Исследование спектрального состава акустического сигнала при импульсном воздействии лазерного излучения на металл 62
Скачать 1.89 Mb.
|
ВОЗМОЖНОСТЬ ПРИМЕНЕНИЯ ОНТОЛОГИЧЕСКОЙ МОДЕЛИ АВТОМОБИЛЯ В БАЗЕ ЗНАНИЙАннотация. Показывается возможность создания онтологической базы знаний, содержащей сведения об автомобиле. Объясняется, как онтологическая модель представления знаний соотносится с другими моделями: продукционной моделью и семантической сетью. В качестве примеров приводятся описания составных частей бортовых информационно-управляющих систем грузовика «КамАЗ». Ключевые слова: экспертная система, база знаний, модели представления знаний, продукционная модель, семантическая сеть, онтология, автомобиль. Позвольте для начала некоторое лирическое отступление. Во время работы в 1976-79 годах в Управлении организации производства ПО КамАЗа в отделе с названием «Администрация баз данных» одному из авторов поручалось, в частности, тщательно следить за тем, чтобы все подразделения этой могучей фирмы пользовались в документациях один раз нами присвоенными кодами подразделений, номенклатуры и т.п. Все понимали: база данных – едина, стандартизация необходима!! Время идёт, но необходимость использовать единый тезаурус в производственных, деловых, компьютерных коммуникациях не исчезла, она по-прежнему актуальна! И существенную роль в этих коммуникациях играет автомобиль «КАМАЗ». Цель статьи – показать возможность создания онтологической базы знаний, которая содержала бы сведения об автомобиле и некоторых с ним связанных службах. Теперь позвольте пояснить два слова в названии статьи. База знаний - это составная часть экспертной системы [1, 3]. Именно в базу знаний заносятся, там накапливаются и корректируются профессиональные знания высококвалифицированных специалистов для того, чтобы экспертная система могла отвечать на вопросы менее грамотных коллег, помогая им принимать решения в своей предметной области. Известны различные способы описания знаний [3, 7]: предикатами 1-го порядка, продукциями, фреймами, семантическими сетями, нечёткой логикой и онтологиями. Теперь можно бы рассказать про третье слово в названии статьи, про онтологии [2, 4]. Однако сначала надо несколько слов сказать про продукции и семантические сети, поскольку онтологии вобрали в себя идеи этих способов представления знаний. Семантическая сеть – это графическое представление объектов предметной области и связей (чаще всего – бинарных) между ними, причём и объекты, и связи должны быть поименованы. Напомним [6], что cемантика1 как раздел лингвистики отвечает на вопрос, каким образом человек, зная слова и грамматические правила какого-либо языка, оказывается способным передать или понять с их помощью самую разнообразную информацию о мире, даже если он впервые сталкивается с такой задачей. Теперь должно быть понятно, какую существенную роль играют имена элементов семантической сети: ведь благодаря именам можно понимать смысл того, что изображено. Семантическая сеть наглядна, и в этом её достоинство. Но наглядность теряется, если количество объектов и связей между ними достаточно большое (несколько десятков). Можно, однако, несколько повысить компактность сети, если вместо имён использовать условные обозначения, и тогда семантическая сеть уподобляется топографической карте. Но при добавлении элементов в сеть, она, в конце концов, теряет преимущество визуальности (рис. 2). Более существенным недостатком семантической сети является необходимость переводить всю семантику, заключённую в ней, на какой-либо язык, приспособленный для ввода в компьютер. И здесь на помощь приходят предикаты 1-го порядка, поскольку они способны представлять связи между сущностями, а предикаты, в свою очередь, можно использовать в так называемых продукциях. В повседневной жизни продукции соответствует некоторое событие, проявившееся как следствие неких причин. В экспертных системах продукция может быть представлена предложением вида: ЕСЛИ причина ТО следствие , где причина – это, вообще говоря, некоторый образец, позволяющий выполнять поиск в базе знаний (например, это может быть один или несколько предикатов, соединённых союзом И либо союзом ИЛИ), следствие – это результат успешного поиска в базе знаний (например, формально он может быть представлен одним единственным предикатом). Пример. Эксперт рассказал когнитологу, что в автомобиле есть система помощи при торможении. Она, во-первых, подаёт управляющий сигнал системе торможения, во-вторых, работает вместе с антиблокировочной системой тормоза колёс (ABS) и системой распределения тормозных усилий (EBD), в-третьих, в неё входит