Abstract
Показано, що системи розпізнавання надзвичайних подій виявляють різні типи невизначеності: неповні потоки даних, помилки в потоках даних і невідповідні шаблони складних подій. Показано, що потоки подій, що потрапляють на вхід системи розпізнавання складних подій, характеризуються певним ступенем невизначеності. Джерела даних є неоднорідними і характеризуються різною структуризацією даних і відповідними процедурами реагування на пошкоджені блоки даних. Навіть для даних, визначених достатньо точно, система може некоректно моделювати складні події, що призводить до подальшого типу невизначеності. Отже, зазначено, що важливо розглянути методи розпізнавання складних подій, які можна віднести до невизначених. З цією метою було запропоновано відповідні модельні об'єкти. Проведений аналіз ключових моментів побудови систем розпізнавання складних подій, які здатні ефективно працювати в умовах невизначеності, охоплював методи стохастичного моделювання, моделі часового представлення та реляційні моделі. Розглянуто методики, що базуються на абстрактних автоматах, імовірнісних моделях графів, системах логіки першого порядку, мережах Петрі та прихованих мережах Петрі. Зазначено, що проміжним етапом роботи відповідних алгоритмів має бути створення ієрархії складних об'єктів, що не завжди піддаються чіткому визначенню. Виявлено низку обмежень щодо використовуваного синтаксису, моделей і ефективності, які були зіставлені з конкретними варіантами їх реалізації. Запропоновано підхід щодо переходу від детерміністичного математичного апарату до системи розпізнавання складних подій в умовах невизначеності, через введення функції вірогідності події. Розроблена методологія дала змогу виділити напрями досліджень і оцінити продуктивність використовуваних математичних методів.
Highlights
Ключові слова: надзвичайні ситуації; умови невизначеності; імовірнісна логіка; імовірнісні автомати; імовірнісні моделі графів; імовірнісні мережі Петрі; приховані мережі Петрі
В імовірнісних версіях методів автоматного програмування повний набір SDE не може бути чітко визначеним, його елементи супроводжуються значеннями відповідних ймовірностей, що стосуються їх атрибутів та й самого факту їх наявності, і тільки після цього використовуються для визначення ймовірностей CER ідентифікує складні події (CE)
An approach was proposed for the transition from a deterministic mathematical apparatus to a system of recognition of complex events under uncertainty conditions, through the introduction of the probability function of an event
Summary
Що системи розпізнавання надзвичайних подій виявляють різні типи невизначеності: неповні потоки даних, помилки в потоках даних і невідповідні шаблони складних подій. Проведений аналіз вказав на актуальні підходи до математичного моделювання у цій галузі (Paschke et al., 2008; Brendel et al, 2011; Chuanfei et al, 2010; Fierens et al, 2015; Skarlatidis et al, 2015; Albanese et al, 2010; Khokhar et al, 2013; Selman et al, 2011; Artikis et al., 2010; Song et al, 2013; Lavee et al, 2013; Massimiliano et al, 2008), показав необхідність побудови цілісної методології розпізнавання надзвичайних ситуацій в умовах невизначеності, що в межах цієї роботи виділяється як невирішена частина загальної проблеми побудови комплексних систем CER. Цей підхід допомагає визначити продуктивність та точність типових методів, на основі яких система моделює перехід подій низького рівня до високого рівня
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
