미바르 기반 접근법

이 글은 일반적인 참고문헌 목록을 포함하고 있지만, 그에 상응하는 인라인 인용구가 충분하지 않다. 좀 더 정밀한 인용구를 도입하여 이 기사를 개선할 수 있도록 도와주십시오.(2018년 1월) (이 템플릿 메시지를 제거하는 방법과 시기 알아보기)

이 글은 고아로, 다른 어떤 기사도 그것에 연결되지 않는다.관련 기사에서 이 페이지에 대한 링크를 소개하고, 제안사항을 보려면 링크 찾기 도구를 사용해 보십시오. (2016년 8월)

미바르 기반 접근법은 인공지능(AI) 시스템을 설계하기 위한 수학적 도구다.미바르(다차원적 정보변수 적응현실)는 생산망과 페트리망을 결합해 개발했다.미바르 기반 접근법은 인공지능 개발 과정에서 의미분석과 인도적 인식론적·공리학적 원리의 적절한 표현을 위해 개발됐다.미바르 기반 접근법은 컴퓨터 과학, 정보학 및 이산 수학, 데이터베이스,^[1] 전문가 시스템,^[2] 그래프 이론, 행렬 및 추론 시스템을 포함한다.미바르 기반 접근방식은 다음 두 가지 기술을 포함한다.^[3]

• 정보 축적은 가변 구조를 가진 글로벌 진화 데이터 및 규칙 기반을 만드는 방법이다.적응형, 이산형, 미바르 지향적 정보 공간, 통합 데이터 및 규칙 표현에 기초하여 작동하며, 다음과 같은 3가지 주요 개념에 기초한다."객체, 속성, 관계".정보 축적은 정보의 양과 표시 형태에 관한 제한 없이 가능한 진화적 구조를 가진 정보를 저장하기 위해 설계된다.^[4]
• 데이터 처리는^[5] 선형 계산 복잡성을 가진 규칙의 훈련된 미바르 네트워크를 기반으로 모듈, 서비스 또는 절차로부터 논리 추론 시스템이나 자동화된 알고리즘 구축을 만드는 방법이다.미바르 데이터 처리에는 논리적 추론, 계산 절차 및 서비스가 포함된다.

미바르 네트워크는 인과관계 의존성("If-then")을 개발하고 자동화되고 훈련된 논리적 추론 시스템을 만들 수 있게 해준다.

러시아 인공 지능 협회(RAAI) 대표들 - 예를 들어, V. I. 고로데키 기술 과학 박사, SPIRAAS 교수, V. N. 바긴 기술 과학 박사, MFEI 교수는 이 용어가 틀렸다고 선언하고 저자가 표준 용어를 사용해야 한다고 제안했다.

역사

O. O. O. Varlamov는 러시아 국방부에 근무하던 중 1985년에 "급격한 논리적 추론" 이론을 개발하기 시작했다.^[6][7]그는 알고리즘을 구축하기 위해 페트리 네트와 생산물을 분석하고 있었다.일반적으로, mivar 기반 이론은 개체 관계 모델과 그 문제 사례인 의미 네트워크와 Petri 네트워크를 결합하려는 시도를 나타낸다.

약칭 MIVAR은 1993년 O. O. Varlamov 기술과학 박사, Bauman MSTU 교수에 의해 수학적 모델링 과정에서 "대안 단위"를 지정하기 위해 기술 용어로 도입되었다.^[6][8]그 용어는 그의 이후의 모든 작품에 제정되어 사용되었다.

미바르 기반 원리에 따라 작동하는 최초의 실험 시스템은 2000년에 개발되었다.응용 미바르 시스템은 2015년에 도입되었다.

미바르

미바는 이산 정보 공간의 가장 작은 구조적 요소다.

객체-속성-관계

VSO(Object-Property-Relation)는 그래프로서, 노드는 개념이고 호는 개념 간의 연결이다.

