RU2685965C1 - Способ формирования правила получения логического вывода - Google Patents
Способ формирования правила получения логического вывода Download PDFInfo
- Publication number
- RU2685965C1 RU2685965C1 RU2017144483A RU2017144483A RU2685965C1 RU 2685965 C1 RU2685965 C1 RU 2685965C1 RU 2017144483 A RU2017144483 A RU 2017144483A RU 2017144483 A RU2017144483 A RU 2017144483A RU 2685965 C1 RU2685965 C1 RU 2685965C1
- Authority
- RU
- Russia
- Prior art keywords
- subsequent
- user
- primary
- conclusion
- hypothesis
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 42
- 239000000203 mixture Substances 0.000 claims abstract description 13
- 230000009471 action Effects 0.000 claims abstract description 11
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 238000012790 confirmation Methods 0.000 claims abstract 2
- 230000001364 causal effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 9
- 230000010365 information processing Effects 0.000 abstract description 3
- 239000000126 substance Substances 0.000 abstract description 2
- 238000003491 array Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 11
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 208000021302 gastroesophageal reflux disease Diseases 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 208000025865 Ulcer Diseases 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 208000000718 duodenal ulcer Diseases 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 208000000689 peptic esophagitis Diseases 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Изобретение относится к средствам обработки информации за счет автоматизации формирования логических выводов при обработке массивов данных. Технический результат заключается в сокращении времени обработки и повышении достоверности логических выводов за счет постоянного контроля и подтверждения в процессе обработки данных. Компьютерной системой на основании первичной входящей информации и первичного вывода, принятого пользователем при соответствии первичной гипотезы, сохраненной в памяти, между составом и значениями признаков, характеризующих каждое выделенное событие и/или факт, с одной стороны, и принятым пользователем первичным решением, с другой стороны, осуществляют получение и анализ последующей машиночитаемой входящей информации, относящейся к произошедшим событиям или фактам, выработку пользователем на основании признаков, характеризующих выделенное событие и/или факт, или на основании части таких признаков, последующего решения в виде соответствующего действия пользователя как вывод о прогнозируемых последствиях или возможных взаимосвязях событий и/или фактов, фиксируемого компьютерной системой, формирование компьютерной системой на основании последующей входящей информации и последующего решения, принятого пользователем, последующей гипотезы о причинно-следственной связи между составом и значениями признаков, характеризующих каждое выделенное событие и/или факт, с одной стороны, и принятым пользователем последующим решением, с другой стороны, сохранении в памяти системы сформированной системой последующей гипотезы, осуществляя контроль наличия или отсутствия противоречия между первичным решением и последующей гипотезой, в случае противоречия логического вывода, делают вывод о недостоверности такой последующей гипотезы, если делают вывод о достоверности и то он подлежит дальнейшему использованию системой при формировании логического вывода в отношении последующей входящей информации. 9 табл.
Description
Изобретение относится к вычислительной технике и может быть использовано при обработке информации в логической системе с компьютерной поддержкой.
Известен способ анализа и прогнозирования развития динамической компьютера и ее отдельных элементов по патенту РФ №2236700, заключающийся в применении к организованным данным, моделирующим сложную динамическую систему, процедуры автоматической идентификации, позволяющей осуществлять синтез накопленной в хранилище информации с вновь вводимыми данными, процедуры вывода законов изменений объектов компьютера и их атрибутов по индукции на основании ранее зафиксированных их состояний, процедуры диагностики состояния и прогноза развития элементов компьютера по аналогии с известными последовательностями фактов, приводящих к некоторым типовым состояниям элементов, и процедуры диагностики состояния и прогноза развития элементов компьютера по аналогии с развитием этих же самых или подобных им элементов, информация о которых накоплена в банке данных.
Известный способ не позволяет автоматизировать процесс получения правил логического вывода.
