Сравнительная оценка при моделировании познавательных процессов на основе качественной информации
Автор: Бочков Александр Петрович, Хомоненко Анатолий Дмитриевич, Лепеш Григорий Васильевич, Никитина Вероника Владленовна
Журнал: Технико-технологические проблемы сервиса @ttps
Рубрика: Методические основы совершенствования проектирования и производства технических систем
Статья в выпуске: 1 (55), 2021 года.
Бесплатный доступ
В данной работе, на основе метода функционально-структурного анализа звена познавательного процесса "вопрос - ответ" и методов теории нечетких множеств, нечеткой логики, построена математическая модель познавательного процесса, учитывающая особенности когнитивной активности человека, путем парных сравнений и нечетких суждений при использовании качественной информации, представляемой с помощью словесных конструкций. Приводятся примеры, иллюстрирующие методический аппарат сравнительной оценки, разработанный на основе математической модели. Элементом новизны является предложенный порядок проверки нечеткой предпочтительности ряда объектов по выделенному качественному признаку на однозначность в срезах истинности суждений. Результаты исследований могут быть использованы при моделировании процессов исследования, поиска, выбора, анализа, обобщения и других важных составляющих познавательной деятельности в нейронных сетях и искусственном интеллекте.
Нечеткая логика, словесные конструкции, парные сравнения, познавательный процесс, математическая модель
Короткий адрес: https://sciup.org/148319983
IDR: 148319983
Список литературы Сравнительная оценка при моделировании познавательных процессов на основе качественной информации
- Xu X., Chen Q., Li B. Color Constancy Algorithms Related to Human Visual Cognitive Process. International Journal of Pattern Recognition and Artificial Intelligence. 2019. 33(10)
- Claes J., Gailly F., Poels G., Vanderfeesten I., Grefen P. The Structured Process Modeling Theory (SPMT) a cognitive view on why and how modelers benefit from structuring the process of process modeling. Information Systems Frontiers. 2015. 17(6): 1401-1425.
- Chernavskaya O.D., Chernavskii D.S. Natural-constructive approach to modeling the cognitive process. Biophysics. 2016. 61(1):155-169
- Chernavskaya O.D. Dynamical theory of information as a basis for natural-constructive approach to modeling a cognitive process. Computer Research and Modeling. 2017. 9(3): 433-447.
- Микадзе Ю.В., Черноризов А.М., Скворцов А.А., Пилечева А.В., Трошина Е.М., Исайчев С.А. Модели и методы исследования переработки информации в процессах называния предмета и соотнесения названия с предметом. Экспериментальная психология. 2019. 12(1): 153-166.
- Воронцов К.А., Григорьев А.А. Влияние психолингвистических характеристик слов на протекание ассоциативных процессов. Экспериментальная психология. 2019. 12(1): 119-125.
- Chen Keliang, Zu Yunxiao, Ren Weizheng. Research and Design of Knowledge System Construction System Based on Natural Language Processing. International Journal of Pattern Recognition & Artificial Intelligence. - 2019. 33(12): N.PAG-N.PAG. 24.
- Kosykh N.E., Khomonenko A.D., Bochkov A.P., Kikot A.V. Integration of Big Data Processing Tools and Neural Networks for Image Classification. CEUR WORKSHOP PROCEEDINGS. Proceedings of Models and Methods of Information Systems Research Workshop 2019. 2020. 52-58.
- Chang M., Chang M. iWordNet: A New Approach to Cognitive Science and Artificial Intelligence. Advances in Artificial Intelligence. 2017. (3): 1-10.
- Shakirov V.V., Solovyeva K. P. & Dunin-Barkowski W.L. Review of State-of-the-Art in Deep Learning Artificial Intelligence. Optical Memory and Neural Networks. 2018. 27: 65-80.
- Шнякина Н.Ю. Язык как источник моделирования познавательных процессов. Филологические науки. Вопросы теории и практики. 2015. 11(53): 206-210.