미바르 공간은 축 집합, 원소 집합, 공간 집합 및 점 값 집합을 나타낸다.

${\displaystyle A=\{a_{n}\},n=1,\ldots,N,}$

여기서:

• $[\displaystyle A}$은(는) 일련의 미바르 공간 축 이름이다.
• ${\displaystyle N}$ ${\displaystyle N}$은(는) 여러 개의 미바르 공간 축이다.

Then: ${\displaystyle \forall a_{n}\exists F_{n}=\{f_{{ni}_{n}}\},n=1,\ldots ,N,i_{n}=1,\ldots ,I_{n},}$

여기서:

• ${\displaystyle F_{}}$ ${\displaystyle n_{}}$ ${\$는 ${\displaystyle {축}_{}}$ n ${\$ 요소의$$ 집합이다$$.
• ${\displaystyle i_{}}$ ${\displaystyle n_{}}$ ${\$은(는)$설정$된 F n {\$displaystyle$ F_${n}$ 요소$$ 식별자임$$.
• ${\displaystyle I_{n}=F_{n} .}$

${\displaystyle F_{}}$ ${\displaystyle n_{}}$ ${\$는 다차원 공간을 설정한다$$: $M{\displaystyle }$= F ${\displaystyle {1\mathrm{}}_{}}$ ${\displaystyle {}_{}}$ F ${\displaystyle 2_{}}$ ${\displaystyle {}_{}}$ ${\displaystyle \times }$ × × × ${\displaystyle \times }$ × × × × × × × × ${\displaystyle {}_{}}$ . ${\displaystyle M=F_{1$}\1$}\time F_{2}\cdottime F_{n}.$$}$ $m$${\displaystyle }$=${\displaystyle }$( ${\displaystyle {}_{}}$ ${\displaystyle {1\mathrm{}}_{}}$,${\displaystyle {}_{}{}_{}}$ ${\displaystyle {2\mathrm{}}_{}}$, ${\displaystyle \dots ,}$i ${\displaystyle N_{}}$)${\displaystyle }$, ${\displaystyle m=(i_{1},i_{2},\ldots ,i_{N}),}$

여기서:

• ${\displaystyle m}$ ${\displaystyle \in }$ ${\displaystyle M}$ ${\displaystyle m\in M}$;
• ${\displaystyle m}$ ${\displaystyle m}$은(는) 다차원 공간의 지점이다.
• ${\displaystyle (}$ ${\displaystyle {}_{}}$ ${\displaystyle {1\mathrm{}}_{}}$,${\displaystyle {}_{}}$i ${\displaystyle {2\mathrm{}}_{}}$,${\displaystyle }$…,${\displaystyle {}_{}}$ ${\displaystyle N_{}}$) ${\displaystyle (i_{1},i_{2},\ldots,i_{N}}$은(는) 지점 $m{\displaystyle }$ ${\displaystyle m}$의 좌표다$.$

$M{\displaystyle }$ ${\displaystyle M}$의 다차원 공간 점 값 집합$:$

${\displaystyle C_{M}=\{c_{i_{1},i_{2},\ldots ,i_{N}}\mid i_{1}=1,\ldots ,I_{1},i_{2}=1,\ldots ,I_{2},\ldots ,i_{n}=1,\ldots ,I_{N}\},}$

여기서:

• ${\displaystyle c_{i_{1},i_{2},\ldots ,i_{N}}}$ is a value of the point of multidimensional space ${\displaystyle M}$ is a value of the point of multidimensional space ${\displaystyle (i_{1},i_{2},\ldots ,i_{N})}$.

