Применение экспертной системы определения принадлежности сущности к определенному классу, использующей 2 метода распознавания, GlobalExpert 2. 0 Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004

ПРИМЕНЕНИЕ ЭКСПЕРТНОЙ СИСТЕМЫ ОПРЕДЕЛЕНИЯ ПРИНАДЛЕЖНОСТИ СУЩНОСТИ К ОПРЕДЕЛЕННОМУ КЛАССУ, ИСПОЛЬЗУЮЩЕЙ 2 МЕТОДА РАСПОЗНАВАНИЯ, GLOBALEXPERT 2.0

© 2018 И. Ю. Пикалов

канд. пед. наук, доцент, доцент кафедры компьютерных технологий и информатизации образования e-mail: pikalovakursksu.ru

Курский государственный университет

В работе описано использование экспертной системой определения принадлежности сущности к определенному классу, использующей 2 метода распознавания, Globaffixpert 2.0 и возможностей данного программного продукта. Приводится сравнение методов, положенных в основу работы системы.

Ключевые слова: экспертная система, сущность, атрибут, вес атрибута, обучение, распознавание объектов.

Среди большого многообразия экспертных систем отдельно выделяются экспертные системы распознавания объектов. В основу работы данных систем могут быть положены различные методы. Ранее нами были рассмотрены два метода определения принадлежности сущности к определенному классу: метод, основанный на использовании вектора решений [Пикалов, Тарасюк 2017], и метод, основанный на учете весов атрибутов распознаваемых сущностей [Пикалов, Тарасюк 2017а]. В данной работе будет рассмотрена программа «Экспертная система определения принадлежности сущности к определенному классу, использующая 2 метода распознавания, Globaffixpert 2.0» (свидетельство о государственной регистрации № 2018661812, дата государственной регистрации в Реестре программ для ЭВМ 18 сентября 2018 г.).

При использовании упомянутых выше методов на распознаваемые объекты и классы сущностей никаких условий не накладывается, достаточно просто определиться с атрибутами классов сущностей, позволяющих классифицировать распознаваемый объект. Для описания функциональных возможностей и этапов работы с системой рассмотрим задачу распознавания летательных объектов, фиксируемых в полете: Самолёт, Вертолёт, Планер, Ракета.

На первым этапе использования программы происходит ввод данных в систему. Для этого после запуска программы нужно воспользоваться пунктом меню Ввод данных (рис. 1).

W GlobalExpertl - □ X

Ввод данных Обучение Работа Выход

Рис. 1. Главное окно экспертной системы Globaffixpert 2.0

В открывшемся окне нужно будет последовательно вводить информацию о классах распознаваемых сущностях и их атрибутах. Вся эта информация распределена по следующим блокам.

Первый блок. Ввод количества классов сущностей. В нашем примере количество классов сущностей для распознавания равно 4.

Второй блок. Ввод названий классов сущностей: Самолёт, Вертолёт, Планер, Ракета.

Третий блок. Ввод количества атрибутов классов сущностей. В нашем примере выделим 5 атрибутов (табл. 1), описывающих каждую сущность.

Четвертый блок. Ввод названий атрибутов сущностей: Крылья, Хвост, Лопасти, Шасси, Двигатель.

Пятый блок отвечает за ввод значений атрибутов конкретного класса сущностей. Значения атрибутов классов сущностей представлены в таблице 1.

Таблица 1

Атрибуты классов сущностей и их значения__

№ п/п Имя атрибута Самолёт Вертолёт Планер Ракета

1 Крылья 1 0 1 0

2 Хвост 1 1 1 0

3 Лопасти 0 1 0 0

4 Шасси 0 1 1 0

5 Двигатель 1 1 0 1

После заполнения всех пяти блоков нужно нажать кнопку Сохранить данные и закрыть окно ввода данных. Вид окна с введенными данными для нашей задачи показан на рисунке 2.

W Ввод д

Введите количество классов сущностей

4 | ✓OK |

Введите количество атрибутов классов сущностей

[5 | уок |

N: сущности Имя класса сущности А

2 Вертолет

3 Планер

4 Ракета

V

✓ о* I

N: атрибута Имя атрибута

3 Лопасти

4 Шасси

5 Двигатель

V

✓ OK 1

Заполнение атрибутов классов сущностей Сущность 1Ракета Атрибут | Деятель

Значение (Г Да Г Нет

Повторить ввод |

Сохранить данные

Close

Рис. 2. Ввод данных в экспертную систему Globaffixpert 2.0

Для перехода к обучению системы предназначен пункт меню Обучение (рис. 1), который открывает диалоговое окно Обучение (рис. 3).

Ф! Обучение — □ X

Загрузить данные

Загруженные данные

Метод, основанный на векторе решений

Обучение по методу 1 | Сохранить отчет | Сохранить обучение

Метод, основанный на частоте атрибутов

Обучение по методу 2 |

У Сохранить отчет | У Сохранить обучение |

"✓ОК |

Рис. 3. Окно Обучение

Перед началом обучения нужно загрузить ранее введенные данные. Эти данные загрузятся в память системы и будут показаны в текстовом поле окна обучения. На этом этапе можно ещё раз проверить правильность загруженных данных и при

необходимости повторить ввод. Содержимое поля с загруженными данными для

нашего примера приведено в таблице 2.

