№ 2 (2024)

Приводится обзор паттернов сотрудничества. Идентифицируются общие концепты, используемые для обозначения элементов в существующих моделях паттернов сотрудничества и метамоделях языков моделирования паттернов. Предлагается концептуальная модель использования паттернов человеко-машинного сотрудничества при поддержке принятия решений. Рассматриваются варианты использования этой модели.

Обсуждаются некоторые возможности применения методов искусственного интеллекта в задачах прогнозирования исходов нейрохирургических операций. В основе представляемого подхода – эвристика причинного сходства как средство восстановления причинно-следственных зависимостей, изначально скрытых в накапливаемых эмпирических данных. Математическая формализация этой эвристики строится с помощью уточнения сходства как бинарной алгебраической операции, используемой для сопоставления описаний прецедентов и поиска в них приближенных представлений о причинности целевых эффектов – исходов нейрохирургических операций. Возможности представляемого подхода иллюстрируются на результатах интеллектуального анализа реальных эмпирических данных, охватывающих серию нейрохирургических операций опухолей ствола, выполненных в 2005-2018 годах в НМИЦ НХ им. Н. Н. Бурденко.

В статье рассматриваются нормативные системы (формальные, построенные генетическим способом) системно-структурного и системно-объектного анализа. Предлагается усовершенствованный алфавит связей и узлов нормативной системы системно-объектного анализа, основанного на подходе «Узел-Функция-Объект». Представлены варианты содержательной интерпретации алфавитных узлов как средств моделирования различных процессов. На примере производства изделий из сырья показана возможность частичной автоматизации процедуры построения графоаналитических моделей процессов с помощью усовершенствованного алфавита.

В статье предлагается многокритериальный алгоритм смешанной оптимизации, основанный на метаэвристике «кукушкин поиск» и генетическом операторе скрещивания. Поиск в дискретном пространстве осуществляется с помощью генетического оператора, а в непрерывном пространстве - с помощью стратегии метаэвристики. Работоспособность оценивалась на модифицированных тестах ZDT и DTLZ со смешанными переменными. Результаты эксперимента показали высокую эффективность предлагаемого алгоритма на комплексных оценках сходимости и многообразия.

Рассматриваются задачи машинного обучения, ориентированные на определение законов управления роботами со сложной локомоцией. Показывается экспоненциальная вычислительная сложность таких задач при использовании существующих методов, в частности, обучения с подкреплением. Обосновывается теоретическая возможность нахождения многомерной функции управления на основе дифференциально-алгебраических уравнений динамики таких систем за счет варьирования выбранного подмножества уравнений связей. Анализируется возможность существенного сокращения размерности пространства параметров задачи оптимизации на этой основе. Приводятся примеры использования предлагаемого метода для решения задач динамики машин, зооморфных и антропоморфных роботов. Показывается сопоставимость предложенного математического метода с нейроморфными динамическими системами, используемыми в качестве ядра в резервуарных вычислениях, и принципиальная допустимость конструирования аппаратных средств реализации резервуарных вычислений на этой основе.

Рассмотрен прототип трехмерной сверточной нейронной сети с блоком внимания, определяющей вероятность наличия признаков интракраниальных аневризм головного мозга в отдельном исследовании контрастной компьютерной томографии-ангиографии. Для обучения сети использовались данные контрастных компьютерной томографии-ангиографии в формате DICOM с содержанием интракраниальных аневризм и без них. Данные были разделены на тренировочное и валидационное подмножества в пропорции 65 и 35%, соответственно. С применением библиотек Keras и Tensorflow в среде программирования Python разработана модель трехмерной сверточной нейронной сети со входными данными размерности 192x192x128, состоящая из четырех слоев свертки с ядром размерности 3 и блока внимания на себя. Меткость, точность и полнота классификации на тестовой выборке достигли 96, 99 и 93%, соответственно, что превысило показатели известных ранее нейросетей.

Предлагается методика быстрого выбора коэффициента размытости ядерных функций регрессионной оценки плотности вероятности одномерной случайной величины. Для этого используются результаты исследования асимптотических свойств регрессионной оценки плотности вероятности. Предложена методика оценивания составляющих оптимального коэффициента размытости. Методом вычислительного эксперимента анализируется эффективность предлагаемого подхода быстрого выбора коэффициентов размытости регрессионной оценки плотности вероятности для семейства логнормальных законов распределения при различных объемах исходных данных и перспективных процедур дискретизации области значений случайной величины.