CC BY
17УДК 681.518.9; 621.384.3
С. С. Анцыферов, К. Н. Фазилова
МИРЭА - Российский технологический университет, г. Москва, Россия 119454, Россия, г. Москва, пр. Вернадского, 78
МЕТОДОЛОГИЯ ОЦЕНКИ СОСТОЯНИЙ КОГНИТИВНЫХ СИСТЕМ
S. S. Antsyferov, K. N. Fazilova
MIREA - Russian Technological University, c. Moscow, Russia 119454, Россия, г. Москва, пр. Вернадского, 78
METHODOLOGY OF COGNITIVE SYSTEMS NON-EQUILIBRIUM STABILITY EVALUATING
С. С. Анциферов, К. М. Фазтова
М1РЕА - Росшський технолопчний ушверситет, м. Москва, Роая 119454, Роая, м. Москва, пр. Вернадського, 78
МЕТОДОЛОГ1Я ОЦ1НКИ СТАН1В КОГН1ТИВНИХ СИСТЕМ
Когнитивные системы, как самоорганизующиеся системы, обладают рядом особых свойств, в числе которых - принципиальная неравновесность состояния, обеспечивающая возможность трансформации структуры. В качестве адекватной модели неравновесной устойчивости когнитивной системы предлагается использовать нелинейное уравнение, основанное на вероятностном представлении эффективности функционирования взаимосвязанных структурных элементов системы. Численное моделирование возможных состояний системы позволило установить зависимость состояния системы от ее структурного построения, числа структурных элементов и их эффективности, условия и границы области неравновесного функционирования системы. Ключевые слова: когнитивная система, структурный элемент, неравновесная устойчивость, трансформация структуры, эффективность структурных элементов.
Cognitive systems, as self-organizing systems, have a number of special properties, including the fundamental non-equilibrium of the state, which provides the possibility of transformation of the structure. As an adequate model of non-equilibrium stability of a cognitive system, we propose to use a nonlinear equation based on a probabilistic representation of the effectiveness of the functioning of interrelated structural elements of the system. Numerical modeling allowed us to determine the dependence of the system state on its structural construction, the number of structural elements and their efficiency. Based on the use of the nonequilibrium stability model, the conditions for nonequilibrium stability were determined. Keywords: cognitive system, structural element, nonequilibrium stability, structure transformation, structural elements efficiency.
Когштивы системи, як системи, що самооргашзуються, мають ряд особливих властивостей, в чи^ яких - принципова неравновюнють стану, що забезпечуе можливють трансформацп структури. Як адекватно! моделi нерiвновiсноТ стшкосп когштивно! системи пропонуеться використовувати нелЫйне рiвняння, засноване на iмовiрнiсному поданн ефективност функцюнування взаемопов'язаних структурних елемен^в системи. Чисельне моделювання можливих сташв системи дозволило встановити залежнють стану системи вщ ТТ структурно! побудови, числа структурних елеметчв i Тх ефективносп, умови та межi област неровновюного функцюнування системи.
КЛючовi слова: когытивна система, структурний елемент, нер1вноважна стмкють, трансформац1я структури, ефективнють структурних елемент1в.
А
Введение
Для исследования свойств когнитивных систем (КС) в настоящее время используют методы синергетики, теории информационного поля, моделирование элементов мышления. Когнитивные системы, как самоорганизующиеся системы, обладают рядом особых свойств, в числе которых неравновесная устойчивость, обеспечивающая возможность трансформации структуры.
В связи с этим актуальной является задача разработки методологии оценки неравновесной устойчивости когнитивных систем.
Предлагаемая методология оценки состояний когнитивных систем предполагает использование ряда ранее разработанных моделей [1-14], таких как вероятностная модель неравновесной устойчивости когнитивной системы, модель оценки эффективности структурных элементов в реальном масштабе времени.
Модель неравновесной устойчивости
Адекватной моделью неравновесной устойчивости КС может служить следующее нелинейное уравнение, характеризующее как устойчивое, так и неустойчивое функционирование системы (рис. 1)
,
где Н = Н1 + Н2 = =
-Цру ^ру i 1
энтропия системы;
- вероятность меры информативности /-го элемента; Ру - вероятность попарного взаимодействия.
м -
Л/ -
Рисунок 1 - Фазовый портрет функционирования
К = Л1 - Л/Н ,
приращение интенсивности информационного потока на входе системы, приращение интенсивности обработки информационного потока в системе;
+
АJH - параметр, характеризующий управление процессом формирования структуры, показатель функциональной организованности системы.
