Вісники НТУ "ХПІ"
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/2494
З 1961 р. у ХПІ видається збірник наукових праць "Вісник Харківського політехнічного інституту".
Згідно до наказу ректора № 158-1 від 07.05.2001 року "Про упорядкування видання вісника НТУ "ХПІ", збірник був перейменований у Вісник Національного Технічного Університету "ХПІ".
Вісник Національного технічного університету "Харківський політехнічний інститут" включено до переліку спеціалізованих видань ВАК України і виходить по серіях, що відображають наукові напрямки діяльності вчених університету та потенційних здобувачів вчених ступенів та звань.
Зараз налічується 30 діючих тематичних редколегій. Вісник друкує статті як співробітників НТУ "ХПІ", так і статті авторів інших наукових закладів України та зарубіжжя, які представлені у даному розділі.
Переглянути
11 результатів
Результати пошуку
Документ Побудова можливісних причинно-наслідкових залежностей між класами еквівалентності даних в інтелектуальній інформаційній системі(Національний технічний університет "Харківський політехнічний інститут", 2024) Чалий, Сергій Федорович; Лещинський, Володимир ОлександровичПредметом дослідження є процеси формування пояснень щодо прийняття рішень в системі штучного інтелекту. Пояснення в таких системах дають можливість зробити прозорим та зрозумілим процес формування рішень для користувача і, як наслідок, підвищити довіру користувача до отриманих результатів. Мета роботи полягає у розробці підходу до побудови ймовірнісної каузальної моделі пояснення з урахуванням класів еквівалентності вхідних, проміжних і результуючих даних. Вирішення цієї задачі створює умови для побудови пояснень у формі причинно-наслідкових залежностей на основі доступної інформації про властивості вхідних даних, а також про властивості отриманих у системі штучного інтелекту результатів. Для досягнення мети вирішуються такі задачі: розробка моделі каузальної залежності між класами еквівалентності вхідних та вихідних даних; розробка методів побудови класів еквівалентності даних процесу прийняття рішень та методу побудови причинно-наслідкового представлення пояснення. Запропоновано ймовірнісну модель каузальної залежності, що містить причиннонаслідковий зв’язок між класами еквівалентності вхідних або проміжних та результуючих даних, отриманих у процесі прийняття рішень в системі штучного інтелекту. Цей зв’язок враховує оцінки можливості і необхідності такої залежності. Модель створює умови для пояснення можливих причин отриманого рішення. Запропоновано комплекс методів побудови класів еквівалентності даних процесу прийняття рішень та побудови причинно-наслідкового представлення пояснення, що встановлює каузальний зв’язок між класами еквівалентності. При побудові класів еквівалентності встановлюються відношення обов’язкового і необов’язкового уточнення даних, вимоги або виключення даних, а також кон’юнкції даних. При побудові причинно-наслідкового представлення пояснення розраховується можливість та обмеження необхідності такої залежності, що дає можливість побудувати пояснення на основі доступної інформації про отримані рішення та вхідні і проміжні дані, які були використані для формування цих рішень.Документ Екстерналізація неявних знань в ментальній моделі користувача системи штучного інтелекту(Національний технічний університет "Харківський політехнічний інститут", 2024) Чалий, Сергій Федорович; Лещинська, Ірина ОлександрівнаПредметом дослідження є процеси формування ментальної моделі користувача в системах штучного інтелекту. Побудова такої моделі пов'язана з вирішенням проблеми непрозорості та незрозумілості процесу прийняття рішень в таких системах для кінцевих користувачів. Щоб вирішити цю проблему, користувач системи має отримати пояснення щодо отриманого рішення. Пояснення повинно враховувати сприйняття рішення та процесу його прийняття користувачем, що формалізується в рамках ментальної моделі користувача. Ментальна модель враховує використання користувачем явних та неявних знань, останні з яких зазвичай не мають формального представлення. Екстерналізація таких знань забезпечує їх перетворення у формальну