Sistema inteligente híbrido
La versión actual de la página aún no ha sido revisada por colaboradores experimentados y puede diferir significativamente de la
versión revisada el 29 de octubre de 2021; las comprobaciones requieren
3 ediciones .
Un sistema inteligente híbrido (HiIS) se entiende comúnmente como un sistema en el que se utiliza más de un método de simulación de la actividad intelectual humana para resolver un problema [1] . Así, SIG es una combinación de:
La dirección interdisciplinaria "sistemas inteligentes híbridos" reúne a científicos y especialistas que estudian la aplicabilidad de no uno, sino varios métodos, generalmente de diferentes clases, para resolver problemas de control y diseño.
La historia del término
El término "sistemas híbridos inteligentes" apareció en 1992. Los autores le dieron el significado de híbridos de métodos inteligentes, como sistemas expertos , redes neuronales y algoritmos genéticos . Los sistemas expertos eran simbólicos, y las redes neuronales artificiales y los algoritmos genéticos eran métodos adaptativos de inteligencia artificial . Sin embargo, básicamente, el nuevo término se refería a un área bastante limitada de integración: sistemas expertos y redes neuronales. A continuación se presentan varias interpretaciones de este ámbito de integración por parte de otros autores:
1. El "enfoque híbrido" asume que solo una combinación sinérgica de modelos neuronales y simbólicos logra la gama completa de capacidades (habilidades) cognitivas y computacionales.
2. Se entiende por “híbrido” un sistema formado por dos o más subsistemas integrados, cada uno de los cuales puede tener distintos lenguajes de presentación y métodos de salida. Los subsistemas se combinan semánticamente y en acción cada uno con cada uno.
3. Los científicos del Centro de Inteligencia Artificial de la Universidad de Cranfield (Inglaterra) definen un "sistema integrado híbrido" como un sistema que utiliza más de una tecnología informática. Además, las tecnologías cubren áreas como los sistemas basados en el conocimiento, los modelos conexionistas y las bases de datos. La integración tecnológica hace posible utilizar el poder individual de la tecnología para resolver partes específicas de un problema. La elección de tecnologías a introducir en un sistema híbrido depende de las características del problema a resolver.
4. Especialistas de la Universidad de Sanderland (Inglaterra), miembros del grupo HIS (Hybrid Intelligent Systems), definen los "sistemas de información híbridos" como sistemas grandes y complejos que integran "sin problemas" (todo) el conocimiento y el procesamiento tradicional. Pueden proporcionar la capacidad de almacenar, buscar y manipular datos, conocimientos y tecnologías tradicionales. Los sistemas de información híbridos serán significativamente más poderosos que las extrapolaciones de conceptos de los sistemas existentes.
El tema y propósito del desarrollo de sistemas inteligentes híbridos
El campo científico de los SIG incluye el estudio de métodos autónomos para determinar sus ventajas y desventajas, relaciones de integración que determinan en gran medida la composición, arquitectura y procesos de intercambio y procesamiento de información en híbridos, identificación de tareas correspondientes a sistemas híbridos, desarrollo de protocolos de comunicación entre componentes y arquitecturas multiprocesador [2] .
Los objetivos de la investigación SIG incluyen la creación de métodos para aumentar la eficiencia, el poder expresivo y el poder de inferencia de los sistemas inteligentes, predominantemente más completos, desarrollados con menos esfuerzo de desarrollo que las aplicaciones que utilizan métodos fuera de línea. Desde una perspectiva fundamental, los SIG pueden ayudar a comprender los mecanismos y modelos cognitivos [2] .
