Основные принципы и подходы к построению систем идентификации

Принципы и подходы к построению математических моделей

Построение систем идентификации — достаточно сложный итеративный процесс, реализация которого сопряжена с построением постепенно уточняющейся математической или физико-математической модели проектируемой системы. Уточненная модель системы распознавания служит основой нахождения новых границ между классами, возможной корректировки алфавита классов и словаря признаков. Как правило, нескольких итераций достаточно для окончательного решения вопроса о структуре и свойствах разрабатываемой системы идентификации.

Публикации по проблеме распознавания (идентификации) могут создать у читателей представление о том, что «распознающая система — это автоматическое вычислительное устройство, предназначенное для распознавания образов» [3], а проблема распознавания состоит лишь в таком разделении пространства признаков на области, соответствующие классам, при котором обеспечивается минимум ошибок распознавания, т. е. в нахождении решающих правил, решающих границ. Это не так.

Проблема распознавания значительно сложнее.

Вычислительная машина представляет собой лишь один из элементов системы распознавания.

Другими элементами, зачастую значительно более сложными и дорогостоящими являются технические средства обнаружения распознаваемых явлений (в данном случае технических состояний), которые подчас приходится специально разрабатывать (вспомним хитроумные ловушки элементарных частиц или современные радиолокационные системы), средства формирования измерительной информации, на основе обработки которой могут быть определены признаки этих явлений или объектов.

Математическое обеспечение систем распознавания также не определяется собственно алгоритмом построения решающих правил, решающих границ. В его состав входят: математическая модель системы, используемая как на стадии проектирования системы, так и в ходе ее эксплуатации для уточнения структуры и параметров системы; методы и алгоритмы обработки измерительной информации, получаемой техническими средствами системы и предназначенной для определения признаков распознаваемых явлений (технических состояний); методы и алгоритмы распознавания; методы и алгоритмы в определенном смысле оптимального управления процессом распознавания; методы и алгоритмы оценки эффективности системы распознавания как на стадии проектирования, так и в процессе ее функционирования и т. д.

Математическое моделирование многие считают скорее искусством, чем стройной и законченной теорией. Здесь очень велика роль опыта, интуиции и других интеллектуальных качеств человека. Поэтому невозможно написать достаточно формализованную инструкцию, определяющую, как должна строиться модель той или иной системы. Тем не менее, отсутствие точных правил не мешает опытным специалистам строить удачные модели. К настоящему времени уже накоплен значительный опыт, дающий основание сформулировать некоторые принципы и подходы к построению моделей.

При рассмотрении порознь каждый из них может показаться довольно очевидным. Но совокупность взятых вместе принципов и подходов далеко не тривиальна. Многие ошибки и неудачи в практике моделирования являются прямым следствием нарушения этой методологии.

Принципы определяют те общие требования, которым должна удовлетворять правильно построенная модель. Рассмотрим эти принципы.

Принципы построения математических моделей

  • 1. Адекватность. Этот принцип предусматривает соответствие модели целям исследования по уровню сложности и организации, а также соответствие реальной системе относительно выбранного множества свойств. До тех пор, пока не решен вопрос, правильно ли отображает модель, исследуемую систему, ценность модели незначительна.
  • 2. Соответствие модели решаемой задаче. Модель должна строиться для решения определенного класса задач или конкретной задачи исследования системы. Попытки создания универсальной модели, нацеленной на решение большого числа разнообразных задач, приводят к такому усложнению, что она оказывается практически непригодной. Опыт показывает, что при решении каждой конкретной задачи нужно иметь свою модель, отражающую те аспекты системы, которые являются наиболее важными в данной задаче. Этот принцип связан с принципом адекватности.
  • 3. Упрощение при сохранении существенных свойств системы. Модель должна быть в некоторых отношениях проще прототипа - в этом смысл моделирования. Чем сложнее рассматриваемая система, тем по возможности более упрощенным должно быть ее описание, умышленно утрирующее типичные и игнорирующее менее существенные свойства. Этот принцип может быть назван принципом абстрагирования от второстепенных деталей.
  • 4. Соответствие между требуемой точностью результатов моделирования и сложностью модели. Модели по своей природе всегда носят приближенный характер. Возникает вопрос, каким должно быть это приближение. С одной стороны, чтобы отразить все сколько-нибудь существенные свойства, модель необходимо детализировать. С другой стороны, строить модель, приближающуюся по сложности к реальной системе, очевидно, не имеет смысла. Она не должна быть настолько сложной, чтобы нахождение решения оказалось слишком затруднительным. Компромисс между этими двумя требованиями достигается нередко путем проб и ошибок. Практическими рекомендациями по уменьшению сложности моделей являются:
    • - изменение числа переменных, достигаемое либо исключением несущественных переменных, либо их объединением. Процесс преобразования модели в модель с меньшим числом переменных и ограничений называют агрегированием. Например, все типы ЭВМ в модели гетерогенных сетей можно объединить в четыре типа - ПЭВМ, рабочие станции, большие ЭВМ (мейнфреймы), кластерные ЭВМ;

