Лабораторный практикум по интеллектуальным информационным системам

Проекциями перечисленных трехмерных тел на взаимно-ортогональные плоскости являются двухмерные фигуры: круг, квадрат и треугольник. Соответственно, сконструируем и описательные шкалы и градации, чтобы они позволяли отразить все варианты проекций трехмерных тел (таблица 46).

1.3. Сгенерировать обучающую выборку.
Чтобы сгенерировать обучающую выборку составим таблицу 47, в которой в наглядной форме изобразим проекции выбранных нами тел на ортогональные плоскости.

С использованием таблицы 47 составим таблицу 48 с обучающей выборкой.

2. Осуществить синтез и верификацию (измерение адекватности) семантической информационной модели.
Вводим классификационные и описательные шкалы и градации (в 1-м и 2-м режимах 1-й подсистемы), а также обучающую выборку (в 1-м режиме 2-й подсистемы) в систему «Эйдос» и осуществляем синтез модели (в 5-й функции 3-го режима 2-й подсистемы), а затем ее верификацию (во 2-м режиме 6-й подсистемы). В результате получаем семантическую информационную модель, обладающую достаточно высокой степенью адекватности: 94,29%, чтобы результаты ее исследования можно было считать исследованием самой моделируемой предметной области (рисунок 89).

Рисунок 89. Экранная форма по измерению
адекватности СИМ

3. Провести системно-когнитивный анализ модели:
3.1. Решить задачи идентификации и прогнозирования.
После выполнения 2-го режима 4-й подсистемы «Распознавание» в 1-й функции 3-го режима 4-й подсистемы получаем итоговую форму по результатам идентификации (таблица 49).

Из таблицы 49 видно, что объект «Пирамида-123» неверно идентифицирован как класс «Призма-11». В остальных случаях тип объекта идентифицирован верно, что не исключает в ряде случаев неверной идентификации вида проекции (что, конечно, не имеет отношения к телам Платона – первым трем классам). Карточка, дающая расшифровку результатов идентификации 25-го объекта «Пирамида-123», представлена на рисунке 90.

Рисунок 90. Карточка результатов идентификации
объекта 25.

Если проанализировать коды признаков призмы и пирамиды, то можно увидеть, что они одни и те же, и отличие состоит лишь в количестве повторностей признаков. Это и является причиной сложностей при дифференцировании этих объектов.
3.2. Сгенерировать информационные портреты классов и факторов, т.е. решить обратную задачу прогнозирования (результаты отобразить в графической форме двухмерных и трехмерных профилей классов и факторов).
В 1-й функции 1-го режима 5-й подсистемы системы «Эйдос» получим информационный портрет класса, а в 1-й функции 2-го режима той же подсистемы – информационный портрет признака (рисунок 91).

Рисунок 91. Примеры информационных портретов
классов и признаков

3.3. Провести кластерно-конструктивный анализ классов и факторов (результаты отобразить в форме семантических сетей классов и факторов).
В 5-й операции 2-й функции 1-го и 2-го режимов 5-й подсистемы получим семантические сети классов и факторов (рисунок 92).