Информационная технология принятия решений при управлении сложными объектами с оценкой технического состояния на основе экспертных систем

Вид материала

Содержание

Цель исследования.
Методы исследований
Научная новизна
Практическая ценность.
Основные положения, выносимые на защиту
Объём и структура работы.
Во введении
В первой главе
Вторая глава
ВМЗ в виде реализации M
К - Kласс – совокупность концептов k
R – Связь – представляет собой объект модели M
В третьей главе
Четвертая глава

Подобный материал:

на правах рукописи

ЗУРов ЕВГЕНИЙ ВЛАДИМИРОВИЧ

ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ СЛОЖНЫМИ ОБЪЕКТАМИ С ОЦЕНКОЙ ТЕХНИЧЕСКОГО СОСТОЯНИЯ НА ОСНОВЕ ЭКСПЕРТНЫХ СИСТЕМ

Специальность 05.13.06. “Автоматизация и управление технологическими процессами и производствами (технические системы)”

Автореферат

диссертации на соискание

ученой степени кандидата

технических наук.

Научный руководитель: проф., д.т.н. Фомин В.В.

Санкт-Петербург

2007

Работа выполнена в Федеральном государственном образовательном учреждении «Санкт-Петербургский государственный университет водных коммуникаций» на кафедре «Вычислительных систем и информатики».

Научный руководитель:

доктор технических наук, профессор Фомин Владимир Владимирович

Официальные оппоненты:

доктор технических наук, профессор Бескид Павел Павлович

кандидат физико-математических наук, доцент Афанасьев Сергей Владимирович

Ведущая организация:

ЗАО «Центральный научно-исследовательский и проектно-конструкторский институт Морского флота»

Защита состоится «28» мая 2007 года в часов на заседании диссертационного совета Д.223.009.03 при Санкт-Петербургском государственном университете водных коммуникаций по адресу: 198035, Санкт-Петербург, ул. Двинская, дом 5/7.

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского государственного университета водных коммуникаций.

Автореферат разослан « »___________ 2007 г.

Ученый секретарь диссертационного совета

кандидат технических наук, доцент Барщевский Е. Г.

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. На сегодняшний день любая сфера человеческой деятельности характеризуется накоплением больших объёмов информационных ресурсов, выдвигающих на первый план проблемы представления свойств знаний, таких как однородность, полнота сведений, достоверность, однозначность, непротиворечивость и пр. Возрастающие проблемы доступа к использованию человеком информации при принятии управленческих решений в автоматизированных системах управления (АСУ) с учётом конкретной ситуации актуализирует задачи разработки систем, основанных на знаниях (СОЗ), экспертных систем и систем поддержки принятия решений. Современные информационные технологии основываются на практическом внедрении знаний в широком смысле слова (форм, моделей, языков, знаковых конструкций), которые служат для описания сложных технических объектов в разных сферах научно-исследовательских, проектных, технологических, производственных областях человеческой деятельности и повышают значимость решения проблемы интеллектуализации современных автоматизированных систем управления.

Индустриальные технологии разработки интеллектуальных информационных систем различных типов требуют привлечения больших ресурсов. Важнейшим ресурсоопределяющим фактором является привлечение экспертов предметной области и когнитологов для извлечения и формализованного представления знаний, с одной стороны, и группы инженеров-программистов для организации полученных экспертных знаний в базы знаний (БЗ) и реализации методов логической обработки в виде программного продукта, с другой стороны. Такой подход требует выделения значительных временных и финансовых затрат и выдвигает на первый план необходимость создания технологий, направленных на проблему эффективности применяемых инструментальных средств разработки экспертных систем.