форму. Метою роботи є розробка підходу до екстерналізації неявних знань на основі виділення патернів та каузальних залежностей для процесу прийняття рішень в інтелектуальній системі при побудові ментальної моделі користувача. Для досягнення мети вирішуються такі завдання: розробка ментальної моделі користувача системи штучного інтелекту, яка враховує як явні, так і неявні знання, та розробка підходу до екстерналізації неявних знань користувача системи штучного інтелекту. Запропоновано ментальну модель користувача системи штучного інтелекту, яка враховує як явні, так і неявні знання користувача. Модель враховує зв'язки між явними та неявними знаннями користувача щодо системи штучного інтелекту, процесу прийняття рішень, способу використання рішень та загальної концепції інтелектуальної системи. Це створює умови для екстерналізації неявних знань користувача та подальшого використання цих знань при формуванні пояснень щодо процесу прийняття рішень у системі штучного інтелекту. Запропоновано підхід до екстерналізації знань зі статистичного та семантичного шарів ментальної моделі користувача. У практичному плані підхід дозволяє перевести в явну форму умови та обмеження щодо формування та використання рішень у системі штучного інтелекту.Документ Метод можливісного оцінювання пояснення в системі штучного інтелекту(Національний технічний університет "Харківський політехнічний інститут", 2023) Чалий, Сергій Федорович; Лещинський, Володимир ОлександровичПредметом дослідження є процеси формування пояснень щодо рішення системи штучного інтелекту. Пояснення використовуються для того, щоб користувач зрозумів процес отримання результату і міг більш ефективно застосовувати інтелектуальну інформаційну систему для формування практично прийнятих для нього рішень. Мета роботи полягає у розробці методу оцінки пояснень з урахуванням відмінностей у вхідних даних та відповідному рішенні системи штучного інтелекту. Вирішення цієї задачі дає можливість оцінити відповідність пояснення щодо внутрішньому механізму прийняття рішення в інтелектуальній інформаційній системі незалежно від рівня знань користувача щодо особливостей формування та використання такого рішення. Для досягнення мети вирішуються такі задачі: структуризація оцінки пояснень в залежності від рівня їх деталізації з урахуванням їх відповідності процесу прийняття рішення в інтелектуальній системі та рівню сприйняття користувача такої системи; розробка методу оцінки пояснень на основі їх відповідності процесу прийняття рішення в інтелектуальній системі. Висновки. Виконано структуризацію оцінки пояснень в залежності від рівня їх деталізації. Виділено рівні асоціативних залежностей, прецедентів, каузальних залежностей та інтерактивний, що визначають різний ступінь деталізації пояснень. Показано, що асоціативний та каузальний рівні деталізації пояснень можуть бути оцінені з використанням числових, ймовірнісних або можливісних показників. Прецедентний та інтерактивний рівні потребують суб'єктивної оцінки на основі опитування користувачів системи штучного інтелекту. Розроблено метод можливісного оцінювання відповідності пояснень процесу прийняття рішень в інтелектуальній системі з урахуванням залежностей між вхідними даними та рішенням інтелектуальної системи. Метод містить етапи оцінювання чутливості, коректності та складності пояснення на основі порівняння значень та кількості використаних у поясненні вхідних даних. Метод дає можливість комплексно оцінити пояснення з позицій стійкості до несуттєвих змін у вхідних даних, відповідності пояснення отриманому результату, а також складності обчислення пояснення. У аспекті практичного застосування метод дає можливість мінімізувати кількість вхідних змінних для пояснення при задоволенні обмеження на чутливість пояснення, що створює умови для більш ефективного формування тлумачення на основі використання підмножини ключових вхідних змінних, які мають суттєвий вплив на отримане в інтелектуальній системі рішення.