Современные проблемы науки и образования. Развитие когнитивной компьютерной графики в рамках прикладной науки информатики

РАЗВИТИЕ КОГНИТИВНОЙ КОМПЬЮТЕРНОЙ ГРАФИКИ В РАМКАХ ПРИКЛАДНОЙ НАУКИ ИНФОРМАТИКИ

ст. преподаватель кафедры ИСвЭК

Филиала СПбГИЭУ

Многочисленные исследования психологов, посвященные анализу процесса решения задач людьми, показали, что наиболее трудоемкими в этом процессе являются первые два этапа. Максимальное усилие человек тратит на процесс перехода от неясного ощущения некоторой ситуации к четко сформулированной задаче. Как правило, именно этот этап воспринимается большинством исследователей, как творческий. На чем формируется замысел задачи и ищется ее формулировка. Далее во многих случаях дело касается лишь применения профессиональной.

Этапы формулировки задачи в условиях использования алгебраического подхода остаются вне поля зрения науки. Проблема эта явно не является алгоритмической. Каждая задача имеет индивидуальный характер, и существование каких-либо общих процедур, кроме чисто методологических (типа алгоритмов поиска изобретения, здесь вряд ли возможно). Однако, как неоднократно отмечали крупные математики, которые всерьез задумывались над процедурами математического творчества, на этапе поиска формулировки задачи весьма часто важную роль играли геометрические представления и модели. И интересно, что зачастую они не были прямо связаны с характером решаемой задачи, а просто ассоциативно вызывали эту постановку. Такой же феномен отмечают и психологи. Попробуем перечислить особенности, которые характерны для нового направления в информатике, получившем название когнитивная графика. Более подробное обсуждение этого направления содержится в первой в мировой литературе монографии, специально посвященной когнитивной графике.

Компьютерная графика - это область информатики, которая охватывает все стороны формирования изображений с помощью компьютера.

Появившись в 1950-х годах, она поначалу давала возможность выводить лишь несколько десятков отрезков на экране.

Базой компьютерной графики стали фундаментальные науки: математика, химия, физика и т. д.

Компьютерная графика используется практически во всех научных и инженерных дисциплинах для наглядности восприятия и передачи информации. Общепринятой практикой считается также использование компьютерного моделирования при обучении пилотов и представителей других профессий (тренажеры). Знание основ компьютерной графики сейчас необходимо и инженеру, и ученому.

Конечным результатом применения средств компьютерной графики является изображение, которое может использоваться для различных целей.

Когнитивная компьютерная графика - компьютерная графика для научных абстракций , способствующая рождению нового научного знания. Технической основой для нее являются мощные ЭВМ и высокопроизводительные средства визуализации

Примером применения когнитивной компьютерной графики в прикладной информатике может быть когнитивная визуализация блок-схем алгоритма, трехмерное представление объектов исследование, визуальное представление моделей данных и т. д.

Аналогичная методика была использована для периодичных функций. Как известно графики периодичных функций имеют повторяющие участки, следовательно, если переложить график периодичной функции на ноты, то музыка будет иметь повторяющиеся фрагменты.

Решение задачи контроля исполнения национальных проектов требует учета множества факторов. Масштабность и динамичность ситуации при реализации национальных проектов вызывает необходимость оперативной обработки значительного объема исходных данных, выработки и принятия адекватных и своевременных решений.

При этом возникает проблема восприятия и интерпретации разнородной информации лицом, принимающим решения, что обусловливает актуальность решения задачи поиска форм ее представления, исключающих или снижающих неоднозначность понимания текущей ситуации.

Мышление человека построено так что, размышляет человек не словами и цифрами, а образами. Точно также обстоит дело и с восприятием информации об окружающем мире: образы, формируемые различными органами чувств, воспринимаются целиком.

Исследования показывают что, наибольшую важность имеет именно визуальная составляющая воспринимаемого образа. Отсюда следует необходимость первоочередного решения задачи визуализации числовых и нечисловых (вербальных, графических) исходных данных и результатов их аналитической обработки.

В рамках науки информатики когнитивная компьютерная графика развивается в следующих направлениях:

– исследование общих построения когнитивных графических образов способов, методов когнитивной компьютерной графики;

– исследование индивидуальных особенностей восприятия, в частности его апперцепции;

– разработка модели восприятия информации ЛПР;

– формирование алфавита понятийно-образного языка представления данных, включающего стереотипные символы, отображающие предметы и явления окружающего мира с той или иной степенью подобия, ассоциативно понятные графические примитивы, из которых синтезируются ГО любой сложности, и вспомогательные символы, необходимые для связи графических примитивов и привлечения внимания к наиболее актуальным ГО;

– исследование свойств ГО, воздействующих на ЛПР при их восприятии на уровне ощущений, – энергетических, геометрических, динамических;

– формирование «грамматики» понятийно-образного языка, то есть базовых правил формирования ГО и когнитивных сцен;

– разработка прототипа подсистемы визуализации результатов информационно-аналитического сопровождения контроля исполнения приоритетных национальных проектов на основе понятийно-образного языка представления данных;

– экспериментальная проверка эффективности разработанного прототипа по показателям оперативности, полноты, точности восприятия информации ЛПР.

Основные направления прикладной когнитивной науки. Искусственный интеллект: возможности и ограничения. Экспертные системы и системы поддержки принятия решения. Моделирование принятия решений в экономике и проблема человеческой рациональности. Проблема обработки естественного языка и системы машинного перевода. Основные направления робототехники: проблемы моделирования построения движения, ориентировки в пространстве и обучения мобильных роботов. Взаимодействие человека с компьютером: основные подходы и методы исследования. Когнитивная эргономика. Дизайн и компьютерная графика. Виртуальные реальности.

Широкое распространение гипертекстовых технологий и тесно связанной с этими технологиями мультмедиа-парадигмы также стимулирует развитие когнитивной графики. Как известно, мультимедиа-парадигма уравнивает в правах тексты и изображения. В нелинейном представлении (в виде сети), характерном для гипертекстовых технологий, мультимедиа-парадигма позволяет осуществлять навигацию по сети, как на уровне текста, так и на уровне изображений, осуществляя в любой момент переход от тектса к изображениям, и наоборот.

Таким образом, системы вида "Текст-Рисунок" и "Рисунок-Текст" оказываются тесно связанными с мультимедиа-парадигмой и когнитивной графикой, и сами являются одним из результатов взаимодействия средств когнитивной графики и гипертекстовой технологии.

В системах автоматизации научных исследований когнитивная графика может использоваться в качестве средства визуализации идей, которые еще не получили какого-либо точного выражения. Еще одним примером использования этих средств может служить специальная когнитивная графика для выбора базисных операций в нечетких логиках, в которой глобальное цветовое распределение синих и красных областей характеризует "жесткость" определения операций типа конъюнкции и дизъюнкции.

В этой области когнитивная графика используется на этапе формализации проблем и в процедуре выдвижения правдоподобных гипотез.

В области систем искусственного интеллекта когнитивная компьютерная графика позволит достичь больших результатов чем другие системы благодаря алгебраическому и геометрическому подходу к моделированию ситуаций и различных вариантов их решения.

Так, в научных исследованиях, в том числе и в фундаментальных, характерный для начального этапа акцент на иллюстративной функции ИКГ все более смещается в сторону использования тех возможностей ИКГ, которые позволяют активизировать свойственную человеку способность мыслить сложными пространственными образами. В связи с этим начинают четко различать две функции ИКГ: иллюстративную и когнитивную.

Иллюстративная функция ИКГ позволяет воплотить в более или менее адекватном визуальном оформлении лишь то, что уже известно, т. е. уже существует либо в окружающем нас мире, либо как идея в голове исследователя. Когнитивная же функция ИКГ состоит в том, чтобы с помощью некоего ИКГ-изображения получить новое, т. е. еще не существующее даже в голове специалиста знание или, по крайней мере, способствовать интеллектуальному процессу получения этого знания.

Эта основная идея различий иллюстративной и когнитивной функций ИКГ хорошо вписывается в классификацию знаний и компьютерных систем учебного назначения. Иллюстративные функции ИКГ реализуются в учебных системах декларативного типа при передаче учащимся артикулируемой части знания, представленной в виде заранее подготовленной информации с графическими, анимационными, аудио - и видеоиллюстрациями. Когнитивная же функция ИКГ проявляется в системах процедурного типа, когда учащиеся "добывают" знания с помощью исследований на математических моделях изучаемых объектов и процессов, причем, поскольку этот процесс формирования знаний опирается на, правополушарный механизм мышления, сами эти знания в существенной мере носят личностный характер. Каждый человек формирует приемы подсознательной умственной деятельности по-своему. Современная психологическая наука не располагает строго обоснованными способами формирования творческого потенциала человека, пусть даже профессионального. Одним из известных эвристических подходов к развитию интуитивного профессионально-ориентированного мышления является решение задач исследовательского характера. Применение учебных компьютерных систем процедурного типа позволяет в существенной мере интенсифицировать этот процесс, устранив из него рутинные операции, сделать возможным проведение различных экспериментов на математических моделях.