Непрерывное усложнение технических решений, которые находят своё применение в том или ином техническом объекте судового оборудования предъявляет требования к постоянному повышению квалификации обслуживающего персонала. Опыт эксплуатации сложных технических объектов всё больше подтверждает возрастающее влияние человеческого фактора на их эксплуатационную надежность, несмотря на широкое использование систем автоматического управления и аварийно-предупредительных средств оповещения. Отмеченные факторы позволяют отнести данную сферу человеческой деятельности к числу информационно-насыщенных. Эволюция вычислительной техники и средств коммуникации несёт за собой новые возможности обработки информации и повышает актуальность проблемы переноса части интеллектуальной сферы человеческой деятельности в сферу автоматизации технологических процессов и систем управления.

Сложные технические объекты характеризуется большим количеством контролируемых параметров, которые различаются по своей информативности и степени доступности. Процесс управления такими объектами характеризуется либо принятием решений в условиях высокой степени неопределённости, либо требует значительных затрат материальных и временных ресурсов с целью снижения неопределённости, а следовательно, и повышению эффективности принимаемых решений. Это, в свою очередь, делает актуальным направление развития высокотехнологичных инструментальных средств СОЗ с интегральной поддержкой всего жизненного цикла, начиная с решения проблем извлечения знаний предметной области, построения их концептуальной модели и передачи в базу знаний и кончая методикой проведения испытаний над выпущенным прототипом экспертной системы (ЭС).

Цель исследования. Повышение эффективности принятия решений при управлении сложными техническими объектами путем создания специализированного программного обеспечения и внедрения элементов искусственного интеллекта в автоматизированные системы управления и классификации на основе инструментария экспертных систем с визуально-графическим представлением и формальным аналитическим аппаратом логико-семантических сетевых моделей знаний.

Для выполнения этой цели необходимо решить следующие задачи:

Анализ методологий, методов, моделей решения задачи принятия решений при управлении сложными объектами для выработки стратегических апорий формирования единой интегральной концепции «сквозного» построения экспертных систем.
Исследование подходов и методик с позиции определения продуктивного механизма формирования, хранения и использования знаний в виде декларативных и процедурных моделей представления информации.
Создание модели семантически-объектного представления знаний путём проведения анализа методов по классу «визуальное» управление знаниями и учёта феномена человеческого фактора, основанного на положениях науки «психосемантика».
Разработка методики символьного моделирования задач диагностирования, прогнозирования, ориентированных на создание эргономичного интерфейса взаимодействия с пользователем.
Разработка программного инструментария автоматизированного построения экспертных систем, основанного на расширенном декларативном фреймово-сетевом представлении знаний, который обеспечивает семантическую идентификацию предметных областей путём поддержки объектно-ориентированного механизма манипуляциями символьно-графическими компонентами.
Решение задачи диагностирования судовой дизельной установки на основе эксплуатационных технических характеристик агрегатных составляющих: цилиндропоршневая группа, газораспределительный механизм; топливная система, газотурбокомпрессор.

Методы исследований. В работе использованы методы теории распознавания образов, теории вероятностей и математической статистики, математического анализа, теории множеств, теории графов, математической логики, системного анализа, теории информации, искусственного интеллекта и построения баз данных и знаний.

Научная новизна.

Формализована концептуально-логическая, экспертная модель представления предметных знаний о техническом состоянии объекта, представляющая собой семантическую сетевую структуру данных, наделённую свойствами: иерархичности, модульности, объектно-ориентированности.
Методика, модели, алгоритмы извлечения и формализации доменных знаний в форме разработанной декларативной фреймово-сетевой модели представления знаний и эвристической предикатной модели принятия решений.
Технология по формализации предметных знаний и их репрезентации компонентами модели визуально-объектного представления знаний, моделирования задач диагностирования, описывающая средства и методы символьного, структурно-графового, мнемографического представления информации.
Создан автоматизированный программный комплекс, поддерживающий полный жизненный цикл разработки ЭС. Он осуществляет поддержку манипулирования компонентами моделей визуально-объектного представления параметров технической диагностики (двигателей внутреннего сгорания), их кодирование в базу знаний экспертной системы и реализует поддержку процесса решения задач диагностирования, в том числе моделирование задачи, синтез решения и классификацию объектов.

