Интеллектуальная информационная система для поиска и идентификации медиа-данных

Тип работы:
Диссертация
Предмет:
Системный анализ, управление и обработка информации
Страниц:
159


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Накопление, сохранение и использование информации, знаний и опыта является неотъемлемой частью человека.

На заре цивилизации наши предки рисовали на стене своей пещеры. Со временем мы научились лучше собирать, хранить и распределять информацию при помощи изобразительного искусства, печатного станка, фотографии, кино и видеопроизводства. Дальнейшим шагом в прогрессе стала возможность преобразования накопленной информации в цифровую форму для хранения, управления и распределения при помощи компьютеров и электронных сетей. Такой переход от аналоговых данных к цифровым — огромное достижение, позволяющее взаимодействовать с данными без физических ограничений носителя информации.

Компьютеры уже сравнительно давно стали средством хранения, распределения и управления цифровой информации в таких областях, как банковская деятельность, страхование, управление производством и ряде других. Однако до последнего времени большей частью использовалась текстовая информация, занимавшая небольшие объемы хранения. Значительная же часть информации, описывающая окружающий нас мир, существует в более естественных формах. За пределами компьютерного хранения, например, долгое время оставались обширные звуковые библиотеки, наборы изображений и видеопоследовательностей.

С увеличением быстродействия компьютеров, появлением плат оцифровки видео и звука, разработкой 2D- и ЗО-сканеров и мощных графических программ и акселераторов, стало возможным преобразование в цифровую форму практически любого вида информации. Развитие сетевых и Интернет-технологий позволило передавать эту информацию на любые расстояния без передачи физического носителя.

С появлением новых возможностей все больше и больше данных преобразовывается в цифровой вид. При этом, что также немаловажно, они сохраняются в том виде, в котором были созданы, не подвергаясь каким-либо изменениям под воздействием времени.

Все это огромное количество текстов, изображений, звуковых и видеопоследовательностей, преобразованных в цифровой вид, можно объединить в понятие медиа-данные (или медиаресурсы).

Чем большее количество данных появляется, чем обширнее становятся возможности доступа к ним, тем сложнее отыскать среди всего многообразия именно то, что нужно, а, отыскав, преобразовать (если это необходимо) в нужную форму и использовать с запланированной целью.

Цикл жизни любого контента (содержимого, медиа-данных) начинается с его создания. Создание может происходить как в аналоговом (изделие из любого материала, набросок рисунка на холсте и многое другое), так и сразу в цифровом виде (текст документа на компьютере, ЗБ-модель изделия, цифровая фотография и прочее). Цифровой контент, как правило, легче подвергать редактированию.

Перевод аналогового содержания в цифровое может осуществляться без потерь. Однако такая схема по-прежнему требует больших объемов хранения и больших скоростей передачи данных по компьютерным сетям. Для решения проблемы были разработаны различные варианты алгоритмов компрессии.

После создания того или иного цифрового контента его нужно где-либо сохранить. Важными условиями хранения является легкость поиска и доступа к нему, контроль доступа, целостность справочной информации.

АКТУАЛЬНОСТЬ РАБОТЫ

Только в последние несколько лет компьютерные технологии вышли на тот уровень, когда появилась реальная возможность говорить о возможности внедрения цифровых архивов и компьютеризированных систем управления медиа-данными в видео- и телевизионном производстве. Телевизионные и радиовещательные компании, киностудии и студии видеомонтажа, до недавнего времени консервативно настроенные, захлестнул & laquo-цифровой бум& raquo-.

Переход от аналоговой аудио- и видеозаписи к цифровой, массовое внедрение цифровых носителей данных на магнитной ленте (а в последнее время и систем непосредственной записи на жесткие диски или вещания в локальную сеть — так называемые & laquo-безленточные»- технологии), возможности организации на базе компьютеризированных рабочих мест и локальной сети единого медиаинформационного пространства компании — все это, без сомнения, гигантский шаг в развитии всей медиа-индустрии. Добавим к этому с каждым годом возрастающие емкости компьютерных носителей информации при постоянном снижении стоимости хранения единицы данных, возможности современных наземных магистральных и спутниковых каналов передачи информации, позволяющих мгновенно получать доступ из любой точки мира к тысячам и десяткам тысяч часов аудио- и видеоматериалов.