공간 $M{\displaystyle }$ ${\displaystyle M}$의 모든 점에 대해 $C{\displaystyle {}_{}}$ ${\displaystyle M_{}}$ ${\$ 집합에서$$ 단일 값이 있거나$$ 해당 값이 없다.따라서 ${\displaystyle {}_{}}$ ${\displaystyle M_{}}$ ${\$은 다차원 공간으로 표현되는 데이터 모델 상태 변경의 집합이다$$.다차원 공간과 점 값 집합 간에 전환을 구현하기 위해 관계 $\mu {\displaystyle }$ ${\displaystyle \mu }$이(가) 도입됨$$: ${\displaystyle C_{}}$ $x{\displaystyle {}_{}}$= ${\displaystyle \mu }$(${\displaystyle {}_{}}$ ${\displaystyle x_{}}$)${\displaystyle }$, ${\displaystyle C_{x}=\mu(M_{x}),}$

여기서:

• ${\displaystyle M_{x}\subseteq M;}$
• ${\displaystyle M_{x}=F_{1x}\time F_{2x}\time \cdots \time F_{Nx}}}$

mivar 정보 공간에서 데이터 모델을 설명하려면 다음 세 가지 축을 식별해야 한다.

• $$의 축 « O ${\displaystyle O}$ »$$
• 속성(속성)의 축 « ${\displaystyle }$ ${\displaystyle S}$ »$$
• 주제 도메인 « ${\displaystyle }$ ${\displaystyle V}$의 요소(개체) 축 »$$

이 세트들은 독립적이다.미바르 공간은 다음과 같은 튜플로 나타낼 수 있다.

$\displaystyle \langle V,S,O\angle }$

따라서 mivar는 « ${\displaystyle }$ ${\displaystyle S}$ O ${\displaystyle VSO}$»에서 설명되며, « V ${\displaystyle$ $V$$}$ $»$는 물체 또는 사물을, ${\displaystyle }$ S$${\$displaysty$S} $»$ 속성은 ${\displaystyle }$ O$${\$displaystytyle O}$ $»$ 특정 주제 영역의 다른 개체 간의 다양한 관계를 나타낸다.^[9]범주 "관계"는 공식, 논리적 전환, 텍스트 표현, 기능, 서비스, 계산 절차, 신경 네트워크 등 모든 복잡성 수준의 의존성을 설명할 수 있다.광범위한 기능은 상호연결 모델링에 대한 설명을 복잡하게 하지만 모든 요소를 고려할 수 있다.미바르 계산은 수학 논리를 사용한다.단순화된 형태에서 그것들은 "if…, then …"^[10] 공식의 형태로 암시될 수 있다.mivar 모델링의 결과는 소스 객체와 결과 객체의 두 세트를 결합하는 초당적 그래프의 형태로 나타낼 수 있다.

미바르 네트워크

미바르 네트워크는 대상 도메인의 개체와 그 처리 규칙을 개체와 규칙으로 구성된 초당적 지시 그래프의 형태로 나타내는 방법이다.^[11]

미바르 네트워크는 2차원 매트릭스 형태로 설명할 수 있는 초당적 그래프로서, 현재 과제의 주체 영역에 관한 정보를 기록한다.^[12][13]

일반적으로, mivar 네트워크는 연결된 다차원 공간의 형태로 인간 지식의 정형화와 표현을 제공한다.즉, mivar 네트워크는 mivar 공간 정보의 한 조각을 초당적, 지시된 그래프의 형태로 나타내는 방법이다.미바르 공간 정보는 개체와 연결에 의해 형성되며, 이는 전체적으로 대상 도메인의 데이터 모델을 나타낸다.연결에는 객체 처리에 대한 규칙이 포함된다.그러므로, 주제 영역의 미바르 네트워크는 그 도메인에 대한 미바르 공간 지식의 일부분이다.

