В. С. Симанков, Е. В. Луценко
| ↑ | Оглавление | ||
| ← | Глава 7, «Функции системы» | Глава 7, «Обеспечение эксплуатации системы» | → | 
Для применения на практике предложенной методологии синтеза адаптивных АСУ СОУ она должна быть доведена до определенного уровня конкретизации и детализации.
Для этого необходимо:
Инструментальная программная система, удовлетворяющая сформулированным в данной работе требованиям, была создана: это система «Эйдос» [196].
В качестве инструментальной оболочки, реализующей предложенную в данной работе методологию, математическую модель и алгоритм и синтеза адаптивных АСУ сложными объектами, применена, разработанная авторами, универсальная автоматизированная система распознавания образов «Эйдос» [177, 178, 187-200, 268, 271, 272].
Система «Эйдос» является довольно большой системой, имеющей разветвленную функциональную структуру. Достаточно сказать, что объем исходных текстов системы составляет более 2 Мб, система выдает 50 видов текстовых (приложение 1) и 50 видов графических форм (приложение 2), работает более чем с 60 связанными базами данных.
Все входные и выходные формы системы записываются в виде файлов и, как и ее базы данных, легко доступны из приложений Windows.
Требования к конфигурации компьютера, предъявляемые системой «Эйдос», не являются жесткими: она может эффективно эксплуатироваться практически на всех имеющихся в настоящее время IBM —совместимых персональных компьютерах.
Система включает следующие семь подсистем:
Первая подсистема обеспечивает формализацию входной информации, как обучающей, так и распознаваемой.
Вторая и третья подсистемы являются инструментальными, т.е. позволяют (совместно с первой) разрабатывать новые приложения (методики тестирования, диагностики, прогнозирования и т.д.).
Четвертая подсистема предоставляет возможность эксплуатировать эти приложения в промышленном режиме, решая задачи идентификации и прогнозирования.
Пятая и шестая подсистемы позволяют провести углубленный анализ данных, представленных в форме обучающей выборки, в том числе решить обратные задачи декодирования (распознавания), т.е. выработать управляющее воздействие, а также обеспечивают возможность проверить работоспособность приложения.
Седьмая подсистема обеспечивает возможность для выполнения служебных функций, необходимых для надежной эксплуатации приложения, а также содержит дескрипторную информационную систему, основанную на принципах распознавания образов.
Данной обобщенной структуре соответствует и дерево диалога системы. На рис. 2.5 и 7.1 представлена обобщенная функциональная структура системы «Эйдос». Более подробно данная структура отображена в форме иерархической табл. 7.1.
| Подсистема | Режим | Функция | Операция | |
|---|---|---|---|---|
| Словари | Классификационные шкалы и градации | |||
| Описательные шкалы и градации | Наименование шкал | |||
| Наименование градаций | ||||
| Градации описательных шкал (признаки) | ||||
| Иерархические уровни организации систем | Уровни классов | |||
| Уровни признаков | ||||
| Почтовая служба по нормативной информации | Обмен по классам | |||
| Обмен по признакам | ||||
| Печать объектов | ||||
| Обучение | Ввод-корректировка обучающей выборки | |||
| Управление составом обучающей выборки | Параметрическое задание объектов для обработки | |||
| Статистическая характеристика, ручной ремонт | ||||
| Автоматический ремонт обучающей выборки | ||||
| Пакетное обучение системы распознавания | Накопление абсолютных частот | |||
| Исключение артефактов (робастная процедура) | ||||
| Расчет информативностей признаков | ||||
| Расчет условных процентных распределений | ||||
| Автоматическое выполнение режимов 1-2-3-4 | ||||
| Почтовая служба по обучающей информации | ||||
| Оптимизация | Формирование ортонормированного базиса классов | |||
| Исключение признаков с низкой селективной силой | ||||
| Удаление классов и признаков, по которым недостаточно данных | ||||
| Распознавание | Ввод-корректировка распознаваемой выборки | |||
| Пакетное распознавание | ||||
| Вывод результатов распознавания | Разрез: один объект — много классов | |||
| Разрез: один класс — много объектов | ||||
| Почтовая служба по распознаваемой выборке | ||||
| Типология | Типологический анализ классов распознавания | Информационные (ранговые) портреты классов | ||
| Кластерный и конструктивный анализ классов | Расчет матрицы сходства образов классов | |||
| Генерация кластеров и конструктов классов | ||||
| Просмотр и печать кластеров и конструктов | ||||
| Автоматическое выполнение режимов: 1,2,3 | ||||
| Вывод 2d семантических сетей классов | ||||
| Когнитивные диаграммы классов | ||||
| Типологический анализ первичных признаков | Информационные (ранговые) портреты признаков | |||
| Кластерный и конструктивный анализ признаков | Расчет матрицы сходства образов признаков | |||
| Генерация кластеров и конструктов признаков | ||||
| Просмотр и печать кластеров и конструктов | ||||
| Автоматическое выполнение режимов: 1,2,3 | ||||
| Вывод 2d семантических сетей признаков | ||||
| Когнитивные диаграммы признаков | ||||
| Анализ | Оценка достоверности заполнения объектов | |||
| Измерение интегральной и дифференциальной валидности системы распознавания | ||||
| Измерение независимости классов и признаков | ||||
| Просмотр профилей классов и признаков | ||||
| Сервис | Генерация (сброс) баз данных | Все базы данных | ||
| Нормативная информация | Всех баз данных | |||
| БД классов | ||||
| БД первичных признаков | ||||
| БД обобщенных признаков | ||||
| Обучающая выборка | ||||
| Распознаваемая выборка | ||||
| Базы данных статистики | ||||
| Переиндексация всех баз данных | ||||
| Печать БД абсолютных частот | ||||
| Печать БД условных процентных распределений | ||||
| Печать БД информативностей | ||||
| Дескрипторная информационно -поисковая система | ||||
Таблица 7.1 — Детализированная структура системы «Эйдос»
Подробнее подсистемы, режимы, функции и операции, реализуемые системой «Эйдос», описаны в [196].
| ↑ | Оглавление | ||
| ← | Глава 7, «Функции системы» | Глава 7, «Обеспечение эксплуатации системы» | → | 
© Виктор Сафронов, 2006–2017
Пользовательское соглашение | RSS | Поддержать проект | Благодарности