К сожалению, неизменным осталось отношение специалистов к качеству (точнее, технологии) хранения информации. Проблемы поиска нужного аудио- или видеофрагмента (изображения, текста и т. д.), с которыми раньше сталкивались только национальные архивы (например, коллекция аудиома-териалов Гостелерадиофонда России — более 390 тысяч рулонов магнитной ленты, содержащей все значительное и ценное из области музыкального и театрального искусства, что было записано для радиовещания с момента появления у нас в стране магнитофонов в первые послевоенные годы и до середины 1990-х годов, то есть до распада единой системы радиовещания), уже сейчас стоят перед крупными и средними компаниями.

Сложность ситуации в том, что методы описания и каталогизации архивируемых материалов остались на прежнем уровне — на каждую единицу архива заполняется стандартная электронная карточка, которая попадает в единую (в лучшем случае иерархическую) базу данных, в которой пользователь может искать информацию по ключевым словам с применением максимум стандартных логических операторов И, ИЛИ, НЕ.

Более того, мировые (SONY, JVC, Grass Valley, Pinnacle, Panasonic) и отечественные (JC System Integration) производители профессионального вещательного оборудования пока не уделяют этой проблеме должного внимания. Их больше интересуют вопросы интеграции разностандартного оборудования, увеличения емкости носителей информации, объединения вещательного тракта с IP-сетями, чем вопросы увеличения эффективности поиска информации в медиа-архивах.

В результате архивирование информации превращается в & laquo-вещь в себе& raquo-, т.к. при неэффективном поиске коэффициент использования архивных материалов ничтожно мал (по сути, основной массив крупного архива никогда не будет найден и повторно использован), в то время как на их хранение затрачиваются немалые средства.

Например, на канале ВВС Choice была поставлена задача более активно использовать архивные материалы, так как реально использовалось всего 28% (!) архивов из-за сложности поиска необходимого материала. И если для ВВС это очень мало, то для отечественных региональных телерадиовещательных компаний процент использования архивных материалов составит не более 5−8%, и то за счет того, что из-за недостатка средств в архив заносятся только выборочные материалы. Или другая ситуация — вместо накопительной схемы добавления информации в архив при недостаточном бюджете на ведение архивного дела старые материалы через определенное время перезаписываются новыми, тем самым компания старается сохранить данные среднесрочного периода, у которых больше всего шансов быть затребованными в производстве.

В таком случае использование прогрессивных технологий искусственного интеллекта для каталогизации и поиска требуемой информации позволит восстановить баланс между опережающим ростом возможностей техники и принципами, технологией производства.

Предлагается для каждой единицы информации, заносимой в архив, помимо стандартных данных, вносить максимум дополнительной уточняющей информации, формализуемой в виде знаний в правила-продукции. В таком случае поиск и идентификация информации будет осуществляться механизмом логического вывода на основе комплексного пользовательского запроса, включающего как точные, так и приблизительные (ненадежные) данные. Соответственно, в результате запроса пользователю будет выдан список конкурирующих гипотез об искомом материале, ранжированных по коэффициенту достоверности.

Следует отметить, что поставленная задача выходит за рамки телерадиокомпаний, а предлагаемое решение — не только для архивов видеоматериалов. Разработанный метод пригоден для упорядочивания, хранения и обработки знаний о любых массивах сложных объектов — в концепцию медиа-данных могут быть объединены любые сущности, информация о которых может быть формально представлена для компьютерной обработки (и чем сложнее природа и свойства каталогизируемых сущностей, тем больший эффект будет получен).

Соответственно, разрабатываемая интеллектуальная информационная система (здесь и далее по тексту ИИС) может с учетом адаптации к специфике предметной области использоваться:

— телерадиовещательными компаниями-

— любыми организациями, использующими крупные специализированные архивы и хранилища-

— научными и исследовательскими организациями, ведущими каталогизацию объектов исследования-

— страховыми компаниями, финансовыми и юридическими организациями.

ЦЕЛЬ РАБОТЫ

Целью настоящей работы является разработка и теоретическое обоснование метода поиска и идентификации медиа-данных, осуществление его реализации на практике в виде интеллектуальной информационной системы.

ЗАДАЧИ ИССЛЕДОВАНИЯ

1. Обобщить опыт создания архивов и систем управления медиа-данными, выявить основные недостатки и пути их преодоления.

2. Разработать принципы построения ИИС для поиска и идентификации медиа-данных.

3. Провести анализ существующих систем представления и управления выводом знаний, выработать неформальную модель систем продукций.

4. Разработать формальную математическую модель системы логического вывода создаваемой ИИС, дополнить ее компонентами, необходимыми для решения поставленных задач в выбранной предметной области.

5. На основе разработанного метода осуществить программную реализацию ИИС для поиска и идентификации медиа-данных.

