Аналіз проблеми інформаційного синтезу систем керування, що навчаються, страница 20

·  суттєве стиснення обсягів інформації для підвищення оперативності обробки та ємкості її зберігання;

·  відбір інформативних, вилучення неінформативних і «заважаючих» ознак  та визначення латентних ознак розпізнавання.

Шоста задача інформаційного синтезу СК, що навчається, полягає в проведенні розвідувального аналізу, який набуває особливої ваги, коли навчальна матриця   є апріорно некласифікованою, що має місце в задачах кластерного аналізу. Суть методів розвідувального аналізу полягає у перевірці статистичної сталості та статистичної однорідності вхідних даних з метою виявлення при заданому рівні довіри моменту переходу функціонального стану СК, що спостерігається, в інший. При цьому сучасна комп’ютерна графіка надає можливість візуалізації даних в інтерактивному режимі та з високою оперативністю.

Сьома задача набуває важливого значення при класифікаційному аналізі СК, що навчається, з відкритим алфавітом класів розпізнавання  , який поповнюється або в процесі навчання, або при виявленні нових класів як це має місце при кластер-аналізі. Особливість цієї задачі полягає в тому, що її розв‘язання дозволяє не тільки оцінювати точнісні характеристики процесу навчання, які визначають асимптотичну ефективність СК, а й безпосередньо змінювати алгоритм навчання з метою цілеспрямованого збільшення інформаційної надлишковості вибіркових послідовностей по мірі введення в алфавіт нових класів. Розв‘язання цієї задачі, насамперед, тісно  пов‘язано із застосуванням методів та ідей теорії завадозахищеного кодування [230,231]. Крім того, для здобуття оцінок допустимих співвідношень між геометричними параметрами контейнерів класів розпізнавання та розмірністю простору ознак важливого значення набуває розробка теорії упакування такого простору контейнерами різної геометричної форми.

Розв’язання восьмої задачі спрямовано на підтримку функціональної ефективності СКУ на належному рівні. Поряд з постановкою задачі перспективного прогнозування зміни функціональної ефективності (інформаційної спроможності) системи так само актуальною є постановка задачі нормативного прогнозування з метою, наприклад, визначення моменту перенавчання СК. Необхідність перенавчання СК обумовлена дрейфом у часі та в просторі ознак вершин випадкових векторів – реалізацій образів при незмінних геометричних параметрах контейнерів відповідних класів. Один з можливих шляхів розв‘язання цієї задачі полягає у конструюванні прогнозуючої функції у вигляді одновимірної порядкової статистики, яка чутлива до виходу значень ознак розпізнавання за межі своїх контрольних допусків. Тоді прогнозування моменту перенавчання СК може здійснюватися через оцінку виходу поточної статистики  , що обчислюється на екзамені, за межі системи довірчих інтервалів для значення відповідної екстремальної порядкової статистики  , що обчислюється на етапі прогностичного навчання.

Оскільки зміна функціонального стану СК призводить до зміни її точнісних характеристик, то взагалі мова тут може йти про зміну інформаційної спроможності системи, яка оцінюється усередненим значенням КФЕ, який є часовою функцією. Тоді, в загальному випадку, умовою перенавчання СК є виконання співвідношення

,

де       - допустиме мінімальне усереднене значення КФЕ навчання  СК.

Досягнення мети даної дисертаційної роботи пов’язано у відповідному обсязі з дослідженням та розв’язанням наведених на рис 1.6 основних задач інформаційного синтезу СК, що навчається. Безумовно, кількість типових задач класифікаційного аналізу даних, наведених вище, не є повною і вони  знаходять висвітлення в сучасній літературі, присвяченій проблемам розробки та застосування методів комп’ютерної класифікації в задачах контролю та керування, наприклад, у працях [68,96,123].

Основні положення і результати першого розділу відбито в монографії автора [1] і в навчальному посібнику [2]. У працях автора [8,32,33,36,39] наведено постановки задач як загального, так і часткового інформаційного синтезу СК, що навчаються.