Тернопільський національний економічний університет

Ляшкевич Василь Яремович

УДК 004.78: 025.4.036

ТЕКСТОЛОГІЧНО-НЕЙРОМЕРЕЖНИЙ МЕТОД ТА ЗАСОБИ ПОШУКУ ДІАГНОСТИЧНОЇ ІНФОРМАЦІЇ ДЛЯ ТЕСТУВАННЯ КОМП’ЮТЕРНИХ СИСТЕМ

05.13.13 – обчислювальні машини, системи та мережі

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Тернопіль – 2007

Дисертацією є рукопис.

Робота виконана у Хмельницькому національному університеті Міністерства освіти і науки України

Науковий керівник - доктор технічних наук, професор

Локазюк Віктор Миколайович,

Хмельницький національний університет,

завідувач кафедри системного програмування.

Офіційні опоненти:

- доктор технічних наук, професор

Герасимов Борис Михайлович,

Військовий інститут Київського національного університету ім. Тараса Шевченка,

професор кафедри військового управління;

- кандидат технічних наук, доцент

Михайлюк Антон Юрійович,

Національний технічний університет України „КПІ”, доцент кафедри спеціалізованих комп’ютерних систем.

Захист відбудеться “20” вересня 2007 р. 1600 годині на засіданні спеціалізованої вченої ради К58.082.02 у Тернопільському національному економічному університеті за адресою: 46004, м. Тернопіль, вул. Львівська, .

З дисертацією можна ознайомитись у бібліотеі Тернопільського національного економічного університету за адресою: 46004, м.Тернопіль, вул. Львівська, 11.

Автореферат розісланий “18” серпня 2007 р.

Вчений секретар

спеціалізованої вченої ради ____________________ Яцків В.В.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Чи не однією з найважливіших вимог до комп’ютерних систем (КС) є забезпечення надійності їх функціювання. Забезпечення надійності комп’ютерних пристроїв на протязі життєвого циклу здійснюється різними засобами, зокрема, відновленням, інформаційною надлишковістю, резервуванням, і т.і. При реалізації цих підходів важливо дати відповідь, чи є система справною. Така відповідь може бути одержана шляхом здійснення контролю роботоздатності КС. У разі отримання негативної відповіді переходять до організації і проведення діагностування з метою виявлення місця та причини прояву несправності.

Діагностування (тестування) КС є складною технологічною операцією. Його реалізація потребує знання методів та наявності засобів діагностування.

Ряд корисної і необхідної інформації щодо реалізації процесу діагностування можна знайти у фаховій технічній літературі, зокрема, монографіях, підручниках, навчальних, методичних посібниках, наукових статтях, надрукованих у фахових журналах, довідниках, і т.і.

На сьогодні розроблено ряд експертних та автоматизованих систем діагностування, у складі яких наявні об’ємні бази знань та даних з відповідною інформацією. Ці бази знань також можуть викликати інтерес у діагностів з метою реалізації процесу діагностування КС.

У перерахованому розмаїтті діагностичної інформації (ДІ) досить важко орієнтуватись навіть експертам-діагностам з досвідом, не кажучи вже про спеціалістів-початківців. Пошук потрібної інформації може зайняти значний відсоток часу із загального часу діагностування КС і тим самим знизити ефективність їх використання, а в певних випадках - і не дати можливості вчасно відновити їх роботоздатність.

Різноманітна інформація про методи і засоби діагностування КС є, як правило, надлишковою і слабкоструктурованою. Тому задача інформаційного пошуку діагностичної інформації відомими методами і способами не завжди задовольняє діагностів, особливо кваліфікованих, тих, що вирішують складні діагностичні задачі. Не задовольняють їх ні бібліографічний пошук “за каталогом”, ні тематичний пошук “за текстом”, ні інші відомі методи.

Розроблені раніше методи пошуку інформації застосовуються також і при пошуку інформації в мережі Internet. Але ні гіпертекстова модель WWW, ні ієрархічна модель Gopher, як і інші, не вирішують проблеми пошуку інформації, зокрема і діагностичної, у великих об’ємах документів. В них неможливий і якісний пертинентний пошук за довжиною у 2-3 слова.

При пошуку діагностичної інформації на сьогодні майже не аналізуються моделі об’єкта діагностування (ОД), поверхнево аналізуються методи тестування сучасних КС, довідникова література, а також надбання автоматизованих систем діагностування, зокрема, їх баз даних та баз знань. Тому задача організації ефективного пошуку діагностичної інформації для підвищення ефективності процесу тестування КС є актуальною.