2 2 А1
Н = А1И - АЛИ 2 = -АЛ (Н 2--Н) =
А/
= -А/
2 А 1 А 2 А1
Н2--Н + (--)2 -
2
А/
2 А/
4АГ
= -А/
(Н)2
2 А/
4 А/2
А/
Корни данного уравнения: Н 0 = 0, Н 1 = — .
А/
Н0 и Н1 - точки устойчивости.
Н 2 - точка неустойчивости, соответствующая значению энтропии, при котором происходит распад системы на несвязные структурные элементы (СЭ).
На основании моделирования вероятностных показателей может быть определена область возможной неравновесной устойчивости.
Модель оценки эффективности структурных элементов в реальном масштабе времени
Для оценки эффективности предложено использовать принцип сравнительного предпочтения (рис. 2), согласно которому формируется матрица попарных предпочтений (5 г ) по каждому показателю эффективности (П) и рассчитывается вероятностный показатель предпочтений (qjs), кроме того, определяется коэффициент весомости для каждого показателя эффективности ( а^ ).
Рисунок 2 - Оценка эффективности СЭ Затем вычисляется значение эффективности Ра
р =1qJsaJ,
]а
где
^ =
/ттМ с \1/ М
(П г^)
"Vм (ПМ ^ )1/м = 1 (П г=1°* )
, о < д,, < 1
а, =
(п )1/п
ти пизм )1/п
Данный принцип реализован с помощью разработанного алгоритма (рис. 3). Основным параметром данного алгоритма являются размерности массивов, так как они определяют быстродействие и точность установки вероятностных показателей. Для практической реализации данного алгоритма важно оценить влияние основного параметра алгоритма на точность результатов.
Формирование матрицы попарных предпочтений
показателей
Рисунок 3 - Алгоритм оценки эффективности СЭ
Численное моделирование состояний системы
Для реализации численного моделирования использованы 3 показателя эффективности п=3: П1 - степень соответствия дисциплины направлению подготовки, П2 -степень соответствия дисциплины магистерской программе, П3 - степень соответствия дисциплины уровню и темпам развития наукоемких технологий.
Установлены попарные предпочтения СЭ для показателей П1, П2, П3 (табл. 1 - табл. 3).
Таблица 1 - Попарные предпочтения СЭ для П1
3 сэ4 С-Э; СЭ* сэ+ СЭ} с^ СЭз СЭ, СЭ]о сэ„ ^13 С914 Ф5
сэ, 1 2 1 2 2 1 1 ОД 1 2 4 0,5 2 5 0,5 2 0,152917
СЭ; 0,50 1 0,2 3 0^5 5 3 0,25 0,5 1 2 4 2 3 4 0,5 2 0,129024
С-Э, 2,00 5,00 1 2,00 5,00 0,33 0,20 4,00 7,00 0,33 0.25 0,33 0,13 0,11 0.25 5,00 5,00 0,002037
СЭ* 1,00 0,33 0,50 1 0,33 0,50 2,00 1,00 3,00 0,33 5,00 2,00 9,00 0,33 3,00 2,00 3,00 0,139102
сэ^ 0,50 4,00 0,20 3,00 1 6,00 0,13 0,33 5,00 0,13 0,17 2,00 5,00 0,13 0,17 0,25 0,33 0,000003
СЭ( 0,50 0,25 3,00 2,00 0,17 1 3,00 1,00 0,11 1,00 3,00 3,00 7,00 0,50 4,00 3,00 2,00 0,152003
