Нейросетевые модели принятия решений быстрого реагирования для критических инфраструктур

Abstract

Работа посвящена проблеме автоматизации принятия решений в режиме реального времени для сложных социотехнических объектов в базисе эмуляторов нейросреды. Предложена технология моделирования базовых процессов автоматизации принятия решений (распознавание состояний, выделение однородных данных, прогнозирование динамики поведения) для критических инфраструктур в разных предметных областях. В основе подхода лежит идея создания дополнительного, независимого инструмента принятия решения в режиме реального времени. Приведены модели и алгоритмы, реализованные в среде стандартных нейроэмуляторов формата Statistika Neural Network, обеспечивающие состоятельные показатели надежности принимаемых решений.

Робота присвячена проблемі автоматизації прийняття рішень в режимі реального часу для складних соціотехнічних об’єктів у базисі емуляторів нейросередовища. Запропоновано технологію моделювання базових процесів автоматизації прийняття рішень (розпізнавання станів, виділення однорідних даних, прогнозування динаміки поведінки) для критичних інфраструктур у різних предметних галузях. В основі підходу лежить ідея створення додаткового, незалежного інструменту прийняття рішення в режимі реального часу. Наведені моделі та алгоритми реалізовані в середовищі стандартних нейроемуляторів формату Statistika Neural Network, що забезпечують слушні показники надійності прийнятих рішень.

The article is devoted to the problem automatic decision-making in a mode of real time for difficult objects on basis of neural network emulators. The technology of modeling of base processes of automation of decision-making (recognition of conditions, allocation of the homogeneous data, forecasting of dynamics of behavior) for critical infrastructures in different subject domains is offered. At the heart of the approach there is the idea of creation of the additional, independent tool of decision-making in a mode of real time. The models and algorithms realized in the environment of standard emulators format Statistika Neural Network, providing well-founded indicators of reliability of accepted decisions are resulted.