6. Провести экспериментальную проверку применимости предложенного метода для задачи организации и ведения телерадиовещательного медиа-архива, определить эффективность поиска и идентификации медиа-данных на информационном массиве в реальных производственных условиях.

МЕТОДЫ ИССЛЕДОВАНИЯ

Поставленные задачи решены с применением теории графов, теории нечетких множеств, аппарата математической логики, системного анализа, вычислительной математики, методов инженерии знаний и построения экспертных систем, методов экспертных оценок и математического моделирования.

НАУЧНАЯ НОВИЗНА

Теоретическая значимость выполненных в диссертационной работе исследований заключается в разработке метода поиска и идентификации медиа-данных и состоит в следующем:

1. Осуществлена постановка задачи поиска и идентификации медиа-данных с использованием систем, основанных на знаниях.

2. Предложен метод поиска и идентификации медиа-данных на базе интеллектуальных систем, основанных на знаниях, не имеющий прямых аналогов.

3. Сформулированы принципы построения ИИС для поиска и идентификации медиа-данных.

4. Разработана неформальная модель систем продукций для поиска и идентификации медиа-данных.

5. Разработана формальная математическая модель логического вывода с использованием ненадежных знаний ИИС для поиска и идентификации медиа-данных.

6. Для расширения возможностей механизма логического вывода предложены и неформально описаны языки управления применением продукций и выбором данных.

7. Разработана структура ИИС для поиска и идентификации медиа-данных.

ПРАКТИЧЕСКАЯ ЦЕННОСТЬ

Прикладная ценность полученных результатов заключается в создании интеллектуальной информационной системы «Медиа-архив», реализованной в ряде аппаратно-адаптированных комплексов и позволяющей ощутимо повысить эффективность (точность и полноту) поиска мультимедийных, графических и текстовых материалов по сравнению со стандартными алгоритмами поиска по ключевым словам.

Испытания в производственных условиях телерадиовещательных компаний показали, что разработанные принципы и метод поиска и идентификации медиа-данных могут быть как интегрированы в существующие системы управления медиа-данными (заменяя стандартные процедуры и модули поиска), так и поставляться как независимые программные и программно-аппаратные решения, полностью совместимые с открытыми протоколами и стандартами межпрограммного и программно-аппаратного взаимодействия профессионального телерадиовещательного оборудования.

РЕАЛИЗАЦИЯ РЕЗУЛЬТАТОВ РАБОТЫ

В настоящее время разработанный метод поиска и идентификации медиа-данных программно реализован на языке Object Pascal в среде программирования Borland Delphi и используется в следующих организациях:

1. Государственное унитарное предприятие & laquo-Краснодарская государственная краевая телерадиовещательная компания & laquo-Новое телевидение Кубани& raquo- (НТК, г. Краснодар) — для ведения цифрового видеоархива на основе аппаратно-адаптированного комплекса & laquo-Интеллектуальная информационная система «Медиа-архив».

2. Муниципальная телерадиокомпания & laquo-Краснодар»- (МТРК & laquo-Краснодар»-, г. Краснодар) — для ведения видеоархива и каталогизации хранилища видеокассет на основе аппаратно-независимого комплекса & laquo-Интеллектуальная информационная система «Медиа-архив».

3. Общество с ограниченной ответственностью & laquo-Страховая медицинская компания & laquo-Черномормедстрах»- (г. Краснодар) — для ведения мультимедийного архива с использованием аппаратно-независимого прототипа & laquo-Интеллектуальная информационная система «Медиа-архив».

Акты, подтверждающие внедрение результатов диссертационной работы в производство, приведены в Приложении А.

АПРОБАЦИЯ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ

Результаты работы докладывались и обсуждались на:

— IV Всероссийской научно-методической конференции & laquo-Педагогические нововведения в высшей школе: технологии, методики, опыт& raquo- (г. Краснодар, 1998 г.) —

— V Всероссийской научно-практической конференции & laquo-Инновационные процессы в высшей школе& raquo- (г. Краснодар, 1999 г.) —

— X Международной конференции & laquo-Применение новых технологий в образовании& raquo- (г. Троицк, 1999 г.) —

— Международной научно-технической конференции & laquo-Интеллектуальные многопроцессорные системы& raquo- (г. Таганрог, 1999 г.) —

— Международной научно-технической конференции «50 лет развития кибернетики& raquo- (г. Санкт-Петербург, 1999 г.) —

— IX Международной конференции-выставке & laquo-Информационные технологии в образовании ИТО-1999& raquo- (г. Москва, 1999 г.) —