Роль ИКГ в этих учебных исследованиях трудно переоценить. Именно ИКГ-изображения хода и результатов экспериментов на математических моделях позволяют каждому учащемуся сформировать свой образ изучаемого объекта или явления во всей его целостности и многообразии связей. Несомненно, также, что ИКГ-изображения выполняют при этом прежде всего когнитивную, а не иллюстративную функцию, поскольку в процессе учебной работы с компьютерными системами процедурного типа у учащихся формируются сугубо личностные, т. е. не существующие в таком виде ни у кого, компоненты знаний.

Конечно, различия между иллюстративной и когнитивной функциями компьютерной графики достаточно условны. Нередко обычная графическая иллюстрация может натолкнуть каких-то учащихся на новую мысль, позволит увидеть некоторые элементы знания, которые не "вкладывались" преподавателем-разработчиком учебной компьютерной системы декларативного. Таким образом, иллюстративная по замыслу функция ИКГ-изображения превращается в функцию когнитивную. С другой стороны, когнитивная функция ИКГ-изображения при первых экспериментах с учебными системами процедурного типа в дальнейших экспериментах превращается в функцию иллюстративную для уже "открытого" и, следовательно, уже не нового свойства изучаемого объекта.

Тем не менее, принципиальные отличия в логическом и интуитивном механизмах мышления человека, вытекающие из этих различий формы представления знаний и способы их освоения, делают полезным в методологическом плане различение иллюстративной и когнитивной функций компьютерной графики и позволяют более четко формулировать дидактические задачи ИКГ-изображений при разработке компьютерных систем учебного назначения.

Список использованных источников

1. Зенкин A. A. Когнитивная компьютерная графика. – М.: Наука, 1991.– 192 с.

В работе приводится исследование целей и задач когнитивной компьютерной графики и моделирования. Рассмотрена их классификация. Приводится сравнительный анализ когнитивной компьютерной графики и моделирования.
Рассматриваются пакеты и инструментальные средства, реализующие идеи когнитивных наук. Приведена их классификация и особенности применения.
Приведен обзор отечественных и зарубежных разработок в области когнитивных наук. Сделан анализ перспективности таких работ.

1 Введение в когнитивные компьютерные науки

С развитием нашего общества лавинообразно растет поток информации нуждающейся в обработке. И соответственно растет сложность ее анализа. Объем этих задач превышает возможности человеческого разума. Даже определенная машинная обработка не всегда позволяет извлечь новые или желаемые знания из потока информации. Поэтому возникает необходимость в качественно ином уровне ее обработки, предусматривающем использование методов и средств когнитивной компьютерной графики или моделирования.

Основной задачей когнитивных методов является автоматизация части функций познавательных процессов. Поэтому эти технологии можно применять во всех областях, в которых востребовано само познание.

Общая цель компьютерных когнитивных наук - создание качественно нового знания, путем преодоления барьеров восприятия, познания и понимания, связанных с представлением информации в привычной буквенно-цифровой форме. Например, рождение принципиально новых научных идей часто не может быть сведено к процессу дедукции, формально - логическому выводу гипотез и теорий.

1.1 Основные понятия

В общем, под когнитивным компьютерным моделированием (ККМ) понимается моделирование ментальных, познавательных процессов. Однако в виду того, что последнее время когнитивное моделирование широко применяется в трудно формализуемых задачах принятия решений и управления, гораздо чаще можно встретить следующее определение.
ККМ - это способ анализа, обеспечивающий определение силы и направления влияния факторов на перевод объекта управления в целевое состояние с учетом сходства и различия во влиянии различных факторов на объект управления. Основу таких когнитивных моделей обычно представляет классическая когнитивная карта.

Классическая когнитивная карта – это ориентированный граф, в котором привилегированной вершиной является некоторое будущее (как правило, целевое) состояние объекта управления, остальные вершины соответствуют факторам, дуги, соединяющие факторы с вершиной состояния имеют толщину и знак, соответствующий силе и направлению влияния данного фактора на переход объекта управления в данное состояние, а дуги, соединяющие факторы показывают сходство и различие во влиянии этих факторов на объект управления .

В приводится аналогичное определение и указывается на то, что причинно-следственный граф представляет собой упрощенную субъективную модель функциональной организации наблюдаемой системы и является «сырым» материалом для дальнейших исследований и преобразований – когнитивного моделирования. На рисунках 1.1 – 1.2 приводятся примеры когнитивных карт.

Рисунок 1.1 - Пример когнитивной карты некоторой экономической ситуации, разработанной в системе когнитивного моделирования “КАНВА”

Рисунок 1.2 - Пример когнитивной карты, разработанной в системе когнитивного моделирования “ iThink ”

Наиболее общее определение когнитивного компьютерного моделирования приводится в , где под ним понимается синтез традиционного компьютерного моделирования и когнитивной компьютерной графики.
Понятие когнитивных мегакарт вводится в как специальной разновидности классических когнитивных карт. Здесь же рассматриваются их классификация и примеры.

Под когнитивной компьютерной графикой (ККГ) будем понимать создание таких моделей представления знаний, в которых была бы возможность представлять как объекты, характерные для вербально - логического, символьного уровня мышления, так и образы-картины, характерные для несимвольного мышления. ККГ непосредственно связана с процессом научного творчества .

1.2 Задачи когнитивной компьютерной графики

В настоящее время компьютерная графика - это одно из наиболее бурно развивающихся направлений новых информационных технологий. Так, в научных исследованиях, в том числе и в фундаментальных, характерный для начального этапа акцент на иллюстративной функции КГ все более смещается в сторону использования тех возможностей КГ, которые позволяют активизировать свойственную человеку способность мыслить сложными пространственными образами. В связи с этим начинают четко различать две функции КГ: иллюстративную и когнитивную.

Иллюстративная функция КГ позволяет воплотить в более или менее адекватном визуальном оформлении лишь то, что уже известно, т.е. уже существует либо в окружающем нас мире, либо как идея в голове исследователя. Когнитивная же функция КГ состоит в том, чтобы с помощью некоего графического изображения получить новое, т.е. еще не существующее даже в голове специалиста знание или, по крайней мере, способствовать интеллектуальному процессу получения этого знания.
Иллюстративные функции КГ реализуются в системах декларативного типа при передаче пользователям артикулируемой части знания, представленной в виде заранее подготовленной информации с графическими анимационными - и видео иллюстрациями.

Когнитивная же функция КГ проявляется в системах процедурного типа, когда пользователи "добывают" знания с помощью исследований, как на математических моделях изучаемых объектов, так и в процессе анализа оперативной деятельности ЛПР на различных видах объектов контроля и управления. Понятно, что поскольку этот процесс формирования знаний опирается на интуитивный правополушарный механизм мышления, сами эти знания в существенной мере носят экспертный характер .

1.3 Задачи когнитивной компьютерного моделирования

Когнитивный подход в моделировании ориентирован на то, чтобы активизировать интеллектуальные процессы субъекта и помочь ему зафиксировать свое представление проблемной ситуации в виде формальной модели. Как упоминалось и ранее в качестве такой модели обычно используется когнитивная карта ситуации.
Технология когнитивного анализа и моделирования позволяет системно охарактеризовать и обосновать сложившуюся ситуацию и на качественном уровне предложить пути решения проблемы в этой ситуации с учетом факторов внешней среды.

Применение когнитивного анализа и моделирования открывает новые возможности прогнозирования и управления в различных областях:
– в экономической сфере это позволяет в сжатые сроки разработать и обосновать стратегию экономического развития предприятия, банка, региона или даже целого государства с учетом влияния изменений во внешней среде;
– в сфере финансов и фондового рынка – учесть ожидания участников рынка;
– в военной области и области информационной безопасности – противостоять стратегическому информационному оружию, заблаговременно распознавая конфликтные структуры и вырабатывая адекватные мер

2 Классификация задач когнитивной компьютерной графики и моделирования

Сами по себе понятия когнитивная графика и когнитивное моделирование существенно отличаются. Соответственно отличаются и разработки, которые ведутся в этих направлениях. Но эти две области компьютерных наук невозможно рассматривать отдельно. Они находятся в тесной взаимосвязи и исследуют проблемы, дополняющие друг друга.
Как в когнитивном моделировании, так и в когнитивной графике выделяются 3 основные направления, решаемых задач, представленные в таблице 1.

Таблица 2.1 Классификация задач ККМ и ККГ

	ККМ	ККГ
1	задача вербализируема, но не решаема или трудно решаема без применения некоторых нетрадиционных методов, например, экспертных систем	создание таких моделей представления знаний, в которых была бы возможность однообразными средствами представлять как объекты, характерные для логического мышления, так и образы-картины, с которыми оперирует образное мышление
2	моделирование когнитивных процессов, связанных с пониманием и обработкой текстово-графической информации, т.е. разработка систем типа “Текст - рисунок” и “Рисунок - текст”	визуализация тех человеческих знаний, для которых пока невозможно подобрать текстовые описания
3	системы восприятия и оценки” -во многом сходно с пунктом 1, однако, здесь критична не столько сложность задачи, сколько объем исходной информации и время, дающееся на принятие решения	поиск путей перехода от наблюдаемых образов-картин к формулировке некоторой гипотезы о тех механизмах и процессах, которые скрыты за динамикой наблюдаемых картин

Однако имеющиеся на сегодняшний день исследования, разработки и программные продукты фактически не разграничивают задачи на ККМ и ККГ, а решают их вместе в рамках одного из трех направлений.