Зв’язок роботи з науковими програмами, планами, темами. Представлені в дисертації дослідження проводились в рамках держбюджетної науково-дослідної роботи №1Б-2005 “Теорія нейромережних і нечітких моделей та методологія створення інтелектуальних систем діагностування комп’ютерних пристроїв” протягом 2006 року (№ державної реєстрації 0105U000725) в Хмельницькому національному університеті та держбюджетної науково-дослідної роботи “Наукові основи створення, діагностики та підвищення надійності первинних перетворювачів сигналів автоматизованих систем керування, елементів і пристроїв обчислювальної техніки та захисту інформації в комп’ютерних засобах” протягом 2006 року (№ державної реєстрації 0105U007365) у Чернівецькому національному університеті ім. Юрія Федьковича.

Мета і задачі дослідження. Метою дисертаційної роботи є підвищення ефективності процесу тестування комп’ютерних систем та їх складових за рахунок зменшення часу на пошук діагностичної інформації для його реалізації.

Задачі дослідження в роботі формулюються наступним чином:

1) розробити концептуальну модель пошуку діагностичної інформації для реалізації тестування КС;

2) інтелектуалізувати процес пошуку діагностичної інформації на основі застосування мотивованих компонентів теорії штучного інтелекту;

3) уточнити відомі та розробити нові моделі пошуку діагностичної інформації для тестування КС;

4) розробити нові текстологічно-нейромережні методи та засоби пошуку ДІ для тестування комп’ютерних систем та їх компонентів;

5) на основі запропонованих моделей та методів пошуку діагностичної інформації розробити нову архітектуру інформаційно-пошукової системи тестування комп’ютерних систем.

Об’єкт дослідження – процес пошуку діагностичної інформації для тестування комп’ютерних систем та їх складових.

Предмет дослідження - текстологічно-нейромережний метод та засоби пошуку діагностичної інформації для тестування комп’ютерних систем та їх складових.

Методи дослідження грунтуються на теорії та методах діагностування комп’ютерних систем, теорії штучних нейронних мереж, методах системного аналізу, методах текстологічного пошуку інформації, теорії алгоритмів та теорії прикладного програмування.

Наукова новизна одержаних результатів:

- вперше запропонована концепція пошуку ДІ для тестування КС, яка відрізняється від відомих поточною оцінкою корисності та достатності ознак відшуковуваної діагностичної інформації, що істотно зменшує час і відповідно підвищує ефективність процесу діагностування КС;

- розроблені нейромережні моделі пошуку ДІ, які грунтуються на парадигмах прямонапрямленого персептрона, двонапрямленої асоціативної пам’яті та персептрона Розенблата, що дає можливість змінювати чи уточнювати множину ознак ДІ з метою вибору таких джерел, котрі були б достатні для реалізації процесу тестування конкретної КС або її складової;

- вперше розроблено текстологічно-нейромережний метод пошуку ДІ для тестування КС та їх складових, суть якого полягає у визначенні тих складових тексту (текстів), котрі мають одночасно зв’язки з описом ОД та ознаками, що визначають корисність тексту. Розроблений метод відрізняється від відомих тим, що корисність джерела ДІ оцінюється за допомогою прямонапрямленої тришарової штучної нейронної мережі (ШНМ), а достатність - на основі застосування дискретної ШНМ Хопфілда. Це знімає необхідність аналізу всіх відомих текстів з наявністю ДІ про тестування КС або обмежує його оцінкою достатності, що в загальному підвищує ефективність процесу тестування КС за рахунок уникнення розгляду зайвих джерел ДІ;

- дістала подальшого розвитку архітектура відомих текстологічних інформаційно-пошукових систем за рахунок введення до її складу інтелектуальних компонентів, а саме бази та модуля ШНМ, що дало можливість скоротити процес пошуку ДІ для тестування КС чи її складових у сенсі достатності ДІ і цим самим уникнути повного аналізу всіх відомих чи зайвих джерел.

Обгрунтованість і достовірність наукових положень, висновків і рекомендацій. Наукові положення, висновки та рекомендації дисертаційної роботи обгрунтовані коректним використанням математичного апарату, успішною програмною реалізацією розроблених моделей, методу та системи і підтверджені імітаційним моделюванням.