СЭ, 1,00 0,33 5,00 ОД» а,оо 0,33 1 0,33 6,00 0,50 4,00 0,50 3,00 2,00 0,33 2,00 ОД» 0,113272
с^ 1,00 4,00 0,25 1,00 3,00 1,00 3,00 1 0,11 0,50 2,00 0,33 2,00 3,00 2,00 3,00 2,00 0,112406
СЭд 5,00 2,00 0,25 0,33 0,20 9,00 0,17 9,00 1 9,00 0,14 0,14 4,00 0,13 0,14 0,14 0,13 0,000002
СЭ]0 1,00 1,00 0,14 3,00 8,00 1,00 2,00 2,00 0,11 1 0,13 2,00 7,00 0,50 3,00 2,00 3,00 0,115721
СЭ„ 0,50 0,50 4,00 0,20 6,00 0,33 0,25 0,50 7,00 3,00 1 0,17 3,00 0,14 0,13 0,13 4,00 0,000159
СЭ1: 0,25 0,25 3,00 ОД» 0,50 033 2,00 3,00 7,00 ОД» 6,00 1 0,11 3,00 3,00 0,50 2,00 0,009314
СЭи 2,00 ОД» 8,00 9,00 0,20 0,17 0,13 0,50 0.25 0,14 0,13 9,00 1 9,00 0,13 7,00 0,13 0,000030
СЭИ 0,50 0,33 3,00 3,00 8,00 2,00 0,50 0,33 8,00 2,00 7,00 0,33 0,11 1 3,00 0,50 0,50 0,058873
СЭ,, 0,20 0,25 4,00 0,33 6,00 0,25 3,00 0,50 7,00 0,33 8,00 0,33 3,00 0,33 1 0,33 0,25 0,000991
сэ1е 2,00 2,00 0,20 0,50 3,00 0,33 0,50 0,33 9,00 0,50 8,00 2,00 0,14 2,00 3,00 1 0,50 0,009634
сэ|7 0,50 0Д> 0Д0 0,33 3,00 0Д> 2,00 0,50 7,00 0,33 0,25 0,50 3,00 2,00 4,00 2 1 0,004460
Таблица 2 - Попарные предпочтения СЭ для П2
а сэа СЭ; СЭ} СЭ* СЭ.. сэ( СЭ, С^ сэ^ СЭ]С| СЭ„ СЭ Е С-Э,, СЭ]4 СЭ,, СЭ,( сэ,7 ЧР
СЭ) 1 2 0,5 1 2 2 1 1 од 1 2 4 2 2 2 0,5 2 0,2002616
СЭ; 0,50 1 ОД 3 0,5 5 3 0,25 0,5 1 2 4 2 3 4 0,5 2 0,2112134
С-Э, 2,00 5,00 1 2,00 5,00 0,33 0,20 4,00 7,00 0,33 0,25 0,33 0,13 0,11 0,25 5,00 5,00 0,0017082
СЭ, 1,00 0,33 0,50 1 0,33 0,50 2,00 1,00 3,00 0,33 5,00 2,00 9,00 0,33 3,00 2,00 3,00 0,1133556
СЭ! 0,50 2,00 0,20 3,00 1 6,00 0,13 0,33 5,00 0,13 0,17 2,00 5,00 0,13 0,17 0,25 0,33 0,0000011
сэ( 0,50 0,25 3,00 2,00 0,17 1 3,00 1,00 0,11 1,00 3,00 3,00 7,00 0,50 4,00 3,00 2,00 0,1244152
СЭ, 1,00 0,33 5,00 0,50 3,00 0,33 1 0,33 6,00 0,50 4,00 0,50 3,00 2,00 0,33 2,00 0,50 0,0927137
СЭг 1,00 4,00 0,25 1,00 3,00 1,00 3,00 1 0,11 0,50 2,00 0,33 2,00 3,00 2,00 3,00 2,00 0,0920046
сэц 5,00 2,00 0,25 0,33 0,20 9,00 0,17 9,00 1 9,00 0,14 0,14 4,00 0,13 0,14 0,14 0,13 0,0000020
СЭю 1,00 1,00 0,14 3,00 3,00 1,00 2,00 2,00 0,11 1 0,13 2,00 7,00 0,50 3,00 2,00 3,00 0,0947182
СЭ,, 0,50 0,50 4,00 0,20 б,00 0,33 0Д5 0,50 7,00 3,00 1 0,17 8,00 0,14 0,13 0,13 4,00 0,0001304
СЭ:1 0Д5 0,25 3,00 0,50 0,50 0,33 2,00 3,00 7,00 ОД! 6,00 1 0,11 3,00 3,00 0,50 2,00 0,0076235
СЭц 0,50 0,50 8,00 9,00 0,20 0,17 0,13 0,50 0,25 0,14 0,13 9,00 1 9,00 0,13 7,00 0,13 0,0000062
СЭ]+ 0,50 0,33 3,00 3,00 3,00 2,00 0,50 0,33 8,00 2,00 7,00 0,33 0,11 1 3,00 0,50 0,50 0,0481879
СЭ,, 0,20 0,50 4,00 0,33 6,00 0,25 3,00 0,50 7,00 0,33 8,00 0,33 3,00 0,33 1 0,33 0,25 0,0016225