— Международной научно-технической конференции & laquo-Измерение, контроль, информатизация& raquo- (г. Барнаул, 2000 г.) —

— Всероссийской научно-технической конференции студентов, молодых ученых и специалистов & laquo-Новые информационные технологии в научных исследованиях и в образовании& raquo- (г. Рязань, 2000 г.) —

— V Всероссийской научной конференции студентов и аспирантов ч

Техническая кибернетика, радиоэлектроника и системы управления& raquo- (г. Таганрог, 2000 г.) —

— 2-й Международной научно-технической конференции & laquo-Информационные технологии в моделировании и управлении& raquo- (г. Санкт-Петербург, 2000 г.) —

— Международной научно-практической конференции & laquo-Компьютерные технологии в науке, производстве, социальных и экономических процессах& raquo- (г. Новочеркасск, 2000 г.) —

— X Юбилейной конференции-выставке & laquo-Информационные технологии в образовании ИТО-2000& raquo- (г. Москва, 2000 г.) —

— Второй Международной научно-технической конференции & laquo-Измерение, контроль, информатизация& raquo- (г. Барнаул, 2001 г.) —

— IX Всероссийской научно-практической конференции & laquo-Инновационные процессы в высшей школе& raquo- (г. Краснодар, 2003 г.).

Данная работа выполнялась в рамках гранта Российского фонда фундаментальных исследований 0−01−96 009 & laquo-Исследование и разработка принципов и методологии построения регенеративных экспертных систем& raquo- (Руководитель проекта — профессор Частиков А.П.).

ПУБЛИКАЦИИ

По теме диссертации опубликовано 21 печатная работа. Из них: 16 статей, 1 учебное пособие и 4 тезиса докладов на вышеперечисленных конференциях.

ОСНОВНЫЕ ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ

— результаты сравнительного анализа существующих систем поиска и управления медиа-данными-

— неформальная модель систем продукций для поиска и идентификации медиа-данных-

— принципы построения и структура ИИС для поиска и идентификации медиа-данных-

— формальная математическая модель логического вывода с использованием ненадежных знаний ИИС для поиска и идентификации медиа-данных-

— архитектура машины логического вывода ИИС, модули управления применением продукций и выбором данных-

— критерии оценки эффективности поиска и идентификации медиа-данных-

— результаты оценки прямого экономического эффекта от внедрения в производство ИИС для поиска и идентификации медиа-данных «Медиа-архив».

СТРУКТУРА И ОБЪЕМ РАБОТЫ

Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на 155 страницах.

4.5 ВЫВОДЫ

В четвертой главе приведены результаты экспериментальных исследований работоспособности и эффективности ИИС «Медиа-архив».

Выполнен обзор методов отладки баз знаний интеллектуальных систем, рассмотрены методы статистического анализа и тестирования продукционных баз знаний.

На основе проведенного сравнительного анализа для проверки баз медиа-знаний из статистических методов был выбран метод попарного сравнения правил и из принципов тестирования было выбрано тестирование по принципу & laquo-белого ящика& raquo-.

Рассмотрены результаты тестирования программного комплекса и баз знаний прототипа ИИС «Медиа-архив» на примере тестового телевизионного архива. Полученные результаты подтвердили стабильность и работоспособность ИИС «Медиа-архив» и оптимальность выдаваемых ею рекомендаций.

Приведена оценка быстродействия и эффективности ИИС «Медиа-архив». Полученные данные позволяют утверждать, что ИИС «Медиа-архив» превосходит по эффективности работы все рассмотренные альтернативные системы при сопоставимых скоростных характеристиках. В среднем, полнота поиска разработанной интеллектуальной информационной системы «Медиа-архив» составляет около 90%, точность — около 80%.

Приведено обоснование экономической эффективности разработки и внедрения ИИС «Медиа-архив». Ожидаемый экономический эффект от внедрения в ГУП КГКТРК & laquo-Новое телевидение Кубани& raquo- составляет 150 000 руб.

ЗАКЛЮЧЕНИЕ

Основным научным результатом диссертационной работы является разработка интеллектуальной информационной системы «Медиа-архив».

Основные теоретические и практические результаты работы заключаются в следующем:

1. Осуществлена постановка задачи, определены методы решения задачи поиска и идентификации медиа-данных.

2. Предложен метод поиска и идентификации медиа-данных на основе систем продукций, не имеющий аналогов для выбранной предметной области.

3. Разработаны принципы построения интеллектуальной системы для поиска и идентификации медиа-данных.

4. Разработана формальная математическая модель логического вывода для поиска и идентификации медиа-данных.