2.1 Повышение когнитивности отображаемой динамики процессов

Очень часто возникает проблема критичности времени реакции оператора на изменение определенных параметров в системах управления реального времени. Оператор должен в случае возникновения аномальной ситуации принять решение о корректности поведения соответствующих подсистем. Принятие неадекватных или неправильных решений может привести к значительным материальным потерям.

Для уменьшения времени, необходимого для восприятия той или иной информации, при ее предъявлении имеет смысл обращаться не столько к малопроизводительному “механизму” логики, сколько к более мощному – интуитивно ассоциативному мышлению.
В данном случае когнитивный подход учитывает, что информация, представленная в виде изменения формы, цвета фигуры, искажение ее пропорций, воспринимается гораздо быстрее, чем та же информация в текстовом виде.

2.2 Когнитивное моделирование процессов для последующего анализа

Цель когнитивного моделирования заключается в генерации и проверке гипотез о функциональной структуре наблюдаемой ситуации до получения функциональной структуры, способной объяснить поведение наблюдаемой ситуации.

Основные требования к компьютерным системам когнитивного моделирования – это открытость к любым возможным изменениям множества факторов ситуации, причинно-следственных связей, получение и объяснение качественных прогнозов развития ситуации (решение прямой задачи «Что будет, если …»), получение советов и рекомендаций по управлению ситуацией (решение обратной задачи «Что нужно, чтобы …»).
Узким местом существующих систем когнитивного моделирования ситуаций является несогласованность их пользовательского интерфейса и алгоритмов обработки с психологическими особенностями субъективного измерения значений и силы взаимовлияния факторов наблюдаемой ситуации. Эта несогласованность приводит к ошибкам и заблуждениям эксперта при определении силы взаимовлияния факторов, которые включаются в когнитивную модель ситуации. Разработка стратегии поведения субъекта на основе когнитивной модели с заблуждениями, естественно, приводит к стратегиям-заблуждениям.

2.3 Качественная визуализация данных

В течение многих тысячелетий основными носителями интеллектуального человеческого знания являлись речь, текст и статичное изображение. Но все эти носители могут лишь описывать динамику какого-либо процесса, но не воспроизводить ее. Со временем человеческое знание углубляется и значительно усложняется, поэтому для его передачи необходимы средства, способные отображать динамику, а не описывать ее. Одним из первых таких носителей является видео изображение, но оно не способно отобразить динамику большинства процессов. В дальнейшем для решения этой проблемы стали использовать компьютерное моделирование.

Но недостаточно просто передать знание. Необходимо передать его в такой форме, чтобы оно было доступно для понимания познающего. В этом и заключается отличие КМ от ККМ и проблема выбора категорий представления знаний.Дело в том, что с детства человека учат мыслить категориями реального мира, которые он может осязать, видеть и т.п. Но чем старше ребенок, тем больше абстрактных категорий и методов манипулирования ими ему приходится усваивать.

Кроме того, поток информации все время возрастает и меняется. В вузах обучение представляет собой запоминание бесконечного нагромождения схем, графиков и абзацев сложно читаемого и труднодоступного для понимания текста. Каждый день в памяти приходится фиксировать сотню абстрактных объектов и взаимосвязи между ними. А многие понятия, описывающие динамику какого-либо процесса, часто оказывается сложно передать даже в нескольких схематических рисунках.
Таким образом, в когнитивных моделях должна быть выбрана такая репрезентация научных понятий, которая бы способствовала запуску механизмов мышления и побуждала обучаемого не запомнить какие-то знания, а осознавать их.

О необходимости учитывать особенности интеллектуального восприятия информации говорится и в . В качестве примера приводятся способы отображения полей физических характеристик технических объектов и алгоритмы построения соответствующих изображений, обладающих высоким когнитивным потенциалом. Так распределения усилий пластины, невозможно представить себе без моделирования. А вот выбор модели представления зависит от конкретного индивидуума.

Рисунок 2.1 – Распределение усилий в пластине (два варианта).

3 Классификация программных продуктов, использующих идеи когнитивного компьютерного моделирования и графики.

3.1 Поддержка когнитивного интерфейса

Повышение когнитивности интерфейсов взаимодействия человека и машины решает рассмотренную выше задачу критичности времени реакции оператора.
Например, если на пульт оператора, управляющего сложной технологией в реальном времени выводится информация от нескольких тысяч датчиков дискретного и непрерывного типа, для ее отображения используется множество видео образов (мнемосхем, таблиц и т.п.). Оператор должен осмыслить всю эту информацию и в случае возникновения аномальной ситуации принять решение о коррекции поведения соответствующих подсистем. Принятие неадекватных или неправильных решений может привести к тяжелым материальным или даже людским потерям, время же имеющееся на обдумывание, исчисляется минутами. Поэтому люди, выполняющие роль операторов или диспетчеров в таких ситуациях, зачастую испытывают стрессовые перегрузки.

Активными разработками в этом направлении занимается компания "ТАСМО-БИТ":
-КОГРА – когнитивная интеллектуальная система реального времени для оперативного управления
-ДИЭКС – динамическая экспертная система оперативной диагностики состояния оборудования экологически опасных объектов и производств.
-ДИКОБРАЗ – система предназначена для построения пользовательского интерфейса и настройки взаимодействия между элементами пользовательского интерфейса и элементами доступа к внешним источникам данных.
На рисунке 3.1 представлены средства, внедренные в рамках пользовательского интерфейса системы СПРИНТ-РВ на блоке 5 Нововоронежской АЭС.

Рисунок 3.1 – Пример когнитивного пользовательского интерфейса .

3.2 Когнитивное моделирование в пакетах имитационного моделирования

Не любая среда имитационного моделирования может быть когнитивной. Для этого необходимо чтобы выполнялись задачи когнитивной графики, т.е. необходимо как минимум наличие в этой среде объектов, характерных для логического мышления или образов-картинок, с которыми оперирует образное мышление.
Так, например, для моделирования бизнес процессов разработаны методологии и стандарты, позволяющие их описывать и наглядно представлять. SADT - является одной из самых известных и широко используемых систем моделирования. SADT - аббревиатура слов Structured Analysis and Design Technique (Технология структурного анализа и проектирования) - это графические обозначения и метод описания процессов. SADT может применяться на всех стадиях жизненного цикла системы. Признание полезности SADT привело к стандартизации и публикации ее части, предназначенной для функционального моделирования, как методологии и стандарта функционального моделирования IDEFO.
Эти и другие стандарты использованы в таких пакетах как BPwin фирмы Logik Works, ProCap 6.0, ProSim 7.0, SmartER 5.0 компании Knowledge Based Systems Inc. и др.
Визуализация предметной области в большинстве имеющихся на сегодняшний день программных пакетов осуществляется с помощью классических когнитивных карт. Первые такие модели были изобретены еще в начале 80-х. На них базируется большинство современных систем динамического моделирования в финансах, политике и бизнесе.
Среди наиболее популярных современных разработок можно назвать компании Hyper Logic, IntelligenceWare, InfraLogic, Aptronix, Oracle и многие другие. Пакет CubiCalc фирмы HyperLogic является одной из наиболее мощных экспертных систем на основе нечеткой логики.
На постсоветском пространстве наибольшей популярностью пользуются пакеты iThink и Simulink. Однако эти пакеты достаточно сложны в использовании, хотя по документации ориентированы на «обычных менеджеров».
Последние годы разработки и собственно готовые пакеты аналогичных систем появились и на отечественном рынке. Среди них:
- программные комплексы "Ситуация", "Компас", "КИТ" созданными в ИПУ РАН
- система когнитивного моделирования «КАНВА», Кулинич А. А.
- системное когнитивное моделирование КТР ЭВС Кутаков С. В.
и др.
Отдельно в этом направлении следует выделить работы А.Е. Янковской. Визуализация и обоснование принятия решений базируются на элементах когнитивной графики, в основу которых положено 4 способа графической визуализации: гистограмма специального типа, равносторонний треугольник, круговая диаграмма с отрезком и прямоугольником, карта Карно. 3.3 Пакеты для разработки качественной визуализации данных Часто знания о техническом объекте, полученные в ходе исследований на многомерных математических моделях и представленные в обычной символьно-цифровой форме, недоступны для анализа человеком из-за достаточно высокого уровня абстрактности информации.
Наиболее общий подход решения этой проблемы реализован в пакете DeductorStudio, который позволяет отображать одни и те же данные множеством различных способов. Особого внимания заслуживает совместная работа нескольких российских вузов: виртуальный фонд естественнонаучных и научно-технических эффектов "Эффективная физика". Проект является учебно-методическим и справочным средством, реализованным на основе современных Internet-технологий, и ориентирован на разные уровни образования (среднее общее; начальное, среднее, высшее и послевузовское профессиональное). Каждый эффект в фонде помимо формализованного и обычного описания имеет анимацию, иллюстрирующую сущность эффекта. В разработках технопарка ДонНТУ класс анимируемых явлений не ограничивается физикой. Уже несколько лет существует портал магистров, в котором каждая научная работа содержит поясняющую анимацию. Еще одним инструментом повышения когнитивности обучения является визуальное программирование – программирование, в котором для передачи семантики используется более чем одно измерение. Замечательная особенность Визуального программирования в том, что оно способствует развитию алгоритмических способностей интеллекта без изучения особенностей и тонкостей внутренней архитектуры компьютера или ОС. Визуальное программирование помогает преодолеть координационный барьер и барьер понимания. Т.е. любому обучаемому для написания программы не нужно изучать особенности синтаксиса операторов, переменных, и т.д.
К таким средам разработки можно отнести VUFC (Visual Unix Filter Components), SIVIL – это язык программирования и библиотека подпрограмм в картинках, LegoRobolab и многие другие.