как подсистема электрооборудование. Когнитолог для краткости эту систему помощи обозначил символами ВА (Brake Assist) и эти знания эксперта представил семантической сетью, показанной на рис. 1 подкласс управляющийСигналК работаетВместеС работаетВместеС  Рис. 1. Семантическая сеть, представляющая знания о системе ВА Эти же знания когнитолог представил следующей продукцией (курсивом обозначены названия двуместных предикатов). ЕСЛИ подкласс ( электрооборудование, ВА) И управляющий сигналК (ВА, СистемаТорможения) И работает вместеС (ВА, ABS) И работает вместеС (ВА, EBD) ТО является (ВА) Теперь, наконец, можно объяснить, что такое онтология - третье слово в названии нашей статьи. Определений понятия онтология много [2, стр. 285], как и, кстати, определений понятия информация или знание, так что каждая группа учёных выбирает то, которое подходит к области их исследований, или сочиняет своё. В сфере ИТ-технологий онтология - это система, состоящая из понятий и набора утверждений об этих понятиях с целью строить классы, объекты, отношения, функции и теории. Эта формализация способствует такому пониманию предметной области, с помощью которого могут общаться и люди, и компьютерные системы. Онтологию можно представить некоторой разновидностью семантической сети. Рисунок 2, например, демонстрирует фрагмент изображения  Рис. 2. Фрагмент онтологии со связями, построенный системой Protégé онтологии на мониторе (правая часть экрана), построенные с помощью графического редактора программы Protégé [5]. Левая часть рисунка 2 показывает классы, между которыми установлена связь класс-подкласс. Можно, к примеру, увидеть, что рулевая передача представлена винтовой, реечной и червячной передачами, а трансмиссия - гидравлической, гидромеханической, гидростатической, механической и электромеханической трансмиссиями. Программа Protégé, в основе которой лежит фреймовая модель представления знаний, предназначена для создания, редактирования и просмотра онтологий, разрешает сохранять их в любом из популярных форматов (текстовом, XML, JDBC и др.). Связи между классами2 онтологии изображены разноцветными линиями3 различной штриховки, показывающей смысл связи. На рисунке, кстати, видно, как нелегко отследить связи одного класса с другими. Но в Protégé предусмотрена возможность изменения масштаба изображения, и этот недостаток нивелируется, что видно на рисунке 3. Обозначения классов имеют следующий смысл: ВА – система помощи при торможении, EBD – система распределения тормозных усилий, ASR – антипробуксовочная система, ABS – антиблокировочная система тормоза колёс, ESP – система динамической стабилизации. Цифры рядом с линиями нарисованы авторами, а не Protégé. Они обозначают вид связи: 1 – класс-подкласс, 2 – управляющийСигналК, 3 – работаетВместеС, 4 – обратныйСигналОт.  Рис. 3. Фрагмент онтологии, где видны связи между классами Следующий пример показывает, как можно описать показанные на рис. 3 классы (объекты) , используя язык OWL4 [8]. Заметим, что здесь каждый класс BA, ASR, ABS определяется как совокупность индивидов, которые обладают одним из указанных свойств. BA := Электрооборудование and (работаетВместеС some ABS) and (работаетВместеС some EBD) and (управляющийСигналК some СистемаТорможения) ASR :=Электрооборудование and (работаетВместеС some ABS) and (обратныйСигналОт some ABS) ABS := Электрооборудование and ( работаетВместеС some ESP) and (обратныйСигналОт some ДатчикВращенияКолёс) Итак, три слова в названии статьи прояснены и теперь – о том, оправдала ли себя онтологическая модель представления знаний применительно к автомобилю. Чтобы создать соответствующую базу знаний, пришлось играть роли эксперта, когнитолога и программиста. Став когнитологами, мы вынуждены были для начала сузить рамки предметной области до бортовых информационно-управляющих систем (БИУС). Выбор пал на эту систему благодаря статье [9] об оригинальном автомобиле КАМАЗ 63968 «Тайфун», в разработке которой участвовали сотрудники НТЦ ОАО «КамАЗ». В «Тайфуне» установлена БИУС для наблюдения и регулирования работы двигателя, вычисления крена машины, наклона дороги, скорости движения, местоположения и т. п. Была рассмотрена некоторая часть БИУС и создана экспертная система, в распоряжении которой имеется онтология, содержащая сведения про 112 объектов (классов) с 811 связями между ними. Интерфейс этой экспертной системы представлен веб-страницей ( рис.4), на которой в специальное поле вводится поисковый запрос на естественном языке так же, как и в обычных поисковых системах. Текст запроса анализируется, чтобы определить, имеется ли в базе знаний экспертные сведения по теме запроса. Если имеется, то запрос дополняется знаниями онтологии, так что получается более информативный так называемый дополненный запрос. Вот, например, как был дополнен запрос «тормоз», чтобы избежать всех ссылок на документы неавтомобильной тематики.  