Известен способ унифицированной семантической обработки информации, обеспечивающий в рамках одной формальной модели представление, контроль семантической правильности, поиск и идентификацию описаний объектов по патенту РФ №2393536. В способе совмещают несколько процессов обработки: поиск-идентификация описаний, пополнение описаний значениями признаков, расширение множества признаков, используемых для описания, изменение самих наборов описаний, обнаружение и диагностика ошибок ложной синонимии и омонимии и комбинации перечисленных выше действий. При этом используют данные в зависимости от текущего состояния и для поиска-идентификации, и для пополнения, и для обнаружения, и диагностики ошибок. Для обрабатываемых наборов описаний используют простые или составные ключи, предназначенные для повышения скорости сопоставления, динамически пополняют набор признаков, с помощью которых дается описание объектов и на основании которого осуществляют сопоставление.
Известный способ не позволяет автоматизировать процесс получения правил логического вывода.
Известен машинореализуемый способ автоматизированного построения маршрута логического вывода в базе знаний по патенту РФ №2607995. Технический результат заключается в сокращении времени построения маршрута логического вывода. Указанный результат достигается за счет базы знаний, содержащей представление модели предметной области в виде объектов и связей, организованных в ориентированный двудольный граф, при этом объекты содержат параметры, причем связи содержат правила и каждое правило имеет входную переменную и выходную переменную, а каждый связанный с правилом параметр является его входной либо выходной переменной. Формируют совокупность известных параметров и задают искомые параметры. Запускают одновременно несколько запускаемых правил, в которых известный параметр является входной переменной, для которых известны все остальные входные переменные, при этом имитацию запуска правила осуществляют путем присваивания выводимым в этом правиле переменным значений «известно». Если найдены все искомые параметры, упомянутую обработку прекращают и задача считается решенной, в противном случае осуществляют дальнейший поиск маршрута логического вывода. Строят последовательность из запущенных правил в порядке их запуска, при этом построенная последовательность правил представляет маршрут логического вывода.
Известный способ не позволяет автоматизировать процесс получения правил логического вывода.
Известен способ для обработки данных в логической системе с компьютерной поддержкой по патенту РФ №2583720 (выбран в качестве наиболее близкого аналога прототипа), включающий в себя следующие этапы:
- направление (S1) подлежащего подписке запроса (А) приложения (1) на по меньшей мере одно устройство (R) логических выводов,
- передача (S5, S7, S8) информации основанных на событии данных источника (4, 5) данных на устройство (R) логических выводов, причем передачу (S5, S7, S8) данных источника (4, 5) данных на устройство (R) логических выводов осуществляют, основываясь на событии, в особенности к определенным моментам времени,
- определение (SF) причинного и/или основанного на времени логического вывода посредством блока (RP) рассуждений устройства (R) логических выводов на основе семантической модели, содержащей терминологические понятия онтологии, и экземпляра модели семантической модели, содержащего конкретные экземпляры терминологических понятий онтологии, на основании данных источника (4, 5) данных переданных информации и - передача (S9, S10) логического вывода в приложение (1) посредством устройства (R) логических выводов.
В способе по патенту РФ №2583720 осуществляют формализацию сведений о семантических признаках определенных фактов или явлений, и генерации нового знания посредством логических выводов. При этом сами правила логического вывода в способе по патенту РФ №2583720 заданы исходно и не меняются по ходу процесса обработки информации.
Способ по патенту РФ №2583720, выбранный в качестве наиболее близкого аналога, не позволяет автоматизировать процесс получения правил логического вывода.
Техническая проблема, решаемая заявляемым изобретением - создание способа формирования правила получения логического вывода, в результате осуществления которого возможно автоматизировать процесс формирования правил получения логического вывода; кроме того, технической проблемой, решаемой заявляемым способом, является обеспечение возможности создания или выполнения критичных к времени запросов и логических выводов без увеличения объема требуемой памяти.
Технический результат, достигаемый изобретением - автоматизация способа формирования правила получения логического вывода, обеспечение простоты, достоверности и надежности способа.
