Задачи искусственного интеллекта, машинного обучения, оценки рисков в наше время очень актуальны. Их объединяет необходимость работы с данными, объемы которых с каждым днем возрастают. Более того, все чаще экспертам приходится работать с неполными данными, или с данными, содержащими неточности. Это требует совершенствования существующих методов хранения и обработки информации.
Одна из активно развивающихся моделей для решения подобных
задач ― алгебраические байесовские сети (АБС). В основе структуры АБС лежит принцип разбиения связанных по смыслу данных на небольшие фрагменты. Фрагменты моделируются графами, в вершинах которых содержаться вероятностные оценки истинности соответствующей информации. Ребрами указывается на взаимосвязь между вероятностными оценками.
Коллектив имеет фундаментальный научный задел в работе с алгебраическими байесовскими сетями. Работа в данном срезе ведётся с 1992 года. Алгебраические байесовские сети являются одной из моделей машинного обучения и позволяют работать с неточными, неполными данными за счет манипуляции интервальными оценками вероятностей, использовать декомпозицию предметной области для оптимизации вычислений, гибко оперировать данными при синтезе структур, а также имеют развитый аппарат локального и глобального логико-вероятностного вывода и синтеза структур.
Алгебраические байесовские сети — это не просто российская/отечественная разработка, это разработка ученых СПб ФИЦ РАН.
Применение ныне активно развивающейся теории алгебраических байесовских сетей требует определенной работы с данными. Исходные данные могут быть противоречивы — их нужно проверять и сообщать, можно ли с ними работать и применять алгоритмы дальнейшей обработки. Важна также и обработка новый сведений, корректировка старых на основе поступивших. В контексте теории алгебраических байесовских сетей существуют способы решения подобных задач, которые необходимо, для удобства, автоматизировать. Это и является целю, с которой создавался сервис abn.dscs.pro.
Проект СПбГУ № 73555239 (NIR_GZ_2021 – 1) на 2021 год Искусственный интеллект и наука о данных: теория, технология, отраслевые и междисциплинарные исследования и приложения: 2021- этап 1.
Руководитель: Тулупьев Александр Львович
Описание проекта
Цель исследования заключается в построении и развитии подходов, теоретических и технологических основ для решения междисциплинарных проблем, связанных со сбором, обработкой и анализом данных, в том числе данных с неопределенностью, для прогнозирования исходов социальных действий, протекания заболеваний, образовательных успехах, взаимодействия робототехнических систем, автономной работы роботов и т.п.
Сроки выполнения
1.01.21 → 31.12.21
Ключевые слова
Мультиагентные системы, глубокое обучение, машинное обучение, знания с неопределённостью, нейронные сети, интеллектуальные системы, графы, байесовские сети, социоинженерные атаки, обработка текстов.
Исполнители
Абрамов Максим Викторович, Корепанова Анастасия Андреевна, Бушмелев Федор Витальевич, Олисеенко Валерий Дмитриевич, Торопова Александра Витальевна, Фролова Марина Сергеевна, Уткин Лев Владимирович, Косовская Татьяна Матвеевна, Ловягин Юрий Никитич, Ловягин Никита Юрьевич, Граничин Олег Николаевич, Амелин Константин Сергеевич, Иванский Юрий Владимирович, Чернов Андрей Олегович, Панцерев, Константин Арсеньевич, Гавра Дмитрий Петрович, Базаркина Дарья Юрьевна, Болгов Радомир Викторович, Леви Дмитрий Андреевич, Новикова Ирина Николаевна, Пашенцев Евгений Николаевич, Цветкова Наталья Александровна, Николенко Сергей Игоревич, Золотарев Валерий Иванович, Пинчук Николай Григорьевич, Андреев Алексей Сергеевич, Богданов Станислав Александрович, Лазарев Сергей Викторович, Хмель Дмитрий Сергеевич, Утешев Николай Алексеевич, Баранов Александр Валентинович, Гайдучок Владимир Юрьевич, Сергеев Алексей Владимирович, Кузнецов Никита Алексеевич, Аксарин Константин Михайлович, Суханов Игорь Игоревич, Григорьев Яков Георгиевич.