그래프는 객체-변수 및 규칙-프로세스로 구성될 수 있다.첫째, 두 개의 교차되지 않는 파티션을 구성하는 두 개의 목록이 만들어진다: 개체 목록과 규칙 목록.물체는 원으로 표시된다.mivar 네트워크의 각 규칙은 생산, 다중 활성화자 또는 계산 절차를 포함하는 하이퍼 룰의 확장이다.추가 처리의 관점에서, 이러한 형식주의는 동일하며, 실제로 직사각형으로 표시된 초당적 그래프의 노드라는 것이 증명된다.^[13]

다차원 이항 행렬

Mivar 네트워크는 단일 컴퓨팅 시스템이나 서비스 지향 아키텍처에서 구현될 수 있다.특정 제약조건은 특히 적응형 규칙 네트워크의 논리적 추론 경로를 결정하기 위한 선형 매트릭스 방법의 매트릭스 차원을 제한한다.매트릭스 치수 제약은 구현 시 여러 프로세서에 일반 매트릭스를 보내야 한다는 사실에 기인한다.모든 행렬 값은 처음에 기호 형식으로 표시되므로, 예를 들어 10000개의 규칙/변수를 얻을 때 전송된 데이터의 양이 중요하다.고전적인 미바르 기반 방법은 각 매트릭스 셀에 다음 세 가지 값을 저장해야 한다.

• 0 – 값 없음;
• x – 규칙에 대한 입력 변수
• y – 규칙에 대한 출력 변수.

규칙 발사 가능성 분석은 규칙 발사 후 단계에 따라 출력 변수를 결정하는 것과 구분된다.따라서 "해고 규칙 검색"과 "출력 변수 값 설정"에 서로 다른 행렬을 사용할 수 있다.이것은 다차원 이항 행렬의 사용을 허용한다.바이너리 매트릭스 조각은 훨씬 적은 공간을 차지하며 미바르 네트워크를 적용할 수 있는 가능성을 개선한다.

논리적 및 계산 데이터 처리

논리 및 컴퓨터 데이터 처리를 구현하려면 다음과 같이 해야 한다.첫째, 형식화된 주제 영역 설명이 개발된다.주요 객체-변수 및 규칙-절차는 mivar 기반 접근방식에 기초하여 지정되고, 그 다음에 해당하는 "객체"와 "규칙"의 목록이 형성된다.이 공식화된 표현은 초당적 논리적 네트워크 그래프와 유사하다.

미바르 기반의 정보처리의 주요 단계는 다음과 같다.

• 주제 도메인 매트릭스 구성.
• 매트릭스 작업 및 작업에 대한 솔루션 알고리즘 설계
• 계산 실행 및 솔루션 찾기.

첫 번째 단계는 미바르 규칙으로의 전환과 함께 생산 규칙의 형태로 개념 주체 도메인 모델과 그것의 공식화의 종합 단계다."Input objects – rule/procedures – output objects"현재 이 단계는 가장 복잡하며 주제 영역의 미바르 모델을 개발하기 위해 인간 전문가의 참여가 필요하다.

2단계에서는 자동화된 솔루션 알고리즘 구성이나 논리적 추론이 구현된다.알고리즘 구성을 위한 입력 데이터는 주제 도메인 설명의 미바 행렬과 객체-변수와 필요한 객체-변수의 집합 입력이다.

그 해결책은 3단계에서 실행된다.^[14]

데이터 처리 방법

첫째, 행렬이 구성된다.매트릭스 분석은 성공적인 추론 경로가 존재하는지 여부를 결정한다.그런 다음 가능한 논리적 추론 경로를 정의하고 마지막 단계에서 설정된 최적성 기준에 따라 최단 경로를 선택한다.

$m{\displaystyle }$ ${\displaystyle m}$ 규칙과$$ $n{\displaystyle }$ ${\displaystyle n}$ 변수를$$ 활성화하거나 출력 변수로 규칙에 포함시키십시오.그런 다음 규칙 중 하나에 해당하고 규칙에 사용된 변수에 대한 정보를 포함하는 각 행의 $매트릭스{\displaystyle }$ V$m$n ) {\$displaystyle V(m\cdot$ n$)}$은 규칙과 변수 사이의 모든 상호 연결을 나타낼 수 있다$.$