Технический результат достигается за счет того, что в способе формирования правила получения логического вывода в логической системе с компьютерной поддержкой, заключающемся в получении и анализе машиночитаемой первичной входящей информации, относящейся к произошедшим событиям и/или фактам, выделении из общего массива входящей информации сведений о конкретных событиях и/или фактах, формулировании признаков, характеризующих каждое выделенное событие и/или факт, выработки пользователем на основании признаков, характеризующих каждое выделенное событие и/или факт, первичного решения в виде соответствующего действия пользователя, фиксируемого компьютером и выражающего вывод пользователя о прогнозируемых последствиях или возможных взаимосвязях событий и/или фактов, формировании компьютером на основании первичной входящей информации и первичного решения, принятого пользователем, первичной гипотезы о причинно-следственной связи между составом и значениями признаков, характеризующих каждое выделенное событие и/или факт, с одной стороны, и принятым пользователем первичным решением, с другой стороны, сохранении в памяти компьютера сформированной компьютером первичной гипотезы, осуществляют получение и анализ последующей машиночитаемой входящей информации, относящейся к произошедшим событиям или фактам, выработку пользователем на основании признаков, характеризующих выделенное событие и/или факт, или на основании части таких признаков, последующего решения в виде соответствующего действия пользователя, фиксируемого компьютером и выражающего вывод пользователя о прогнозируемых последствиях или возможных взаимосвязях событий и/или фактов, формировании компьютером на основании последующей входящей информации и последующего решения, принятого пользователем, последующей гипотезы о причинно-следственной связи между составом и значениями признаков, характеризующих каждое выделенное событие и/или факт, с одной стороны, и принятым пользователем последующим решением, с другой стороны, сохранении в памяти компьютера сформированной компьютером последующей гипотезы, осуществляют контроль наличия или отсутствия противоречия между первичным решением и последующей гипотезой, в случае противоречия логического вывода, полученного на основании первичной входящей информации и последующей гипотезы, первичному решению, делают вывод о недостоверности такой последующей гипотезы и исключают ее, в случае отсутствия противоречия между первичным решением и логическим выводом, полученным на основании первичной входящей информации и последующей гипотезы, делают вывод о высокой степени ее достоверности и на основании такой последующей гипотезы, имеющей высокую степень достоверности, формируют правило получения логического вывода, осуществляют обобщение нескольких сформированных правил получения логического вывода, формируя, таким образом, агрегированное правило получения логического вывода, осуществляют первичный контроль пользователем агрегированного правила получения логического вывода, в случае не подтверждения пользователем агрегированного правила получения логического вывода, делают вывод о его недостоверности и исключают его, в случае подтверждения пользователем агрегированного правила получения логического вывода, делают вывод о его достоверности и оно подлежит дальнейшему использованию компьютером при формировании логического вывода в отношении последующей входящей информации.
Заявляемый способ позволяет автоматизировать процесс формирования правила получения логического вывода за счет того, что пользователь (оператор) своими действиями по приему и обработке информации предоставляет шаблоны возможных вариантов правила получения правильного логического вывода, из которых отбираются наиболее достоверные.
Изначально пользователь (оператор) получает и анализирует первичную машиночитаемую информацию о произошедших событиях и/или фактах. Далее весь массив поступившей первичной информации разделяют по конкретным событиям и/или фактам и формулируют признаки, которыми характеризуется каждое выделенное событие и/или факт, на основании которых пользователь отделял одно событие и/или факт от другого. Оценив поступившую первичную информацию о произошедшем событии и/или факте, оценив последствия, которые могут произойти в результате произошедшего события и/или факта, или взаимосвязи, которые могут существовать между рассматриваемым и другими событиями и/или фактами, пользователь принимает первичное решение, соответствующее его оценке произошедшего события и/или факта, его оценке возможных взаимосвязей между событием и фактами, или между несколькими фактами. Указанное решение пользователь принимает в соответствии с логикой, присущей пользователю как специалисту. Принятое первичное решение пользователь реализует в виде конкретного действия, фиксируемого компьютером. Решение, принятое пользователем и реализованное в виде конкретного действия, считается правильным, корректным и, в последующем, является критерием истинности, правильности при выработке правила логического вывода.