Документ Концептуальна ментальна модель пояснення в системі штучного інтелекту(Національний технічний університет "Харківський політехнічний інститут", 2023) Чалий, Сергій Федорович; Лещинська, Ірина ОлександрівнаПредметом дослідження є процеси формування пояснень щодо отриманих в системах штучного інтелекту рішень. Для вирішення проблеми непрозорості прийняття рішень в таких системах користувачі мають отримати пояснення щодо отриманих рішень. Пояснення дозволяє довіряти цим рішенням та забезпечити їх використання на практиці. Мета роботи полягає у розробці концептуальної ментальної моделі пояснення для визначення базових залежностей, що визначають зв’язок між вхідними даними, а також діями з отримання результату в інтелектуальній системі, та її кінцевим рішенням. Для досягнення мети вирішуються такі задачі: структуризація підходів до побудови ментальних моделей пояснень; побудова концептуальної ментальної моделі пояснення на основі об’єднаного представлення знань користувача.. Висновки. Виконано структуризацію підходів до побудови ментальних моделей пояснень в інтелектуальних системах. Ментальні моделі призначені для відображення сприйняття пояснення користувачем. Виділено каузальний, статистичний, семантичний та концептуальний підходи до побудови ментальних моделей пояснення. Показано, що концептуальна модель задає узагальнені схеми та принципи щодо процесу функціонування інтелектуальної системи. Її подальша деталізація виконується на основі каузального підходу у випадку побудови пояснення для процесів, статистичного підходу при побудові пояснення щодо результату роботи системи, а також семантичного при узгодженні пояснення із базовими знаннями користувача. Запропоновано трирівневу концептуальну ментальну модель пояснення, що містить рівні концепції щодо базових принципів функціонування системи штучного інтелекту, пояснення, що деталізує цю концепцію у прийнятному та зрозумілому для користувача вигляді, а також базових знань про предметну область, які є основою для формування пояснення. У практичному аспекті запропонована модель створює умови для побудови та упорядкування множини узгоджених пояснень, які описують процес та результат роботи інтелектуальної системи з урахуванням можливості їх сприйняття користувачем.Документ Модель пояснення в інтелектуальній системі на локальному, груповому та глобальному рівнях деталізації(Національний технічний університет "Харківський політехнічний інститут", 2022) Чалий, Сергій Федорович; Лещинський, Володимир ОлександровичПредметом дослідження є процеси формування пояснень в інтелектуальних інформаційних системах. В сучасних інтелектуальних системах використовуються методи машинного навчання. Процес отримання рішення, сформованих на основі таких методів, є зазвичай непрозорим для користувача. Внаслідок такої непрозорості користувач може не довіряти тим рішенням, які запропонувала інтелектуальна система. Це знижує ефективність її використання. Для підвищення прозорості рішень використовуються пояснення. Пояснення представляється знаннями щодо причин формування результату в інтелектуальній системі, а також щодо причин окремих дій у процесі формування результату. Також пояснення може містити знання щодо впливу окремих функцій на отриманих інтелектуальною системою результат. Тому пояснення доцільно формувати на різних рівнях деталізації з тим, щоб показати як узагальнені причини та впливи на отримане рішення, так і причини вибору окремих проміжних дій. Мета роботи полягає в розробці узагальненої моделі пояснення з урахуванням станів та рівнів деталізації процесу прийняття рішення в інтелектуальній системі для побудови пояснень на основі відомих даних щодо послідовності станів та властивостей цих станів. Для досягнення мети вирішуються такі задачі: структуризація властивостей пояснень; визначення можливостей підходів до побудови пояснень на основі станів та структури процесу формування рішення, а також на основі вхідних даних; побудова моделі пояснення. Висновки. Запропоновано узагальнену модель пояснення в інтелектуальній системі для локального, групового та глобального рівнів деталізації процесу прийняття рішення .