Многие исследования в области управления знаниями указывают на то, что предприятия и организации, поддерживающие систематический обмен, передачу и повторное использование знаний, могут рассчитывать на значительные выгоды. Однако не так много исследований выполнено в рамках анализа технологий для повторного использования знаний, которые применяются в организациях. Исходя из классификации подходов к повторному использованию знаний, в статье рассматривается состояние в этой области применительно к производственным сетях (с уделением особого внимания сетям малых и средних предприятий - МСП). Цель статьи двоякая: для производственных сетей это исследование того, какие виды повторно используемых знаний (с точки зрения разрабатываемой классификации) наиболее актуальны для таких сетей; для подхода к классификации методов повторного использования знаний это уточнении данного подхода и его обоснование применительно к производственным сетям. Основными результатами статьи являются: (1) анализ ситуаций повторного использования знаний в сетях МСП, (2) оценка предложенного подхода к классификации методов повторного использования знаний применительно к различным ситуациям и (3) дальнейшее уточнение и валидация предложенного подхода.
В статье описывается онтологический подход к контекстно-ориентированному управлению знаниями в интеллектуальной среде. В рамках подхода была разработана концептуальная модель системы управления знаниями в интеллектуальной среде. Для апробации предложенного подхода была разработана система управления знаниями для платформы автоматизированного проведения конференций в интеллектуальной среде, которая успешно применяется на конференциях проводимых ассоциацией FRUCT.
Управление знаниями — это совокупность процессов, которые управляют созданием, извлечением, обработкой, использованием, распространением, использованием знаний и предоставлением доступа к ним в некоторой предметной области. Система управления знаниями представляет собой комплекс процедур, реализующих эти процессы. Для представления знаний в настоящее время в России и в мире широко используются онтологии. Неотъемлемой частью любой системы взаимодействующей с пользователем является возможность персонифицировать поток информации и знаний между системой и пользователем. В работе предложен метод онтолого-ориентированной кластеризации для группировки пользователей системы управления знаниями на основе их предпочтений. Такая группировка позволяет выявлять общие предпочтения групп пользователей и адаптировать поток информации и знаний в зависимости от этих предпочтений.
Предложена концептуальная модель системы управления знаниями для автоматизации взаимодействия участников производственной сети. Система управления знаниями основана на использовании онтологической модели предметной области, технологий профилирования пользователей, технологии управления компетенциями участников производственной сети и имеет распределённую архитектуру. Профили пользователей позволяют специфицировать и дополнять необходимой информацией запрос пользователя и персонифицировать поток информации и знаний от системы управления знаниями к пользователю. Профили компетенций участников производственной сети позволяют наиболее точно подобрать участника для выполнения требуемой операции или производства/поставки необходимых компонент.
Нейросетевой подход к ИИ, получивший особенно широкое распространение в последнее десятилетие, обладает двумя существенными ограничениями – обучение моделей, как правило, требует очень большого количества образцов (не всегда доступных), а получающиеся модели не являются хорошо интерпретируемыми, что может снижать доверие к ним. Использование символьных знаний как основы коллаборативных процессов с одной стороны и распространение нейросетевого ИИ с другой, обусловливают необходимость синтеза нейросетевой и символьной парадигм применительно к созданию коллаборативных систем поддержки принятия решений. В статье представлены результаты аналитического обзора в области онтолого-ориентированного нейро-символического интеллекта применительно к решению задач обмена знаниями при коллаборативной поддержке принятия решений. А именно, в ходе обзора делается попытка ответить на два вопроса: 1. как символьные знания, представленные в виде онтологии, могут быть использованы для улучшения ИИ-агентов, действующих на основе нейронных сетей (передача знаний от человека к ИИ-агентам); 2. как символьные знания, представленные в виде онтологии, могут быть использованы для интерпретации решений, принимаемых ИИ-агентами и объяснения этих решений (передача знаний от ИИ-агента к человеку). В результате проведенного обзора сформулированы рекомендации по выбору методов внедрения символьных знаний в нейросетевые модели, а также выделены перспективные направления онтолого-ориентированных методов объяснения нейронных сетей.
В настоящее время Интернет и социальные сети как среда распространения цифрового сетевого контента становятся одной их важнейших угроз персональной, общественной и государственной информационной безопасности. Возникает необходимость защиты личности, общества и государства от нежелательной информации. В научно-методическом плане проблема защиты от нежелательной информации имеет крайне небольшое количество решений. Этим определяется актуальность представленных в статье результатов, направленных на разработку интеллектуальной системы аналитической обработки цифрового сетевого контента для защиты от нежелательной информации. В статье рассматриваются концептуальные основы построения такой системы, раскрывающие содержание понятия нежелательной информации и представляющие общую архитектуру системы. Приводятся модели и алгоритмы функционирования наиболее характерных компонентов системы, таких как компонент распределенного сканирования сети, компонент многоаспектной классификации сетевых информационных объектов, компонент устранения неполноты и противоречивости и компонент принятия решений. Представлены результаты реализации и экспериментальной оценки системных компонентов, которые продемонстрировали способность системы отвечать предъявляемым требованиям по полноте и точности обнаружения и противодействию нежелательной информации в условиях ее неполноты и противоречивости.