сэ,е 2,00 2,00 0,20 0,50 3,00 0,33 0,50 0,33 9,00 0,50 8,00 2,00 0,14 2,00 3,00 1 0,50 0,0073853
сэ,7 0,50 0,50 0,20 0,33 3,00 0,50 2,00 ОД 7,00 0,33 0,25 0,50 3,00 2,00 4,00 2 1 0,0036506
Таблица 3 - Попарные предпочтения СЭ для П3
и_
о СЭ, СЭ; сэ_, сэ4 сэ. СЭ* СЭ, С^ СЭ} СЭ](| СЭ„ сэи СЭ,, СЭ„ СЭ,> СЭ,* СЭ|7
СЭ, 1 2 0,5 1 2 2 1 1 ол 1 2 4 0,5 3 5 0,5 2 0,2107270
С-Э; 0,50 1 од 3 0,25 5 3 0,25 0,5 1 2 4 2 3 5 0,5 2 0,1481674
СЭ,. 2,00 5,00 1 2,00 5,00 0,33 0Д1 4,00 7,00 0,33 0,25 0,33 0,13 0,11 0,25 5,00 5,00 0,0019173
СЭ+ 1,00 0,33 0,50 1 0,33 0,50 2,00 1,00 3,00 0,33 5,00 2,00 9,00 0,33 3,00 2,00 3,00 0,1277926
СЭ. 0,50 4,00 оао 3,00 1 6,00 0,13 0,33 5,00 0,13 0,17 2,00 5,00 0,13 0,17 0,25 0,33 0,0000024
СЭ* 0,50 0,25 3,00 2,00 0,17 1 3,00 1,00 0,11 1,00 3,00 3,00 7,00 0,50 4,00 3,00 2,00 0,1396443
СЭ? 1,00 0,33 5,00 0,50 8,00 033 1 0,33 6,00 0,50 4,00 0,50 3,00 2,00 0,33 2,00 0,50 0,1040627
СЭ, 1,00 4,00 0,25 1,00 3,00 1,00 3,00 1 0,11 0,50 2,00 0,33 2,00 3,00 2,00 3,00 2,00 0,1032667
СЭ} 5,00 2,00 0,25 0,33 оао 9,00 0,17 9,00 1 9,00 0,14 0,14 4,00 0,13 0,14 0,14 0,13 0,0000022
СЭ]0 1,00 1,00 0,14 3,00 8,00 1,00 2,00 2,00 0,11 1 0,13 2,00 7,00 0,50 3,00 2,00 3,00 0,1063126
сэ„ 0,50 0,50 4,00 иао 6,00 озз 0,25 0,50 7,00 8,00 1 0,17 3,00 0,14 0,13 0,13 4,00 0,0001463
сэи 0,25 0,25 3,00 0,50 0,50 0,33 2,00 3,00 7,00 0,50 6,00 1 0,11 3,00 3,00 0,50 2,00 0,0035567
СЭ,з 2,00 0,50 3,00 9,00 0,20 0,17 0,13 0,50 0,25 0,14 0,13 9,00 1 9,00 0,13 7,00 0,13 0,0000276
сэ]4 0,33 0,33 3,00 3,00 8,00 2,00 0,50 0,33 8,00 2,00 7,00 0,33 0,11 1 3,00 0,50 0,50 0,0356971
СЭ„ 0,20 0,20 4,00 0,33 6,00 0,25 3,00 0,50 7,00 0,33 8,00 0,33 3,00 0,33 1 0,33 0,25 0,0007234
СЭ,, 2,00 2,00 0,20 0,50 3,00 0,33 0,50 0,33 9,00 0,50 3,00 2,00 0,14 2,00 3,00 1 0,50 0,0083505
сэ„ 0,50 0,50 0,20 0,33 3,00 0,50 2,00 0,50 7,00 0,33 0,25 0,50 3,00 2,00 4,00 2 1 0,0040975
Аналогичным образом проводится оценка предпочтений показателей эффективности. Таблица 4 - Попарные предпочтения показателей эффективности
П1 П2 Пз Щ
П1 1,00 0,50 0,50 0,20
П2 2,00 1,00 1,00 0,37
Пз 2,00 1,00 1,00 0,43
Получив значения д,, и а,, рассчитано значение эффективности Р,. Таблица 5 - Оценка эффективности СЭ
Р, Р1 Р2 Р; Р4 Р; Р* Р: Р5 Р, Рщ Рп Ри РИ Ри Р]5 Рк Р|Т
0.30 0:83 0:99 0,37 0.99 0:39 0:39 0.99 0:ЗЭ 0,99 0,99 0,99 0,95 0,99 0,99 0,99
По результатам численного моделирования установлено, что точность оценки зависит от числа СЭ (И ) и от числа показателей эффективности {п ) (рис. 4).