Выдающиеся достижения в этой области принадлежат Зенкину А.А. Он исследования знание порождающие возможности когнитивной компьютерной графики . Разработанные им системы позволяют работать с образами (пифограммами) абстрактных математических объектов, которые активируют работу правого полушария человеческого мозга, ответственного за визуальное мышление и созидательную интуицию. Это позволяет обнаруживать новые научные факты, идеи, гипотезы. Таким образом, им были получены нетривиальные результаты в теории чисел, логике и теории множеств.

Рисунок 3.3 – Пример с параболой система ДСТЧ - Диалоговая Система для исследования проблем аддитивной Теории Чисел .

Одним из наиболее эффективных методов отображения многомерных векторов информации являются пиктографики – схематические изображения. Типичным примером такого отображения являются лица Чернова.

Лица Чернова представляют собой схематичное изображение лиц, определенным чертам которых соответствуют относительные значения заданных характеристик. Таким образом, разным наборам данных будут соответствовать разные выражения лиц Чернова, позволяющие получить общее представление о состоянии системы и о степени отклонений от нормы отдельных ее характеристик. Например, слишком большие глаза могут указывать на отклонение от нормы соответствующей характеристики на фоне нормы остальных. Иногда этот способ графического представления позволяет выявить скрытые картины взаимосвязей между данными, которые не могут быть обнаружены другими методами.

4 Выводы

В ходе данной работы 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.

Ниже представлен апплет моделирующий лица Чернова для разных состояний пациента. Размеру глаз соответствует температура пациента, кривизне улыбки - верхнее давление (грустная улыбка - высокое давление) и наличию/отсутствию боли в горле соответствует наличие/отсутствие ушей пиктографика.
Апплет появится ниже в браузере, поддерживающем Java.

Литература

Сайт: ИПУ РАН, Сектор-51 "Когнитивный анализ и моделирование ситуаций": http://www.ipu.ru/labs/lab51/projects.htm.
Кулинич А.А. Субъектно-ориентированная система концептуального моделирования «Канва». Материалы 1-й Международной конференции «Когнитивный анализ и управление развитием ситуаций». Москва, октябрь, 2001 г.
Аноприенко А.Я. От вычислений к пониманию: когнитивное компьютерное моделирование и опыт его практического применения на примере решения проблемы Фестского диска // Научные труды Донецкого государственного технического университета. Выпуск 6. Серия "Информатика, кибернетика и вычислительная техника" (ИКВТ-99). - Донецк: ДонГТУ. - 1999. - С. 36-47
Аноприенко А.Я Когнитивные мегакарты: опыт реконструкции культурообразующих моделей и образов мира // Научные труды ДонНТУ. Выпуск 39 - Донецк: ДонГТУ. - 2002 - С. 206-221
Шемакин Ю. И. Начала компьютерной лингвистики: Учеб. пособие. М.: Издательство МГОУ, А /О "Росвузнаука ", 1992.
Геловани В.А., Башлыков А.А., Бритков В.Б., Вязилов Е.Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды: Едиториал УРСС. – 2001.
Соловов А.В. Проектирование компьютерных систем учебного назначения: Учебное пособие. Самара: СГАУ, 1995. 138с.
ЗенкинА.А, .ЗенкинА.А., Когнитивная Реальность:Порождение Творческих Решений В Науке, Образовании, Управлении. //Труды Международной конференции "Пользовательский интерфейс в современных компьютерных системах". - Орел, Россия, 1999
Chernoff H.: "Using faces to represent points in K-dimensional space graphically", J. ASA, 1973, № 68.

При написании реферата (июнь 2006) магистерская работа еще не завершена. Окончательное завершение - январь 2007г. Полный текст работы и все материалы по теме могут быть получены у автора или его руководителя после указанной даты.

1

The article deals with the display of multidimensional experimental data. We consider in detail the way of data visualization, which is called Chernoff faces. For this method as the experimental data were collected psychological data of students from various universities (National Research Tomsk Polytechnic University, Siberian State Medical University, Tomsk State Pedagogical University, Tomsk Institute of Business). Analysis of the results showed that using this method can distinguish different groups of students. Based on the obtained images, we identified the students into three conditional categories - "positive" students with the best performance, "negative" students, with the worst performers, as well as "neutral" or in other words. These data may provide an opportunity to improve the effectiveness of the organization of psychological assistance to individual groups of students, as to each group would need to apply a single approach.

мотивационная сфера

социально-психологические исследования

пиктограммы

когнитивная компьютерная графика

1. Башмаков А. И., Башмаков И. А. Интеллектуальные информационные технологии. - М.: Изд-во МГТУ им. Н.Э.Баумана, 2005. - 304 с. 6.

2. Берестнева О. Г., Дубинина И. А., Уразаев А. М. Психологическое тестирование. - Томск: Изд-во Томского политехн. ун-та, 2005. - 139 с.

3. Вагин В. Н., Головина Е. Ю., Загорянская А. А., Фомина М. В. Достоверный и правдоподобный вывод в интеллектуальных системах. - М.: Физматлит, 2004. - 703 с. 5.

4. Дюк В., Эмануэль В. Информационные технологии в медико-биологических исследованиях. - СПб.: Питер, 2003. - 528 с. 7.

5. Зенкин А. А. Когнитивная компьютерная графика. - М.: Наука, 1991. - 192с. 1.

6. Интернет - университет информационных технологий [Электронный ресурс]. - Режим доступа: http://www.intuit.ru/department, свободный. 2.

7. Тарасов В. Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. - М.: Эдиториал УРСС, 2002. - 352 с. 4.

8. Шаропин К. А., Берестнева О. Г., Шкатова Г. И. Визуализация результатов экспериментальных исследований // Известия Томского политехнического университета, 2010. - Т. 316, № 5. - С. 172-176.

9. Graphical Representation of Multivariate Data by Means of Asymmetrical Faces (by Bernard Flury and Hans Riedwyl) [Электронный ресурс].- Режим доступа http://www.jstor.org/pss/2287565 3.

Стремление человека выразить мысль, передать идею в форме графического изображения старо как мир. Выбор того или иного средства визуализации зависит от поставленной задачи (например, нужно определить структуру данных или же динамику процесса) и от характера набора данных.

Как известно, когнитивная компьютерная графика - это графика, которая помогает с помощью некоего изображения получить новое, т.е. еще не существующее даже в голове специалиста знание или, по крайней мере, способствовать интеллектуальному процессу получения этого знания .

Когнитивная графика - это совокупность приемов и методов образного представления условий задачи, которое позволяет либо сразу увидеть решение, либо получить подсказку для его нахождения .

Методы когнитивной графики используются в искусственном интеллекте в системах, способных превращать текстовые описания задач в их образные представления, и при генерации текстовых описаний картин, возникающих во входных и выходных блоках интеллектуальных систем, а также в человеко-машинных системах, предназначенных для решения сложных, плохо формализуемых задач.

Д. А. Поспелов сформулировал три основных задачи когнитивной компьютерной графики :

1. Создание таких моделей представления знаний, в которых была бы возможность однообразными средствами представлять как объекты, характерные для логического мышления, так и образы-картины, с которыми оперирует образное мышление.
2. Визуализация тех человеческих знаний, для которых пока невозможно подобрать текстовые описания.
3. Поиск путей перехода от наблюдаемых образов-картин к формулировке некоторой гипотезы о тех механизмах и процессах, которые скрыты за динамикой наблюдаемых картин.

С возрастанием количества накапливаемых данных, даже при использовании сколь угодно мощных и разносторонних алгоритмов Data Mining , становится все сложнее "переваривать" и интерпретировать полученные результаты. А как известно, одно из положений Data Mining - поиск практически полезных закономерностей. Закономерность может стать практически полезной, только если ее можно осмыслить и понять.

Одну и ту же информацию можно представить при помощи различных средств. Для того чтобы средство визуализации могло выполнять свое основное назначение - представлять информацию в простом и доступном для человеческого восприятия виде - необходимо придерживаться законов соответствия выбранного решения содержанию отображаемой информации и ее функциональному назначению. Иными словами, нужно сделать так, чтобы при взгляде на визуальное представление информации можно было сразу выявить закономерности в исходных данных и принимать на их основе решения. "Лица Чернова" - это один из наиболее искусно разработанных средств визуализации .

