CC BY
16
УДК 681.5; 621.398; 681.3
РАСПОЗНАВАНИЕ ОБЪЕКТОВ С ИСПОЛЬЗОВАНИЕМ ЭКСПЕРТНОЙ
СИСТЕМЫ ОПРЕДЕЛЕНИЯ ПРИНАДЛЕЖНОСТИ СУЩНОСТИ К ОПРЕДЕЛЕННОМУ КЛАССУ GLOBALEXPERT 1.0
© 2018 И. Ю. Пикалов
канд. пед. наук, доцент, доцент кафедры компьютерных технологий и информатизации образования e-mail: pikalovakursksu.ru
Курский государственный университет
В работе приводится описание работы с экспертной системой определения принадлежности сущности к определенному классу Globaffixpert 1.0 и возможностей данного программного продукта.
Ключевые слова: экспертная система, сущность, обучение, распознавание объектов.
Среди современных информационных технологий отдельное место занимают технологии экспертных систем. Экспертные системы в конечном счете представляют собой программы, способные принимать решения или помогать принимать решения в определенной предметной области. Отдельным классом можно выделить экспертные системы распознавания образов. Как правило, системы подобного класса взаимодействует с базой данных, содержащей описание классов объектов, которые способна распознавать система.
В данной работе будет описано применение для задачи распознавания объектов экспертной системы Globaffixpert 1.0. (свидетельство о регистрации № 2017619727, дата государственной регистрации в реестре программ для ЭВМ 01 сентября 2017 г.). Одним из основных преимуществ использования данной программы является то, что на классы сущностей, которые эта программа может распознавать, не накладывается никаких ограничений. Достаточно только определиться с атрибутами, которые будет описывать класс сущностей, заполнить их значения и обучить систему распознавать данный класс.
Еще одним достоинством системы является то, что вносить в неё данные и обучать её распознаванию сущностей может не только специалист по знаниям, как это происходит при работе со многими другими экспертными системами, а любой человек, который собрался её использовать. Это достигается за счет простого пользовательского интерфейса и пошагово организованного процесса работы с системой на всех этапах: заполнения системы новыми данными, обучения распознаванию объектов, сохранению результатов обучения и отчета об обучении и непосредственно распознаванию принадлежности объекта к определенному классу.
Описание функциональных возможностей и принципов функционирования системы будем рассматривать на задаче распознавания летательных объектов, фиксируемых в полете: Самолет, Вертолет, Птица.
Первым этапом эксплуатации системы будет являться ввод данных. При запуске программы Globaffixpert 1.0, выводится главное окно экспертной системы (рис. 1). Для ввода данных нужно выбрать пункт меню Обучение. В открывшемся окне нужно будет последовательно вводить следующие данные:
1) количество классов сущностей для распознавания;
2) имена сущностей;
3) количество атрибутов сущностей для данной группы классов сущностей;
4) имена атрибутов сущностей для данной группы классов сущностей;
5) значения атрибутов сущностей для указанных классов сущностей.
Для нашей задачи:
- количество классов сущностей для распознавания равно 3;
- классы сущностей: Самолет, Вертолет, Птица;
- количество атрибутов сущностей для данной группы сущностей равно 6;
- имена атрибутов сущностей для данной группы классов сущностей: Крылья, Хвост, Лопасти, Шасси, Оперение, Двигатель;
Очередной блок для ввода данных будет появляться только после завершения ввода предыдущего блока данных. Результат ввода первых четырёх блоков данных показан на рисунке 2;
- для заполнения значений атрибутов сущностей нужно в соотверствующей панели (рис. 3) выбирать значение да, если атрибут присутствует в классе сущностей, и нет - если отсутствует. Если на каком-то этапе заполнения значение было введено неверно, то ввод нужно повторить с использованием кнопки Повторить ввод. После ввода значений атрибутов на панели добавиться кнопка Перейти к обучению. Для нашего примера значения для ввода указаны в таблице 1.
Щ GlobalExpertl - □ X
Обучение Работа Выход
Рис. 1. Главное окно экспертной системы Globaffixpert 1.0
GlobalExpertl - Первичное обучение
Введите количество сущностей Введите количество атрибутов сущностей
[з у OK | |б уок I
□ X
N! сущности | Имя сущности
1 Самолет ^^Н
2 Вертолет
3 Птица
I
✓ OK
N: атрибута Имя атрибута
1 Крылья
2 Хвост
3 Лопасти
4 Шасси V
Заполнение атрибутов сущностей
Сущнссть Рмолет Атрибут [Крылья-
Значение Г Да С Нет
sf OK Повторить ввод
Рис. 2. Ввод данных в экспертную систему Globaffixpert 1.0
Пикалов И. Ю. Распознавание объектов с использованием экспертной системы определения принадлежности сущности к определенному классу 01оЬа1Ехрег1 1.0
Таблица 1
Атрибуты классов сущностей и их значения_
№ п/п Имя атрибута Самолет Вертолет Птица
1 Крылья 1 0 1
2 Хвост 1 1 1
3 Лопасти 0 1 0
4 Шасси 0 1 0
5 Оперение 0 0 1
6 Двигатель 1 1 0
После ввода всех входных данных нужно переходить к обучению ситемы. Для этого нужно выполнить соответствующую команду. Алгорим, по которому происходит обучение, описан ранее [Пикалов, Тарасюк 2017].