На основании поступившей первичной информации и первичного решения, принятого пользователем, компьютер вырабатывает первичную гипотезу о причинно-следственной связи между составом и значениями признаков, характеризующих каждое выделенное событие и/или факт, с одной стороны, и принятым пользователем первичным решением, с другой стороны. Указанная первичная гипотеза на данном этапе представляет собой неподтвержденное правило логического вывода о причинно-следственной связи между составом и значениями признаков, характеризующих каждое выделенное событие и/или факт, с одной стороны, и принятым пользователем первичным решением, с другой стороны. Первичная гипотеза подлежат сохранению компьютером для ее последующего использования.
Далее согласно заявляемому способу осуществляется получение и анализ последующей входящей информации, относящейся к произошедшим событиям и/или фактам. На основании признаков, которые были сформированы на предыдущем этапе или на основании части таких признаков, характеризующих выделенные события и/или факты, пользователь принимает последующее решение, которое выражается в виде конкретного действия пользователя, фиксируемого компьютером. Каждое решение, принятое пользователем, считается правильным и корректным. На основании поступившей последующей информации и последующего решения, принятого пользователем и зафиксированного компьютером, компьютер вырабатывает последующую гипотезу о причинно-следственной связи между составом и значениями признаков, характеризующих каждое выделенное событие и/или факт, с одной стороны, и принятым пользователем последующим решением, с другой стороны. На данном этапе последующая гипотеза также представляет собой неподтвержденное правило логического вывода.
Поскольку и первичная и последующая гипотезы были выработаны компьютером, у которой отсутствует предшествующий опыт и знания, а не пользователем, который в силу присущего ему профессионального опыта с учетом всех возможных факторов и обстоятельств, имеет возможность принять правильное и корректное решение, возможны ошибки компьютера из-за недостаточности имеющейся информации для формирования корректных гипотез. Поэтому на следующем этапе осуществляют контроль на отсутствие противоречий между каждой последующей гипотезой и каждым первичным решением, принятым пользователем.
Если логический вывод, полученный на основании первичной входящей информации и последующей гипотезы, противоречит первичному решению, принятому пользователю и считающемуся правильным, делают вывод о недостоверности такой последующей гипотезы и исключат ее от дальнейшего использования компьютером.
Если логический вывод, полученный на основании первичной входящей информации и последующей гипотезы, не противоречит первичному решению, принятому пользователю и считающему правильным, делают вывод о высокой степени достоверности такой последующей гипотезы и на ее основании формируют правило получения логического вывода, используемое компьютером при дальнейшей работе.
Осуществляют обобщение нескольких сформированных правил получения логического вывода, формируя, таким образом, агрегированное правило получения логического вывода. Поскольку каждое правило получения логического вывода было сформировано на основании гипотезы, достоверность которой была подтверждена, агрегированное правило получения логического вывода будет обладать наиболее высокой достоверностью. Агрегирование первичных правил может выполняться различными способами, включая следующие. Выполняется агрегирование путем исключения лишних предпосылок, если пара объединяемых первичных правил имеет общий вывод, часть их предпосылок совпадает, но в одном из правил присутствуют также дополнительные (лишние) предпосылки. Выполняется агрегирование путем дополнения предпосылок, объединяемых условием «или», если пара объединяемых первичных правил имеет общий вывод, часть их предпосылок совпадает, а отличающаяся часть предпосылок содержит условия на различные значения одних и тех же признаков. При агрегировании правил оценка степени их достоверности суммируется. Для окончательного вывода о достоверности агрегированного правила получения логического вывода, для того, чтобы исключить в дальнейшем участие пользователя в обработке и анализе поступающей информации, осуществляют первичный контроль пользователем агрегированного правила получения логического вывода.
В случае не подтверждения пользователем агрегированного правила получения логического вывода, делают вывод о его недостоверности и исключают его, в случае подтверждения пользователем агрегированного правила получения логического вывода, делают вывод о его достоверности и оно подлежит дальнейшему использованию компьютером при формировании логического вывода в отношении последующей входящей информации.
Поскольку подтвержденное пользователем агрегированное правило получения логического вывода, обладающее в результате этого максимально возможной степенью достоверности, было сформировано самой компьютером, следовательно, начиная с данного этапа компьютер знает и умеет принимать правильные решения в отношении произошедших событий и/или фактов, т.к. начиная с данного этапа, компьютер умеет правильно прогнозировать последствия или возможные взаимосвязи событий и/или фактов.