Рисунок 4 - Точность оценки эффективности СЭ
Наиболее приемлемая по точности оценка достигается в пределах значений N от 5 до 10.
В результате проделанного моделирования были определены области неравновесной устойчивости функционирования системы.
Для данного случая Н = 1,97 и Н = -1,91, что соответствует случаю функционирования КС в состоянии неравновесной устойчивости. Следует отметить, что предложенная методология обеспечивает возможность не только оценки текущего состояния системы, но и возможность прогнозирования ее состояния в зависимости от соотношения приращений интенсивностей информационных потоков на входе системы и внутри ее.
Так, например, если А1>0, 0 и А1=0, ^<=0 (достаточно вероятная ситуация), то, согласно предложенной модели, область функционирования системы будет находиться в районе точки Н=0, т.е. система переходит из области неравновесной устойчивости в область устойчивого функционирования. Эта область характеризуется фазовой диаграммой на рис. 5. Согласно данной диаграмме, велика вероятность деградации системы. Это состояние характеризуется утратой способности системы к трансформации структуры, когда связь между структурными элементами приобретают «жесткий» (строго детерминированный) характер.
Выводы
Предложена методология оценки неравновесной устойчивости когнитивных систем. Данная методология позволяет определить область неравновесной устойчивости и, на основании этого, определять, как текущее состояние системы, так и осуществлять прогнозирование возможных состояний для различных приращений интенсивностей входных информационных потоков и потоков внутри системы.
Список литературы
1. Анцыферов С. С. Общие принципы построения и закономерности функционирования интеллектуальных систем [Текст] / С. С. Анцыферов // Искусственный интеллект. - 2011. - № 3. - С. 6-15.
2. Анцыферов С. С. Вопросы метрологического обеспечения интеллектуальных систем [Текст] / С. С. Анцыферов // Мир измерений. - 2012. - № 5. - С. 46-51.
3. Анцыферов С.С. Стандартизация показателей качества продукции когнитивных технологий [Текст] / С. С. Анцыферов // Наукоемкие технологии. - 2014. - Т. 15, № 7. - С. 7-13.
4. Метрологическое обеспечение наукоемких технологий [Текст] / С. С. Анцыферов, М. С. Афанасьев, А. С. Сигов. - М. : Изд. ИКАР, 2016. - 224 с.
5. Анцыферов С. С. Показатели неравновесной устойчивости когнитивных систем [Текст] / С. С. Анцыферов, К. Н. Фазилова, К. Е. Русанов // Проблемы искусственного интеллекта. - 2016. - № 2 (3). - С. 4-11.
6. Анцыферов С. С. Стандартизация показателей неравновесной устойчивости когнитивных систем [Текст] / С. С. Анцыферов, К. Н. Фазилова, К. Е. Русанов // Наукоемкие технологии. - 2017. - № 5.-С. 15-20.
7. Анцыферов С. С. Имитационная динамическая модель когнитивных систем [Текст] / С. С. Анцыферов, К. Н. Фазилова, К. Е. Русанов // Международный рецензируемый научно-теоретический журнал «Проблемы искусственного интеллекта». - 2017. - № 2 (5). - С. 32-39.
8. Анцыферов С. С. построения и функционирования интеллектуальных систем обработки информации пространственно-временных полей [Текст] / С. С. Анцыферов, К. Н. Фазилова, К. Е. Русанов // Наукоемкие технологии. - 2018. - № 2. - С. 36-45.
9. Анцыферов С. С. показателей устойчивого функционирования интеллектуальных систем с активными элементами [Текст] / С. С. Анцыферов, К. Н. Фазилова // Информатика и технологии. Инновационные технологии в промышленности и информатике (РНТК ФТИ-2018) : сборник трудов конференции. - 2018. - С. 286-291.
10. Antsyferov S. S. Evaluation algorithm of cognitive systems non-equilibrium stability [Text] / S. S. Antsyferov, K. N. Fazilova, K. E. Rusanov // Problems of Artificial Intelligence. - 2018. - № 3 (10). - P. 57-65.