Заполнение атрибутов сущностей
Сущность 1Птица Атрибут Двигатель
Значение С Да С Нет
Повторить ввод
Перейти к обучению
Рис. 3. Заполнение значений атрибутов сущностей
Результаты обучения будут показаны на соответствующей панели (рис. 4) в текстовом поле. Кнопка Сохранить отчет позволяет сохранить отчет об обучении, кнопка Сохранить обучение позволяет сохранить всё обучение.
Цикл обучения: 1 Сущность Самолет
Сохранить отчет
У Сохранить обучение
Рис. 4. Результаты обучения системы
Для нашего примера отчет об обучении представлен в таблице 2. Он содержит информацию о количестве циклов обучения, о количесве проходов внутри каждого цикла обучения, как менялся вектор решений и переопределялись значения ¡ё классов сущностей.
Анализируя отчет об обучении системы, можно сделать вывод, что для полного обучения системе понадобилось 4 цикла (3 цикла система непосредственно обучалась, 4-й цикл стал подтверждающим и констатировал, что система полностью обучена). Максимальное количество проходов было во втором цикле (6), мимимальное количество проходов, как и в подтверждающем, было в 3 цикле (3).
Таблица 2
Отчет об обучении системы
№ п/п Изменения, происходящие в системе за каждый проход
1. Цикл обучения: 1 Сущность Самолет Ы= -1 Я= 1 1 0 0 0 1 Б = 3 стало 3 Цикл обучения: 2 Сущность Самолет Ы= 3 Б = 5 Меняем значение вектора решений Я= 3 3 0 0 1 2 Цикл обучения: 3 Сущность Самолет Ы= 8 Б = 12 стало 12
2. Сущность Вертолет Ы= -1 Б = 2 стало 2 Сущность Самолет Ы= 3 Б = 8 стало 8 Сущность Вертолет Ы= 9 Б = 10 стало 10
3. Сущность Птица Ы= -1 Б = 2 Меняем значение вектора решений Я= 2 2 0 0 1 1 Сущность Вертолет Ы= 2 Б = 5 Меняем значение вектора решений Я= 3 4 1 1 1 3 Сущность Птица Ы= 11 Б = 11 подтверждено
4. Сущность Птица Ы= -1 Б = 5 стало 5 Сущность Вертолет Ы= 2 Б = 9 стало 9
5. Сущность Птица Ы= 5 Б = 8 Меняем значение вектора решений Я= 4 5 1 1 2 3
6. Сущность Птица Ы= 5 Б = 11 стало 11
№ п/п Изменения, происходящие в системе за каждый проход
1. Цикл обучения: 4 Сущность Самолет Ы= 12 Б = 12 подтверждено Система обучена Самолет 12
2. Сущность Вертолет Ы= 10 Б = 10 подтверждено Вертолет 10
3. Сущность Птица Ы= 11 Б = 11 подтверждено Птица 11
Пикалов И. Ю. Распознавание объектов с использованием экспертной системы определения принадлежности сущности к определенному классу 01оЬа1Бхрег1 1.0
Выполняя команду Сохранить обучение, система сохраняет базу знаний и правила логического вывода. В нашем случае база знаний, помимо всех данных, которые пользователь вводил в систему, содержит рассчитанные значения ¡ё, а правила логического вывода - это наш вектор решений Я= {4 5 1 1 2 3}.
После того как результаты обучения сохранены, можно приступать к разгадыванию сущностей. Для этого в главном окне программы нужно выбрать команду Работа (рис. 1). После выполнения данной команды мы перейдем к диалоговому окну работы с системой в режиме распознавания объектов (рис. 5).
ад РогтЗ - П X
Загрузить данные из базы знаний I Вычисленное значение к!
Г
Загруженные из базы знаний данные
Ввод значений атрибутов
Рис. 5. Режим распознавания объектов
Команда Загрузить данные из базы знаний предлагает выбрать файл с сохраненными результатами обучения. Файл имеет расширение .dat. Все загруженные знания и вектор решений будут выведены в текстовое поле, для того чтобы их можно было проверить. После загрузки необходимых данных нужно выполнить команду Ввод значений атрибутов. Панель имеет уже знакомый нам вид, и в неё поочередно вводятся значения атрибутов распознаваемой сущности.
Для примера введем атрибуты сущности самолет {1 1 0 0 0 1} и посмотрим результат работы системы. Если на этапе ввода значений сущностей была сделана ошибка, то в любой момент можно начать ввод заново, выполнив команду Повторить ввод. Если атрибуты введены правильно, то нужно выполнить команду Распознавание. Результат распознавания показан на рисунке 6.
^Р Form3
Загрузить данные из базы знаний |
Загруженные из базы знаний данные
Количество сущностей: 3 Количество атрибутов: 6
Сущности:
12
Ввод значений атрибутов
Атрибут
[й
Заполнение атрибутов сущности
Значение (Г Да Г Нет
Вычисленное значение id
.вигатель
Повторить ввод
Распознавание
Рис. 6. Результат распознавания сущности с атрибутами {1 1 0 0 0 1}
Таким образом, нами показано использование экспертной системы определения принадлежности сущности к определенному классу Globaffixpert 1.0 в задачах распознавания объектов. Основными преимуществами данной системы будут:
1) универсальность системы, под которой понимается способность распознавать любые объекты из различных предметных областей;
2) интуитивно-понятный пользовательский интерфейс, позволяющий пополнять систему новыми знаниями без посредничества эксперта по знаниям;
3) сохранение результатов обучения для последующего использования;
4) составление и возможное сохранение отчета об обучении, который может быть использован для изучения логики работы системы, а следовательно, в учебном процессе при изучении вопросов, связанных с технологиями экспертных систем.
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: 12.03.2018).