Практичне значення одержаних результатів. Дослідження проводились з врахуванням наступної практичної їх реалізації. Результати досліджень складають основу розробленої системи пошуку діагностичної інформації для тестування КС.

Основні результати дисертації були впроваджені при розробленні системи пошуку ДІ для тестування комп’ютерних систем та їх складових на етапі експлуатації у Хмельницькій філії ВАТ “Укртелеком” та у навчальному процесі. Результати досліджень використовувались і використовуються при читанні лекцій і проведенні лабораторного практикуму з курсів “Комп’ютерні системи штучного інтелекту”, “Комп’ютерне моделювання”, “Технічна діагностика обчислювальних пристроїв і систем” у Чернівецькому та Хмельницькому національних університетах.

Практичні результати досліджень рекомендовано використовувати також при розробленні систем технічного діагностування та баз знань для них.

Особистий внесок здобувача. Всі основні результати дисертаційного дослідження, які представлено до захисту, одержані автором особисто. У друкованих працях, опублікованих у співавторстві, автору належать: концепція пошуку ДІ для тестування КС [2, 3, 10]; вперше розроблені нейромережні моделі пошуку ДІ, що визначають корисність та достатність ознак ДІ для тестування КС та їх компонентів у множині джерел [2, 3, 5]; розроблений текстологічно-нейромережний метод пошуку ДІ, що грунтується на визначенні тих складових тексту, які мають одночасно зв’язки з описом ОД та ознаками корисності ДІ, і визначає достатність цих ознак для тестування КС та його складових [2, 3, 4, 12]; удосконалена архітектура текстологічних інформаційно-пошукових систем, на базі котрої побудована система пошуку ДІ для тестування КС, що дає можливість уникати аналізу зайвих джерел ДІ [4]; дослідження і оцінка корисності та достатності ДІ для тестування КС з множини джерел ДІ проведені у системі Simulink [6].

Апробація результатів дисертації. Результати дисертаційної роботи доповідались на 8-ми міжнародних та всеукраїнських наукових конференціях: ІІІ Міжнародній науково-практичній конференції “Мікропроцесорні пристрої та системи в автоматизації виробничих процесів (м. Хмельницький, 13 - 16 травня 2004 р.), IV Міжнародній науково-практичній конференції “Комп’ютерні системи в автоматизації виробничих процесів (м. Хмельницький, 19 - 21 травня 2005 р.), VIII Міжнар. наук.-техн. конференції “Контроль і управління в складних системах”- КУСС-2005 (м. Вінниця, 24 - 27 жовтня 2005 р.), І Міжнародній наук.-техн. конференції “Гарантоспособные (надежные и безопасные) системы, сервисы и технологии” - DESSERT-2006 (м. Полтава, 25 - 28 квітня 2006 р.), V Всеукраїнської конференції молодих науковців “Інформаційні технології в освіті, науці і техніці”- ІТОНТ-2006 (м. Черкаси, 3 - 5 травня 2006 р.), XIII Міжнар. наук.-техн. конференції з автоматичного управління - Автоматика-2006 (м. Вінниця, 25 - 28 вересня 2006 р.), ІІ Міжнародній наук.-техн. конференції “Гарантоспособные (надежные и безопасные) системы, сервисы и технологии” - DESSERT-2007 (м. Кіровоград, 24-28 квітня 2007 р.), V Міжнародній науково-практичній конференції “Комп’ютерні системи в автоматизації виробничих процесів (м. Хмельницький, 17 - 19 травня 2007 р.).

Публікації. Основні результати дисертації опубліковані в 12-ти друкованих працях, з них 9 статей опубліковані у фахових наукових журналах (2 одноосібні), 8 - відповідають переліку ВАК, та 3 тези - у фахових збірниках науково-технічних конференцій.

Структура дисертації. Дисертаційна робота складається із вступу, чотирьох розділів, висновків, списку використаних джерел і додатків. Загальний обсяг роботи 205 сторінок. Основний зміст викладений на 148 сторінках. Робота містить 55 рисунків, 10 таблиць та 3 додатки. Список використаних джерел із 125 найменувань.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обгрунтовано актуальність тематики, визначено об’єкт та предмет досліджень, сформульовані мета і задачі, визначена наукова новизна та практична цінність одержаних результатів, а також відомості про апробацію роботи.