Clasificación de los sistemas inteligentes híbridos
En el libro Metodología y tecnología para resolver problemas complejos usando los métodos de sistemas inteligentes híbridos funcionales (Kolesnikov A.V., Kirikov I.A.) [1] , basado en una revisión analítica de las clasificaciones existentes de SIG, se propone distinguir las siguientes cinco estrategias para el desarrollo de SIG: modelos autónomos, transformacionales, débilmente acoplados, altamente acoplados y totalmente integrados:
- Los modelos de aplicaciones GIS autónomos contienen componentes de software independientes que implementan el procesamiento de información en modelos utilizando métodos de un número limitado de clases. A pesar de la evidente degeneración de la integración del conocimiento en este caso, el desarrollo de modelos autónomos es relevante y puede tener varios objetivos. Dichos modelos son una forma de comparar las posibilidades de resolver un problema mediante dos o más métodos diferentes. Un nuevo modelo autónomo para resolver el problema resuelto verifica la aplicación ya creada y conduce a modelos adecuados. Los modelos independientes se pueden utilizar para crear rápidamente un prototipo inicial, después de lo cual se desarrollan aplicaciones que consumen más tiempo. Los modelos autónomos también tienen un inconveniente importante: ninguno de ellos puede ayudar al otro en una situación de actualización de información, todos deben modificarse simultáneamente.
- Los SIG transformacionales son similares a los autónomos, ya que el resultado final del desarrollo es un modelo independiente que no interactúa con otras partes. La principal diferencia es que dicho modelo comienza como un sistema que usa un método independiente y termina como un sistema que usa otro método. Los modelos transformacionales ofrecen varias ventajas: creación más rápida y costos más bajos porque se mantiene un solo modelo y el método final adapta mejor los resultados al entorno. También hay problemas: conversión automática de un modelo a otro; una modificación significativa del modelo, comparable en volumen al desarrollo "nuevamente".
- GIS débilmente acoplado es esencialmente la primera forma real de integración, donde una aplicación se divide en elementos individuales vinculados a través de archivos de datos. La clasificación de tales modelos se discute a continuación. Chain GIS utiliza dos elementos funcionalmente completos como componentes, uno de los cuales es el procesador principal y el otro es un pre o posprocesador. En los componentes GIS subordinados son elementos funcionalmente completos. Sin embargo, en este caso uno de ellos, subordinado incluido en el otro, es el principal solucionador del problema. Metaprocesador GIS utiliza un metaprocesador y varios elementos funcionales como componentes. Coprocesador GIS en la solución del problema utiliza los elementos como socios iguales. Al mismo tiempo, todos pueden transferir información a todos, interactuar y procesar subtareas de una tarea. En comparación con otras aplicaciones más integradas, estas aplicaciones GIS poco acopladas son más fáciles de desarrollar y se pueden usar con programas disponibles comercialmente que reducen la carga de programación. El tiempo de operación se reduce debido a la simplicidad de las interfaces de archivo, sin embargo, el costo de comunicación aumenta y el rendimiento de GIS es menor. Los GIIS fuertemente acoplados tienen una superposición significativa con la clase de híbridos débilmente acoplados. Sin embargo, estos últimos utilizan el intercambio de información a través de estructuras de memoria residentes, como DDE , en lugar del intercambio a través de archivos externos en GIS débilmente acoplados. Esto mejora la experiencia interactiva y da como resultado un mejor rendimiento. Los modelos estrechamente acoplados pueden funcionar de la misma forma que los modelos débilmente acoplados, pero sus variantes de preprocesador, posprocesador y coprocesador son de naturaleza más rápida. Aquí se utilizan los siguientes métodos de desarrollo: "tablón de anuncios", "modelo de tubería" [1] y sistemas "anidados".
- Los SIG estrechamente acoplados tienen bajos costos de comunicación y un mayor rendimiento en comparación con los modelos débilmente acoplados. Sin embargo, estos SIG también tienen tres limitaciones fundamentales: 1) la complejidad de desarrollo y soporte aumenta como resultado de la interfaz de datos externos; 2) el fuerte acoplamiento sufre de sobreacumulación de datos, y 3) la validación es difícil. Los SIG considerados débil y fuertemente acoplados, debido a que su composición y estructura dependen en gran medida del problema a resolver, también se denominan SIG funcionales.
- Los SIG completamente integrados comparten estructuras de datos y representaciones de conocimiento comunes, y la relación entre los componentes se logra a través de la naturaleza dual de las estructuras. Esta es una clase de híbridos que se está desarrollando rápidamente en la práctica mundial, donde se puede distinguir el desarrollo de redes neuronales conceptuales basadas en el conocimiento, sistemas expertos conexionistas, en los que los elementos interactúan de forma rápida y sencilla, y la información general para la resolución independiente de problemas está disponible al instante. a ambos componentes. Otra opción para la integración total son las redes neuronales difusas , un híbrido que tiene una estructura similar a una red neuronal e implementa cálculos tanto neuronales como difusos. Las ventajas de la integración total son la confiabilidad, mayor velocidad de procesamiento, adaptación, generalización, reducción de ruido, argumentación y deducción lógica, que en total no se pueden encontrar en ninguna clase de métodos principales.