Из всех зрительных навыков у человека сильнее всего развита способность к восприятию лиц других людей. Особый участок коры головного мозга узнает лицо, определяет направление взгляда и т.д. Другие части мозга (миндалевидное тело и островковая доля) анализируют выражение лица, а участок в префронтальной зоне лобной доли и система мозга, отвечающая за чувство удовольствия, оценивают его красоту. Лица Чернова (Chernoff Faces) - это схема визуального представления мультивариативных данных в виде человеческого лица. Каждая часть лица: нос, глаза, рот - представляет собой значение определенной переменной, назначенной для этой части .

Основная идея в том, что для человека очень естественно смотреть на лица, ведь все люди делают это каждый день. Поэтому анализ данных получается «натуралистичным». Легко делать сравнения и легко выявлять отклонения. Даже блондинки смогут производить мультивариативный анализ значительного количества данных.

Для каждого наблюдения рисуется отдельное "лицо", где относительные значения выбранных переменных представлены как формы и размеры отдельных черт лица (например, длина носа, угол между бровями, ширина лица). Таким образом, наблюдатель может идентифицировать уникальные для каждой конфигурации значений наглядные характеристики объектов.

Итак, каждое лицо - это массив из 18 элементов, каждый из которых принимает значение от 0 до 1. Значению соответствует внешний вид соответствующей части лица. Параметры исследуемых объектов приводятся к этим значениям. Экстремумы реальных данных будут приняты как 0 и 1. Все остальное - лежащим в этом промежутке. По полученному массиву конструируется лицо по следующим параметрам:

1.Размер глаза.
2. Размер зрачка.
3. Позиция зрачка.
4. Наклон глаза.
5. Горизонтальная позиция глаза.
6. Вертикальная позиция глаза.
7. Изгиб брови.
8. Плотность брови.
9. Горизонтальная позиция брови.
10. Вертикальная позиция брови.
11. Верхняя граница волос.
12. Нижняя граница волос.
13. Обвод лица.
14. Темнота волос.
15. Наклон штриховки волос.
16. Нос.
17. Размер рта.
18. Изгиб рта.

В 1981 году Бернард Флури и Ганс Ридвил (Bernhard Flury and Hans Riedwyl) улучшили концепцию и добавили «Лицам Чернова» асимметрию, что позволило количество переменных увеличить вдвое - до 36 .

Сложность заключается в правильном сопоставлении исследуемых переменных с частями лица. При ошибке важные закономерности могут остаться незамеченными.
Флури в приводит пример удачного анализа с помощью лиц. Он проанализировал 100 реальных и 100 поддельных банкнот по параметрам размера границ, отступов и диагоналей (рис.1).

Рис. 1. Анализ банкнот при помощи метода «лица Чернова»

Поддельные банкноты четко выделились в отдельную группу.
В последнее время появились работы по использованию асимметрии в «Лицах Чернова» для оценки динамики состояния многомерных объектов. В рассматривается применение данного подхода для сравнения состояния пациентов до и после лечения (рис.2). Левая сторона лица построена по значениям параметров «до лечения», а правая - «после лечения».

Рис.2. Анализ состояния пациентов при помощи метода «лица Чернова»

Пиктографики применяются, как правило, в двух случаях: 1) когда нужно выявить характерные зависимости или группы наблюдений и 2) когда необходимо исследовать предположительно сложные взаимосвязи между несколькими переменными. В первом случае пиктографики используются для классификации наблюдений аналогично кластерному анализу .

Авторами была исследована возможность применения пиктографиков «Лица Чернова» в задачах анализа социально-психологических данных на примере анализа мотивационной сферы студентов. Экспериментальные данные представляют собой результаты психологического тестирования (тест «Мотивация учебной деятельности» ) студентов пяти вузов (Национальный исследовательский Томский политехнический университет, Сибирский государственный медицинский университет, Томский государственный педагогический университет, Томский институт бизнеса).

Результаты тестирования представляют собой значения семи основных шкал мотивационного профиля (П - поддержание жизнеобеспечения, К - потребность в комфорте, С - социальный статус, О - общение, Д - деловая активность, ДР - творческая активность, ОД - общественная полезность) и дополнительных шкал, отражающих соотношение астенической и стенической составляющей в обычном состоянии и состоянии фрустрации, а также соотношение «реальной» и «идеальной» мотивации. Подробное описание этих показателей представлено в .

Ниже представлено несколько вариантов графического отображения мотивационной сферы студентов с помощью «лиц Чернова», построенных в пакете Statistica .

На рис.3 представлены «лица», построенные по семи основным шкалам мотивационной сферы, на рис.4 - по семи основным и двум дополнительным шкалам, на рис.5 - по семи основным и четырем дополнительным. На каждом рисунке имеется также информация о взаимном соответствии характеристик «лица» и показателей мотивационной сферы.

Рис. 3. «Лица Чернова», построенные по семи основным мотивационным шкалам

Как видно из рис. 3, на основе данного набора показателей получены практически одинаковые графические отображения. Поэтому для решения задачи выявления различий в мотивационной сфере студентов на основе пиктографиков "лица Чернова» были реализованы еще два варианта - на основе 9 показателей мотивационной сферы (рис. 4), на основе 11 показателей (рис. 5) и на основе 15 показателей (рис. 6).

Рис. 4. «Лица Чернова», построенные по семи основным мотивационным шкалам и двум дополнительным

Рис. 5. «Лица Чернова», построенные по семи основным мотивационным шкалам и четырем дополнительным

Рис. 6. «Лица Чернова», построенные по семи основным мотивационным шкалам и восьми дополнительным

Заметим, что метод «Лиц Чернова» довольно сложен, а его использование требует проведения большого числа экспериментов по сопоставлению черт лица с исходными данными. Вместе с тем он является одним из наиболее эффективных методов когнитивной графики при выявлении скрытых закономерностей в разнотипных социально-психологических данных.

Рецензенты:

• Фокин Василий Александрович, д.т.н., доц., профессор, Сибирский государственный медицинский университет, г. Томск.
• Языков Константин Геннадьевич, д.м.н., снс., профессор, Сибирский государственный медицинский университет, г. Томск.
• Замогильный С. И., д. филос. н., профессор, зав. кафедрой гуманитарных наук Энгельсского технологического института Саратовского государственного технического университета, г. Энгельс.

Библиографическая ссылка

Берестнева О.Г., Берестнева О.Г., Дзюра А.Е. КОГНИТИВНАЯ ГРАФИКА В СОЦИАЛЬНО ПСИХОЛОГИЧЕСКИХ ИССЛЕДОВАНИЯХ // Современные проблемы науки и образования. – 2012. – № 3.;
URL: http://science-education.ru/ru/article/view?id=6434 (дата обращения: 03.03.2019). Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»

Уже сегодня мы можем со всей определенностью утверждать, что на наших глазах рождается принципиально новая человеко-машинная реальность, создающая предпосылки интенсивной технологии познания. Речь идет о новых направлениях в области человеко-машинного взаимодействия и искусственного интеллекта - системах когнитивной графики и виртуальной реальности.

Психологами доказано, что связывать умственные способности человека только с высшим вербально-логическим уровнем психического отражения действительности неправомерно. Это отражение включает в себя также сенсорно-перцептивный и образный уровни и соответствующие им способности, которые проявляются в процессах ощущения, восприятия, образной памяти и воображения, поэтому возникает необходимость в создании средств для развития таких способностей. На сегодняшний день уровень развития вычислительных средств так высок, что это позволило начать разработку средств для построения систем, работающих не только на символьно-логическом, но и на сенсорно-перцептивном и образном уровнях. И ведущая роль здесь принадлежит указанным двум новым направлениям развития современной вычислительной науки.

Термин когнитивная графика впервые был рассмотрен русским ученым А.А.Зенкиным в его работе по исследованию свойств различных понятий из теории чисел . Используя зрительные образы абстрактных числовых понятий, он получил результаты, которые раньше получить было невозможно. Направление работ по когнитивной графике бурно развивается, и уже сейчас существует много подобных систем в различных предметных областях: в медицине , для поддержки принятия решений по управлению сложными технологическими системами , в системах, базирующихся на естественном языке .

Следует отметить две функции систем когнитивной графики: иллюстративную и познавательную. Если первая функция обеспечивает чисто иллюстративные возможности, такие как построение диаграмм, гистограмм, графиков, планов и схем, различных картинок, отражающих функциональные зависимости, то вторая позволяет человеку активно использовать свойственную ему способность мыслить сложными пространственными образами.

Термин "виртуальная реальность" ввел в обращение бывший компьютерный хэкер Джа-рон Леньер, создавший в 1984 году фирму "Ви-Пи-Эл Рисерч Корп." в г. Фостер штат Калифорния. Это первая компания по созданию ВР-систем . С начала 90-х годов стали проводиться конференции по средствам моделирования виртуальной реальности и построению систем, позволяющих человеку действовать в условиях среды, которая может качественно отличаться от условий той реальности, в которой он живет.

