ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ДЛЯ МОДЕЛИРОВАНИЯ СЛОЖНЫХ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ И АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ ЛИЦ И УСТНОЙ РЕЧИ ЛЮДЕЙ Федяев О.И., Бондаренко И.Ю. Жабская Т.Е., Зудикова Ю.В., Костецкая Г.Ю., Лукина Ю.Ю., Умяров Н.Х. Донецкий национальный технический университет Кафедра прикладной математики и информатики

Особенности современных объектов автоматизации

Понятия искусственного агента Уровни абстракции понятий агента и объекта Взаимодействие агента с внешней средой Агент задаётся функцией f: f : P A, P –восприятие внешней среды; А – действия агента

Структура многоагентной системы

Многоагентная модель процесса производства промышленных смесей

Технологический процесс производства промышленных смесей Процессы технологии производства с сырьевыми потоками

Параметрическое описание автономных процессов при производстве промышленных смесей Инфраструктура производства

Идея многоагентного моделирования процесса производства промышленных смесей

Построение концептуальных моделей многоагентной системы средствами методологии Gaia

Пример схемы роли Кладовщик_сырья как части модели ролей процесса производства промышленных смесей Для роли определены связанные с ней: обязательства (функциональный аспект) полномочия (ресурсный аспект) протоколы и активности (взаимодействие с другими ролями)

Трансформация моделей методологии Gaia в концепты инструментария Zeus

Модель программных агентов процесса производства промышленных смесей К предметным агентам относятся агенты, представляющие участников технологического процесса Системные агенты создаются средой Zeus. К ним относятся: агент сервер доменных имен, агент диспетчер, агент визуализатор

Программная реализация МАС процесса производства промышленных смесей

Задачи, решаемые с помощью многоагентной модели процесса производства промышленных смесей Варианты технологических карт приготовления смесей в течение рабочего дня Результаты экспериментов по определению рациональной структуры производства: А, Б – разные структуры производства 1. Задача определения рациональной структуры производства 2. Задача минимизации непроизводительных расходов t 1 - время приготовления объема y 1 смеси 1-го типа, t 2 –время приготовления объема y 2 смеси 2-го типа, t пер - время технологического перерыва, t пр – время непроизводительного простоя.

Построение виртуальной кафедры университета на основе агентного подхода

Особенности процесса обучения на кафедральном уровне Учебный процесс в ВУЗе имеет жёсткую иерархическую структуру (ректорат, факультеты, кафедры). На уровне кафедры: 1.Профессионально ориентирован и интеллектуален. 2.Распределён в пространстве. 3.Регламентирован по времени. 4.Динамичен по содержанию. Недостатки: 1.Система обучения не позволяет своевременно реагировать на изменение требований рынка. 2.Не учитывает индивидуальные возможности и желания студентов. 3.Обязательное личное присутствие преподавателей на всех этапах передачи и контроля усвоения знаний. 4.Жёсткая привязка студентов к расписанию занятий.

Схема организации индивидуального обучения студентов на основе агентно-ориентированного подхода

Поток передаваемых сообщений между агентами виртуальной кафедры при изучении студентом лекции и тестировании знаний

Эффективность виртуальной кафедры как искусственной организации 1.Агентная модель учебного процесса кафедры позволит оценивать в динамике различные ситуации, события и действия, связанные с передачей и усвоением учебной информации. 2.Организовать дистанционное обучение с максимальным сохранением реально существующих взаимоотношений «студент-преподаватель». 3.Повышается децентрализация и индивидуальность работы всех участников процесса обучения; предоставляется возможность автономного и распределённого выполнения учебно-методических обязанностей. 4.Агентный подход позволяет упростить создание модели кафедры как сложной системы с распределённым интеллектом, гарантировать его качество и упростить его сопровождение.

