Использование тензорной модели для обработки неопределенности в сложных динамических системах

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Статья посвящена исследованиям, связанным с обработкой неопределенности средствами тензорной алгебры в сложных динамических системах. В качестве примера сложной динамической системы рассматривается система «Умная электронная сцепка». Использование подобной системы особенно актуально при организации движения транспорта в сложных условиях. Решение этой задачи происходит в условиях неопределенности, которая может появиться на разных уровнях процесса управления движением транспорта. Для выявления и детального изучения свойств неопределенности автор предлагает использовать тензорную модель. Тензорная модель позволяет выявить дополнительные свойства неопределенности, изучение которых недоступно при использовании традиционных формализмов для представления неопределенности. Использование тензорной модели позволяет изучать пространственную модель неопределенности, действительные и мнимые значения неопределенности, а также инварианты неопределенности относительно различных преобразований системы координат. В статье предлагается классификация неопределенности в сложной системе. На примере организации взаимодействия «умных» контроллеров в электронной сцепке автор показывает результаты применения методов тензорного анализа сетей для получения вычислительной базы электронной сцепки. Тензорные уравнения обеспечивают эффективную обработку больших данных, получение информации в режиме реального времени, устойчивость динамической системы к изменениям топологии соединения контроллеров и изменениям soft- и hard- составляющих соединения. Результаты, полученные в статье, показывают, что тензорная модель неопределенности может быть успешно реализована в динамической системе любого уровня сложности.

Об авторах

Александра Владимировна Волосова

Московский автомобильно-дорожный государственный технический университет (МАДИ)

Автор, ответственный за переписку.
Email: volosova_av@madi.ru
ORCID iD: 0000-0002-3817-2671
Scopus Author ID: 57437351400
ResearcherId: T-1829-2017

кандидат технических наук, доцент; доцент Московского автомобильно-дорожного государственного технического университета (МАДИ)

Россия, Москва

Список литературы

  1. Волосова А.В. Представление нечетких знаний средствами аппарата тензорной алгебры // Computational Nanotechnology. 2019. № 1. С. 60–64.
  2. Maksimychev O.I., Bojkov V.N. Support for the life cycle of road construction projects in the digital economy paradigm // CAD and GIS of Highways. 2019. No. 1 (12). Pp. 10–15.
  3. Matiukhina E.N., Maksimychev O.I., Ostroukh A.V., Vasiliev Y.E. Connected vehicle remote diagnostic system. In: Systems of signals generating and processing in the field of on board communications. Conference Proceedings. 2021. 9416001.
  4. Matyukhina E.N., Kuftinova N.G., Ostroukh A.V. et al. Hybrid smart systems for big data analysis // Russian Engineering Research. 2021. No. 41 (6). Pp. 536–538.
  5. Ostroukh A.V., Kuftinova N.G., Gaevskii V.V. et al. Digital transformation of enterprises using a low-code platform // Russian Engineering Researchthis Link is Disabled. 2022. No. 42 (11). Pp. 1203–1206.
  6. Subbotin B.S., Ahmetzhanova E.U. Research on the integration of intelligent transport systems // IOP Conference Series: Materials Science and Engineering. 2019. Vol. 832.
  7. Vasiliev E., Fineeva M.A., Belyakov A.B. et al. Decision support system for street-road network objects repair // IOP Conference Series: Materials Science and Engineering. 2021. Vol. 1159 (1). Art. No. 012025.
  8. Volosova A.V., Maksimychev O.I., Ismoilov M.I. et al. Platforms and complexes for unmanned technologies in road transport. In: Intelligent technologies and electronic devices in vehicle and road transport complex. TIRVED 2022. Conference Proceedings. 2022.
  9. Volosova A.V., Maksimychev O.I., Ostroukh A.V. et al. Uncertainty processing by tensor algebra means in condition of movement along complex roads. In: Systems of signals generating and processing in the field of on board communications. SOSG 2022. Conference Proceedings. 2022.
  10. Volosova A.V., Pronin C.B., Maksimychev O.I. et al. Creating quantum circuits for training perceptron neural networks on the principles of grover’s algorithm. In: Systems of signals generating and processing in the field of on board communications. SOSG 2022. Conference Proceedings. 2022.
  11. Volosova A.V., Kuftinova N.G., Maksimychev O.I. et al. Data fabric as an effective method of data management in traffic and road systems. In: Systems of signals generating and processing in the field of on board communications. SOSG 2022. Conference Proceedings. 2022.
  12. Volosova A.V., Ostroukh A.V., Pronin T.B. et al. Hyperautomation in the auto industry // Russian Engineering Researchthis Link is Disabled. 2021. No. 41 (6). Pp. 532–535.
  13. Volosova A., Matyukhina E., Akimov D. The use tensor method of dual networks for analysis of the transport and tourist components of sustainable development of territories // E3S Web of Conferences. 2020. Vol. 208. 05012.
  14. Volosova A., Matiukhina E. Using artificial intelligence for effective decision-making in corporate governance under conditions of deep uncertainty // SHS Web of Conf. 2020. Vol. 89. 03008.
  15. Volosova A.V., Yurchik P.F., Maksimychev O.I., Golubkova V.B. Tensor analysis of uncertainty in freight transport ULS-systems. In: IOP Conference Series. Materials Science and Engineering.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Нечеткая переменная 2068.9 (а) и ее тензор (b)

Скачать (150KB)
3. Рис. 2. Сопутствующие тензоры нечеткой переменной 2068.9: а – шаровой тензор (четкие свойства); b – девиатор (амплитуда колебаний значений)

Скачать (262KB)
4. Рис. 3. Симметричный (а) и антисимметричный (b) тензоры нечеткой переменной 2068.9

Скачать (201KB)
5. Рис. 4. Комплексные значения нечеткой переменной

Скачать (150KB)
6. Рис. 5. Интеллектуальная электронная сцепка для управления движением транспорта

Скачать (341KB)
7. Рис. 6. Интеллектуальная электронная сцепка для управления движением транспорта

Скачать (109KB)
8. Рис. 7. Пример применения тензорной модели для обработки неопределенности

Скачать (127KB)


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».