Resultados obtenidos
Como parte del estudio de metodologías para la creación de SIG en 2001, se propusieron una metodología estructural de problemas y una tecnología para desarrollar SIG que permiten sintetizar SIG para resolver complejos (que consisten en muchas subtareas que requieren el uso de varios métodos para simular la actividad intelectual humana) tareas como un sistema de métodos para resolver subtareas de una tarea compleja [1] . Posteriormente, en 2007, se propuso una metodología problema-instrumental para el desarrollo de SIG como una generalización de la metodología problema-estructural en el caso de ausencia de métodos relevantes para la resolución de subtareas de un problema complejo [1] .
Con base en las metodologías y tecnologías propuestas, los SIG se han desarrollado para su aplicación práctica en diversas áreas: planificación de turnos diarios en un puerto marítimo, planificación en un sistema de bioproducción [3] , diseño de automatización de embarcaciones de transporte marítimo [1] , resolución de problemas complejos de transporte y problemas de logística [4] , planificación a mediano plazo en una empresa manufacturera con una naturaleza de producción a pequeña escala [5] y otros. Se puede encontrar una descripción detallada de los SIG enumerados y los resultados de su uso práctico en las fuentes relevantes.
Actualmente, los sistemas inteligentes híbridos basados en una combinación de sistemas expertos y redes neuronales son ampliamente utilizados. La arquitectura de dichos sistemas es fácilmente ampliable y adaptable a las cargas de trabajo al escalar los módulos existentes o agregar nuevos. Este enfoque permite reducir el costo de desarrollar un sistema inteligente como un todo, al utilizar la velocidad de los sistemas expertos y la adquisición de conocimiento simplificada, donde se utilizan redes neuronales. Dichos sistemas híbridos se utilizan con mucha frecuencia en la categorización y el filtrado de datos, por ejemplo, en un sistema categórico híbrido para su uso en la agregación de contenido [6] , un sistema para clasificar documentos multilingües [7] , un sistema de alta carga para clasificar mensajes en redes sociales redes redes Twitter [8] .
Véase también
Referencias
- ↑ 1 2 3 4 5 6 Kolesnikov A. V. Sistemas inteligentes híbridos: Teoría y tecnología de desarrollo. - San Petersburgo: Editorial de la Universidad Técnica Estatal de San Petersburgo, 2001. - 711 p.
- ↑ 1 2 Sistemas inteligentes híbridos Medsker LR. - Boston: Kluwer Academic Publishers, 1995. - 298 p.
- ↑ Klachek P. M., Koryagin S. I., Kolesnikov A. V., Minkova E. S. Sistemas inteligentes adaptativos híbridos. Parte 1: Teoría y tecnología del desarrollo: monografía. - Kaliningrado: Editorial BFU. I. Kant, 2011. - 374 p.
- ↑ Kolesnikov A. V., Kirikov I. A., Listopad S. V., Rumovskaya S. B., Domanitsky A. A. Resolver problemas complejos de vendedores ambulantes utilizando sistemas inteligentes híbridos funcionales / Ed. A. V. Kolesnikova. - M.: IPI RAN, 2011. - 295 p.
- ↑ Kolesnikov A. V., Soldatov S. A. Fundamentos teóricos para resolver un problema complejo de planificación operativa de la producción, teniendo en cuenta la coordinación. // Boletín de la Universidad Estatal Rusa. Immanuel Kant. Tema. 10: Ser. Ciencias físicas y matemáticas. - Kaliningrado: Editorial. RSU ellos. I. Kant, 2009. - S. 82-98
- ↑ Denis Aleksándrovich Kiryanov. Sistema experto categórico híbrido para uso en agregación de contenido // Sistemas de programas y métodos computacionales. — 2021-12-21. - Asunto. 4 . — P. 1–22 . — ISSN 2454-0714 . -doi : 10.7256 / 2454-0714.2021.4.37019 .