• 각 행에서 매트릭스의 해당 위치에서 $모든$ 입력 변수는 x ${\displaystyle x}$로 표시되고 $모든{\displaystyle }$ 출력 변수는 y ${\displaystyle$ y$}$로 표시된다$.$
• 추론 또는 입력 데이터 설정 과정에서 이미 특정 값을 얻은 $모든{\displaystyle }$ 변수 - z ${\displaystyle z}$.
• $모든{\displaystyle }$ 필수(출력) 변수, 즉 입력 데이터를 기반으로 얻어야 하는 변수 - w ${\displaystyle w$

서비스 정보를 저장하기 위해$$ 매트릭스 $V{\displaystyle }$ ${\displaystyle V}$에 행 하나와 열 하나가 추가된다.

따라서 차원$({\displaystyle m}$+ ${\displaystyle n}$) ${\displaystyle \times }$(${\displaystyle \mathrm{n}}$+ 1${\displaystyle }$) ${\displaystyle (m+n)\time (n+1$의 $매트릭스{\displaystyle }$ V ${\displaystyle V}$을 얻어 소스 규칙 네트워크의 전체 구조를 보여준다.이 논리적 네트워크의 구조는 변할 수 있다, 즉 이것은 진화적 역학을 가진 규칙들의 네트워크다.

예

논리적 추론 경로를 검색하려면 다음 작업을 수행하십시오.