- Асланян Е.В., Кирой В.Н., Лазуренко Д.М. Особенности восприятия понятий, относящихся к разным семантическим категориям. Журн. высш. нерв. деят. 2018. 68(5): 588-601.
- Константинова М.В., Анисимов В.Н., Терещенко Л.В., Латанов А.В. Связь зрительного внимания и субъективного восприятия времени. Журн. высш. нерв. деят. 2018. 68(5): 581-587.
- Лавлинский В.В., Ягодкин А.С. Один из подходов разработки аппаратно-программных средств для снятия электрических сигналов с коры головного мозга. Моделирование систем и процессов. 2017. 10(3): 1826.
- Курганский А.В. Функциональная организация мозга человека в состоянии покоя. Журн. высш. нерв. деят. 2018. 68(5): 567-580.
- Маренко В.А., Лучко О.Н., Ляпин В.А., Гуща С.Ю., Алексеенко Л.В. Анализ когнитивных моделей. Математические структуры и моделирование. 2015. 2(34): 64-74.
- Ярушев С.А., Аверкин А.Н., Павлов В.Ю. Когнитивные гибридные системы поддержки принятия решений и прогнозирования. Программные продукты и системы. 2017. 4:632-642.
- Calcagni A., Lombardi L. Dynamic Fuzzy Rating Tracker (DYFRAT): A novel methodology for modeling real-time dynamic cognitive processes in rating scales. Applied Soft Computing Journal. 2014. 24: 948961.
- Chen R., Herskovits E.H. Examining the multifactorial nature of a cognitive process using Bayesian brain-behavior modeling. Computerized Medical Imaging and Graphics. 2015. 41: 117-125.
- Eich T., Parker D., Gazes Y., Razlighi Q., Habeck C., Stern Y. Towards an ontology of cognitive processes and their neural substrates: A structural equation modeling approach. PLoS ONE, 2020, 15(2).
- Yamashita T. On the support system giving a feeling of satisfaction to a decision maker. Journal of Japan Society for Fuzzy Theory and Systems. 1995. 7: 44-51.
- Yalçin O.N., DiPaola S. Modeling empathy: building a link between affective and cognitive processes. Artificial Intelligence Review. 2020. 53(4): 2983-3006.
- Saaty T.L., Kearns K.P. Analytical Planning. The Organization of Systems. Pergamon Press. 1985.
- Парамонов И.Ю., Смагин В.А., Косых Н.Е., Хо-моненко А.Д. Методы и модели исследования сложных систем и обработки больших данных. СПб.: Лань, 2020. 236с.
- Zadeh L.A. Fuzzy logic = computing with words. IEEE Transactions on Fuzzy Systems. 1996. 4(2): 103111.
- Kaufmann A. Introduction a la theorie des sous-ensembles flous Paris etc., 1977.
- Saaty T.L. A scaling method for priorities in hierarchical structures. Journal of Mathematical Psychology. 1977. 15: 234-281.
- Dubois D., Prad H. Théorie des possibilités. Applications à la présentation des connaissances en informatique. Masson. Paris. Milan. Barcalone. Mexico. 1988.
- Terano T., Asai K., Sugeno M. Fuzzy systems theory and its applications. Boston: Academic Press. 1992. 268.
- Бочков А.П. Элементы качественного описания и прогнозирования развития технических систем. МО РФ. 1995. 72 с.
- Бочков А.П., Графов А.А. Информационные системы управления экономическими объектами. СПб.: Лань, 2019. 160 с.
- Козунова Г.Л., Воронин Н.А., Венидиктов В.В., Строганова Т.А. Обучение с подкреплением: роль непосредственной обратной связи и внутренней модели ситуации. Журн. высш. нерв. деят. 2018. 68(5): 602-613.
- Saaty T.L. The Analytic Hierarchy Process. New York: McGraw-Hill. 1980. 287.