Агрегирование - процесс преобразования модели в модель с меньшим числом переменных и ограничений.____________________________________________

  • - изменение природы переменных параметров. Переменные параметры рассматриваются в качестве постоянных, дискретные - в качестве непрерывных и т.д. Так, условия распространения радиоволн в модели радиоканала для простоты можно принять постоянными;
  • - изменение функциональной зависимости между переменными. Нелинейная зависимость заменяется обычно линейной, дискретная функция распределения вероятностей - непрерывной;
  • - изменение ограничений (добавление, исключение или модификация). При снятии ограничений получается оптимистичное решение, при введении - пессимистичное. Варьируя ограничениями, можно найти возможные граничные значения эффективности. Такой прием часто используется для нахождения предварительных оценок эффективности решений на этапе постановки задач;
  • - ограничение точности модели. Точность результатов модели не может быть выше точности исходных данных.
  • 5. Баланс погрешностей различных видов. В соответствии с принципом баланса необходимо добиваться, например, баланса систематической погрешности моделирования за счет отклонения модели от оригинала и погрешности исходных данных, точности отдельных элементов модели, систематической погрешности моделирования и случайной погрешности при интерпретации и осреднении результатов.

Систематическая погрешность моделирования появляется за счет:

  • - отклонения модели от оригинала;
  • - погрешности исходных данных;

______________________________- точности отдельных элементов модели.

  • 6. Многовариантность реализаций элементов модели. Разнообразие реализаций одного и того же элемента, отличающихся по точности (а, следовательно, и по сложности), обеспечивает регулирование соотношения «точ-ность/сложность».
  • 7. Блочное строение. При соблюдении принципа блочного строения облегчается разработка сложных моделей и появляется возможность использования накопленного опыта и готовых блоков с минимальными связями между ними. Выделение блоков производится с учетом разделения модели по этапам и режимам функционирования системы.

В зависимости от конкретной ситуации возможны следующие подходы к построению моделей:

  • - непосредственный анализ функционирования системы;
  • - проведение ограниченного эксперимента на самой системе;
  • - использование аналога;
  • - анализ исходных данных.

Имеется целый ряд систем, которые допускают проведение непосредственных исследований по выявлению существенных параметров и отношений между ними. Затем либо применяются известные математические модели, либо они модифицируются, либо предлагается новая модель. Таким образом, например, можно вести разработку модели для направления связи в условиях мирного времени.

При проведении эксперимента выявляются значительная часть существенных параметров и их влияние на эффективность системы. Такую цель преследуют, например, все командно-штабные игры и большинство учений.

Если метод построения модели системы не ясен, но ее структура очевидна, то можно воспользоваться сходством с более простой системой, модель для которой существует.

К построению модели можно приступить на основе анализа исходных данных, которые уже известны или могут быть получены. Анализ позволяет сформулировать гипотезу о структуре системы, которая затем апробируется. Так появляются первые модели нового образца иностранной техники при наличии предварительных данных об их технических параметрах.

Разработчики моделей находятся под действием двух взаимно противоречивых тенденций: стремления к полноте описания и стремления к получению требуемых результатов возможно более простыми средствами. Достижение компромисса ведется обычно по пути построения серии моделей, начинающихся с предельно простых и восходящих до высокой сложности (существует известное правило: начинай с простых моделей, а далее усложняй). Простые модели помогают глубже понять исследуемую проблему. Усложненные модели используются для анализа влияния различных факторов на результаты моделирования. Такой анализ позволяет исключать некоторые факторы из рассмотрения.

Сложные системы требуют разработки целой иерархии моделей, различающихся уровнем отображаемых операций. Выделяют такие уровни, как вся система, подсистемы, управляющие объекты и др.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ   След >