5. Предложены и неформально описаны языки управления применением продукций и выбором данных.

6. Разработана структура интеллектуальной системы для поиска и идентификации медиа-данных.

7. Разработан алгоритм взаимнооднозначного преобразования фреймового и продукционного представления знаний для выбранной предметной области.

8. Разработана, внедрена и протестирована интеллектуальная информационная система для поиска и идентификации медиа-данных.

ПоказатьСвернуть

Содержание

1 СОСТОЯНИЕ ВОПРОСА. ИССЛЕДОВАНИЕ И АНАЛИЗ ЛИТЕРАТУРНЫХ ИСТОЧНИКОВ

1.1 Общие сведения. Основные понятия и определения

1.2 Обзор существующих систем поиска и управления медиа-данными

1.2.1 Система архивирования нижнего уровня SONY BZA

Каталогизация

Поиск

Процесс работы

Рабочая среда

Сервер базы данных.

Рабочая станция каталогизации

Просмотровая рабочая станция

1.2.2 Система & quot-Видеоархивъ"- компании JCSystem Integration

Пользователи

Поиск

1.2.3 Открытые протоколы файлового обмена AAF и MXFв телерадиовещании

1.2.4 Комплекс & laquo-Фабрика Новостей& raquo- проекта & laquo-ИнтерНовости»-

1.3 Недостатки существующих систем поиска и управления медиа-данными

1.4 Постановка задачи поиска и идентификации медиа-данных

1.5 Преимущества метода поиска и идентификации медиа-данных на базе систем, основанных на знаниях

1.6 Обзор существующих систем представления и управления выводом знаний

1.6.1 Логические модели

1.6.2 Сетевые модели

1.6.3 Фреймовые модели

1.6.4 Продукционные модели (системы продукций)

1.7 Выбор формы представления знаний интеллектуальной информационной системы

1.8 Выводы

2 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ И МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ

ИНФОРМАЦИОННОЙ СИСТЕМЫ

2.1 Неформальная модель систем продукций

2.1.1 Основные подсистемы

2.1.2 Неформальная структура модуля базы данных

Характер организации данных

Операции над базой данных

Контроль несовместимости

Ассоциативная надстройка

2.1.3 Неформальная структура модуля правил

Аппарат активации

Структура правил

Представление правил и интерпретатор

2.1.4 Неформальная структура модуля управления

2.1.5 Технология поддержки разработки систем продукций

2.2 Формальные модели систем логического вывода

2.2.1 Реляционная модель Клещева А. С.

2.2.2 К-системы Кузнецова В. Е.

2.2.3 Реляционная модель S. Vere

2.3 Формальная математическая модель системы логического вывода для поиска и идентификации медиа-данных

2.3.1 Основные определения

2.3.2 Операции преобразования ситуации

2.3.3 Условия корректности вычислений над конъюнктивной базой данных

2.3.4 Однозначность вычислений над дизъюнктивной базой

2.4 Управление выводом в системах продукций

2.4.1 Язык управления применением продукций

2.4.2 Язык управления выбором данных

2.5 Выводы

3 АРХИТЕКТУРА ИНТЕЛЛЕКТУАЛЬНОЙ

ИНФОРМАЦИОННОЙ СИСТЕМЫ «МЕДИА-АРХИВ»

И ЕЕ ПРОГРАММНАЯ РЕАЛИЗАЦИЯ

3.1 Структура интеллектуальной информационной системы «Медиа-Архив»

3.1.1 Модуль правил

3.1.2 Модуль управления

3.1.3 Модуль базы данных

3.2 Предметная область

3.2.1 Поиск и идентификация медиа-данных

3.2.2 Ведение баз знаний в медицинском страховании

3.3 Выбор аппаратных и программных средств реализации

3.4 Выводы

4 ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ РАБОТОСПОСОБНОСТИ И ЭФФЕКТИВНОСТИ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ «МЕДИА-АРХИВ»

4.1 Методы отладки баз знаний интеллектуальных систем

4.1.1 Классификация ошибок в базах знаний

4.1.2 Методы статического анализа баз знаний

4.1.3 Тестирование баз знаний

4.2 Тестирование интеллектуальной информационной системы «Медиа-архив»

4.2.1 Требования к аппаратному обеспечению

4.2.2 Требования к программному обеспечению

4.2.3 Тестирование программного комплекса

4.2.4 Тестирование базы знаний интеллектуальной информационной системы «Медиа-архив»

4.3 Оценка работоспособности и эффективности

4.3.1 Методика оценки эффективности

4.3.2 Экспериментальное исследование эффективности интеллектуальной информационной системы «Медиа-Архив»

4.4 Оценка и расчет экономического эффекта от внедрения

4.4.1 Методика расчета прямого экономического эффекта

4.4.2 Расчет прямого экономического эффекта от внедрения

4.5 Выводы

Список литературы

1. Частиков А. П., Гаврилова Т. А., Белов Д. Л. Разработка экспертных систем. Среда CLIPS. СПб.: БХВ-Петербург, 2003. — 608 с.