Практическая ценность. В результате теоретических исследований создан программный комплекс автоматизированного построения экспертных систем, с помощью которого разработана ЭС «автоматизированная система диагностирования судовых дизельных установок». Разработанные программные продукты предоставляют следующие возможности:

реализация сетевой концептуальной модели представления знаний и математических моделей, её описывающих в автоматизированном комплексе построения экспертных систем в виде совокупности программных модулей;
предложенная технология автоматизированной разработки ЭС адаптирована к широкому кругу предметных областей;
повышение эффективности решения задач диагностирования судовых технических средств, своевременное распознавание неисправностей и контроль технического состояния.

Основные положения, выводы исследований диссертации, а также инструментальный комплекс были использованы для разработки ряда экспертных систем и отдельных задач интеллектуализации принятия решений диагностики и контроля в различных государственных и коммерческих организациях, в том числе ООО «Модуль», ЗАО «Лимб».

Практическая значимость работы подтверждается соответствующими актами внедрения.

Основные положения, выносимые на защиту. На защиту выносятся:

Модель представления предметных знаний, процедуры их построения и вывода решения, основанные на применении фреймовых моделей расширенных до семантических сетей.
Методика формализации знаний, основанная на адаптивном аппарате концепт-символьного визуального моделирования логических решающих правил экспертного представления объекта исследования.
Программный инструментальный комплекс формирования автоматизированных экспертных систем принятия решений при управлении сложными объектами с оценкой их технического состояния.
Диагностическая модель состояний судовых дизельных установок, интегрально учитывающая множественные технические характеристики составляющих подсистем: цилиндропоршневая группа, газораспределительный механизм, топливная система, газотурбокомпрессор.

Апробация работы. Основные положения и результаты диссертационной работы докладывались на:

IX Санкт-Петербургской международной конференции «Региональная Информатика – 2004». (22.06.24.06.2004) г. Санкт-Петербург;
Международной научно-технической конференции «Транском-2004». (08.12.09.12.2004) г. Санкт-Петербург;
X Международной научно-практической конференции «Системный анализ в проектировании и управлении» (28.06.10.07.2006) г. Санкт-Петербург;
X Санкт-Петербургской международной конференции «Региональная Информатика – 2006». (24.10.26.10.2006) г. Санкт-Петербург;
на семинарах и заседаниях кафедры «Вычислительных систем и информатики» в 2005-2007 гг.

Публикации. По теме диссертации опубликовано 10 печатных работ (шесть статей, две из которых в изданиях, рекомендованных ВАК РФ, один доклад на Х Международной научно-практической конференции «Системный анализ в проектировании и управлении», прошедшей в 2006 году, трое тезисов докладов на Международных научно-технических конференциях).

Объём и структура работы. Диссертация состоит из введения, четырёх глав, заключения, списка литературы. Содержит 156 страниц машинописного текста, в том числе 29 рисунков, 23 таблицы; список литературы включает 124 наименования.

II. ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы, формулируются цели и задачи исследования, представляется общая характеристика работы.

В первой главе обсуждаются основные понятия, используемые в диссертационной работе, анализируются существующие подходы к построению систем основанных на знаниях и их основные отличия от традиционных автоматизированных информационных систем (ИС), выделяются классы задач, решаемые ЭС в АСУ, рассматриваются инструментальные средства разработки ЭС в рамках выделенного критерия – степень автоматизации каждого из этапов жизненного цикла построения экспертных систем.

В результате анализа развития подходов к построению СОЗ выбор сделан в пользу «полномасштабных» подходов, учитывающих все этапы разработки. В качестве основной проблемы, возникающей в процессе разработки СОЗ, любым из рассмотренных подходов, выделен этап извлечения знаний и опыта решения задач проблемной области в компьютерную систему с возможностью их дальнейшего хранения и обработки.