Заявляемый способ подтверждается следующими примерами.
Пример 1.
1) Пример получения логических гипотез по описываемому способу в компьютере ситуационного центра. В таблице 1 ниже перечислены сообщения о происшествиях, поступающие в ситуационный центр, содержание сведения о конкретных событиях или фактах. Каждое сообщение характеризуется набором признаков, в число которых входят тип (класс) происшествия, данные о месте и времени происшествия.
На основании значений признаков сообщений пользователь принимает решение о том, что определенные сообщения свидетельствуют об одном и том же происшествии, то есть между ними существует взаимосвязь. Компьютер выполняет следующие действия по анализу состава и значений признаков сообщений, в отношении которых принял решение пользователь:
а) определяет набор классов происшествий, о которых говорится в связанных сообщениях;
б) определяет разброс значений признаков, свидетельствующих о месте и времени происшествия, и вычисляет максимальную величину разброса;
в) определяет совпадающие значения иных семантических признаков.
Состав семантических признаков зависит от классификации сообщения. Так, пожар может характеризоваться площадью возгорания и числом пострадавших, отравление продуктами горения - числом пострадавших и типом горючего вещества. Конкретные способы классификации, выделения семантических признаков не связаны с реализацией предлагаемого способа и здесь не описываются.
Сочетание состава и возможных значений признаков, полученное в результате этой последовательности действий, образует условие гипотезы, состоящей в том, что при удовлетворении условий гипотезы следует считать сообщения свидетельствующими об одном происшествии.
Ниже в Таблице 1 перечислены сообщения, поступавшие в ситуационный центр, в порядке их поступления.
На основе первого поступившего сообщения пользователь не принял никакого решения, так как отсутствовали другие сообщения,. с которыми можно было бы его связать. Пользователь создал на основе этого сообщения информационный объект, описывающий происшествие, контролируемое ситуационным центром. Происшествие получило тот же набор и значения семантических признаков, которыми характеризовалось первое сообщение.
После поступления второго сообщения пользователь сравнил набор и значения его признаков с набором и значениями признаков контролируемого происшествия, и принял решение о том, что второе сообщение свидетельствует о том же происшествии, что и первое, создав тем самым между ними логическую связь. На основе этого решения компьютером была сформирована следующая гипотеза:
Условие гипотезы, сформулированной в результате обработки первого и второго сообщений, в отношении которых пользователь принял решение о том, что они свидетельствуют об одном и том же происшествии, может быть записано так: «Сообщения свидетельствуют об одном происшествии, если они относятся к классам [Задымление, Пожар], разброс по координатам места происшествия не превышает 100 м, разброс по времени не превышает 10 мин, и Тип объекта, на котором произошло происшествие - Здание или Торговый центр».
Затем поступило третье сообщение, и пользователь снова принял решение о том, что оно свидетельствует о том же происшествии. На основании сравнения признаков первого и третьего сообщений сформирована вторая гипотеза.
Предположим, в ходе дальнейшей работы ситуационного центра поступают четвертое и пятое сообщения о другом происшествии со следующими значениями признаков:
На основании сообщения №4 пользователь создал новое контролируемое происшествие.
При поступлении сообщения №5 пользователь принимает решение о том, что это сообщение не свидетельствует о том же происшествии. Такой вывод оператора противоречит ранее сформулированной гипотезе №2:
Как видно из Таблицы 5, результат сравнения признаков сообщений №4 и №5 удовлетворяет условиям гипотезы №2, однако в этом случае пользователь не принял того решения, которое должен бы был принять, если бы гипотеза №2 была верной. Поэтому гипотеза №2 помечается как неверная и не будет формироваться вновь в процессе дальнейшей работы компьютера.
В ходе дальнейшей работы компьютера поступают сообщения №6 и №7, на основании которых компьютер формирует гипотезу №3.