Существуют два свойства, позволяющие отличить программу, создающую "виртуальный мир" (ВР-система), от традиционных систем компьютерной графики.

1. Кроме простой передачи зрительной информации эти программы одновременно воздействуют еще на на несколько органов чувств, среди которых - слух и даже осязание.

2. ВР-системы взаимодействуют с челове ком, а в наиболее совершенных из них пользо ватель, к примеру, может дотронуться рукой до объекта, существующего лишь в памяти ком пьютера, надев начиненную датчиками пер чатку. В ряде систем можно воспользоваться джойстиком или мышью - тогда можно сделать что-либо с изображенным на экране предметом (скажем, перевернуть его, подвинуть или ос мотреть с обратной стороны).

Разработка систем, в основе которых лежит модель виртуальной реальности, вынуждает решать ряд проблем, характерных для мультимедиа-технологий и технологий когнитивной графики. В данной работе рассматриваются проблемы, связанные с разработкой графических средств для генерации образных представлений динамических сцен, представляющих различные реальности, в том числе и воображаемые.

Рассмотрим задачу построения системы виртуальной реальности для обучения на основе парадигмы "воображаемого мира" физическим законам статики, кинематики и динамики. Будем рассматривать следующий динамический мир: трехмерное замкнутое пространство, совокупность объектов в нем, деятель в данном пространстве (он же обучаемый, назовем его Актором). Задача деятеля - понять законы, присущие миру, в котором он находится и действует, совершая некоторые физические действия с объктами во времени и пространстве.

Выделим основные типы понятий, с которыми будет сталкиваться Актор. Это - объекты, отношения, движения и физические действия. Поставим задачу построения воображаемого мира, отображающего эти категории; при этом состояния такой воображаемой реальности будем описывать в виде текстов на обычном естественном языке. Важным модулем такой ВР-системы является подсистема, строящая по тексту динамически изменяющийся графический образ. Для решения данной задачи используется система ТЕКРИС, разрабатываемая авторами . Ниже рассматриваются общее описание системы ТЕКРИС и графические средства для построения подобных систем.

Структурная схема системы ТЕКРИС

Система ТЕКРИС представляет собой набор программных средств, позволяющих по тексту на естественном языке построить динамически изменяющийся графический образ описанной ситуации. В качестве ограничений, налагаемых на исходное описание, следует отметить следующее: 1) в тексте обязательно присутствует описание начальной статической сцены; 2) все последующие изменения в сцене являются результатом действий, производимых некоторым субъектом (человеком, роботом). Типичным примером такого описания может служить следующее:

В комнате находится стол. На столе стоит лампа. Рядом со столом стоит стул. Позади стола недалеко слева находится книжный шкаф. Справа от стула стоит диван. Иван стоит рядом со шкафом. Иван подошел к столу. Взял лампу. Поставил ее на шкаф.

Структурная схема системы представлена на рисунке 1. На данной схеме программные компоненты представлены в виде прямоугольников, а исходный и промежуточные файлы - в виде овалов.

Описание динамической ситуации на естественном языке поступает на вход лингвистического процессора. Используя словарь предметного мира, он преобразует текст во внутреннее фреймовое представление, которое затем поступает на вход решателя и планировщика.

Решатель, используя блок качественных физических рассуждений и логический блок, строит описание траектории развития ситуации в виде временной последовательности сцен, отражающей динамику развития заданной текстом ситуации.

Планировщик строит графический образ каждой сцены из заданной последовательности, вычисляя для этой цели габариты и координаты всех составляющих сцену объектов, а также формирует необходимые для отображения траектории перемещения предметов и передает все это на вход визуализатора.

Визуализатор последовательно с некоторой задержкой воспроизводит сгенерированные образы на экране дисплея. Например, для указанного выше текстового описания будет сгенерирована начальная сцена, представленная на рисунке 2.

Так же, как лингвистический процессор привязан к предметной области посредством словаря терминов, так и визуализатор имеет привязку к этой же области через базу графических объектов.

База графических объектов представляет собой набор трехмерных описаний предметов и субъектов, которые могут встречаться в анализируемых сценах. Чтобы создать базу для конкретного приложения, используется дополнительная программа, называемая библиотекарь графических объектов.

Рис. 2. Начальная сцена База графических объектов

База графических объектов состоит из набора описаний предметов и субъектов, связанных с рассматриваемой предметной областью. Каждый объект базы данных состоит из имени (или типа), уникального для данной базы (например, "стул", "стол", "диван" и т.п.), и описания состава и взаимного расположения компонентов, его составляющих.

Базисным элементом, из которого строятся все графические объекты, является прямоугольный параллелепипед (см. рис. 3). Для построения сложных объектов в качестве компонентов также могут использоваться ранее определенные другие объекты. Например, для построения такого сложного объекта как "Иван" вначале можно определить следующие более простые объекты: "голова", "рука", "нога", а затем построить "Ивана" из уже имеющихся "кирпичиков".

На рисунке 3 представлен объект "стол", состоящий из пяти базисных элементов. Для каждого объекта определяется прямоугольный параллелепипед, в который он может быть вписан (на рисунке обозначен пунктирной линией), и базисный угол, в котором находится начало координат объекта.

Кроме того, для каждого объекта определяется набор цветов, которыми раскрашиваются его составные части при отображении на экране компьютера:

количество цветов

Для задания одного цвета указываются три тройки чисел где тип закраски определяет порядок смешивания основных цветов:
тип закраски i

тип закраски2

тип закраскиз

При визуализации используется четыре типа закраски сплошным основным или комбинированным цветом, как это изображено на рисунке 4.

Три набора чисел позволяют задать три различных оттенка цвета для раскраски различ

компонент л

Каждый компонент объекта определяется своим положением (координатами относительно базисного угла), габаритами и цветом граней.

Компонент, являющийся базисным элементом, описывается следующим образом:

2) координаты базового угла в системе

координат объекта;

3) углы поворотов вокруг осей системы

координат объекта до совпадения с осями координат элемента;

4) габариты элемента (dx, dy, dz);

5) номер цвета.

Компонент, являющийся в свою очередь объектом, задается следующим образом: 1)тип(=1);

2) имя объекта;

3) координаты базового угла;

4) углы поворотов;

5) габариты;

6) номер цвета.

При визуализации объекта все его компоненты упорядочиваются в зависимости от расстояния до области проекции (экрана дисплея). Вначале отрисовываются самые дальние компоненты, затем ближние, что позволяет закрыть от наблюдателя невидимые части дальних компонентов.

Грани прямоугольного параллелепипеда также упорядочиваются в порядке приближения к области проекции. Для каждой вершины грани осуществляется перевод трехмерных координат из системы координат сцены в двухмерные координаты экрана дисплея по формулам указанным ниже (см. рис. 5). Затем определяется направление вектора нормали и выбирается соответствующий тип закраски грани, после чего на экране дисплея вычерчивается соответствующий грани четырехугольник. Поскольку ближние к наблюдателю элементы выводятся в последнюю очередь, то они закроют собой невидимые грани.

Рис. 5. Проекция объекта на плоскость визуализации

Координаты точки, принадлежащей элементу, в системе координат объекта (х, у, z) вычисляются по следующим формулам:

где (х\ у", z1) - координаты точки в системе элемента;

(xq, уо", zq) - координаты базового угла; tij - направляющие косинусы, т.е. cos угла между осями / и j системы объекта.

Для вычисления направляющих косинусов используется следующая формула:

sina-sinp-cosy+cosa-sinp -cosa-sinp -cosy+sina-sinp

Sina-sinp-siny+cosa-cosy cosa-sinp-siny+sina-cosy

Sina-cosp cosa-cosp

Матрица М задает последовательное вращение вокруг оси х на ос, у на р, z на у. Координаты проекции точки на область экрана вычисляются аналогичным образом.

Библиотекарь графических объектов

Библиотекарь графических объектов представляет собой программу, предназначенную для создания набора предметов и субъектов, которые могут встречаться в анализируемых текстах. Данная программа позволяет создавать новую базу объектов, загружать уже имеющуюся базу, сохранять базу в файл, добавлять к базе новый объект, модифицировать и удалять объект.

Рис. 6. Рабочий экран библиотекаря графических объектов

ных частей, а также значения параметров текущего (редактируемого) компонента.

Все остальное место на экране занимают три ортогональные проекции объекта и его изометрическая проекция, причем имеется возможность изменять точку зрения на объект, задавая углы поворотов вокруг осей координат.

Главное меню программы содержит следующие пункты:

База - создание новой базы объектов, сохранение и загрузка старой базы.

Вид - изменение изометрической проекции (вращение объекта).

Объекты - вывод списка всех объектов, имеющихся в базе, с возможностью перехода к выбранному объекту.

Компонент - задание значений параметров для компонента объекта (положение, габариты, цвет).

Цвета - задание набора цветов для объекта.

Комната - построение и просмотр комнаты из имеющихся объектов (в рассматриваемой версии не реализовано).

Выход - выход из программы.