Модель представляється упорядкованою послідовністю зважених залежностей між подіями або станами процесу прийняття рішення. Модель орієнтовано на представлення можливості в рамках глобального пояснення виділити локальне пояснення та представити ланцюжок групових пояснень між подіями отримання вхідних даних та результуючого рішення. У практичному плані запропонована модель призначена для побудови пояснень з використанням підходів на основі спрощення процесу функціонування інтелектуальної системи та на основі виділення впливу окремих функцій та дій на кінцевий результат. Додаткові можливості моделі пов’язані із деталізацією подій процесу прийняття рішення з виділення окремих змінних, які характеризують стан цього процесу, що дає можливість формувати пояснення на основі використання відомих концепцій та понять у предметній області.Документ Реляційно-темпоральна модель набору сутностей предметної області для процесу формування рішення в інтелектуальній інформаційній системі(Національний технічний університет "Харківський політехнічний інститут", 2022) Чалий, Сергій Федорович; Лещинський, Володимир Олександрович; Лещинська, Ірина ОлександрівнаПредметом дослідження є процеси формування причинно-наслідкових зв’язків між станами сутностей предметної області у процесі функціонування інтелектуальної інформаційної системи. Дані каузальні зв’язки відображають залежності, які лежать в основі процесу отримання результату в інформаційній системі, і тому вони можуть бути використані для формування пояснень щодо цього процесу. Пояснення відображає знання щодо причин та наслідків як щодо отриманого результату в цілому, так і щодо окремих дій процесу прийняття рішення в інформаційній системі. Використання таких знань підвищує довіру користувача до отриманих від інформаційної системи рішень. Мета роботи полягає в розробці реляційно-темпоральної моделі представлення множини взаємопов’язаних сутностей предметної області, які є об’єктом формування рішення в інформаційній системі, з тим, щоб створити умови для виявлення каузальних залежностей щодо процесу формування рішення в такій системі. Для досягнення сформульованої мети вирішуються такі задачі: структуризація залежностей між сутностями предметної області у атрибутивному та темпоральному аспектах; визначення обмежень щодо процесу отримання рішення в інформаційній системі на основі статичних залежностей між сутностями; визначення темпоральних зв’язків в рамках одного класу сутностей як відображення каузальних залежностей між сутностями у процесі отримання рішення в інтелектуальній системі; побудова реляційно-темпоральної моделі взаємопов’язаних сутностей предметної області. Висновки. Виконано структуризацію статичних та динамічних залежностей між сутностями предметної області, що є об’єктом формування рішення в інформаційній системі. Визначено статичні обмеження щодо процесу формування рішення, які пов’язані із властивостями предметної області. Визначено темпоральні залежності між сутностями предметно області, які відображають причинно-наслідкові зв’язки між діями процесу з формування рішення. Запропоновано реляційно-темпоральну модель пов’язаних сутностей предметної області, що містить класи еквівалентності сутностей, статичні залежності між властивостями різних класів еквівалентності, а також темпоральні залежності між властивостями в рамках кожного класу. Модель дає можливість перевірити обмеження на процес формування рішення на основі статичних зв’язків між сутностями предметної області, а також визначити можливі послідовності зміни властивостей сутностей у часі, що створює умови для побудови каузальних залежностей, які лежать в основі процесу формування рішення. Отримані каузальні залежності є ключовим елементом пояснень щодо процесу функціонування інформаційної системи.