2. Гаврилова Т. А., Червинская К. Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992.

3. Дургарян И. С., Пащенко Ф. Ф. Информационные методы идентификации / Препринт. М.: Институт проблем управления им. В. А. Трапезникова РАН, 1999.

4. Нильсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985.

5. Статические и динамические экспертные системы: Уч. Пособие / Попов Э. В., Фоминых И. Б., Кисель Е. Б., Шапот М. Д. М.: Финансы и статистика, 1996. — 320 с.

6. Попов Э. В. Особенности разработки и использования экспертных систем // Искусственный интеллект. Системы общения и экспертные системы / под. ред. Попова Э. В., Кн. 1.- М.: Радио и связь, 1990.

7. Вальковский В. А. Семантика манипуляции с базой данных интеллектуальных систем// НТИ. 1984. — Сер. 2, N 3. — С. 14−19.

8. Осуга С. Обработка знаний: Пер. с япон. М.: Мир, 1989.

9. Уотерман Д. Руководство по экспертным системам. — М.: Мир, 1989. — 384 с.

10. Ю. Ростов Е. Системы управления медиаресурсами // 625. 2000. — № 5. С. 5−28.

11. Н. Мазо В., Лобунец А., Соколов Ю. О пользе консерватизма в консервировании, или Еще раз о цифровых видеоархивах // 625. — 2002. -№ 4. С. 5−40.

12. Немцова С., Ратманский Л. Проблемы телевизионного архивирования Софрино-2001 и Восточно-европейский семинар. // 625. 2001. — № 7. С. 50−56.

13. З. Виноградова Э. Л. Повсеместное внедрение цифровых технологий опирается на массовый спрос // Broadcasting Телевидение и радиовещание. -2001. -№ 4(16). С. 12−18.

14. К. Tahara, Н. Gaggioni. MXF Technology Enabler for IT-Based Broadcast Operations. SONY Electronics inc.

15. Представление и использование знаний: Пер. с япон. /Под ред. X. Уэно, М. Исидзука. М.: Мир, 1989.

16. Экспертные системы: инструментальные средства разработки: Учебн. Пособие / Керов JI.A., Частиков А. П., Юдин Ю. В., Юхтенко В.А.- Под ред. Юдина Ю. В. СПб.: Политехника, 1996 — 220 с.

17. Частиков А. П., Дедкова Т. Г., Бельченко В. Е. Инструментальные средства программирования экспертных систем. Экспертные оболочки: Учеб. пособие. Краснодар: КубГТУ, 1996. — 102 с.

18. Краткий словарь иностранных слов. Изд. четвертое/ Под общ. ред. И. В. Лёхина, Ф. Н. Петрова. // М.: ОГИЗ Государственное издательство иностранных и национальных словарей. 1947,480 с.

19. Нариньяни А. С. Недоопределенные множества новый тип данных для представления знаний. — Новосибирск, 1980. — 28 с. — (Препр. /АН СССР. Сиб. отд-ние. ВЦ- 232).

20. Нариньяни А. С. Система продукций как модульный программный комплекс// Прикладные и экспериментальные процессоры. — Новосибирск, 1985. с. 125−152.

21. Нариньяни А. С. Технология интеллектуальных систем: итоги и перспективы // Конструирование программных средств интеллектуализации. Новосибирск, 1988. — с. 6−35.

22. Клещев А. С. Реляционный язык как программное средство для искусственного интеллекта. Владивосток, 1980. 17 с. (Препринт/ ДВНЦ АН СССР- 26).

23. Клещев А. С. Реляционная модель вычислений // Программирование. -1980. -№ 4. -с. 20−29.

24. Кузнецов В. Е. Представление в ЭВМ неформальных процедур. — М.: Наука, 1989. -158 стр.

25. Яхно Т. М. Формальная модель вычислений в системах продукций // Известия А Н СССР. Техническая кибернетика. -1988. -№ 2. с. 76−81.

26. Нариньяни А. С., Яхно Т. М. Продукционные системы // Представление знаний в человеко-машинных и робототехнических системах. — М.: Изд. ВИНИТИ. 1984. — с. 136−177.