Рассмотрены методы формализованного представления знаний, основанные на использовании декларативных и процедурных моделей знаний. С учётом развития компьютерных средств визуализации (визуального представления и манипулирования информацией) предпочтение отдано семантической и фреймовым моделям, наделённым такими свойствами, как иерархичность, объектно-ориентированность, модульность и пр. Проблема использования рассмотренных моделей в компьютерных системах обуславливается двумя противоречащими факторами: с одной стороны, форма представления модели и, в частности, её компонентов должна быть пригодна для хранения и обработки используемыми средствами обработки информации, с другой стороны, должна быть обеспечена адекватность нотации для лица, осуществляющего конструирование моделей знаний для предметных областей. Указанные факторы положены в основу разрабатываемой во второй главе визуальной модели знаний (ВМЗ).

Проанализированы современные инструментальные средства построения экспертных систем, в результате чего сделан выбор в пользу парадигмы «сквозного» проектирования. Данный подход предполагает использование автоматизированного программного комплекса поддержки всех этапов жизненного цикла ЭС, решающего задачи приобретения знаний путем использования ВМЗ, и извлечения знаний разрабатываемыми экспертными системами за счёт реализации в них процедурной модели принятия решений.

Вторая глава посвящена формализации концептуально-логической четырёхуровневой модели, разработке модели визуально-объектного представления доменных знаний, представляющей собой инструмент для формализации предметных знаний. Разработаны правила формализованного представления предметных знаний и методика по их репрезентации в объектах разработанной модели визуально-объектного представления знаний.

Модель визуально-объектного представления знаний (ВМЗ) служит «прослойкой» (интерфейсом) между человеческим опытом, накопленным в процессе решения некоторой задачи и машинной формой их представления знаний, пригодной для обработки их на компьютере. Причём, возможность интерпретации синтезированных моделей на ЭВМ достигается за счёт разработки методов трансляции ВМЗ в форматированную БЗ и вывода заключений на основе знаний закодированных в БЗ. В основу модели ВМЗ положен иерархический метод репрезентации доменных знаний. В соответствии с этим в МПЗ присутствуют следующие категории предметно-независимых данных:

ВМЗ= (I^d, I^I, C, E, S), (1)

где

I^d – исходные данные (Initial data);
I^I – экспертные знания, уточняющие исходные данные (Investigate);
C – экспертные методы исследований и знания c решающими правилами (экспертные заключения).
E – объясняющие знания (Explain).
S – решения и их способы (reSolution).

Сетевая модель представления знаний ВМЗ в виде реализации M⁽^D⁾ разрабатываемых ЭС представляет собой ориентированный граф, состоящий из совокупности двух множеств: непустого, конечного множества вершин U и множества R неупорядоченных пар различных элементов множества U:

M ⁽^D⁾ =G (U, R)={ u₁,u₂,…u_k , r₁,r₂,…,r_n }, U, RUxU, (2)

где k=|U| - число вершин графа G;

n=|R| - число рёбер графа G.

Учитывая понятие инцидентности вершин и рёбер, принятое в теории графов, выражение (2) может быть представлено в виде множества отношений инцидентности на U или в виде совокупности неупорядоченных пар:

M^(D) =((u_j,u_l),( u_j,u_m),…,( u_j,u_r),…,(u_s,u_k))=

(3)

Для осуществления хранения (представления) предметных знаний в реализации ВМЗ – M⁽^D⁾, предложено расширение модели за счёт внесения в неё следующих компонентов. Тогда расширенное определение M⁽^D⁾примет следующий вид:

M⁽^D⁾=(K, k, p, v, R), (4)

где M⁽^D⁾ – представляет собой совокупность сведений в виде концептов и их взаимосвязей, описывающих предметную область D, структурированную согласно правилам представления знаний ВМЗ.

К - Kласс – совокупность концептов k₁,k₂,…,k_n которые имеют общие для них свойства. Он представляет собой шаблон при инициализации его концептов.

k - Концепт (атомарная информационная единица) – структурный (условно неделимый) информационный элемент M⁽^D⁾, в котором хранятся сведения об объекте, событии или явлении, относящиеся к предметной области D.

p - Свойство (метод) – идентифицируемая область в памяти, ассоциированная с концептом, предназначенная для хранения данных, включённых в данный концепт.

v – Значение свойства – конкретная информация, размещённая в идентифицированной данным свойством области памяти..