11. Анцыферов С. С. Оценка неравновесной устойчивости когнитивных систем [Текст] / С. С. Анцыферов, К. Н. Фазилова, К. Е. Русанов // Наукоемкие технологии. - 2018. - № 11. - С. 14-19.
12. Анцыферов С. С. Алгоритм контроля неравновесной устойчивости когнитивных систем [Текст] / С. С. Анцыферов, К. Н. Фазилова, К. Е. Русанов // Российская научно-техническая конференция с международным участием. Информатика и технологии. Инновационные технологии в промышленности и информатике : Сборник докладов конференции. - Москва, 2019. - С. 344-350.
13. Antsyferov S. S. Evaluation of cognitive systems structural elements effectiveness [Text] / S. S. Antsyferov, K. N. Fazilova // Problems of Artificial Intelligence. - 2019. - № 3 (14). - P. 40-46.
14. Анцыферов С. С. Моделирование неравновесной устойчивости когнитивных систем [Текст] / С. С. Анцыферов, К. Н. Фазилова, К. Е. Русанов // Моделирование неравновесных систем: Материалы XXI Всероссийского семинара, 4-6 октября 2019 г. - Красноярск : Институт вычислительного моделирования Сибирского отделения Российской академии наук, 2019. - С. 3-8.
References
1. Antsyferov S. S. Obshchiye printsipy postroyeniya i zakonomernosti funktsionirovaniya intellektual'nykh sistem [General principles of construction and patterns of functioning of intelligent systems]. Iskusstvennyy intellect [Artificial Intelligence], 2011, No. 3, pp. 6-15.
2. Antsyferov S. S. Voprosy metrologicheskogo obespecheniya intellektual'nykh sistem [Issues of metro-logical support of intelligent systems]. Mir izmereniy [World of measurements], 2012, No. 5, pp. 46-51.
3. Antsyferov S. S. Standartizatsiya pokazateley kachestva produktsii kognitivnykh tekhnologiy [Standardization of indicators of product quality of cognitive technologies]. Naukoyemkiye tekhnologii [High technology], 2014, T. 15, No. 7, pp. 7-13.
4. Metrologicheskoye obespecheniye naukoyemkikh tekhnologiy [Metrological support of high technology] / S. S. Antsyferov, M. S. Afanas'yev, A. S. Sigov, M., Izd. IKAR, 2016, 224 p.
5. Antsyferov S. S., Fazilova K. N., Rusanov K. Ye. Pokazateli neravnovesnoy ustoychivosti kognitivnykh sistem [Indicators of nonequilibrium stability of cognitive systems]. Problemy iskusstvennogo intellekta [Problems of artificial intelligence], 2016, No. 2 (3), pp. 4-11.
6. Antsyferov S.S., Fazilova K.N., Rusanov K.Ye. Standartizatsiya pokazateley neravnovesnoy ustoychivosti kognitivnykh sistem [Standardization of indicators of nonequilibrium stability of cognitive systems]. Naukoyemkiye tekhnologii [High technology], 2017, No. 5, pp. 15-20.
7. Antsyferov S.S., Fazilova K.N., Rusanov K.Ye. Imitatsionnaya dinamicheskaya model' kognitivnykh sistem [A simulation dynamic model of cognitive systems]. Problemy iskusstvennogo intellekta [Problems of Artificial Intelligence], 2017, No. 2 (5), pp. 32-39.
8. Antsyferov S.S., Fazilova K.N., Rusanov K.Ye. Printsipy postroyeniya i funktsionirovaniya intellektual'nykh sistem obrabotki informatsii prostranstvenno-vremennykh poley [The principles of construction and functioning of intelligent systems for processing information of spatio-temporal fields] Naukoyemkiye tekhnologii [High technology], 2018, No. 2, pp. 36-45.
9. Antsyferov S.S., Fazilova K.N. Otsenka pokazateley ustoychivogo funktsionirovaniya intellektual'nykh sistem s aktivnymi elementami [Assessment of indicators of sustainable functioning of intelligent systems with active elements] Informatika i tekhnologii. Innovatsionnyye tekhnologii v promyshlennosti i informatike (RNTK FTI-2018) Sbornik trudov konferentsii [Informatics and Technologies. Innovative technologies in industry and computer science (RNTK FTI-2018) Conference proceedings], 2018, pp. 286-291.