Компьютер выполняет сравнение условий гипотезы №1, оставшейся не опровергнутой, и вновь сформированной гипотезы №3. Условия агрегирования могут варьироваться в зависимости от прикладной задачи, для решения которой реализуется способ. В рассматриваемом примере компьютер находит достаточное количество общих элементов предпосылок между гипотезами №1 и №3, и формирует на их основе агрегированное правило получения логического вывода. В части набора классов (типов) происшествия выполняется дополнение предпосылок, в части признаков места и времени, а также семантических признаков - исключение предпосылок, то есть выбирается наиболее строгий вариант соответствия.
Читаемый вид агрегированного правила №1 таков: «Сообщения свидетельствуют об одном происшествии, если они относятся к классам [Задымление, Пожар, Пострадавший с ожогами], разброс по координатам места происшествия не превышает 100 м, разброс по времени не превышает 10 мин, и Тип объекта, на котором произошло происшествие - Здание».
По истечении определенного периода работы компьютера агрегированное правило предъявляется в читаемом виде для проверки пользователю-эксперту. Пользователь-эксперт убеждается в корректности сформулированного правила и делает вывод о его достоверности. В дальнейшем при поступлении сообщений, отвечающих условиям такого правила, компьютер будет автоматически устанавливать взаимосвязь между этими сообщениями, и, следовательно, между каждым последующим сообщением и контролируемым происшествием, созданным на основании первого сообщения.
Пример 2.
Применение способа в компьютере мониторинга неисправностей оборудования на примере условной сложной технологической установки. Пусть установка снабжена датчиками, измеряющими различные характеристики ее функционирования: температуру различных узлов, уровень шума, уровень вибрации. Для каждого параметра в каждой точке измерения существует граничное значение (уставка), при превышении которого автоматически срабатывает компьютер аварийной сигнализации. Однако возможны ситуации, в которых значение каждого конкретного контролируемого параметра не превысило пороговое значение, но их комбинация свидетельствует о серьезной неисправности, при возникновении которой необходимо остановить установку, выполнить ее диагностику и ремонт. Решение об остановке принимает оператор, следящий за значениями всех параметров.
Исходными данными для формирования гипотез служат случаи, в которых оператор принял или не принял решение об остановке оборудования. В данном примере отсутствует классификация случаев, не существенны признаки места и времени - рассматриваются только семантические признаки. Вывод гипотезы состоит в том, что если условия гипотезы выполняются, то необходимо остановить оборудование для диагностики и ремонта.
Гипотезы формируются на основании наборов признаков, характеризующих случаи, в которых принято решение об остановке. При этом формируемые гипотезы не должны противоречить тем случаям, когда решение об остановке не было принято. В данном примере при формировании гипотез не учитываются значения признаков, учет которых привел бы к недостоверности гипотез из-за наличия противоречащих случаев. Так, 3-й случай препятствует включению в условие значений уровня шума и вибрации, т.к. они превышают соответствующие значения в 1-м и 2-м случаях, но решение об остановке не было принято.
Условие правила, сформированного на основании агрегирования гипотез: «Решение об остановке принимается, если производится автоматический сброс излишнего давления И температура рабочей жидкости превышает 120°C».
Пример 3.
Применение способа в медицинской диагностике. Основанием для формирования логических гипотез служит наблюдение за поставленными врачом предварительными диагнозами на основе опроса пациента.
В примере 3 использован «Российский терапевтический справочник» под ред. А.Г. Чучалина, Москва, «Геотар-Медиа», 2005, стр. 140-148
Правила, сформированные алгоритмом на основании перечисленных случаев.
1. Если Характер боли в эпигастральной области = «Резкая, поздняя через 1,5-2 часа после еды», и Результат ФГДС = [язвенный дефект, эрозии], то вероятный предварительный диагноз = Язвенная болезнь 12-перстной кишки хроническая (обострение)
2. Если Характер боли в эпигастральной области = «Вскоре после еды, усиливается при наклонах и в горизонтальном положении», и Результат ФГДС = рефлюкс эзофагит, то вероятный предварительный диагноз = Гастроэзофагеальная рефлюксная болезнь (ГЭРБ).