Грант РФФИ на 2018–2020 гг., проект № 18-01-00626-а Методы представления, синтеза оценок истинности и машинного обучения в алгебраических байесовских сетях и родственных моделях знаний с неопределенностью: логико-вероятностный подход и системы графов
Руководитель: Тулупьев Александр Львович
Описание проекта
Проект направлен на развитие методов и моделей представления и обработки данных и знаний, отличающихся неполнотой, неточностью, нечисловым характером, что в целом, остается актуальным и одним из главных направлений развития математических основ искусственного интеллекта и мягких вычислений. Для достижения цели используется комбинированный подход, сочетающий в себе теорию вероятностей, вероятностную логику, теорию графов, интервальную математику, экстремальные задачи; кроме того, ожидается, что к решению исследовательских задач будут привлекаться подходы машинного обучения, случайного поиска и мягких вычислений. Ключевым и системообразующим объектом исследования выступают алгебраические байесовские сети (АБС) — это логико-вероятностные графические модели знаний с неопределенностью, в которых математической моделью фрагмента знаний выступают идеалы конъюнктов со скалярными или интервальными оценками вероятности их истинности, а над самим набором фрагментов знаний (первичной структурой АБС) построен граф смежности, рассматриваемый как ее вторичная структура и используемый в различных видах логико-вероятностного вывода. Помимо двух указанных видов глобальных структур рассматриваются другие возникающие системы графов, которые участвуют или используются в синтезе согласованных оценок истинности (априорном и апостериорном логико-вероятностном выводе, проверке и поддержании непротиворечивости моделей), в визуализации АБС, в машинном обучении АБС (при формировании локальных и глобальных структур) и др.
Сроки выполнения
1.01.18 → 31.12.20
Ключевые слова
Знания с неопределенностью, байесовские сети, логико-вероятностный вывод, вероятностные графические модели, машинное обучение, свидетельство, декомпозиция знаний.
Исполнители
Абрамов Максим Викторович, Тулупьева Татьяна Валентиновна, Хлобыстова Анастасия Олеговна, Корепанова Анастасия Андреевна, Бушмелев Федор Витальевич, Золотин Андрей Алексеевич, Харитонов Никита Алексеевич, Фильченков Андрей Александрович, Суворова Алёна Владимировна, Сироткин Александр Владимирович, Мальчевская Екатерина Андреевна, Левенец Даниил Григорьевич, Максимов Анатолий Григорьевич, Завалишин Арсений Дмитриевич.
Грант РФФИ на 2018–2020 гг., проект № 15-01-09001-а Комбинированный логико-вероятностный графический подход к представлению и обработке систем знаний с неопределенностью: алгебраические байесовские сети и родственные модели
Руководитель: Тулупьев Александр Львович
Описание проекта
Основной целью исследования является развитие методов и моделей представления и обработки данных и знаний, допускающих неточность и неопределенность. При этом используется комбинированный подход, в котором, в первую очередь, сочетаются теория вероятностей, вероятностная логика, теория графов, интервальная математика, а «стержневым» объектом исследования выступают алгебраические байесовские сети (АБС) в частности и вероятностные графические модели в целом. АБС — это логико-вероятностные графические модели знаний с неопределенностью, в которых математической моделью фрагмента знаний выступают идеалы конъюнктов со скалярными или интервальными оценками вероятности их истинности, а над самим набором фрагментов знаний (первичной структурой АБС) построен граф смежности, рассматриваемый как ее вторичная структура и используемый в различных видах логико-вероятностного вывода.
Важнейшими результатами стали развитие алгоритмов логико-вероятностного вывода, как локального, так и глобального, а также предложенные оценки чувствительности некоторых из них; разработка новых и модификация имеющихся алгоритмов синтеза глобальных структур и множеств глобальных структур АБС с применением инкрементального подхода; проведения ряда вычислительных экспериментов, позволивших сформирован компаративный анализ прямого, жадного и инкрементального (декрементального) алгоритмов синтеза вторичной структуры АБС. Разработан программный комплекс, реализующий структуры хранения фрагментов знаний алгебраической байесовской сети, а также алгоритмы локального и глобального логико-вероятностного вывода, учитывая все вариации структур и видов оценок вероятностей, над которыми могут быть построены фрагменты знаний; реализованы алгоритмы синтеза множества минимальных графов смежности и глобальных структур, к которым относятся третичная и четвертичные структуры. Также были получены результаты по развитию и применению родственных моделей для построения моделей и методов оценки степени защищенности персонала информационных систем от социоинженерных атак.
Сроки выполнения
1.01.15 → 31.12.17
Ключевые слова
Байесовские сети, поддержка принятия решений, экспертные системы, вероятностная логика, вероятностные графические модели, декомпозиция знаний, машинное обучение, теория графов.
Исполнители
Тулупьева Татьяна Валентиновна, Золотин Андрей Алексеевич, Фильченков Андрей Александрович, Николенко Сергей Игоревич, Азаров Артур Александрович, Суворова Алёна Владимировна, Сироткин Александр Владимирович, Левенец Даниил Григорьевич, Зотов Михаил Анатольевич.
Тулупьев А.Л. Алгебраические байесовские сети: теоретические основы непротиворечивость. СПб.: СПИИРАН, 1995. 76 с.
Тулупьев А.Л. Алгебраические байесовские сети: теоретические основы непротиворечивость. СПб.: СПИИРАН, 2000. 282 с.
Тулупьев А.Л., Николенко С.И., Сироткин А.В. Байесовские сети: Логико-вероятностный подход. СПб.: Наука, 2006. 607 с.
Тулупьев А.Л., Николенко С.И., Сироткин А.В. Основы теории байесовских сетей СПб.: Изд-во С.-Петерб. ун-та, 2019. 399 с.