R – Связь – представляет собой объект модели M⁽^D⁾, отражающий информационные взаимосвязи между концептами предметной области

Рис. 2 Иерархическая структура компонентов ВМЗ.

Базовым элементом, положенным в основу разрабатываемой ВМЗ, является концепт, который, с одной стороны, является представителем некоторого класса и наследует его свойства, а, с другой стороны, определяется объединением вектора свойств p_i , и соответствующего вектора значений v_i:

k_i = p_iv_j=((p₁,v₁),(p₂,v₂),…, (p_l,v_l)), k_i  K; (5)

Отношения концептов выделены в следующие типы конструкций, используемых в процессе переноса экспертных знаний в форму представления M⁽^D⁾:

Один к одному;
Один ко многим (образует список частности);
Многие к одному (образует список причинности);
Эквивалентности.

Используя данные типы конструкций, эксперт переносит накопленный опыт в реализацию ВМЗ M⁽^D⁾ в соответствии с правилами, представленными в методике формализации знаний. Разработанная методика придерживается стратегии проектирования «сверху-вниз» и содержит следующие этапы:

1. Декомпозиция предметных знаний на классы I⁽^d⁾, I⁽^I⁾, C, S и инициирование необходимого количества соответствующих каждому классу концептов.

2. Сопоставление с вектором свойств p_j концепта k_j соответствующего вектора значений v_j.

3. Связывание решаемых задач Z в рамках области D и соответствующих им исходных данных I⁽^d⁾, I⁽^I⁾ отношением типа один ко многим.

4. Связывание множеств концептов исходных данных I⁽^d⁾ и I⁽^I⁾ с множеством экспертных заключений накопленных в области D

5. Установление связей между множеством концептов являющихся экземплярами класса «экспертные заключения», с множеством решений S в предметной области D отношением типа многие к одному.

В результате полученные формализованные модели представления знаний могут быть представлены следующим выражением:

где

M⁽^D⁾– модель формализуемой области D

(S₁, S₂,…, S_n) – множество концептов, являющихся решениями в области D;

f(k₁,k₂,…, k_k) – k местная функция, отражающая логические отношения между концептами применительно к решению S_i;

k_i⁽^d⁾, k_l⁽^d⁾,…, k_m⁽^d⁾ – концепты – экземпляры уровня исходных данных K⁽^d⁾;

k_j⁽^I⁾, k_s⁽^I⁾,…, k_n⁽^I⁾ – концепты – экземпляры уровня исследований K⁽^I⁾;

k_r^(С), k_t^(С),…, k_o^(С) – концепты – экземпляры уровня экспертных заключений K⁽^C⁾;

k_v⁽^S⁾, k_n⁽^S⁾,…, k_f⁽^S⁾ – концепты – экземпляры уровня решений K⁽^S⁾;

Знания, представленные в форме М⁽^D⁾, подвергаются специальному преобразованию в форматированную БЗ, которую можно будет интерпретировать методами, реализованными в комплексе автоматизированного построения ЭС.

В третьей главе выделены основные средства и методы, направленные на «сквозную» технологию автоматизированного построения ЭС, формализован состав подсистем автоматизированной системы построения экспертным систем и разработано информационное, алгоритмическое и программное обеспечение, направленное на передачу экспертных знаний в машинную форму представления с помощью математического аппарата ВМЗ и на извлечение экспертных знаний в процессе решения задач в формализованной предметной области на базе процедурной модели принятия решений в пространстве состояний, описываемых в реализациях ВМЗ М⁽^D⁾. Рассмотрен состав основных технологических этапов, выполняемых при автоматизированной разработке ЭС.