В першому розділі проведено аналіз комп’ютерних систем та їх складових як об’єктів діагностування, у зв'язку з переходом їх на нову елементну базу (інтегральні схеми) підвищеного ступеня інтеграції. При цьому були досліджені особливості КС як об’єктів діагностування, що проявилися в процесі аналізу методів та засобів тестування. Враховано також особливість, котра залежить від фактору часу – пошук несправностей в режимі реального часу під час експлуатації КС з перериванням цього процесу для пошуку несправностей і наступним продовженням використання КС за основним призначенням.

Проведено дослідження методів та засобів пошуку діагностичної інформації й виділено ряд рішень та перспективних напрямків досліджень в галузі інформаційного пошуку. За результами дослідження проведено класифікацію моделей, методів та засобів пошуку інформації, в тому числі і в мережі Інтернет.

На базі проведених досліджень було зроблено висновки про недосконалість методів та засобів пошуку інформації щодо пошуку саме діагностичної інформації, котра є необхідною для проведення процесу тестування (діагностування) КС та їх компонентів.

У першому розділі було визначено об’єкт та предмет дослідження, а також виконана постановка задачі, яка вирішується в наступних розділах.

В другому розділі запропоновано концептуальну модель пошуку діагностичної інформації для тестування комп’ютерних систем, суть якої полягає у скороченні часу пошуку діагностичної інформації за рахунок аналізу не всіх відомих джерел інформації, а тільки корисних і достатніх для розв’язку конкретної поставленої задачі тестування.

В основу пошуку діагностичної інформації за допомогою інформаційно-пошукової системи діагностування покладено принцип зняття невизначеності щодо діагностичної інформації для тестування конкретних комп’ютерних систем.

Визначення 1. Діагностичною інформацією вважатимемо таку інформацію, котра дає можливість розпізнавати технічний стан ОД.

Визначення 2. Діагностичною інформацією для тестування комп’ютерних систем вважатимемо таку інформацію, котра дає можливість розпізнавати технічний стан комп’ютерних систем як об’єктів діагностування.

Визначення 3. Джерелом діагностичної інформації для тестування КС вважатимемо такі літературні та електронні джерела, котрі містять ДІ для визначення технічного стану КС.

Для встановлення взаємозв’язоку ДІ з її джерелами введено поняття ознаки діагностичної інформації.

Визначення 4. Ознакою діагностичної інформації для тестування КС вважатимемо наявність у відомостях про КС повідомлень, що дають можливість визначати їх технічний стан або сприяють його визначенню.

Ознака ДІ, на відміну від загального поняття діагностичної інформації, несе у собі якісний і кількісний показники. При цьому слід мати на увазі, що саме пошук здійснюється відомими методами за розглянутими вище ознаками.

Визначення 5. У якості критерію корисності ДІ приймемо умовний ступінь наявності ДІ, що необхідна для реалізації тестування КС.

Загальна корисність джерела ДІ: , де - корисність (ступінь корисності) -ї ознаки ДІ джерела, що розглядається; - кількість ознак ДІ джерела, що розглядається. Ступінь корисності -ї ознаки ДІ встановлюється експертним шляхом.

Визначення 6. У якості критерію достатності ДІ приймемо умовний ступінь достатності ДІ для повної реалізації процесу тестування КС.

Загальна достатність ДІ: , де - достатність (ступінь достатності) -го джерела ДІ для реалізації процесу тестування КС; - кількість джерел ДІ.

Загальний алгоритм пошуку ДІ для реалізації процесу тестування КС показано на рис.1.

Рис. 1. Алгоритм пошуку ДІ для реалізації процесу тестування КС

Ідентифікація ДІ зі всіх відомих на сьогодні джерел інформації шляхом їх повного перебору взагалі неможлива за їх великої кількості та дуже різного змісту. Задача ускладнюється також і тим, що на сьогодні не існує формалізованих методів віднесення тієї чи іншої інформації до діагностичної, і інколи таке віднесення є досить сумнівним.

Для розв’язку цієї задачі застосовуємо компоненти теорії штучного інтелекту. В першу чергу такими компонентами є експертні знання про КС як об’єкт діагностування, котрі зберігаються у базі знань, теорія штучних нейронних мереж для заміни повного перебору джерел ДІ і конкретної ДІ з них визначенням цільової функції ШНМ, яка моделює пошук необхідної ДІ з врахуванням ступеня важливості ознак. Визначення цільової функції навченої ШНМ відповідатиме глобальному екстремуму, котрий і необхідно визначати.

Розглянемо процес моделювання пошуку ДІ у разі визначеної сталої кількості ознак ДІ (рис. 2).