Таблица 2

Загруженные данные примера

Блок данных Значение блока данных

Количество сущностей 4

Количество атрибутов 5

Сущности имя) -1, Самолёт

-1, Вертолёт

-1, Планер

-1, Ракета

Атрибуты Крылья

Хвост

Лопасти

Шасси

Двигатель

Значения атрибутов 1 1 0 0 1

0 1 1 1 1

1 1 0 1 0

0 0 0 0 1

После загрузки данных нужно обучить систему одному из методов распознавания. Для этого достаточно просто нажать на одну из кнопок Обучить по методу 1 или Обучить по методу 2. Система будет обучена распознавать по выбранному методу, а результаты обучения будут показаны в текстовом поле.

Рассмотрим сначала обучение по методу 1, основанному на использовании вектора решений. Результаты обучения по данному методу приведены в таблице 3.

Таблица 3

Отчет об обучении системы по методу 1_

№ прохода Изменения, происходящие в системе за каждый проход

1 Цикл обучения 1 Сущность Самолёт Ы = -1 Я = 1 1 0 0 1 Б = 3 1ё стало 3 Цикл обучения 2 Сущность Самолёт 1ё = 3 Б = 5 Меняем значение вектора решений Я= 3 3 0 1 2 Цикл обучения 3 Сущность Самолёт 1ё = 8 Б = 8 1ё подтверждено

2 Сущность Вертолёт 1ё = -1 Б = 2 1ё стало 2 Сущность Самолёт 1ё = 3 Б = 8 1ё стало 8 Сущность Вертолёт 1ё = 6 Б = 6 1ё подтверждено

3 Сущность Планер 1ё = -1 Б = 2 Меняем значение вектора решений Я = 2 2 0 1 1 Сущность Вертолёт 1ё = 2 Б = 6 1ё стало 6 Сущность Планер 1ё = 7 Б = 7 1ё подтверждено

4 Сущность Планер 1ё = -1 Б = 5 1ё стало 5 Сущность Планер 1ё = 5 Б = 7 1ё стало 7 Сущность Ракета 1ё = 2 Б = 2 1ё подтверждено

5 Сущность Ракета 1ё= -1 Б = 1 1ё стало 1 Сущность Ракета 1ё = 1 Б = 2 1ё стало 2

Система обучена: Самолёт, id = 8 Вертолёт, id = 6 Планер, id = 7 Ракета, id = 2

Для того чтобы сохранить отчет об обучении, показанный в тектовом поле, нужно использовать кнопку Сохранить отчет соответствующего метода. Результаты обучения сохраняются при нажатии на кнопку Сохранить обучение соответствующего метода. Выполняя команду Сохранить обучение, система сохраняет базу знаний и правила логического вывода. В нашем случае база знаний, помимо введенных пользователем данных, содержит рассчитанные для классов сущностей значения ¡ё и правила логического вывода - вектор решений К

После того как результаты обучения сохранены, можно приступать к распознаванию сущностей. Для этого в главном окне программы нужно выбрать пункт меню Работа (рис. 1). После выполнения данной команды мы перейдем к диалоговому окну работы с системой в режиме распознавания объектов (рис. 5).

Распознавание

I Загруз^ь данные для метсса 1 _ ]| Загрузить данные для метода 2 | Загруженные из базы знаний данные

Метод 1

Вычисленное значение ¡<4

Ввод значений атрибутов

Метод 2

Рис. 5. Режим распознавания объектов

Для начала распознавания нужно загрузить данные для соответствующего метода. В нашем случае это кнопка Загрузить данные для метода 1. После загрузки данных нужно нажать на кнопку Ввод значений атрибутов, которая отобразит панель для ввода атрибутов распознаваемой сущности. Панель имеет уже знакомый нам вид, в неё поочередно вводятся значения атрибутов распознаваемой сущности и выбирается метод распознавания.

Введем для распознавания атрибуты сущности Самолёт {1 1 0 0 1}, выполним команду Метод 1 и посмотрим результат работы системы. Система абсолютно верно определила, что объект относится к классу сущностей Самолёт, результат распознавания показан на рисунке 6.

Если же мы будем распознавать сущность с набором атрибутов {1 1 0 1 1}, которые будут соответствовать объекту «Самолёт с неубранным шасси», то система рассчитает id = 9, выдаст сообщение «Принадлежность сущности не определена» и предложит варианты дальнейшего поведения. Это доказывает, что метод, основанный на векторе решений, не определяет принадлежность сущности к определенному классу, если сущность содержит нетипичный набор атрибутов. В этом случае эффективнее будет использовать другой метод.

^ Распознавание

Загрузить данные для метода 1 | Загрузить данные для метода 2 | Загруженные из базы знаний данные

1 1 001 01111 11010 00001

Ввод значений атрибутов |

Заполнение атрибутов сущности

Атрибут Двигатель

(Г Да Г Нет

Метод 1

7 ОК

Повторить ввод

Метод 2

Метод 1

Вычисленное значение ¡(1

Разгадываемая сущность относится к классу: Самолет

Рис. 6. Результат распознавания сущности с атрибутами {1 1 0 0 1}

Теперь рассмотрим для определения принадлежности объекта метод, основанный на учете весов распознаваемых сущностей. С учетом того, что ввод данных уже выполнен, сразу переходим к пункту меню Обучение.