Расположенные под главным меню кнопки выполняют следующие функции:

Рабочий экран программы приведен на рис. 6. В верхней части экрана расположено главное меню, в нижней - набор основных цветов (16 цветов) и четыре типа закраски. В левом верхнем (после меню) углу экрана расположены пять кнопок для создания и редактирования объекта. Непосредственно под ними расположено наименование объекта, список его состав-

Добавить новый базовый или составной компонент к объекту

Изменить размер (габариты) компонента

Изменить местоположение компонента

Повернуть компонент

Удалить компонент

При создании нового объекта создается прямоугольный параллелепипед с размерами, определяемыми по умолчанию. Размеры компонентов объекта задаются целыми числами в диапазоне от 1 до 400, поэтому при создании базы объектов необходимо масштаб определить таким образом, чтобы отображаемые (не реальные) размеры объекта попали в этот интервал.

Для изменения размеров компонента необходимо нажать кнопку "Size". После этого программа перейдет в режим изменения габаритов, что осуществляется путем перемещения правого нижнего угла соответствующего компоненту прямоугольника в одной из трех ортогональных проекций. Перемещение производится с помощью манипулятора "мышь" при нажатой левой клавише.

Перемещение компонента осуществляется аналогичным образом при нажатии кнопки "Move". Для поворота компонента следует нажать кнопку "Turn". Добавление нового компонента осуществляется при нажатии кнопки "New". При выполнении любой операции с компонентом автоматически пересчитываются габариты объекта и координаты всех его компонентов.

При необходимости с помощью кнопки "Del" компонент объекта может быть удален, что также приводит к пересчету координат и габаритов. Помимо положения и размеров для каждого компонента объекта определяются три оттенка цвета его граней. Выбор того или иного оттенка зависит от положения плоскости грани (ее нормали) в пространстве. Если компонент в свою очередь является объектом, то происходит наследование цветов подобъекта с возможностью их замены на цвета редактируемого объекта.

Для задания цветов объекта или определения цвета компонента необходимо выбрать пункт "Цвета" из главного меню. На экран дисплея будет выведено окно (рис. 7).

В левой части этого окна приведен список цветов объекта, в правой - образец закраски для трех возможных случаев, в нижней - четыре кнопки.

Для задания закраски необходимо выбрать грань (А, В или С) и из нижней части экрана тип закраски, основной (левая клавиша "мыши") и дополнительный (правая клавиша) цвета. При нажатии кнопки "Сохранить" выбранный цвет присваивается компоненту. Кнопки "Добавить" и "Удалить" позволяют добавлять и удалять элементы списка цветов.

В случае отсутствия манипулятора "мышь" для задания значений параметров компонента можно использовать пункт главного меню "Компонент". В этом случае на экране появится окно, изображенное на рисунке 8. В верхней части этого окна задается имя компонента (на рис. "левая ручка" кресла), которое при необходимости можно изменить.

В левой половине окна задаются значения параметров компонента, в правой - набор кнопок для перебора компонентов, добавления и удаления, задания цвета и сохранения и отказа от сохранения изменений.

С помощью этого окна, используя одни лишь клавиши, можно полностью описать объект. Для задания значения параметра необходимо перейти к требуемой строке с помощью клавиш управления курсором ("Вверх", "Вниз") и напечатать новое значение. Отметим, что на рисунке 8 значения габаритов указаны серым цветом, т.е. являются недоступными для изменения, так как ручка кресла в свою очередь является объектом и наследует его размеры.

Закончив редактирование одного объекта, можно перейти к созданию или редактированию другого. Перед выходом из программы базу объектов следует сохранить в файл для дальнейшего использования в программе визуализации трехмерных сцен.

Визуализация трехмерных сцен

Программа-визуализатор может работать в двух режимах. Основным является режим, при котором планировщик строит текущую трехмерную сцену и передает ее для отрисовки визуализатору. При другом режиме работы планировщик формирует последовательность сцен для анализируемого текста и записывает ее в файл, который в дальнейшем используется визуализатором. В этом случае ви-зуализатор выступает в качестве демонстратора сгенерированных последовательностей.

На вход программы подаются два файла - база графических объектов и последовательность сцен - в следующем виде:

Одна сцена отделяется от другой с помощью специальной команды PAUSE (пауза между сценами).

Каждая сцена описывается в виде последовательности команд:

Команда 1

Команда т

Команды подразделяются на команды описания объектов и управляющие команды. Команда описания содержит следующие поля:

Уникальное имя объекта, используемое

в дальнейших сценах;

Тип объекта (имя в базе);

Координаты левого заднего нижнего

угла в системе координат комнаты;

Углы поворотов вокруг осей Координат

Модификатор размера (L - большой, М -

средний, S - малый);

Цвет (от 0 до 8). Если цвет=0, то объект

изображается тем цветом, который используется в базе. В противном случае: 1 - черный, 2 - синий 8 - белый.

Среди множества объектов, описывающих начальную сцену обязательно должен присутствовать объект типа "сцена" (комната). Данный объект является встроенным (отсутствует в базе графических объектов). Он задает размеры комнаты, а также позицию наблюдателя. Задавая каждый раз заново новые углы поворотов, можно менять позицию наблюдателя для просмотра ранее не видимых объектов. Например, на рисунке 9 изображена вторая сцена рассмотренного в начале статьи текста под другим углом зрения.

Рис. 9. Вторая сцена под другим углом зрения

Для создания последовательности сцен используются следующие управляющие команды:

PAUSE - пауза между сценами;

MOVE - перемещение объекта в новую

позицию;» TRACE - показать траекторию перемещения объекта;

DEL - удалить объект из сцены

(используется для визуализации понятия "взять").

В заключение можно отметить, что разрабатываемые графические средства ориентированы на использование в интеллектуальных САПРах, роботах, в системах обучения, построения компьютерных игр,"в системах виртуальной реальности. Программные средства системы позволяют представлять данные, выраженные в текстовой и графической формах и манипулировать ими.

Следующим шагом в развитии этих средств является разработка системы, позволяющей манипулировать в пределах не одной отдельно взятой сцены, а в некоторой их совокупности, что позволит создавать более сложные миры.

При рассмотрении проблем построения методов и средств для создания систем новых поколений в области человеко-машинного взаимодействия (в широком смысле этого слова) еще раз хочется подчеркнуть исключительную роль образных, невербальных представлений в различных творческих и интеллектуальных процессах, включая обучение, открытие новых знаний, управление сложными объектами и др., поэтому так необходимы новые средства, помогающие использовать весь спектр человеческих способностей. И здесь, несомненно, важная роль принадлежит компьютерным системам с новыми технологиями поддержки этих способностей, в частности, на основе систем когнитивной графики и виртуальной реальности.

Список литературы

5. Зенкин А А. Когнитивная компьютерная графика // М.: Наука, 1991.-С. 187.

7. Ракчеева Т.А. Когнитивное представление ритмической структуры ЭКГ // Программные продукты и системы. - 1992. -Л6 2.- С. 38-47.

4. Еремеев А.П., Короткое О.В., Попов А.В. Визуальный контролер для систем поддержки принятия решений // Труды / Ш конф. по искусственному интеллекту. Тверь.-1992. Т. 1.- С. 142-145.

2. Бахарев И.А., Ледер В.Е., Матекин М.П. Инструментальные средства интеллектуальной графики дня отоб-

ражения динамики сложного технологического процесса // Программные продукты и системы. -1992. - № 2.- С. 34-37.

8. V.Bajdoun, LXitvintseva. SJvfalitov et al. Tekris: The intelligent system for text animation // Proc. of East-West Conf. on Art. Intell. EWAIC93. September 7-9, Moscow, Russia. 1993.

3. Гамильтон Дж., СмитЭ., Мак Уильяме Г. и др. Виртуальная реальность // Бизнес уик. - 1993. - № 1.

6. Литвинцева Л.В. Концептуальная модель системы визуализации трехмерных динамических сцен // Программные продукты и системы. №2.1992.

1. Байдун В.В., Бунин А.И., Бунина О.Ю. Анализ текстовых описаний динамических пространственных сцен в системе ТЕКРИС // Программные продукты и системы. -1992. -№3. - С. 42-48.

Распознавание образов и когнитивная графика

В.М. Хачумов,

д.т.н., проф., зав. лаб, vmh @ vmh . botik . ru , ИПС РАН

г.н.с., vmh @ isa . ru , ИСА РАН,

ИСА РАН, г. Москва; ИПС РАН, г. Переславль-Залесский

Введение

В основу доклада положены исследования, которые выполнялись в течение ряда последних лет в Учреждениях Российской академии наук Институте программных систем им. А.К.Айламазяна РАН (ИПС РАН) и Институте системного анализа РАН (ИСА РАН). Они отражают результаты сотрудничества в области распознавания образов и поддержки принятия решений с такими учреждениями как: НИЦЭВТ, РНИИ космического приборостроения, НИИ космических систем. Ранее велись работы с РКК «Энергия» им. С.П. Королева в содружестве с Российским государственным научно-исследовательским испытательным центром подготовки космонавтов имени Ю.А.Гагарина» (РГНИИЦПК). Существует неразрывная взаимосвязь дисциплин, необходимых для практического решения сложных технических задач обработки снимков и распознавания образов в различных приложениях.

