 1/3 1/3 3 1/4 5 2 1/2 1/5 1 1/2 0,052246

SE io 1/3 1/3 4 1/4 5 3 1/2 1/4 2 1 0,065774

Table 4 - Indicators pairwise preferences

Ii I2 I3

0,85 0,83 0,89

Ii I2 I3 «ii «i

Ii 1 1/2 3 1,144714243 0,332515928

I2 2 1 3 1,817120593 0,527836133

I3 1/3 1/3 1 0,480749857 0,139647939

A

Receiving values qjs the efficiency value Ps is calculated by the formula (1). Table 5 - Performance indicator and the arithmetic mean

Ps Set value Ps A , A

P1' 0,94 0,82 0,12

P2' 0,85 0,76 0,09

P3' 0,84 0,84 0

P4' 0,92 0,81 0,11

P5' 0,88 0,83 0,05

P6' 0,95 0,85 0,1

P7' 0,87 0,78 0,09 0,088

Ps' 0,95 0,83 0,12

P9' 0,89 0,8 0,09

P10' 0,92 0,81 0,11

As a result of numerical modeling it is established that the accuracy of the estimate depends on the number of SE (N) and the number of performance indicators (n) (fig. 2).

0,13 0,16 0,14 0,12 0,1 0,0B 0,05 0,04 0,02 0

3 5 7 10 .V

Figure 2 - Accuracy of SE performance evaluation The most accurate estimate is achieved in the range of values N from 5 to 10.

Conclusion

An evaluating algorithm of cognitive systems structural elements effectiveness indicators in real time is developed. According to this algorithm, numerical simulation was carried out in which the inverse dependence of the array dimension and the accuracy of the result was revealed.

References

1. Antsyferov S. S. The general principles of construction and laws of functioning of intellectual systems [Text] / S. S. Antsyferov // Artificial Intelligence. - 2011. - № 3. - P. 6-15.

2. Antsyferov S. S. Questions of metrological maintenance of intelligent systems [Text] / S. S. Antsyferov // World of measurement. - 2012. - № 5. - P. 46-51.

3. Antsyferov S. S. Standardization of indicators of quality of products cognitive technologies [Text] / S. S. Antsyferov // Science Intensive Technologies. - 2014. - V. 15, № 7. - P. 7-13.

4. Antsyferov S. S. Metrological support of high technologies [Text] / S. S. Antsyferov, M. S. Afanasiev, A. S. Sigov. - M. : Izd. IKAR, 2016. - 224 p.

5. Antsyferov S. S. Indicators of non-equilibrium stability of cognitive systems [Text] / S. S. Antsyferov, K. N. Fazilova, K. E. Rusanov // Problems of Artificial Intelligence. - 2016. - № 2 (3). - P. 4-11.

6. Antsyferov S. S. Standardization of indicators of non-equilibrium stability of cognitive systems [Text] / S. S. Antsyferov, K. N. Fazilova, K. E. Rusanov // Science Intensive Technologies. - 2017. - № 5. - P. 15-20.

7. Antsyferov S. S. Determination of indicators of stable functioning of neural-like systems [Text] / S. S. Antsyferov, K. N. Fazilova, K. E. Rusanov // Materialy XXV Vserossijskogo seminara «Nejroinfor-matika, eyo prilozheniya i analiz dannyh», 29 sentyabrya - 1 oktyabrya 2017 g. - Krasnoyarsk : Institut vychislitel'nogo modelirovaniya SO RAN. 2017. - P. 8-13.

8. Antsyferov S.S., Fazilova K.N., Rusanov K.E. Simulated dynamic model of cognitive systems [Text] / S. S. Antsyferov, K. N. Fazilova, K. E. Rusanov // Problems of Artificial Intelligence. - 2017. - № 2 (5). - P. 32-39.

9. Antsyferov S. S. Building and functioning principles of intelligence information processing systems of spati-temporal fields [Text] / S. S. Antsyferov, K. N. Fazilova, K. E. Rusanov // Science Intensive Technologies. - 2018. - № 2. - P. 36-45.

10. Antsyferov S.S., Fazilova K.N. Estimation of stability functioning indicators of intelligent systems with active elements [Text] / / S. S. Antsyferov, K. N. Fazilova // Informatika i tehnologii. Innovacionnie tehnologii v promishlennosti i informatike _RNTK FTI_2018 : Sbornik trudov konferencii, 2018. -P. 286-291.

11. Antsyferov S. S. Modeling of non-equilibrium stability of cognitive systems [Text] / S. S. Antsyferov, K. N. Fazilova, K. E. Rusanov // Modelirovanie neravnovesnyh sistem : Materialy XXI Vserossijskogo seminara, 5-7 oktyabrya 2018 g. - Krasnoyarsk : Institut vychislitel'nogo modelirovaniya Sibirskogo otdeleniya Rossijskoj akademii nauk, 2018. - P. 9-14.

12. Antsyferov S. S. systems non-equilibrium stability evaluation [Text] / S. S. Antsyferov, K. N. Fazilova, K. E. Rusanov // Science Intensive Technologies. - 2017. - № 5. - P. 14-19.

RESUME

S. S. Antsyferov, K. N. Fazilova

Evaluation of Cognitive Systems Structural Elements Effectiveness

A number of papers were devoted to study of nonequilibrium stability properties, in which a nonequilibrium stability model was proposed and studied, based on the probabilistic representation of system connected structural elements (SE) functioning efficiency.

The ability to self-organize involves system's transformation. Achievement of a system certain state is one of the reason for transformation. Accuracy of SE efficiency evaluation in real time is an important aspect.

Method of pairwise preferences is proposed for efficiency evaluation, according to which a matrix of pairwise preferences (sr) for each performance indicator is formed and a probabilistic preference indicator (q) is calculated, in addition, a weighting factor for each performance indicator (a) is determined. Then the efficiency value is calculated Ps.

As a result of numerical modeling it is established that the accuracy of the estimate depends on the number of SE (N) and the number of performance indicators (n).

An evaluating algorithm of cognitive systems structural elements effectiveness indicators in real time is developed. According to this algorithm, numerical simulation was carried out in which the inverse dependence of the array dimension and the accuracy of the result was revealed.

А

РЕЗЮМЕ

С. С. Анцыферов, К. Н. Фазилова

Оценка эффективности структурных элементов когнитивных систем

Вопросам исследования свойств неравновесной устойчивости был посвящен ряд работ, в которых была предложена и исследована модель неравновесной устойчивости, основанная на вероятностном представлении эффективности функционирования взаимосвязанных структурных элементов (СЭ) системы.

Способность к самоорганизации предполагает трансформацию системы. Одной из причин трансформации является необходимость достижения определенного состояния системы. Важным аспектом является точность оценки эффективности СЭ в реальном масштабе времени.

Для оценки эффективности предложено использовать метод попарных предпочтений, согласно которому формируется матрица попарных предпочтений (sr ) по каждому показателю эффективности и рассчитывается вероятностный показатель предпочтений (q ), кроме того определяется коэффициент весомости для каждого показателя эффективности (а ). Затем вычисляется значение эффективности .

В результате численного моделирования алгоритма оценки показателей эффективности СЭ КС установлено, что точность оценки зависит от числа СЭ (N) и от числа показателей эффективности (п ).

Разработан алгоритм оценки показателей эффективности структурных элементов когнитивной системы в реальном масштабе времени. Согласно этому алгоритму было проведено численное моделирование, в ходе которого была выявлена обратная зависимость размерности массива и точности результата.

Статья поступила в редакцию 22.07.2019.

46

Проблемы искусственного интеллекта 2019 № 3 (14)