Аннотация.

В работе исследована возможность описания факторов неопределенности (НЕ-факторов) на основе матричного представления конечных предикатов без использования неклассических логик. Предложен метод, обеспечивающий решение задачи уточнения значений недоопределенных параметров в системах продукций и реализующий концепцию программирования в ограничениях. Приводится пример вывода на ограничениях для задачи выбора технологии обогащения и назначения минерального сырья.

Ключевые слова:

недоопределенные модели, вывод на ограничениях, алгебра кортежей, матричное представление конечных предикатов, продукционные системы.

Стр. 44-56.

A. A. Zuenko, O. V. Fridman

"Processing of subdefinite knowledge in production systems using matrix representation of finite predicates (by the example of choosing the technology of mineral processing)"

Abstract. We study possibility to describe uncertainty (NOT factors) based on the matrix representation of finite predicates  without using  non-classical  logics.  A method for constriction  of subdefinite  parameters  values  in production is proposed. The method implements the constraint programming concept. Constraint inference for problem of choosing the mineral processing technologies is provided.

Keywords:  subdefinite models, constraint inference, algebra of n-tuples, matrix representation  of finite predicates, production systems.

Полная версия статьи в формате pdf.

REFERENCES

1. Zuenko  A. A. Matritsepodobnye  vychisleniya  v zadachakh udovletvoreniya ogranicheniy /A. A. Zuenko // Shestaya  Vserossiyskaya  multikonferentsiya po problemam upravleniya (30 sentyabrya – 5 oktyabrya 2013 g.). Materialy multikonferentsii: v 4 t., Rostov n/D: Izdatelstvo Yuzhnogo federalnogo universiteta, 2013. T. 1. C. 30–34.
2. Zuenko A. A. Matrichnoe  predstavlenie konechnykh predikatov dlya avtomatizatsii  logiko-semanticheskogo analiza / Otkrytye semanticheskie tekhnologii proektirovaniya intellektualnykh  sistem // Open Semantic Technologies for Intelligent Systems (OSTIS-2014): mat. IV Mezhdunar. nauchn.-tekhn. konf., g. Minsk, 20–22 fevralya 2014 g. Minsk: BGUIR, 2014. S. 251–256.
3. Zuenko A. A. Reshenie zadach udovletvoreniya ogranicheniy s primeneniem matrichnogo predstavleniya konechnykh predikatov / Iskusstvennyy intellekt i prinyatie resheniy, 2014. (v pechati)
4. Indeytsev A. I. Sistema intellektualnoy podderzhki borby za zhivuchest nadvodnogo  korablya / A. I. Indeytsev, A. G. Sergeev // Metody i sredstva informatsionnoy podderzhki borby za zhivuchest  nadvodnykh korabley. SPb.: IPMash RAN. 1995. S. 15–35.
5. Kulik B. A. Algebraicheskiy podkhod k intellektualnoy obrabotke dannykh i znaniy. / B. A. Kulik, A. A. Zuenko, A. Ya. Fridman. SPb.: Izd-vo Politekhn. un-ta, 2010, 235 s.
6. Lorer Zh.-L. Sistemy iskusstvennogo intellekta: Per. s frants. M.: Mir,1991.568 s.
7. Narinyani A. S. Nedoopredelennoe  kalendarnoe planirovanie: novye vozmozhnosti.  / A. S. Narinyani, D. A. Ivanov,  S. V. Sedreev, S. A. Frolov. // «Informatsionnye tekhnologii», № 1, M., 1997.
8. Nilson N. Iskusstvennyy intellekt. Metody poiska resheniy. M.: Mir, 1973.
9. Osipov G. S. Metody  iskusstvennogo intellekta. M.: Fizmatlit,  2011. 296 s.
10. Petrovskiy A. B. Teoriya prinyatiya resheniy. M.: Izdatelskiy tsentr «Akademiya», 2009.
11. Polkin  S. I. Obogashchenie  rud tsvetnykh  metallov. / S. I. Polkin, E. V. Adamov. M., 1983.
12. Predstavlenie i ispolzovanie znaniy: Per. s yapon. / Pod red. Kh. Ueno, M. Isidzuka. M.: Mir, 1989. S. 29–47.
13. Rassel S. Iskusstvennyy intellekt: sovremennyy podkhod. / S. Rassel, P. Norvi 2-e izd. / per. s angl.; red. K. A. Ptitsyna. M.: Izd. dom «Vilyams», 2006. 1408 s.
14. Fridman O. V. Informatsionnaya tekhnologiya podderzhki resheniya zadach organizatsii  i upravleniya protsessami obogashcheniya mineralnogo syrya // Informatsionnye resursy Rossii, № 3 (91), 2006. S. 35–37.
15. Sharyy  S. P. Konechnomernyy intervalnyy analiz. M.: 2007.
16. Kulik B., Fridman  A., Zuenko A. Logical  Inference  and Defeasible Reasoning in N-tuple Algebra. In: «Diagnostic Test Approaches to Machine Learning and Commonsense Reasoning Systems», IGI Global, P 102–128.
17. Ruttkay Zs. Constraint satisfaction a survey // CWI Quarterly. 1998. V. 11, P. 163–214.
18. Zakrevskij A. Integrated Model of Inductive-Deductive Inference Based on Finite Predicates and Implicative Regularities. In: «Diagnostic Test Approaches to Machine Learning and Commonsense Reasoning Systems», IGI Global, P. 1–12.