Мивары: 25 лет создания искусственного интеллекта - [40]
В миварном пространстве можно использовать меру подобия (схожести) различных структур. Это открывает принципиально новые возможности для систем, использующих механизм логического вывода или обработку изображений.
Миварное представление данных позволит обрабатывать неоднородные данные, организуя связь между ними посредством координат N-мерных точек. Следовательно, подобные по форме представления данные могут храниться в одних наборах данных, а связи между ними будут организованы через общее пространство. Это особенно важно для систем, выполняющих комплексную обработку различных по форме представления (мультимедиа, графика, тексты, звук, картографические и т.п.) данных. Кроме того, правила обработки данных и непосредственно сами данные могут храниться в едином формате, например, стандартных файлов ЭВМ. Миварное представление включает в себя идеи объектно– ориентированного программирования. Более того, оно раскрывает новые возможности и перспективы. Например, появляется возможность работать с неполной и противоречивой информацией, т.е. с различными по степени полноты и достоверности описаниями объектов, причем в динамике. В любое время можно либо расширить описание исследуемых объектов, либо уменьшить его. Один и тот же объект в разных отношениях может описываться с разной степенью детализации: от одного краткого идентификатора или перечня нескольких наиболее важных характеристик, до полного описания всех свойств и отношений. Также теория миваров позволяет учитывать вероятностные и нечеткие характеристики данных. Кроме всего прочего, миварная концепция открывает новые возможности по созданию мощных информационных систем, работающих в реальном масштабе времени без потери динамизма при изменении структуры. Объединение трехмерного миварного информационного пространства
Такой подход позволяет достаточно просто учитывать время или географические координаты. Причем, все это будет храниться в едином унифицированном формате. Это необходимо для систем комплексной обработки информации или для систем, в которых необходимо работать с временными или с геометрическими характеристиками. Миварный подход позволит значительно расширить сферу применения баз данных.
Миварная концепция появилась как обобщение и развитие традиционных моделей данных. С точки зрения сетевых моделей миварное представление – это некоторая сеть, находящаяся в координатном трехмерном пространстве, что только расширяет возможности сетевых моделей. С точки зрения реляционных моделей миварное представление – это трехмерная (или N-мерная) реляционная таблица, находящаяся в трехмерном (N-мерном) пространстве, в которой собраны все обычные реляционные таблицы. Дополнительно к этому миварные таблицы представления данных позволяют эффективно хранить правила и отношения между вещами (объектами) типа: "многие к многим" (M: N).
Миварный подход применим не только в области баз данных, но и для решения любых задач по обработке информации, так как в виде правил могут быть представлены любые процедуры обработки данных. Кроме того, миварный подход позволяет проводить распределенную и параллельную обработку данных. При этом миварная концепция представления правил обработки данных позволяет организовать потоковую обработку входной информации на основе логической сети, управляемой потоком данных.
4.4. Структуры представления данных для моделирования предметной области
При создании миварного информационного пространства проведено обобщение всех структурированных моделей данных путем теоретико-множественного описания модели "сущность-связь" (ER-модель) [72].
Для моделирования инноваций и анализа проблем управления инновационными ресурсами выделим следующие структуры представления данных ER-модели: классы сущностей, множества сущностей, классы связей, множества связей, роли сущностей в связях, множество атрибутов, множество значений. Тогда, пусть A – множество имен классов сущностей:
Рассмотрим для примера модель представления данных для МЭПАИС управления инновационными ресурсами химической и нефтехимической промышленности России (МЭПАИС УИР ХНП).
Модель представления данных для МЭПАИС УИР ХНП в начальном состоянии основывается на всех прямых (статформа "4‐инновация") и расчетных показателях, учитывая их разделение на количественные и качественные показатели. Затем происходит конкретизация и многомерное наращивание представления: количественные показатели разделяются на общие и инновационные индикаторы, а затем разделяются на кадровые и экономические показатели. Например, кадровые показатели включают: среднесписочную численность персонала, численность специалистов с высшим образованием и работников НИОКР, а также количество принятых на работу квалифицированных специалистов. С другой стороны, экономические показатели разделяются на величину капитальных вложений, величину затрат на инновации, общий и инновационный объемы выпуска продукции, количество созданных, приобретенных и переданных технологий, патентов, лицензий. При этом, каждая организация ХНП может быть не полным владельцем технологий, патентов и т.п., а вместе с другими организациями. Миварный подход позволяет ввести параметр нечеткой принадлежности "объекта патентного права" (патенты и лицензии) для организаций ХНП. Возможны ситуации, когда несколько организаций ХНП в разных долях владеют патентами или лицензиями.
