@article{nokey,

title = {Демонстратор программной платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах},

author = {Иванов В.К. and Палюх Б.В.},

url = {https://disk.yandex.ru/i/tEP6WYvT7sp7Tg

http://www.swsys.ru/files/2021-4/511-523.pdf},

doi = {10.15827/0236-235X.136.511-523},

year  = {2021},

date = {2021-12-31},

urldate = {2021-12-31},

booktitle = {демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, теория свидетельств, технологическая цепь, технологический процесс, demonstrator, diagnostics, evidence theory, fuzzy system, incident, malfunction, neural network, technological chain, technology},

journal = {Программные продукты и системы (Software & Systems)},

volume = {34},

number = {4},

pages = {511-523},

publisher = {ЦПС},

abstract = {Диагностика состояния сложного многостадийного технологического процесса предполагает совместную обработку первичных данных для получения вероятностных характеристик аномальных критических событий или инцидентов в условиях неопределенности. В статье представлен исследовательский демонстратор «Статус-4» – прототип программной платформы для совместного использования методов алгоритмов теории свидетельств и нейронных сетей в нечетких диагностических системах. Цель разработки демонстратора – создание научно-технического задела для передачи готовых к внедрению решений на следующие этапы проекта. Демонстратор дает возможность показать основные функциональные компоненты платформы, оценить уровень их системной готовности, провести исследовательские испытания платформы, выполнить в различных режимах тестирование программных реализаций выбранных и теоретически подтвержденных методов, быстро проверить работоспособность и эффективность функционирования при различных значениях параметров и их сочетаниях. С помощью демонстратора могут быть показаны варианты совместного применения методов нейронных сетей и теории свидетельств в гибридной экспертной системе для диагностики технологического процесса, получены экспериментальные подтверждения эффективности совместного применения этих методов в части уменьшения уровня неопределенности и увеличения уровня доверия к данным при принятии решений. В статье приводятся краткие сведения о функциональных возможностях демонстратора, включая описание технологического процесса и предположений о влиянии диагностических переменных на его работоспособность, загрузку описаний инцидентов в технологическую БД, формирование гипотез о причинах инцидентов, генерацию продукционных правил, адаптацию параметров алгоритмов оценки состояния технологического процесса с помощью нейронной сети и нечеткого вывода. Рассматриваются основные параметры хранилища данных и объектной модели, приводятся сведения о программной реализации и пользовательском интерфейсе, которые иллюстрируются примерами. Выделены особенности используемых технологий, позволяющие надеяться на эффективность их совместного использования в диагностических системах. Использование демонстратора способствует минимизации ключевых рисков создания полнофункциональной программной платформы для диагностики и оценки состояния сложного многостадийного технологического процесса.



A software platform demonstrator for joint use of evidence theory algorithms and neural networks in fuzzy systems

The diagnostics of a complex multi-stage technical process involves the joint primary data processing to obtain probabilistic characteristics of abnormal critical events or incidents under uncertainty. The paper presents the research demonstrator Status-4 that is a software platform prototype for joint using the evidence theory and neural network methods in fuzzy diagnostic systems. The purpose of the demonstrator development is to create a scientific and technical reserve for readyto-implement solutions transfer to the next project stages. The demonstrator makes it possible to show the main platform functional components, assess their system readiness level, conduct the platform research tests, perform software implementations testing of the selected and theoretically confirmed methods in various modes, check the functioning operability and efficiency at various parameter values and their combinations quickly. The demonstrator shows the options for the joint application of neural network and evidence theory methods in a hybrid expert system for diagnostics process. In addition, these methods joint application effectiveness is experimentally confirmed in terms of reducing the uncertainty level and increasing the confidence in data level when making decisions. The demonstrator enables minimizing the key risks of creating a full-featured software platform for diagnosing and evaluating the complex multi-stage technologies state. The paper provides brief information about the demonstrator functionality, including the technology description and the suppositions description about diagnostic variables influence on processing performance, loading incident descriptions into the technological database, forming hypotheses about the incidents causes, generating production rules, adapting the parameters of the technology state assessing algorithms using neural network and fuzzy inference. The paper considers the main data warehouse and object model parameters, provides the software implementation and user interface information and illustrates it by examples. It also highlights the used methods features, which allow us to hope for the effectiveness of their joint use in diagnostic systems.},

keywords = {demonstrator, diagnostics, evidence theory, fuzzy system, incident, malfunction, neural network, status-4, technological chain, technology, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, теория свидетельств, технологическая цепь, технологический процесс},

