Расширение смешанной графовой модели на динамический случай с использованием смешанных DBN-сетей - Моделирование сетей

Расширим построенную в предыдущей главе статичную модель за счет кросс-временных взаимозависимостей из пункта 2.3. Для этого построим системы правил вывода переменных IS', RT', AQ' согласно, формализуя тем самым экспертные суждения (для сокращения схемы используем двухпозиционных классификатор для переменных, входящих в посылку правил вывода переменной RT').

На рисунке приведен фрагмент укрупненной сети Байеса, моделирующей в динамике деятельность образовательного учреждения Коваженков, М. А. Оценка инновационного потенциала университета на основе когнитивных математических моделей / М. А. Коваженков, М. В. Коротеев, Е. Е. Сидорова // Инновационная экономика и промышленная политика региона (ЭКОПРОМ-2013) : тр. междунар. науч.-практ. конф., 30 сент. - 9 окт. 2013 г. / Санкт-Петерб. гос. политехн. ун-т [и др.]. - СПб., 2013. - C. 449-451.. Как видно, модель обладает изрядной наглядностью, что значительно облегчает как разработку и модификацию модели, так и ее взаимодействие с экспертами, вносящими необходимую информацию, что значительно повышает эффективность использования такого класса моделей.

Укрупненная когнитивная карта функционирования образовательного учреждения (2TBN смешанная сеть)

Нам представляется, что применение такого подхода к моделированию деятельности вуза позволит достичь большей точности анализа, а также большей гибкости при очевидной универсальности. По нашему мнению, дополнительный объем работ, связанный с анализом большего количества данных оправдывается приведенными преимуществами.

Представленная в данной главе математическая модель является расширением методики, рассмотренной в предыдущей главе и предназначена для моделирования динамики развития социо-экономических систем. Данная методика расширяет модель динамических сетей Байеса (строящихся по принципу 2TBN) для использования со всеми возможными типами вывода смешанных сетей. Основными достоинствами данной модели мы полагаем следующие:

    1. Линейность операторов вывода на пространствах терм-множеств, что позволит при проведении численных расчетов использовать оптимизированные и высокопроизводительные инструментальные средства линейной алгебры. 2. Доказанная нами сепарабельность вывода от двух и более переменных, что позволит существенно упростить как методологически, так и вычислительно разрабатываемые в данной время алгоритмы обучения смешанных сетей вывода. бинарный детерминистический интегральный 3. Возможность математической формализации лингвистических знаний экспертов о принципах функционирования социо-экономических сетей в виде неравномерных терм-множеств произвольного вида, как сатических, так и динамических с использование активно разрабатывающегося на кафедре "Информационные системы в экономике" ВолгГТУ аппарата динамических нечетких чисел. 4. Возможность проведения численных расчетов при неполной или неточной информации.

Похожие статьи




Расширение смешанной графовой модели на динамический случай с использованием смешанных DBN-сетей - Моделирование сетей

Предыдущая | Следующая