27. Поспелов Д. А. Ситуационное управление: теория и практика. — М.: Наука, 1986.

28. Поспелов Д А., Кандрашина Е. Ю., Литвинцева JI.B. Представление знаний о времени и пространстве в интеллектуальных системах. М.: Наука, 1989.

29. Осипов Г. С. Инструментарий для экспертных систем. Технология SIMER+MIR // Программные продукты и системы. № 3, 1990. — с. 2332.

30. Попов Э. В., Фирдман Г. Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта. — М.: Наука, 1976. 235 с.

31. Нариньяни А., Яхно Т. Продукционные системы, -в кн. Представление знаний в человеко-машинных и робототехнических системах. -М.: ВЦ АН СССР, ВИНИТИ, 1984. с. 136−177.

32. Попов Э. В. Экспертные системы. М.: Наука, 1987.

33. Поспелов И. Г., Поспелова Л. Я. Динамическое описание систем продукций и проверка непротиворечивости продукционных экспертных систем. Изв. АН СССР, ТК, 1987, № 1,-с. 184−192.

34. Кузнецов В. Е. Представление в ЭВМ неформальных процедур/с послесловием Д. А. Поспелова. М.: Наука, 1989. — 160 с.

35. Клоксин У., Меллиш К. Программирование на языке Пролог: Пер. с англ. М.: Мир, 1987. — 336 с.

36. Нильсон Н. Искусственный интеллект. Методы поиска решений. М.: Мир, 1973.

37. Долинина О. Н. Обнаружение ошибок типа & laquo-забывание об исключении& raquo- в продукционных базах знаний экспертных систем. Сарат. гос. техн. ун-т. Саратов, 1997. — Деп. в ВИНИТИ N678-B97.

38. Построение экспертных систем // Ред.: Хейес-Рот Ф., Уотерман Д., Ле-нат Д. М.: Мир, 1987.

39. Яхно Т. М. Управление выводом в системах продукций // Теоретические и прикладные вопросы обработки параллельной информации. — Новосибирск, 1984. С. 34−43.

40. Девис М. Устранение лишнего из механических доказательств // Кибернетический сб.: Пер. с англ. М.: Мир, 1970. — Вып.7. — с. 160−179.

41. Артемьева И. Л. и др. Инструментальный комплекс для реализации языков представления знаний // Программирование. 1983. — № 4. — с. 7889.

42. Хогтер К. Введение в логическое программирование: пер. с англ.- М.: Мир, 1988. -348 с.

43. Яхно Т. М. Системы продукций в логике поведения и средства их спецификации. Новосибирск, 1985. — 31 с. — (Препринт/ АН СССР. Сиб. отд-ние. ВЦ- 608).

44. Клоксин У., Меллиш К. Программирование на языке ПРОЛОГ. -М.: Мир, 1987.

45. Мальцев А. И. Алгоритмы и рекурсивные функции. М. :Наука, 1965.

46. Лозовский B.C. Задание реляционной базы данных в виде мультисети и реализация поиска по образцу / Информационное и программное обеспечение систем ситуационного управления (ИК АН УССР 78 -14) — с. 13−24.

47. Частиков А. П., Алёшин А. В., Частикова В. А. Принципы создания регенеративных экспертных систем // Информационные технологии вмоделировании и управлении: Труды II Международной научно-практической конференции. СПб.: Изд-во СПбГТУ, 2000.

48. Нечеткие множества в моделях управления и искусственного интеллекта (под ред. Поспелова Д.А.) -М., Наука, 1986.

49. Лифшиц А. Я. Реализация транслятора с реляционного языка и опыт его эксплуатации// Системное и теоретическое программирование. -Кишинев, 1984. -с. 245−248.

50. Марков А. А. Теория алгоритмов. М.: Изд. АН СССР, 1954. — (Тр. Мат. ин-та им. В.А. Стеклова- 42).

51. Майерс Г. Искусство тестирования программ / пер. с анг. под ред. Б. А. Позина. — М. :Финансы и статистика, 1982. 176 с.

52. Частиков А. П., Алёшин А. В., Частикова В. А. Выявление аномалий в базах знаний интеллектуальных систем // Международная научно-техническая конференция «50 лет развития кибернетики& raquo-. Труды конференции. СПб: СПбГТУ, 1999.

53. Уинстон П. Искусственный интеллект. -М.: Мир, 1980.

