Файл: Интеллектуальные информационные системы когнитивной графики.pdf

Рисунок 16,17 – Виртуализация текущего состояния при КА

Совместно с Центром подготовки космонавтов разработано когнитивное отображение процессов сближения и стыковки КА, которое служит как для обучения космонавтов, так и для использования в режиме реального времени непосредственно на борту.

Для отработки алгоритмов автоматического определения параметров мишени стыковочного узла космического аппарата с использованием телевизионной камеры был разработан трехмерный графический образ мишени, функционирующий в условиях моделируемых помех и шумов.

Рисунок 18- Трехмерный графический образ

Рисунок 19-Когнитивная графика в медицине

Отдельное направление образует когнитивная графика в медицине.    Многомерные медицинские данные с помощью ЭВМ могут быть соотнесены в когнитивный графический образ в виде интегральных функциональных профилей или сцен, отражающих особенности состояния объекта. Когнитивная графика может обеспечить, например, непрерывный контроль состояния пациентов, визуализируя текущие состояние и характерные особенности заболевания.

Основные результаты были получены в результате проведения совместных исследований с медицинским факультетом РУДН. Ниже показаны примеры когнитивной визуализации обострения бронхиальной астмы. Образ больного можно также представлять в виде областей (кругов), каждый из которых визуализирует свой параметр состояния больного и окрашивается в соответствии со значением этого параметра. Цвет параметров меняется от зеленого к красному через желтый. Зеленый цвет – значение в пределах нормы, красный – далеко от нормы, желтый и желто-оранжевый – промежуточные значения. Все величины нормируются так, чтобы значение параметра в пределах нормы было близко к нулю, а значения, далеко отстоящие от нормы ближе к единице.

Весьма информативны проекции трехмерных образов («звезд») состояний человека с легким и тяжелым обострением бронхиальной астмы, которые можно наблюдать в разных плоскостях. При отклонении параметров от нормы (в любую сторону) звезда увеличивается, причем в зависимости от упорядочения параметров по-разному. При увеличении первых параметров наблюдается сглаживание и объединение отдельных выпуклостей, а при увеличении последних параметров обнаруживается тенденция к разделению и увеличению числа концов «звезды». Звезда» пациента при обострении тяжелой степени намного превосходит в размерах звезду легкого обострения и выглядит более гладкой. По когнитивным образам врач способен моментально оценить общее состояние больного и принять адекватное

решение.

Рисунок 20 – Виртуализация обострения бронхиальной астмы

ЗАКЛЮЧЕНИЕ

В ходе данной курсовой работе были изучены цели и задачи когнитивной компьютерной графики и моделирования. Рассмотрена их классификация.

Были изучены пакеты и инструментальные средства, реализующие идеи когнитивных наук.

Установлено, что когнитивное моделирование и графика являются на сегодняшний день перспективными, быстро развивающимися направлениями компьютерных наук, охватывающими достаточно широкий класс прикладных задач.

Наиболее перспективным на сегодняшний день направлением когнитивного компьютерного моделирования на нашем рынке является создание ситуационных центров и экспертных систем, позволяющих принимать решение в трудно формализуемых задачах и обладающих доступным для обычного пользователя интерфейсом. Так как такие системы все больше начинают пользоваться спросом в бизнес среде.

Существующие западные версии таких систем стоят достаточно дорого, реализуются на дорогостоящем оборудовании и трудно доступны для понимания обычного пользователя.

Это с одной стороны открывает еще одну незаполненную нишу на рынке труда, так как наблюдается дефицит специалистов в области обслуживания и настройки таких систем. А с другой стороны дает возможность конкурировать отечественным разработчикам, за счет более низкой себестоимости.

Рассмотренные методы распознавания могут быть рекомендованы для практического применения в НС КИС в том числе: обнаружения и сопровождения целей, обработки снимков ДЗЗ, прогнозирования метеоданных, контроля телеметрии и диагностики.

Введение средств когнитивной графики в космических системах позволит: контролировать и обнаруживать неисправности; ускорять процессы понимания ситуации. Во всех рассмотренных приложениях для визуализации данных, представляющих наблюдаемый динамический объект, использовалась когнитивная машинная графика.

Когнитивная графика позволяет преобразовать числовую информацию об объектах с большим количеством параметров (признаков) в наглядные графические динамические образы. Образы формируются средствами 2-х и 3-х мерной машинной графики с применением цветовых яркостных представлений и специальных интегральных разверток. После короткого обучения образы становятся понятными пользователю – врачу или оператору космической системы и способствуют принятию оперативных решений.

Разрабатываемые интеллектуальные средства легли в основу программных средств интеллектуальной информационной поддержки операторов НС КИС и врачей. Они обладают повышенной оперативностью представления информации в доступной форме, возможностью прогнозирования и предупреждения нештатных ситуаций.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Антамошин, А.Н. Интеллектуальные системы управления организационно-техническими системами / А.Н. Антамошин, О.В. Близнова, А.В. Бобов, Большак . - М.: РиС, 2016. - 160 c.

2. Ботуз, С. Интеллектуальные интерактивные системы и технологии управления удаленным доступом: Учебное пособие / С. Ботуз. - М.: Солон-пресс, 2014. - 340 c.

3. Буреш, О.В. Интеллектуальные информационные системы управления социально-экономическими объектами / О.В. Буреш, М.А. Жук. - М.: Красанд, 2012. - 192 c.

4. Васильев, В.И. Интеллектуальные системы защиты информации: Учебное пособие / В.И. Васильев; Рецензент Р.М. Асадуллин [и др.]. - М.: Машиностроение, 2012. - 171 c.

5. Евгенев, Г.Б. Интеллектуальные системы проектирования: Учебное пособие / Г.Б. Евгенев. - М.: МГТУ им. Баумана, 2012. - 410 c.

6. Евгеньев, Г.Б. Интеллектуальные системы проектирования / Г.Б. Евгеньев. - М.: МГТУ , 2012. - 334 c.

7. Евменов, В.П. Интеллектуальные системы управления: превосходство искусственного интеллекта над естественным интеллектом? / В.П. Евменов. - М.: КД Либроком, 2016. - 304 c.

8. Емельянов, С.В. Искусственный интеллект и принятие решений: Методы рассуждений и представления знаний. Когнитивные исследования. Интеллектуальные системы. Вып.3 / С.В. Емельянов. - М.: Ленанд, 2014. - 120 c.

9. Марков, Н.Г. Интеллектуальные навигационно-телекоммуникационные системы управления подвижными объектами с применением технологии облачных вычислений / Н.Г. Марков, Д.М. Сонькин, А.С. Фадеев и др. - М.: РиС, 2014. - 158 c.

10. Советов, Б.Я. Интеллектуальные системы и технологии: Учебник для студентов учреждений высшего профессионального образования / Б.Я. Советов, В.В. Цехановский, В.Д. Чертовской.. - М.: ИЦ Академия, 2013. - 320 c.

11. Тейлор, Д. Почти интеллектуальные системы Как получить конкурентные преимущества путем автоматизации принятия с / Д. Тейлор. - М.: Символ-Плюс, 2009. - 448 c.

12. Хачумов В.М. Проект создания программной системы для распознавания графических образов на основе нейронных сетей. – Нейрокомпьютеры: разработка, применение N9, 2008. с.52-54.

ПРИЛОЖЕНИЕ А