- ↑ El proyecto GENIE: un conducto semántico para la categorización automática de documentos: // Actas de la 10.ª Conferencia internacional sobre tecnologías y sistemas de información web. - Barcelona, España: SCITEPRESS - Publicaciones de Ciencia y Tecnología, 2014. - P. 161–171 . - ISBN 978-989-758-023-9 , 978-989-758-024-6 . - doi : 10.5220/0004750601610171 . Archivado desde el original el 4 de junio de 2018.
- ↑ Joao P. Carvalho, Hugo Rosa, Gaspar Brogueira, Fernando Batista. MISNIS: Una plataforma inteligente para la minería de temas de twitter (Inglés) // Sistemas Expertos con Aplicaciones. — 2017-12. — vol. 89 . — pág. 374–388 . -doi : 10.1016/ j.eswa.2017.08.001 . Archivado desde el original el 25 de febrero de 2021.
Lectura sugerida
- Kolesnikov A. V. Sistemas inteligentes híbridos: Teoría y desarrollo tecnológico / Ed. SOY. Yashin . - San Petersburgo. : Editorial de la Universidad Técnica Estatal de San Petersburgo, 2001. - 711 p. — ISBN 5-7422-0187-7 .
- Gavrilov A. V. Sistemas inteligentes híbridos. - Novosibirsk: Editorial de NGTU, 2003. - 168 p.
- Yarushkina N.G. Fundamentos de la teoría de sistemas difusos e híbridos. - M. : Finanzas y estadísticas, 2004. - 320 p.
- Kolesnikov A. V. , Kirikov I. A. Metodología y tecnología para la resolución de problemas complejos utilizando sistemas inteligentes híbridos funcionales. — M .: IPI RAN , 2007. — 387 p. — ISBN 978-5-902030-55-3 .
- Batyrshin I.Z. , Nedosekin A.A. , Stetsko A.A. , Tarasov V. B. , Yazenin A.V. , Yarushkina N.G. Sistemas Híbridos Fuzzy: Teoría y Práctica / Ed. N.G. Yarushkina . - M. : Fizmatlit, 2007. - 207 p. - ISBN 978-5-922107-86-0 .
- Kolesnikov A. V. , Kirikov I. A. , Listopad S.V. , Rumovskaya S.B. , Domanitsky A.A. Resolución de problemas complejos del viajante de comercio utilizando sistemas inteligentes híbridos funcionales / Ed. AV. Kolesnikov . - M. : IPI RAN , 2011. - 295 p. — ISBN 978-5-902030 .
- Klachek P.M. , Koryagin S. I. , Kolesnikov A. V. , Minkova ES Sistemas inteligentes adaptativos híbridos. Parte 1: Teoría y tecnología del desarrollo: monografía. - Kaliningrado: Editorial BFU. I. Kant, 2011. - 374 p. - ISBN 978-5-9971-0140-4 .
- Kolesnikov A. V. , Soldatov S.A. Fundamentos teóricos para resolver un problema complejo de planificación operativa y de producción, teniendo en cuenta la coordinación.Boletín de la Universidad Estatal de Rusia. Immanuel Kant. - Kaliningrado: Editorial. RSU ellos. I. Kant, 2009. - Edición. 10: Ser. Ciencias Físicas y Matemáticas . - S. 82-98 .
- Sistemas inteligentes híbridos Medsker LR . - Boston: Kluwer Academic Publishers, 1995. - 298 p.
- Wermter S. , Sun R. Sistemas neuronales híbridos. — Heidelberg, Alemania: Springer-Verlag, 2000.
- Negnevitsky M. Inteligencia Artificial. Una guía para los sistemas inteligentes. — Harlow, Inglaterra: Addison-Wesley, 2005.
- Castillo O. , Mellin P. Sistemas Inteligentes Híbridos. — Springer-Verlag, 2006.
- Jain LC , Martin NM Fusión de redes neuronales, sistemas difusos y algoritmos genéticos: aplicaciones industriales . - CRC Press, CRC Press LLC, 1998.
Enlaces