Исходный или дополненный запрос отправляется поисковой системе (например, Google или Яндекс). Она выдаёт набор ссылок на интернет-документы. Каждый документ дополнительно обрабатывается нашей программой, реализующей латентно-семантический анализ [10,11], и, наконец, пользователю показывается список ссылок с фрагментами документа, соответствующих теме запроса (рис.4). Эффективность полученной онтологии была проверена с помощью разработанной авторами программы-поисковика в интернете. Рассматривались первые 20 ссылок выполнения одного и того же поискового запроса к системам Google, Yahoo, Rambler и Яндекс. На рис. 5 можно увидеть, что наша онтология позволяет получать 100%-ное соответствие введённого интернет-запроса результату, полученному в виде ссылок на страницы сайтов, в то время как другие популярные поисковики не дотягивают до такого показателя 20% - 40%. Эти проценты вполне ожидаемы. Ведь наш поисковик стараниями когнитолога снабжён профессиональными знаниями эксперта, и потому такой поисковик может «понимать» запросы пользователя лучше, чем другие поисковики.  Рис. 4 Ссылки с кратким содержанием веб-документов Рис. 5 Диаграмма соотношения релевантных и нерелевантных результатов Как правило, причины, по которым когнитологи ориентируются на онтологические модели представления знаний, следующие:
Первые два пункта этого списка наша работа продемонстрировала. Созданный прототип экспертной системы позволяет обогатить базу знаний не только сведениями о других узлах автомобиля «КАМАЗ» с требуемой степенью детализации, но и о различных службах, связанных с эксплуатацией грузовика - в соответствии оставшимися пятью пунктами приведённого списка, Понятно, что работа эта весьма трудоёмкая и требует серьёзных компьютерных ресурсов и многих часов совместной работы экспертов-сотрудников ООО «КАМАЗ», когнитолога и программистов – сотрудников НЧИ КФУ. Литература
(дата обращения 13.03.16).
(дата обращения 13.03.16).
Tovshteyn M.Ya., candidate of phis.-math. Sciences, assistant professor, Naberezhnye Chelny Institute of Kazan (Volga region) Federal University Sungatullin L.I., student, Naberezhnye Chelny Institute of Kazan (Volga region) Federal University FEASIBILITY OF ONTOLOGICAL MODELS FOR CARS IN A KNOWLEDGE BASE Adstract: The purpose of the report is to introduce a possibility to create an Ontological base of knowledge, which would contain information about а vehicle. It explains how the Ontological model of knowledge presentation relates with other models: rule-oriented model and semantic networks. Onboard information control system components of a vehicle are described as an example. The purpose of the report is to introduce a possibility to create an Ontological Base of Knowledge, which would contain information about а vehicle. It explains how the Ontological Model of Knowledge presentation relates to other models: rule-oriented model and semantic net-works. Onboard information control system components of a vehicle are described as an example. Key Words: Expert System, base of knowledge, model of knowledge presentation, rule-oriented model, a semantic network, ontology, a vehicle. УДК 536.42 Велиев Давид Элманович, Набережночелнинский институт ФГАОУ ВО «Казанский (Приволжский) федеральный университет», ассистент; gotoindvdum@gmail.com |
Похожие:
 | Широкополосный анализатор поляризации лазерного излучения на основе нанографитовой плёнки |  | Аналоговый сигнал – это непрерывная форма сигнала, которая изменяется в соответствии со свойствами передаваемой информации. 28 |
| Стандартизованная технология «Исследование клеточного состава крови с применением гематологических анализаторов» | | ... |
| Исследование клеточного состава крови с применением гематологических анализаторов | | В маркере не допускается использование устройств, испускающих какие-либо сигналы (электромагнитный ретранслятор, источники bluetooth... |
| Проверка тормозного оборудования при смене бригад без отцепки локомотива от состава. 359 | | Если Вы имеете первую категорию и желаете заменить Ваш позывной сигнал опознавания на четырёхзначный |
| Ознакомиться с обработкой сигнала в информационных технологиях на примере сжатия данных | | Цель и основные мероприятия по защите насф. Обязанности руководителей спасательных служб и насф по организации и выполнению мероприятий... |