Система подготовки и трудоустройства молодых специалистов как объект моделирования

Назначение модели трудоустройства: Трудоустройство выпускников ВУЗов является важным как для молодого специалиста, так и для предприятия, ВУЗа и государства; Прием на работу молодых специалистов осуществляется предприятием, исходя из потребностей в кадрах и их квалификации; Молодой специалист устраивается на работу, проходя собеседования на фирме или выполняя тестовые задания.

Цель работы заключалась в разработке агентно- ориентированной модели, наиболее реалистично отражающей поведение людей и предприятий во время трудоустройства в зависимости от социальных, профессиональных и экономических факторов, делегированных искусственным субъектам системы трудоустройства. Разработанная мультиагентная имитационная модель с нейросетевыми агентами даст возможность выявлять узкие места в системе образования и прогнозировать состояние процесса трудоустройства молодых специалистов.

Cтруктура агентно-ориентированной модели процесса подготовки и трудоустройства специалистов

Структура модели собеседования при трудоустройстве выпускника на фирму

Нейросетевые модели для агента Выпускник

Нейросетевая модель для агента Фирма

Пример одного задания с ответами по направлению «Искусственный интеллект» п/п ЗаданиеЗнания, необходимые для выполнения задания Умения, необходимые для выполнения задания 1 Что необходимо знать и уметь для извлечения знаний из эксперта? стратегии получения знаний из источников; классификация методов извлечения знаний; коммуникативные методы извлечения знаний; пассивные методы извлечения знаний; методика построения деревьев решений. составлять анкеты и организовать диалог с экспертом; конспектировать лекцию; строить деревья решений; строить деревья фактов.

Процесс получения обучающих пар для нейросети выпускника

Эксперименты по исследованию процессов трудоустройства выпускников-программистов Промоделированы следующие проблемные ситуации при трудоустройстве выпускников учебных заведений: моделирование трудоустройства при дефиците рабочих мест; моделирование случая низкой подготовки студентов; моделирование влияния условий работы, предлагаемых фирмой, на распределение молодых специалистов.

Условия проведения эксперимента Количество фирм: 3 Количество вакансий: у 1-й фирмы = 2 у 2-й фирмы = 1 у 3-й фирмы = 1 Количество выпускников: 15.

Условия работы Фирмы Фирма 1 (company-8) Фирма 2 (company-9) Фирма 3 (company-10) Заработная плата, грн Количество рабочих часов в неделю 50 Продолжительность рабочей недели Шестидневка Пятидневка Необходимо ли ездить в командировки? Нет Да Есть ли возможность удалённой работы? Нет Да Есть ли возможность карьерного роста? НетДа Предоставляет ли фирма жильё иногородним работникам? НетДа Фирма является частной или государственной? Частная Государст- венная Предлагаемые фирмами условия труда

Часть временной диаграммы процесса собеседований

Анализ моделирования: количество фирм, которые посетил каждый выпускник

Анализ моделирования: количество выпускников, посетившие каждую фирму

Результат распределения выпускников по фирмам

Выделение лица на снимке из видеопотока и его распознавание

СХЕМА ПРОЦЕССА РАСПОЗНАВАНИЯ ЛИЦА

Локализация изображения лица на кадре из видеопотока

Архитектура свёрточной нейросети

Визуализация этапов распознавания

Эксперименты, проведённые для базового алгоритма, показали хорошую точность в пределах % для международной базы изображений лиц ORL (400 образов лиц по 10 образов в каждом классе - 40 разных людей).

Автоматическое распознавание устной речи человека

Структура речевого интерфейса компьютерных систем

Иерархическая архитектура сегментно-целостной системы коллективного распознавания речевых сигналов

Точность разработанной технологии распознавания Тестирование проводилось на материале речевого корпуса TIMIT (640 дикторов, 5 часов слитной речи на 8 диалектах американского английского). Достигнутая точность распознавания фонем: 70% Для сравнения: точность распознавания американской системы HTK: 65%

СПАСИБО ЗА ВНИМАНИЕ !