Claims (1)
- Способ формирования правила получения логического вывода в логической системе с компьютерной поддержкой, заключающийся в получении и анализе машиночитаемой первичной входящей информации, относящейся к произошедшим событиям и/или фактам, выделении из общего массива входящей информации сведений о конкретных событиях и/или фактах, формулировании признаков, характеризующих каждое выделенное событие и/или факт, выработки пользователем на основании признаков, характеризующих каждое выделенное событие и/или факт, первичного решения в виде соответствующего действия пользователя, фиксируемого компьютером и выражающего вывод пользователя о прогнозируемых последствиях или возможных взаимосвязях событий и/или фактов, формировании компьютером на основании первичной входящей информации и первичного решения, принятого пользователем, первичной гипотезы о причинно-следственной связи между составом и значениями признаков, характеризующих каждое выделенное событие и/или факт, с одной стороны, и принятым пользователем первичным решением, с другой стороны, сохранении в памяти компьютера сформированной компьютером первичной гипотезы, осуществляют получение и анализ последующей машиночитаемой входящей информации, относящейся к произошедшим событиям или фактам, выработку пользователем на основании признаков, характеризующих выделенное событие и/или факт, или на основании части таких признаков, последующего решения в виде соответствующего действия пользователя, фиксируемого компьютером и выражающего вывод пользователя о прогнозируемых последствиях или возможных взаимосвязях событий и/или фактов, формировании компьютером на основании последующей входящей информации и последующего решения, принятого пользователем, последующей гипотезы о причинно-следственной связи между составом и значениями признаков, характеризующих каждое выделенное событие и/или факт, с одной стороны, и принятым пользователем последующим решением, с другой стороны, сохранении в памяти компьютера сформированной компьютером последующей гипотезы, осуществляют контроль наличия или отсутствия противоречия между первичным решением и последующей гипотезой, в случае противоречия логического вывода, полученного на основании первичной входящей информации и последующей гипотезы, первичному решению, делают вывод о недостоверности такой последующей гипотезы и исключают ее, в случае отсутствия противоречия между первичным решением и логическим выводом, полученным на основании первичной входящей информации и последующей гипотезы, делают вывод о высокой степени ее достоверности и на основании такой последующей гипотезы, имеющей высокую степень достоверности, формируют правило получения логического вывода, осуществляют обобщение нескольких сформированных правил получения логического вывода, формируя, таким образом, агрегированное правило получения логического вывода, осуществляют первичный контроль пользователем агрегированного правила получения логического вывода, в случае не подтверждения пользователем агрегированного правила получения логического вывода, делают вывод о его недостоверности и исключают его, в случае подтверждения пользователем агрегированного правила получения логического вывода, делают вывод о его достоверности и оно подлежит дальнейшему использованию компьютером при формировании логического вывода в отношении последующей входящей информации.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2017144483A RU2685965C1 (ru) | 2017-12-18 | 2017-12-18 | Способ формирования правила получения логического вывода |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2017144483A RU2685965C1 (ru) | 2017-12-18 | 2017-12-18 | Способ формирования правила получения логического вывода |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2685965C1 true RU2685965C1 (ru) | 2019-04-23 |
Family
ID=66314849
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2017144483A RU2685965C1 (ru) | 2017-12-18 | 2017-12-18 | Способ формирования правила получения логического вывода |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2685965C1 (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112911403A (zh) * | 2021-01-28 | 2021-06-04 | 深圳创维－Rgb电子有限公司 | 事件分析方法、装置、电视机以及计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1244006A1 (en) * | 1999-06-21 | 2002-09-25 | The Institute of Computer Based Software Methodology and Technology | Method for determining software and processor |