pubstate = {published},

tppubtype = {article}

}

@article{V.K.Ivanov11,

title = {Экспериментальная проверка модели оценки инновационности объекта},

author = {Иванов В.К.},

url = {https://disk.yandex.ru/i/dLU-ISv_EMMz8w},

year  = {2020},

date = {2020-11-30},

urldate = {2020-11-30},

journal = {Вестник Тверского государственного технического университета. Серия «Технические науки»},

volume = {8},

number = {4},

pages = {54-63},

publisher = {ТвГТУ},

abstract = {В статье рассматривается подход к количественной оценке инновационности продуктов и технологий. Результаты такой оценки могут быть использованы при создании хранилища данных для описаний объектов со значительным инновационным потенциалом. Модель расчета индекса инноваций основана на понятиях новизны, актуальности и имплементируемости объекта. Даны формальные определения этих показателей и описана методика их расчета. Используются нечеткие методы для обработки (неполной) информации из многочисленных источников и для получения вероятностных оценок инноваций. Представлены экспериментальные данные проверки модели, в том числе расчеты локальных критериев и глобального аддитивного оценочного критерия. Установлены цикличность динамических изменений показателей, их взаимозависимость, некоторые общие особенности продвижения продуктов. Полученные экспериментальные данные согласуются с экспертными оценками исследуемых продуктов. Анализ локальных критериев, использованных в исследовании, дает основание утверждать о правильном использовании аддитивной n-мерной функции полезности. Адекватность предположений и формальных выражений, которые используются в вычислительных алгоритмах отбора информации для размещения в хранилище данных, подтверждается. 



Experimental check of model of object innovation evaluation 

The article discusses the approach for evaluating the innovation index of the products and technologies. The evaluation results can be used to create a warehouse of the object descriptions with significant innovation potential. The model of innovation index computation is based on the concepts of novelty, relevance, and implementability of the object. Formal definitions of these indicators are given and a methodology for their calculation are described. The fuzzy methods to coprocess (incomplete) data from numerous sources and to obtain probabilistic innovation assessments are used. The experimental data of the model check including the calculations of local criteria and global additive evaluation criterion are presented. The cyclical nature of dynamic changes in indicators, their interdependence was established, some general features of the products promotion were found. The obtained experimental data are consistent with expert estimates of the products under study. The analysis of the local criteria used in the research gives grounds to assert the correct use of the additive ndimensional utility function. The adequacy of assumptions and formal expressions that are used in computational algorithms for selection information for data warehouse is confirmed. },

keywords = {additive criterion, data warehouse, innovation, innovation index, search query, utility function, аддитивный критерий, инновационность, поисковый запрос, функция полезности, хранилище данных},

pubstate = {published},

tppubtype = {article}

}

@article{V.K.Ivanov12,

title = {Additive Criteria to Evaluate Relevance of Innovative Objects in Data Warehouse},

author = {Ivanov V.K. and Palyukh B.V. and Sotnikov A.N.},

url = {https://disk.yandex.ru/i/atOSEIgY7P6F_Q},

doi = {10.1134/S199508022012015X },

issn = {1995-0802},

year  = {2020},

date = {2020-11-30},

urldate = {2020-11-30},

journal = {Lobachevskii Journal of Mathematics},

volume = {41},

number = {12},

pages = {2535–2541},

abstract = {The article discusses some aspects of warehousing object descriptions having significant innovation potential. The procedure for selecting such descriptions consists of two consecutive phases. The first phase involves generating effective search queries with a special genetic algorithm (GAP). In the second phase, the model developed determines the index of innovativeness of an object archetype. Meanwhile the values of additive selection criteria are calculated. In the former case, the criterion is a fitness function of GAP. In the latter case, the criterion is the index of innovativeness. The purpose of the article is to justify the additive criterion applicability for calculating the value of the GAP fitness function. The article describes general conditions of applying additive evaluation criteria and shows how these conditions are met for the GAP fitness function. The analysis of the partial criteria gives grounds to assert their additive independence and, therefore, the correct use of additive n-dimensional utility function. Some additional reasons for applying additive criterion are also given. In general, the article proposes a unified approach to generating global assessment criteria and the relevance of unified formal structure is shown. The models presented in the article are used to develop adequate computational algorithms for the developed data warehouse support system. },

keywords = {additive criterion, additive independence, data warehouse, genetic algorithm, innovation, innovation index, partial criterion, search query, utility function},

pubstate = {published},

tppubtype = {article}

}