Документ Контрфактуальна темпоральна модель причинно-наслідкових зв'язків для побудови пояснень в інтелектуальних системах(Національний технічний університет "Харківський політехнічний інститут", 2021) Чалий, Сергій Федорович; Лещинський, Володимир Олександрович; Лещинська, Ірина ОлександрівнаПредметом дослідження є процеси побудови пояснень на основі причинно-наслідкових зв'язків між станами або діями інтелектуальної системи. Пояснення представляє собою знання про послідовність причин та наслідків, які визначають процес та результат роботи інтелектуальної інформаційної системи. Мета роботи полягає в розробці контрфактуальної темпоральної моделі причинно-наслідкових зв'язків у складі пояснення процесу функціонування інтелектуальної системи з тим, щоб забезпечити виявлення каузальних залежностей на основі аналізу журналів поведінки такої системи. Для досягнення сформульованої мети вирішуються такі задачі: визначення темпоральних властивостей контрфактуального опису причинно-наслідкових зв'язків між діями або станами інтелектуальної інформаційної системи; розробка темпоральної моделі каузальних зв'язків, що враховує як факти виникнення подій в інтелектуальній системі, так і можливість виникнення подій, що не впливають на формування поточного рішення. Висновки. Виконано структуризацію темпоральних властивостей каузальних зв'язків для пар подій, які виникають послідовно в часі, або мають проміжні події. Такі зв'язки представлено альтернативними причинно-наслідковими зв'язками з використанням темпоральних операторів «Next» та «Future», що дає можливість реалізувати контрфактуальний підхід до представлення причинності. Запропоновано контрфактуальну темпоральну модель причинно-наслідкових зв'язків, яка визначає детерміновані каузальні зв'язки для пар послідовних подій та пар подій, між якими є інші події, що визначає властивість транзитивності таких залежностей і, відповідно, створює умови для опису послідовності причин та наслідків у складі пояснення в інтелектуальній системі з заданим ступенем деталізації. Модель забезпечує можливість визначення причинно-наслідкових зв'язків, між якими є проміжні події, які не впливають на кінцевий результат роботи інтелектуальної інформаційної системи.Документ Технологія автоматизованої побудови моделі прототипу бізнес-процесу на основі попередньої обробки журналу подій(Національний технічний університет "Харківський політехнічний інститут", 2020) Чалий, Сергій Федорович; Богатов, Євген ОлеговичПредметом дослідження є процеси побудови моделей прототипів бізнес-процесів «AS–IS», що відображають поточну діяльність підприємства. Для побудови моделі «AS–IS» використовуються журнали подій, що містять запис реалізованих при функціонуванні підприємства операцій із мітками часу. Побудова процесної моделі «AS–IS» в використанням логів виконується засобами інтелектуального аналізу процесів. Результуюча модель прототипу бізнес-процесу має вигляд графу, що відображає всі відомі із журналу подій його реалізації. Метою роботи є підвищення ефективності впровадження процесного управління шляхом розробки технології побудови моделей прототипів процесу «AS–IS» в умовах неупорядкованих по бізнес-процесам та помилкових вхідних даних. Для досягнення поставленої мети в статті вирішуються такі задачі: розробка технології формування моделей прототипів бізнес-процесів; експериментальна перевірка технології. Отримано наступні результати. Розроблено технологію автоматизованої побудови прототипів моделей бізнес-процесів «AS–IS», яка містить у собі етапи структуризації журналів подій у процесно-орієнтовану форму і подальшої побудови моделей бізнес-процесів методами інтелектуального аналізу процесів. Розроблена технологія дозволяє отримати графову модель прототипу бізнес-процесу, яка використовується при впровадженні процесного управління в рамках першого та другого рівнів процесної зрілості. На базі отриманої моделі «AS–IS» формується удосконалена процесна модель «TO–BE». Проведена експериментальна перевірка показала, що розроблена технологія забезпечує побудову процесно-орієнтованого лога та подальше формування моделі прототипу бізнес-процесу, що відображає поточну діяльність підприємства.