| RU2393536C2 (ru) * | 2008-03-21 | 2010-06-27 | Общество с ограниченной ответственностью "Передовые сервисы и технологии" | Способ унифицированной семантической обработки информации, обеспечивающий в рамках одной формальной модели представление, контроль семантической правильности, поиск и идентификацию описаний объектов |
| RU2583720C2 (ru) * | 2010-09-13 | 2016-05-10 | Сименс Акциенгезелльшафт | Устройство для обработки данных в логической системе с компьютерной поддержкой и соответствующий способ |
| RU2607995C2 (ru) * | 2015-02-11 | 2017-01-11 | Общество С Ограниченной Ответственностью "Мивар" | Автоматизированное построение маршрута логического вывода в миварной базе знаний |
| US9824316B2 (en) * | 2013-12-18 | 2017-11-21 | International Business Machines Corporation | Transforming rules into generalized rules in a rule management system |
-
2017
- 2017-12-18 RU RU2017144483A patent/RU2685965C1/ru not_active IP Right Cessation
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1244006A1 (en) * | 1999-06-21 | 2002-09-25 | The Institute of Computer Based Software Methodology and Technology | Method for determining software and processor |
| RU2393536C2 (ru) * | 2008-03-21 | 2010-06-27 | Общество с ограниченной ответственностью "Передовые сервисы и технологии" | Способ унифицированной семантической обработки информации, обеспечивающий в рамках одной формальной модели представление, контроль семантической правильности, поиск и идентификацию описаний объектов |
| RU2583720C2 (ru) * | 2010-09-13 | 2016-05-10 | Сименс Акциенгезелльшафт | Устройство для обработки данных в логической системе с компьютерной поддержкой и соответствующий способ |
| US9824316B2 (en) * | 2013-12-18 | 2017-11-21 | International Business Machines Corporation | Transforming rules into generalized rules in a rule management system |
| RU2607995C2 (ru) * | 2015-02-11 | 2017-01-11 | Общество С Ограниченной Ответственностью "Мивар" | Автоматизированное построение маршрута логического вывода в миварной базе знаний |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112911403A (zh) * | 2021-01-28 | 2021-06-04 | 深圳创维－Rgb电子有限公司 | 事件分析方法、装置、电视机以及计算机可读存储介质 |
| CN112911403B (zh) * | 2021-01-28 | 2022-10-21 | 深圳创维－Rgb电子有限公司 | 事件分析方法、装置、电视机以及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Srivastava et al. | Mathematical notions vs. human perception of fairness: A descriptive approach to fairness for machine learning | |
| Van Der Gaag | Bayesian belief networks: odds and ends | |
| US20200104733A1 (en) | Generation of human readable explanations of data driven analytics | |
| JP2021068436A (ja) | 機械学習アルゴリズムの推論検証 | |
| JP2014203228A (ja) | プロジェクト管理支援システム | |
| CN112889117A (zh) | 工作流程预测性分析引擎 | |
| Branchi et al. | Learning to act: a reinforcement learning approach to recommend the best next activities | |
| RU2685965C1 (ru) | Способ формирования правила получения логического вывода | |
| JP7034334B2 (ja) | 試験装置及び開発支援装置 | |
| Antonelli et al. | Heterogeneous causal effects of neighbourhood policing in New York City with staggered adoption of the policy | |
| CN115222081A (zh) | 学位资源预测方法、装置及计算机设备 | |
| US20200394508A1 (en) | Categorical electronic health records imputation with generative adversarial networks | |
| CN110968547B (zh) | 一种信息筛选方法及系统 | |
| CN110717537A (zh) | 训练用户分类模型、执行用户分类预测的方法及装置 | |
| Mitchell et al. | Using structured decision making to manage disease risk for Montana wildlife | |
| CN116049642A (zh) | 一种故障诊断方法、系统、电子设备及计算机存储介质 | |
| AU2021104790A4 (en) | A method for predicting and early warning of mental disorders using neural networks | |
| JP7502963B2 (ja) | 情報処理システムおよび情報処理方法 | |
| RU2622858C1 (ru) | Способ оценки информации об эффективности функционирования системы и устройство на его основе для решения задач управления, контроля и диагностики | |
| Onnes et al. | Bayesian network conflict detection for normative monitoring of black-box systems | |
| Goodwin et al. | A probabilistic reasoning method for predicting the progression of clinical findings from electronic medical records | |
| Nguyen et al. | Data-driven models for individual and group decision making | |
| CN117634855B (zh) | 基于自适应仿真的项目风险决策方法、系统、设备及介质 | |
| KR20200021132A (ko) | 인공지능을 이용한 예측 방법 | |
| Paucar et al. | Towards Technology Acceptance: a Bayesian Network of soft requirements, the case of the NHS COVID-19 Test and Trace App |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20191219 |