Рис. 3. Обобщенная схема взаимодействия пользователей с компонентами автоматизированной подсистемы построения ЭС

Для решения поставленных задач технология автоматизированной разработки ЭС предполагает использование автоматизированной системы построения экспертных систем A, которая представляет собой программный комплекс, интегрирующий в себе следующий набор подсистем (рис.3):

A = ( P, C, T, K, G )

Средства поддержки конструирования ВМЗ в виде редактора объектно-визуального моделирования P в составе с редактором классов C;
Методы преобразования знаний Т, представленных в форме моделей M⁽^D⁾ в структурированную БЗ K;
Библиотека методов G по извлечению предметных знаний, релевантных решаемой задаче, из БЗ в процессе поиска решения (логического вывода) и взаимодействующих с конечным пользователем через программный интерфейс ЭС.

Для решения задачи извлечения экспертных знаний со стороны конечного пользователя разработана процедурная модель принятия решений (рис. 4) в пространстве состояний, описываемых в реализациях ВМЗ M⁽^D⁾. Эта модель направлена на снижение начальной степени неопределенности Н⁽⁰⁾ технического состояния объекта исследования, которая может быть оценена с помощью формулы:

H⁽⁰⁾ = –

log₂ (p_i), (7)

где p_i вероятность занесения в базу фактов ЭС образа концепта k_i; K – предметные знания области D, представленные множеством концептов ВМЗ. Таким образом, из формулы (8) заметим, что после выполнения процедур идентификации и сбора исходных данных степень неопределённости о состоянии объекта исследования значительно снизится до значения H⁽^I⁾:

H^(I) = –

log₂ (p_i), (8)

где n – число концептов, активизированных в процессе идентификации и сбора исходных данных. Причем благодаря свойству иерархичности, которым обладает предлагаемая ВМЗ после этапа сбора исходных данных, значение величины (K-n) может на порядок отличаться от величины K. Такое значительное снижение степени показателя H⁽^I⁾ достигается благодаря тому, что в процессе логического вывода опровергаются или подтверждаются не только одиночные концепты, но также и иерархические структуры данных, образованные подчинёнными концептами (например, рис. 5).

Рис. 4 Обобщённая структура процедурной модели принятия решений

Четвертая глава посвящается разработке автоматизированной системы диагностирования судовых дизельных установок. Для решения данной задачи произведён сбор исходных информационных технических параметров, характеризующих состояния СДУ, произведена их декомпозиция по степени информативности и доступности. В качестве объектов диагностирования выбраны следующие подсистемы СДУ: цилиндропоршневая группа, газораспределительный механизм, газоткурбокомпрессор, топливная систем. Составлены решающие правила, позволяющие оценить техническое состояние объекта диагностирования по исходным данным и результатам проводимых методов проверки. На основе собранных исходных данных в области экспертного диагностирования судового дизеля синтезирована формализованная диагностическая модель в форме модели знаний M⁽^D⁾ в соответствии разработанной методикой формализации знаний предметных областей (рис. 5). После чего произведена её трансляция в форму БЗ K ЭС. В результате интеграции данной БЗ с библиотекой методов логического вывода G получена ЭС «диагностирование СДУ», которая позволяет осуществлять распознавание технических состояний выделенных подсистем СДУ по признакам неисправностей, представленных пользователем (рис.6), и основываясь на решающих правилах, закодированных в БЗ ЭС.

Рис.5 Рабочий стол редактора визуального моделирования.

Рис. 6 Интерфейс идентификации исходных данных ЭС

«Диагностирование СДУ»

Использование ЭС «диагностирование СДУ» в процессе технического диагностирования эксплуатируемых судовых дизелей позволяет значительно повысить эффективность принимаемых решений, а также значительно сократить время, затрачиваемое на поиск неисправностей, и произвести своевременную замену агрегатов, не удовлетворяющих номинальным техническим параметрам.