1. 알려진 변수는 $z{\displaystyle }$ ${\displaystyle z}$로 표시되고$$ 필요한 변수는 w 행$({\displaystyle m}$+ ${\displaystyle 1}$) ${\displaystyle(m+1$)으로 표시된다$.$예를 들어 $z{\displaystyle }$ ${\displaystyle z}$은 행$({\displaystyle \mathrm{m}}$ +${\displaystyle }$1${\displaystyle }$) ${\displaystyle(m+1)$에서 1,2,3 위치를 나타내고,$$ 변수 $w{\displaystyle }$ ${\displaystyle w}$은 위치$({\displaystyle \mathrm{n}}$- 2${\displaystyle }$) ${\displaystyle(n-2)$를 나타낸다$$$.$
2. 실행될 수 있는 규칙, 즉 알려진 모든 입력 변수의 검색은 예를 들어 하향식처럼 연속적으로 구현된다.이러한 규칙이 없으면 논리적 추론 경로가 존재하지 않으며 입력 데이터 세분화(추가)를 요청한다.실행할 수 있는 규칙은 서비스 행의 해당 위치에 라벨이 붙어 있다.예를 들어, 우리는 매트릭스 셀에 1을 쓸 수 있는데, 그것은 셀${\displaystyle }$(${\displaystyle 1}$,${\displaystyle n}$+ ${\displaystyle 1}$) ${\디스플레이 스타일$($1,n+1)}$ 에 설명되어 있다$.$
3. 그러한 몇 가지 규칙을 고려하여, 먼저 발사할 규칙의 선택은 이전에 결정된 기준에 따라 실행된다.충분한 자원이 확보되면 여러 규칙을 동시에 실행할 수 있다.
4. 규칙(절차) 사격 시뮬레이션은 이 규칙에서 유추된 변수, 즉 이 예에서$$ $z{\displaystyle }$ ${\displaystyle z}$에 "알고 있는" 값을 할당하여 구현된다.해고된 규칙은 추가적으로 표시될 수 있다. 예를 들어 추가 작업의 편의를 위해 2번으로 표시한다.예를 들어, 해당 변경은 셀${\displaystyle }$(${\displaystyle m}$+ ${\displaystyle 1}$,${\displaystyle \mathrm{n}}$- 1${\displaystyle }$)${\displaystyle }$,${\displaystyle }$(${\displaystyle m}$+ 1,${\displaystyle n}$) ${\displaystyle (m+1,n-1),$ ($m+1,n)$ 및$$${\displaystyle }$(${\displaystyle 1,}$ ${\displaystyle n}$+ ${\displaystyle 1}$)${\displaystyle (1,n+1)}$에서 이루어진다$.$
5. 규칙 사격 시뮬레이션 후에는 목표 달성도 분석을 수행하며, 즉, 서비스 행의 특수 문자를 비교하여 필요한 값 획득을 분석한다.서비스 행$({\displaystyle m}$+ ${\displaystyle 1}$) ${\displaystyle (m+1)}$에서 적어도 하나 이상의 "알 수 없는"(${\displaystyle }$ ${\displaystyle w}$) 값이 지정되면 논리적 추론 경로 검색이 수행된다$.$그렇지 않으면 과제가 성공적으로 해결된 것으로 간주되고 그에 상응하는 순서로 발사된 규칙은 검색된 논리적 추론 경로를 형성한다.
6. 이전 단계에서 새로운 값을 정의한 후 실행할 수 있는 규칙의 가용성이 평가된다.불이 붙을 수 있는 규칙이 없으면 추론 경로가 존재하지 않으며 2단계와 유사한 조치를 취한다.불이 붙을 수 있는 규칙이 주어지면 추론 경로 검색은 계속된다.이 예에는 그러한 규칙들이 존재한다.셀$({\displaystyle 2}$, ${\displaystyle n}$+ ${\displaystyle 1}$) ${\displaystyle(2,n+1)}$에서 숫자 1은 이 규칙이 실행될 수 있음을 나타내는 표시로 얻는다.
7. 다음 단계에서는 4단계와 유사하게 규칙을 발사(규칙 발사 시뮬레이션)하고, 결과를 얻기 위해 5단계 및 6단계와 유사하게 필요한 조치를 수행한다.2-7단계는 결과가 나올 때까지 구현된다.경로를 찾을 수 있거나 찾을 수 없을 수 있다.
8. 셀$$$({\displaystyle m}$+ ${\displaystyle 1}$,${\displaystyle 4}$ ) ${\displaystyle (m+1$,4$)}$과$({\displaystyle \mathrm{m}}$ ${\displaystyle +}$1,${\displaystyle 5}$ )$${\$displaystyle$${\displaystyle }$($m+1$,5$)}$에서 변수 4와 5의 해석성을 얻으며$,$ , ${\displaystyle n}$+ ${\displaystyle 1}$)에서 규칙이 이미 발사되었음을 나타내는 표시(2$,n+1$)가$$ 형성되었으며, 즉 숫자 2가 설정되었다.그 후 서비스 행 분석을 수행하는데, 이는 필요한 변수가 모두 알려져 있지 않음을 보여준다.$따라서$ 치수$({\displaystyle m}$+ n${\displaystyle }$)${\displaystyle }$x${\displaystyle }$(${\displaystyle \mathrm{n<img\; alt="V"\; aria-hidden="true"\; class="mwe-math-fallback-image-inline"\; src="https://wikimedia.org/api/rest\_v1/media/math/render/svg/af0f6064540e84211d0ffe4dac72098adfa52845"\; style="vertical-align:\; -0.338ex;\; width:1.787ex;\; height:2.176ex;"\; papago-attr-id="196">}}$+ 1${\displaystyle }$)의 $매트릭스{\displaystyle }$ V ${\$$displaystyle$V$}$을$(를)$ 계속 처리할 필요가 있다$.$이 행렬의 분석은 규칙 $m{\displaystyle }$ ${\displaystyle$ m$}$의 발사$$ 가능성을 보여준다.
9. 규칙 m을 실행하면 필요한 변수에 대한 새 값도 얻는다.
10. Thus, no required rules are in the service row and new values are obtained in the cells of the matrix: 2 appears in the cell ${\displaystyle (m,n+1)-2,}$ and we got the value ${\displaystyle z}$ instead of ${\displaystyle w}$ in the cell ${\displaystyle (m+1,n-2)}$. So, positive resu그것은 결과적으로 주어진 입력 값을 가진 논리적 추론 경로가 존재한다.^[3]

참조

외부 링크

• «Mivar » 공식 웹사이트.