10. Antsyferov S.S., Fazilova K.N, Rusanov K.E. Evaluation algorithm of cognitive systems non-equilibrium stability. Problems of Artificial Intelligence, 2018, No. 3 (10), pp. 57-65.
11. Antsyferov S.S., Fazilova K.N., Rusanov K.Ye. Otsenka neravnovesnoy ustoychivosti kognitivnykh sistem [Assessment of the nonequilibrium stability of cognitive systems] Naukoyemkiye tekhnologii [High technology], 2018, No. 11, pp. 14-19.
12. Algoritm kontrolya neravnovesnoy ustoychivosti kognitivnykh system [Algorithm for monitoring the nonequilibrium stability of cognitive systems] Antsyferov S.S., Rusanov K.Ye., Fazilova K.N., Rossiyskaya nauchno-tekhnicheskaya konferentsiya s mezhdunarodnym uchastiyem. Informatika i tekhnologii. Innovatsionnyye tekhnologii v promyshlennosti i informatike Sbornik dokladov konferentsii [Russian scientific and technical conference with international participation. Computer science and technology. Innovative technologies in industry and computer science Conference proceedings], Moskva, 2019, pp. 344-350.
13. Antsyferov S.S., Fazilova K.N. Evaluation of cognitive systems structural elements effectiveness. Problems of Artificial Intelligence, 2019. No. 3 (14). pp. 40-46.
14. Antsyferov S.S., Fazilova K.N., Rusanov K.Ye. Modelirovaniye neravnovesnoy ustoychivosti kognitivnykh sistem [Modeling of nonequilibrium stability of cognitive systems] Modelirovaniye neravnovesnykh sistem: Materialy XXI Vserossiyskogo seminara, 4-6 oktyabrya 2019 g. [ Modeling of nonequilibrium systems: Materials of the XXI All-Russian Seminar, October 4-6, 2019], Krasnoyarsk: Institut vychislitel'nogo modelirovaniya Sibirskogo otdeleniya Rossiyskoy akademii nauk, 2019. pp. 3-8.
RESUME
S. S. Antsyferov, K. N. Fazilova
Methodology Of Cognitive Systems Non-Equilibrium Stability Evaluating
Currently, methods of synergetics, information field theory, and modeling of thinking elements are used to study the properties of cognitive systems. Cognitive systems, as self-organizing systems, have a number of special properties, including non-equilibrium stability, which makes it possible to transform the structure. In this regard, the development task of methodology of cognitive systems non-equilibrium stability evaluating is relevant. The proposed methodology of cognitive systems non-equilibrium stability evaluating involves usage of number of previously developed models, such as a probabilistic model of cognitive system non-equilibrium stability, a model of structural elements effectiveness evaluating in real time.
Method of pairwise preferences is proposed for structural elements effectiveness evaluation.
As a result of the simulation, the areas of non-equilibrium stability of the system functioning were determined.
Methodology of cognitive systems non-equilibrium stability evaluating is proposed. This methodology allows us to determine the area of non-equilibrium stability and, based on this, to determine both the current state of the system and to predict possible states for various increments of the intensity of input information flows and flows within the system.
РЕЗЮМЕ
С. С. Анцыферов, К. Н. Фазилова
Методология оценки состояний когнитивных систем
Для исследования свойств когнитивных систем в настоящее время используют методы синергетики, теории информационного поля, моделирование элементов мышления. Когнитивные системы, как самоорганизующиеся системы, обладают рядом особых свойств, в числе которых неравновесная устойчивость, обеспечивающая возможность трансформации структуры. В связи с этим актуальной является задача разработки методологии оценки неравновесной устойчивости когнитивных систем. Предлагаемая методология оценки состояний когнитивных систем предполагает использование ряда ранее разработанных моделей, таких как вероятностная модель неравновесной устойчивости когнитивной системы, модель оценки эффективности структурных элементов в реальном масштабе времени.
Для оценки эффективности структурных элементов предложено использовать метод попарных предпочтений.
В результате проделанного моделирования были определены области неравновесной устойчивости функционирования системы.
Предложена методология оценки неравновесной устойчивости когнитивных систем. Данная методология позволяет определить область неравновесной устойчивости и, на основании этого, определять, как текущее состояние системы, так и осуществлять прогнозирование возможных состояний для различных приращений интенсивностей входных информационных потоков и потоков внутри системы.
Статья поступила в редакцию 04.03.2020.