III. ОСНОВНЫЕ РЕЗУЛЬТЫ РАБОТЫ

Формализованная концептуально-логическая модель принятия решений о техническом состоянии объекта на основе экспертных систем.
Обоснован комплекс технических параметров определяющих состояние объекта и их отношений на основе графа семантических сетей и реализации информационной технологии визуального моделирования (для двигателей внутреннего сгорания).
Технология моделирования визуально-объектных, символьных знаний в виде форматированной реляционной структуры данных при реализации диагностических процедур технических средств.
Разработан программно-инструментальный комплекс, автоматизирующий процесс создания экспертных систем диагностирования, обеспечивающий высокую производительность, синтаксический и семантический анализ моделей представления в рамках концепт-символьных определений разработчика и гарантирующий качество формальных решений.
На базе инструментального комплекса разработки экспертных систем диагностирования разработана автоматизированная экспертная система «диагностирование судовых дизельных установок» в составе экспертной сетевой модели знаний на множестве экспериментальных значений и состояний технических характеристик, формализованных правил вывода (решений). Данная диагностическая система позволяет на основе полученных рабочих характеристик оценить текущее техническое состояние судовой дизельной установки и её агрегатов, а также инженерно обосновать полученные выводы (решения).

IV. ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Зуров Е.В., Сикулер Д.В. Об одной интегральной модели организации и использования экспертных знаний в интеллектуальной системе. // «Научно-технические ведомости СПбГТУ. Том 1. Естественные и технические науки» – СПб.: Изд-во Политехн. ун-та, 2006 –№ 5-1(47) – с. 131-134 (0,5 п.л.).
Зуров Е.В. Принципы автоматизированного программного комплекса построения экспертных систем // «Программные продукты и системы» – Тверь: № 1 (77) 2007. МНИИПУ, Главная редакция международного журнала и НИИ «Центрпрограмсистем». 2007 г. с. 44-45 (0,24 п.л.).
Зуров Е.В. Особенности моделей представления знаний в экспертных системах // Сб. науч. тр. «Автоматизированные системы управления на транспорте»; под. ред. Ю.М. Кулибанова. – СПб.: СПГУВК, 2003. – с. 135–137.
Зуров Е.В. Выбор критериев для сравнения механизмов управления доступом в системах защиты информации. IX Санкт-Петербургская международная конференция «Региональная информатика-2004 (РИ-2004)». Материалы конференции. СПб.: СПОИСУ, с. 129-130.
Зуров Е.В. Использование моделей представления знаний в построении экспертных систем // «ТРАНСКОМ-2004»: Матер. межд. науч. –тех. конф. – СПб.: СПГУВК, 2004. – с. 35.
Зуров Е.В., Фомин В.В. Автоматизированная система построения экспертных систем. //Сб. науч. тр. «Информационные технологии и системы (управление, экономика, транспорт). Выпуск 1»; под ред. Гаскарова Д.В., Скобелевой И.П. – СПб.: ООО «Андреевский издательский дом», 2005. – с.62-65.
Зуров Е.В. Анализ подходов к построению систем основанных на знаниях. // Сб. науч.-тех. ст. «Автоматизация, информатизация, инновацмя в транспортных системах. Выпуск 1»; под ред. Францева Р.Э., Фомина В.В. – СПб.: СПГУВК, 2006 – с. 12–15.
Зуров Е.В. Фомина И.К. Анализ подходов к построению систем основанных на знаниях // Матер. Х Межд. Науч.-практ. Конф. «Системный анализ в проектировании и управлении» Ч.2. – СПб. Изд-во Политехн. ун-та, 2006. – с. 277–279.
Зуров Е.В. Разработка средств и методов автоматизированного построения экспертных систем. // Матер. X межд. конф. «Региональная информатика 2006» – с.31.
Зуров Е.В. Автоматизированный программный инструментарий построения экспертных систем. // Сб. науч.-тех. ст. «Автоматизация, информатизация, инновация в транспортных системах. Выпуск 2»; под ред. Францева Р.Э., Фомина В.В. – СПб.: СПГУВК, 2007 – с. 67–74.

Blog

Информационная технология принятия решений при управлении сложными объектами с оценкой технического состояния на основе экспертных систем

Содержание

Научный руководитель: проф., д.т.н. Фомин В.В.

Санкт-Петербург