Документ Декларативно-темпоральний підхід до побудови пояснень в інтелектуальних інформаційних системах(Національний технічний університет "Харківський політехнічний інститут", 2020) Чалий, Сергій Федорович; Лещинський, Володимир Олександрович; Лещинська, Ірина ОлександрівнаПредметом дослідження є процеси побудови пояснень щодо запропонованих інтелектуальною інформаційною системою рішень. Пояснення подає в упорядкованому вигляді знання щодо результатів роботи інтелектуальної системи з урахування контексту його побудови. Мета полягає в розробці підходу до побудови опису знань для представлення пояснення, що забезпечує можливість тлумачення рішень інтелектуальної системи у онлайн-режимі, з використанням найбільш актуальних залежностей щодо стану предметної області та потреб користувача. Для досягнення поставленої мети вирішуються такі задачі: постановка узагальненої задачі формування пояснення та формулювання принципів її вирішення; визначення принципів побудови опису знань для пояснення; розробка підходу до побудови пояснення на основі інтеграції декларативного опису предметної області та темпорального опису процесу прийняття рішення. Запропоновано узагальнену постановку задачі формування пояснення у формі знаходження моделі тлумачення, що дає можливість мінімізувати неточність опису процесу отримання рішення відносно моделі процесу функціонування інтелектуальної системи в умовах обмежень на складність пояснення. Сформульовано принципи вирішення задачі побудови пояснення, які передбачають послідовне формування декларативного опису предметної області у вигляді відповідної онтології, а також опису процесу прийняття рішення в інтелектуальній системі на основі темпоральних правил, що дає можливість адаптувати пояснення на основі формального опису змін у предметній області. Запропоновано декларативно-темпоральний підхід до побудови пояснення в інтелектуальній інформаційній системі. Згідно даного підходу послідовно вирішуються задачі деталізації цілей пояснення в рамках визначеної концепції на основі використання онтології предметної області, формування пояснення з урахуванням структури інтелектуальної системи та взаємодії її складових, персоналізації пояснення у відповідності до вподобань користувача. Даний підхід дає можливість оперативно актуалізувати витлумачення, що створює умови для побудови пояснень в режимі онлайн.Документ Модель пояснення в інтелектуальній інформаційній системі на основі концепції узгодженості знань(Національний технічний університет "Харківський політехнічний інститут", 2020) Чалий, Сергій Федорович; Лещинський, Володимир Олександрович; Лещинська, Ірина ОлександрівнаПредметом дослідження є процеси побудови пояснень щодо отриманих результатів в інтелектуальних інформаційних системах. Пояснення роблять прозорим процес створення результуючої рекомендації, формують умови для створення користувачем причинно-наслідкових зв’язків між результатом виводу та поточними задачами, для вирішення яких була використана інтелектуальна система. Мета полягає в розробці моделі пояснення в інтелектуальній системі з можливістю забезпечити узгоджене з результатами роботи такої системи витлумачення з урахуванням контекстно-орієнтованих вимог щодо потреб користувачів. Для досягнення поставленої мети вирішуються задачі визначення вимог до пояснення щодо результатів роботи інформаційної системи, та розробки моделі пояснення на базі принципів узгодження знань з тим, щоб отримати рекомендації на основі відповідності фактів, гіпотез, результатів. Показано, що при узгодженні інтересів користувача та можливостей інтелектуальної системи необхідно визначити деталізацію знань з урахуванням інтервалу актуальності даних та знань, а також фінансових та технічних та інших особливостей використання отриманих результатів. Запропоновано модель пояснення в інтелектуальній системі на базі узгодження знань та даних. Модель містить множини узгоджених фактів, гіпотез та результатів. Узгодження виконується для гіпотез, які є підмножинами інших гіпотез, на основі пояснень гіпотез через факти та інші гіпотези, а також на базі відповідності між собою отриманих результатів та гіпотез. Моделі дає можливість обмежити використання неявних та неточних знань в рамках виводу лише їх узгодженою підмножиною. У практичному плані використання моделі орієнтовно на побудову пояснень згідно ступеню абстракції, рівня деталізації опису предметної області, а також з урахуванням вибраного аспекту витлумачення отриманої рекомендації. В цілому формування пояснень на основі узгодження знань підвищує довіру користувачів та створює умови для ефективного використання отриманих рекомендацій.