рис.1. Взаимосвязь дисциплин

Если главной дисциплиной здесь считать «распознавание образов» то две другие (обработка сигналов, машинная графика) являются обслуживающими. Однако это обслуживание, направленное на подготовку данных, по объему вычислений существенно превосходит основное направление. Многие алгоритмы машинной графики и обработки сигналов, необходимые для решения задач распознавания образов,были разработаны в 1981-1984 годах в Институте проблем управления РАН в лаб. №18. Сюда можно отнести алгоритмы отсечения, определения ориентации плоских и пространственных графических образов, спектрального анализа типовых кривых на основе ДПФ и другие.В это время было актуальным погружение алгоритмов машинной графики в специализированные вычислительные структуры. Весь наработанный арсенал алгоритмов оказался полезным впоследствии при решении задач интеллектуализации наземной станции командно-измерительной системы (НС КИС) с целью повышения ее автономности и функциональности. Причем основной упор делался на использование возможностей искусственных нейронных сетей (ИНС) в качестве эффективных распознавателей. Стала актуальной задача построения когнитивных (способствующих пониманию) графических образов, как для космических, так и медицинских приложений.

1. Распознавание графических образов

Объектом приложения методов распознавания графических образов и когнитивной графики явилась перспективная НС КИС, ориентированная на обработку информации со спутников. Перечислим некоторые задачи обработки космической информации:

1) обнаружение локальных объектов на аэрокосмических снимках,

2) кластеризация и распознавание целевых объектов,

3) определение местоположения объекта в заданной системе координат,

4) сжатие и восстановление графической информации,

5) фильтрация,

6) прогнозирование данных телеметрии (временных рядов),

7) обнаружение неисправностей и НШС.

Технологию первичной обработки информации составляют волновые алгоритмы выделения объектов на снимках, методы удаления заведомо ложных объектов и нормализации претендентов на распознавание. Большое значение для качества работы ИНС имеет приведение графических объектов к стандартному виду в смысле ориентации и масштаба.

ИНС используются в самом конце технологической цепочки, причем от качества предобработки и типа нейронной сети в значительной мере зависит результат распознавания. Это связано с большой чувствительностью ИНС к наличию шумов, положению и масштабу образови т.д.

Кроме типовых сетей можно формировать и специальные сети. Результаты работы нейронных сетей (в основном использовались сети прямого распространения, Хемминга и Кохонена): примерно 60%-80%правильногораспознавания. Результат удается несколько улучшить за счет, применениякомитетовИНС.

Для улучшения результатов отделения целевых объектов от ложных использован комплекс методов специальной обработки, в том числе методы выделения контуров, сжатия пространства признаков, выделения «скелетного изображения» и др.

Так, например, задача определения воздушной цели потребовала использования технологии выделения контуров, вычисления инвариантных моментов и применения обобщенной метрики Евклида-Махаланобиса.

Важная по значимости прикладная задача – выделение регионов. Регион – это область на космическом снимке, которая представляет по ряду причин интерес для пользователя. Предложенная технология формирования эталонных текстур и обобщенная метрика решают достаточно уверенно поставленную задачу даже без знания спектральных характеристик точек поверхности, получаемых со спутников в результате дистанционного зондирования Земли.

Обобщенная метрика является универсальной. Она в отличие от метрики Махаланобиса применима в случаях, когда выделяемая область содержит совершенно одинаковые или очень близкие по яркости пиксели, т.е. когда нет разброса яркостных параметров.

Другая не менее важная задача – сжатие и фильтрация графической информации. Фильтрация осуществляется сетью Хопфилда, а сжатиесетью Кохонена. Сеть Кохонена проигрывает при прочих равных условиях алгоритму JPEG -2000, однако здесь имеет место элемент защиты информации, т.к. без знания настроек сети расшифровать целевую информацию невозможно.

Отдельное направление исследований связано с анализом изображений для медицинских приложений.Исходные данные в виде наборов признаков и соответствующих им классов получают на основе наблюдения под микроскопом

графических изображений образцов биологической жидкости пациентов (фаций). Для распознавания используют знания экспертов – высококвалифицированных врачей, предоставляемые в виде прецедентов.

Диагноз степени заболевания мочекаменной болезнью (норма, низкая, умеренная, высокая) пациента получают на основе автоматического измерения цвето-яркостных характеристик полутонового снимка. Признаки отражают соотношения черного и белого цветов соответственно в белковой и кристаллической зоне фации, корреляцию яркостей изображений белковой и кристаллической зон и другие соотношения, на основе которых удается построить диагноз с использованием деревьев решения и нейронных сетей.

2. Когнитивная графика

В настоящее время нет единых принципов когнитивного отображения информации, но есть понимание того факта, что графические образы способны нести в себе в сжатой и одновременно с этим доступной для пользователя форме информацию достаточную для принятия адекватного решения. Каждый образ создается индивидуально с учетом конкретной прикладной области, изучается в процессе жизненного цикла объекта и интерпретируется экспертом с использованием накопленных знаний. Многомерные данные с помощью ЭВМ могут быть соотнесены в когнитивный графический образ в виде интегральных функциональных профилей или сцен, отражающих особенности состояния объекта. Единый математический аппарат анализа и общие методы визуализации многомерных данных в настоящее время отсутствуют. Очевидно, речь может идти об интеграции и оптимизации таких представлений применительно кконкретным прикладным областям.

Для построения схемы решения задачи распознавания образов удобно пользоваться средствами графического интерфейса, которые позволяют не только формировать алгоритм обработки данных подключением соответствующих исполнительных модулей, но и отслеживать порядок решения в динамике путем цветовой подсветки соответствующих связей.

Для контроля настройки ИНС с небольшим числом нейронов применяется специальный графический динамический образ. Такое представление позволяет видеть состояние сети, знаки коэффициентов (синий и красный цвета) и величины весовых коэффициентов, путем их отображения оттенками синего и красного цветов.

Выполнялись работы по визуализации космической информации для повышения оперативности работы операторов. Пуск ракеты космического назначения охватывает порядка 20 процессов и визуализируется в виде когнитивной круговой диаграммы. Активные процессы отображаются темно-зелеными секторами, неактивные – светло-зелеными. Красным цветом выделяется состояние подсистемы, где имеет место сбой.Возможная поломка подсистемы представляется графическим образом второго уровня. Если наблюдаемая подсистема характеризуется совокупностью измеряемых параметров, то возникает кольцевое изображение третьего типа, контролирующее выход за допустимые пределы отдельных параметров.

За общим состоянием НС КИС следит специальный интерфейс, который снабжен когнитивным графическим дополнением. Если какой-либо из параметров вышел из нормы, то отличительный цвет сектора обобщенного образа дает знать о том, где произошли сбои в работе системы или возникли неблагоприятные условия. Когнитивное дополнение к интерфейсу НС КИС имеетдвухуровневую систему вложения.

Контроль исправности датчиков положения космического аппарата реализуется путем визуализации его трехмерной модели, подключенной к потоку телеметрии. По поведению модели легко обнаруживаются сбои конкретных датчиков.

Совместно с Центром подготовки космонавтов разработано когнитивное отображение процессов сближения и стыковкиКА, 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.

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.

Заключение

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 позволяет: 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.

Исследования выполнены при финансовой поддержке Пр ограммы Союзного государства «Космос - НТ» (проект «Нейросеть»), Программы "Информационные технологии и методы анализа сложных систем" Отделения нанотехнологий и информационных технологий РАН (проект 2.2. « Развитие методов интеллектуального управленияна основе анализа потоков данных»), РФФИ (проекты: № 08-01-00485-а, № 09-07-00006-а, 09-07-00043-а, 09-07-00439-а).

Литература

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

2. Хачумов. В.М О расширении функциональных возможностей искусственных нейронных сетей. – Авиакосмическое приборостроение, 2008,№ 5, с.53-59

3. Талалаев А.А., Тищенко И.П., Фраленко В.П., Хачумов В.М. Анализ эффективности применения искусственных нейронных сетей для решения задач распознавания, сжатия и прогнозирования. –Искусственный интеллект и принятие решений, 2008, №2, с.24-33.

4. Хачумов В.М. Нейросетевые технологии обработки информации в космических приложениях. – Труды Третьей Всероссийской научной конференции «Методы и средства обработки информации» (МСО-2009, 6-8 октября 2009 года).– М.: Издательский отдел факультета ВМиК МГУ имени М.В.Ломоносова; МАКС-Пресс, 2009, с.420-425.

5. Зенкин А.А. Когнитивная компьютерная графика/ Под ред. Д. А. Поспелова- М. Наука 1991. – 187 с.

6. Хачумов В.М., Фраленко В.П. Эксперименты с прогнозированием, сжатием и фильтрацией данных на основе нейронных сетей. – Нейрокомпьютеры: разработка,применение,2008, №9, с.35-42.

7. Хачумов В.М., Ксенофонтова Е.В. Образный анализ и диагностика сложных процессов. – Доклады 11-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-11, 23-29 ноября 2003 г., Пущино). – М.:, 2003, с.201-204.