В настоящее время в условиях нестабильной экономики организациям крайне важно эффективно управлять кадровыми ресурсами и знаниями, которыми обладают сотрудники. Для управления знаниями кадровых ресурсов в последние годы широко применяются соответствующие информационные системы (системы управления компетенциями). Такие системы активно используются для автоматизации процесса поиска экспертов при совместном решении задач. Целью данной статьи является анализ существующих систем управления компетенциями: выявление основных сценариев использования таких систем и требований к ним, а также разработка концептуальной модели системы контекстно-ориентированного управления компетенциями в экспертных сетях. В результате анализа существующих систем был сформулирован список основных требований к системам управления компетенциями, разработана концептуальная модель системы контекстно-ориентированного управления компетенциями в экспертных сетях, а также произведена классификация видов контекста, используемого для формализации текущей ситуации в экспертной сети. В статье была предложена модель контекста в рамках которой различается: контекст участника, контекст актива и контекст проекта. Для оценки эффективности предложенной концептуальной модели системы контекстно-ориентированного управления компетенциями в экспертных сетях в статье была рассмотрена задача поиска группы экспертов с необходимым набором компетенций. Анализ показал, что при небольшом количестве экспертов в системе управления компетенциями эффективна будет классическая система, но с ростом количества экспертов предложенная система показывает лучшие результаты. Представ-ленная в статье концептуальная модель системы контекстно-ориентированного управления компетенциями является многообещающей для использования для современных организаций как в России, так и за рубежом.
Предлагается подход к онтологическому описанию произвольной предметной области, основанный на применении концептов трёх типов: “Объекты”, “Свойства” и “Действия”. При этом различные аспекты представлений, используемые для описания знаний, предлагается частично упорядочивать свойством аппроксимации в функциональные слои, сегменты и области. Это должно позволить моделировать семантические особенности контекстно-зависимых знаний предметных областей, учитывать их изменения и уточнения при порождении решений. Это откроет возможности прогнозирования намерений и предотвращения реализации киберугроз критической информационной инфраструктуре.
Для представления знаний с неопределенностью необходимы как математический формализм, позволяющий описывать и обрабатывать неопределенность, так и теоретико-компьютерные модели, ограничивающие требования такового представления и обработки к памяти и времени. В работе рассмотрены основные меры истинности, используемые в искусственном интелекте для представления неопределенности, в первую очередь вероятностная мера, а также вероятностные графические модели, которые за счет локализации вычислений позволяют ограничить рост сложности алгоритмов обработки и требований к памяти для представления знаний с неопределенностью.
В теории алгебраических байесовских сетей к локальному синтезу согласованных оценок истинности относятся четыре операции: проверка непротиворечивости фрагмента знаний, поддержание непротиворечивости фрагмента знаний, формирование фрагмента знаний с накрывающими непротиворечивыми оценками, а также априорный вывод во фрагменте знаний. В статье предложена формализация модели фрагмента знаний, представляющего собой идеал конъюнктов со скалярными или интервальными оценками истинности на матрично-векторном языке; кроме того, использование этого языка позволило свести операции локального синтеза к вычислению матрично-векторных выражений или к решению задач линейного программирования, ограничения и целевая функция которых записаны в виде матрично-векторных уравнений, неравенств или выражений.
Работа посвящена проблеме оценки ситуаций и прогнозирования ее развития в приложениях, в которых требуется иметь средства для гибкого изменения сценариев поведения в зависимости от достигнутых состояний системы и текущего состояния внешней среды в реальном времени. Дается обзор и анализируются достоинства и недостатки существующих языков описания процессов и показывается, что традиционные языки спецификации систем, способные представлять, главным образом, реактивное поведение, не обладают необходимыми выразительными возможностями и потом не в состоянии справиться с поставленной задачей. Особенности рассматриваемой задачи спецификации, оценки и прогнозирования ситуаций демонстрируются на задачи управления фрагментом системы заправки стартового ракетного комплекса. В работе предлагается новый язык, который предназначен для описания знаний о сценариях, позволяющий оценивать текущее состояние исполнения сценария, прогноз его развития и выбора варианта продолжения в зависимости от достигнутых состояний и состояния внешней среды. Дается описание основных элементов языка, их графической нотации и описывается его операционная семантика. Возможности разработанного языка демонстрируются на примере описания модели диагностики нештатных ситуаций в процессе функционирования фрагмента системы заправки. Для этого приложения представлены примеры спецификации процесса в терминах разработанного языка сценариев.
Алгебраические байесовские сети (АБС) — это логико-вероятностная модель баз фрагментов знаний с вероятностной неопределенностью. Математической моделью фрагмента знаний (ФЗ) в теории АБС выступает идеал конъюнктов с оценками вероятности их истинности, причем оценки могут быть как скалярные, так и интервальные. Алгебраическая байесовская сеть состоит из набора фрагментов званий, который рассматривается как ее первичная структура; связи между фрагментами знаний — вторичная структура АБС — представляются виде графа смежности и его подвидов (дерева смежности и цепи смежности). В статье описаны как структуры данных, которые позволяют представить в СУБД и коде программы на java фрагменты знаний, а также первичную и вторичную структуру АБС, так и реализация основных алгоритмы логико- вероятностного вывода в этих сетях.
1 - 12 из 12 результатов