Таблица 4

Отчет об обучении системы по методу 2_

Показатели Значение показателей

Атрибуты - частота встреч Крылья - 2

Хвост - 3

Лопасти - 1

Шасси - 2

Двигатель - 3

Частоты встреч атрибутов 2 3 1

Сущности имя) -1, Самолёт

-1, Вертолёт

-1, Планер

-1, Ракета

Атрибуты с параметрами Крылья - 2 - 2

(имя - частота - вес) Хвост - 3 - 1

Лопасти - 1 - 4

Шасси - 2 - 2

Двигатель - 3 - 1

Сначала, как и при обучении распознаванию с использованием первого метода, выполняется команда Загрузить данные и происходит проверка их корректности. Затем нужно выполнить команду Обучение по методу 2. Система произведет обучение, а в текстовом поле будет выведен отчет. Отчет, сформированный системой по решаемой нами задаче, приведен в таблице 4. После обучения необходимо сохранить текстовый отчет и результаты обучения.

Для определения сущностей выбираем пункт меню Работа и выполняем команду Загрузить данные для метода 2. После этого выполняем команду Ввод значений атрибутов и вводим набор атрибутов для сущности Самолёт {1, 1, 0, 0, 1}.

Результат распознавания показан в таблице 5.

Таблица 5

Результаты распознавания объекта по методу 2_

Состояния системы Сущности в рассматриваемой группе

Начальное состояние Самолёт Вертолёт Планер Ракета

Результат первого прохода Самолёт Планер Ракета

Результат второго прохода Самолёт Планер Ракета

Результат третьего прохода Самолёт Ракета

Результат четвертого прохода Самолёт Ракета

Результат пятого прохода Самолёт Ракета

Результат работы системы Сущность принадлежит к одному из классов: Самолет или Ракета

Auditorium. Электронный научный журнал Курского государственного университета. 2018. № 3 (19)

Если провести распознавание сущности Планер с атрибутами {1, 1, 0, 1, 0}, то система безошибочно определит принадлежность сущности к классу сущностей Планер.

Если вернуться к распознаванию сущности «Самолёт с неубранным шасси» с набором атрибутов {1 1 0 1 1}, то система выведет результат «Сущность принадлежит к одному из классов: Самолёт, Планер или Ракета».

Если же мы будем распознавать объект со значениями атрибутов {0, 1, 0, 0, 1}, что будет соответствовать сущности «Ракета у которой присутствует атрибут Хвост», то система верно определит принадлежность сущности к классу сущностей Ракета. Тогда как первый метод не определит принадлежность сущности.

Таким образом, нами показано использование экспертной системы определения принадлежности сущности к определенному классу, использующей 2 метода распознавания, Globaffixpert 2.0 в задачах распознавания объектов. В результате анализа функциональных возможностей системы и результатов распознавания можно выделить следующие достоинства разработанной системы:

1) универсальность системы, под которой понимается способность распознавать любые объекты из различных предметных областей, включая символы;

2) интуитивно-понятный пользовательский интерфейс, позволяющий пополнять систему новыми знаниями без посредничества эксперта по знаниям;

3) сохранение работы системы на разных этапах работы: сохранение набора классов сущностей, атрибутов и наборов значений атрибутов; результатов обучения для каждого из методов;

4) составление и возможное сохранение отчета об обучении каждому из методов;

5) можно независимо использовать каждый из методов распознавания объектов, что позволит проводить исследования по границам применения методов и их эффективности при решении различных задач.

Исследования, проведенные с системой, показали, что первый метод, основанный на использовании вектора решений, дает хорошие результаты, если распознаваемая сущность содержит точно такой же набор значений атрибутов, что и при описании классов распознаваемых сущностей.

Второй метод, основанный на учете весов атрибутов распознаваемых сущностей, может не всегда выдавать четкий ответ о принадлежности, но в случаях наличия нетипичного, но возможного атрибута может выдавать предложение о возможной принадлежности к определенным классам или верное решение.

Вывод системой отчета об обучении каждому из методов и возможность их сохранения делает возможным применение системы в учебном процессе при изучении вопросов теории и технологии экспертных сисетм.

Библиографический список

Пикалов И.Ю., Тарасюк В.Б. Построение обучающего модуля экспертной системы определения принадлежности сущности к определённому классу. Auditorium. 2017. № 1 (13). URL: http://auditorium.kursksu.ru/pdf/013-014.pdf (дата обращения: 12.08.2018)

Пикалов И.Ю., Тарасюк В.Б. Метод построения экспертной системы определения принадлежности сущности к определённому классу с учетом весов атрибутов распознаваемых сущностей. Auditorium. 2017. № 3 (15). URL: http://auditorium.kursksu.ru/pdf/015-006.pdf (дата обращения: 12.08.2018).