54. Bertalanffy Ludwig von. General System Theory // Fifth Printing, George Braziller, New York, 1975. -176 p.

55. Nguyen Т., Perkins W., Laffey Т., Pecora W. Checking Expert System Knowledge bases for consistency and completeness // Proc. of the 9th Int. Joint Conf. on AI, Los. Ang. August 1985, p. 375−378.

56. Gallaire H., Minker J. (eds.) Logic and Data Bases. N.Y.: Plenum Press, 1978. -458 p.

57. Feigenbaum E., Feldman J. Computers and Thought. New York: McGraw-Hill, 1963.

58. Simon H. The Science of the Artificial. Cambridge, MA: The MIT Press, 1969.

59. Slagle J. Artificial Intelligence: The Heuristic Programming Approach. New York: McGraw-Hill, 1971.

60. Green С. Theorem Proving by resolution as a basis question-answering system // Mach. Intell. V.4. 1969. — P. 183 -205. 125.

61. Nazareth D.L. Issues in the verification of knowledge based systems. // Int. J. Man-Machine Studies, 30,1989, p. 251 271.

62. Robinson AJ. A Machine oriented Logic based on the Resolution. -JACM 12, 1965. -P. 23−41.

63. Newell A. Production systems: models of control structures // Visual Information Processing. 1969. — Vol. 3. — P. 362−414.

64. Padalkar S., Karsai G., Biegl C., Sztipanovits J. Real-Time Fault Diagnostics // IEEE Expert, vol. 6, № 3,1991p. 75−84.

65. Qurston D., Mooney R.J. Changing the Rules: A Comprehensive Approach to Theory Refinement // Proc. 8th National Conference on AI (АААГ90), 1990. — P. 815−820.

66. Tepandi J. Comparison of Expert System Verification Criteria: Redundancy // Proc. ECAI 90 Conference, Stockholm, 1990. p. 49−62.

67. Quillian M.R. Semantic memory // Semantic Information Proc. Cambridge, Mass.: MIT Press, 1968. — P. 227−270.

68. Minsky M. A framework for representation knowledge. // The Psychology of Computer Vision, P. Winston (ed.), McGraw Hill, 1975. P. 201−259.

69. Davis R. Application of meta-level knowledge to the consultation maintenance and use of large knowledge bases// Сотр. Sci. Dep. Stanford University: Report STAN-CS-76−552. -1976.

70. Miranker D. Special Issue on the Parallel Execution of Rule Systems // Journal of Parallel Distributed Computing V. 13. № 4,1991.

71. Davis R. et al. Production rules as a representation for a knowledge-based consultation program // Сотр. Sci. Dep. Stanford University: Report STAN-CS-75−519. -1975. -37p.

72. Suwa H., Scott A.C., Shotliffe. An Approach to verifying Consistency and Completeness in a Rule-Based Expert System // Rule-Based Expert Sys-tems. -London: Addison Wesley, 1984. — p. 159−170.

73. Forgy C., McDermott J. OPS: A domain-independent production system language// Proc. of IJCAI-5. Stanford, 1977. — P. 933−939.

74. Nguyen T.A. Verifying consistency of Production Systems // Proc. of Conf. on AI Applications (CAIA), 3rd, Kissimmee, Fl, 1987. p. 4−8.

75. Scambos E.T. A Scenario-Based Tool for Examining Expert systems // Proc. of IEEE Int. Conf. on Systems, Man, and Cybernetics, 1986. p. 131−135.

76. Vere S.A. Relational production system // Artificial Intelligence. — 1977. -№ 8. -P. 47−68.

77. Wizsing M. et al. On hierarchies of abstract data types// Acta Informatica. -1983. -Vol. 20. -P. 1−34.

78. Van Melle. A domain independent production rule system for consultation programs // Proc. of IJCAI-6. Tokyo, 1979. — P. 923−925.

79. Georgeff M.A. Procedural control in production systems// Artificial Intelligence. 1982. -Vol. 18. — P. 175−201.

80. Keller R.M. A fundamental theorem of asynchronous parallel computation // Lect. Notes in Сотр. Sci. Parallel Processing. 1975. — № 24. — P. 102−112.

81. Kowalski R. Algorithm=Logic+Control // Com. ACM. 1979. — Vol. 22, № 7. -P. 424−436.

82. McDermott J. et al. The efficiency of certain production system implementation / Pattern-Directed Inference Systems. 1978. — P. 155−176.

83. Erman L. et al. The HEARSAY-II speech understanding system. Integrating knowledge to resolve uncertainty // Сотр. Survey. 1980. — Vol. 12(2). -P. 213−253.

Заполнить форму текущей работой