Рис. 2. ШНМ, що моделює процес пошуку ДІ та визначення цільових функціоналів її корисності із заданою кількістю ознак ДІ

Мережа являє собою двошаровий прямонапрямлений персептрон. Входами мережі є задана множина ознак діагностичної інформації . Нейрони першого шару відповідають джерелам інформації взагалі, а нейрони другого шару - джерелам діагностичної інформації для тестування КС. Мережа (рис. 2) працює наступним чином. На входів ШНМ з бази знань (БЗ) поступають певні сигнали , що відповідають ознакам ДІ, котрі проходять по синапсах на нейрони першого шару ШНМ. Ваги синапсів відповідають корисності ознак і задаються множиною . На виходах нейронів утворюються сигнали, котрі відповідають оцінкам корисності ДІ для тестування КС: , де .

У якості активаційної функції приймаємо двійкову активаційну функцію. Це відповідатиме тому, що, якщо в елементі множини виявлена ознака ДІ, то нейрон буде активізованим, і значення сигналу буде більше нуля. Якщо ж в елементі множини не виявлена ознака ДІ, то нейрон не буде активізований, і значення сигналу на його виході дорівнюватиме нулеві.

Другий шар мережі складається з нейронів , що відповідають діагностичній інформації, яка корисна для тестування КП. Цільові функціонали визначаються за формулою: , при цьому приймемо рівною , тоді для нашого випадку . Тому активаційні функції можна позначити , а . Тоді: .

Навчання мережі здійснюється методом зворотного поширення помилки чи градієнтного спуску (Backpropagation) згідно парадигми навчання “З вчителем”.

Архітектура мережі, що моделює процес пошуку ДІ та визначення цільових функціоналів її достатності із зміною кількості ознак ДІ представлена (рис. 3) мережею структури двонапрямленої асоціативної памп’яті.

Функціювання мережі на першому етапі не відрізняється від попередньо розглянутої мережі. На наступному етапі вихідні сигнали подаються на входи ШНМ. Ці два етапи складають цикл роботи мережі. При реалізації кількох циклів (ітерацій) вектори сигналів на виходах обох шарів ШНМ наближаються до зразкових.

Розглянута ШНМ, що моделює процес пошуку ДІ із зміною кількості ознак, передбачає визначення цільових функцій кожного нейрона вихідного шару, тобто кожного джерела ДІ окремо. Але, як правило, одне джерело ДІ не має інформації, достатньої для тестування КС.

Рис. 3. ШНМ, що моделює процес пошуку ДІ та визначення цільових функціоналів її достатності із зміною кількості ознак ДІ

У такому разі постає задача оцінки достатності ДІ кількох джерел та визначення множини джерел, достатніх для тестування КП з конкретизацією джерел ДІ. Розв’язок цієї задачі моделює ШНМ, що представлена на рис. 4.

Рис. 4. ШНМ, що моделює процес пошуку ДІ та визначення її сумарної достатності

У порівнянні з попередньою ШНМ (рис. 3) вона має ще один шар, котрий складається з одного нейрона. Цей шар є вихідним. Він, включаючи входи , являє собою персептрон Розенблатта, де зміщення .

ШНМ працює ідентично попередньо розглянутій, з тими відмінностями, що функціонали, отримані на виходах нейронів шару ДІ, сумуються на нейроні , і з його виходу ми отримуємо сумований функціонал достатності ДІ для тестування КС. Для одержання бажаного результату з виходу нейрона утворено зворотний зв’язок, по котрому сумований сигнал подається на входи ШНМ для зміни або уточнення кількості ознак ДІ для тестування КС.

Запропонований варіант ШНМ дає можливість оцінити в загальному достатність ДІ, одержаної із заданої кількості джерел. У разі її недостатності необхідно змінити кількість ознак і, відповідно, кількість джерел інформації, у котрих відшукується ДІ.

В третьому розділі удосконалено архітектуру інформаційно-пошукової системи (ІПС) для тестування комп’ютерних систем та їх складових (рис. 5).

Рис. 5. Структурна схема ІПС для тестування КС

Система функціонує таким чином. З діалогового компоненту (ДК) на системи інформаційного пошуку (СІП) подається інформація про КС, для якої потрібно відшукати інформацію про її тестування. Одночасно в експертній системі ознак (ЕСО) на основі інформації про ОД (КС) формуються ознаки ДІ, котрі запам’ятовуються в модулі БЗ і передаються з неї у СІП. СІП, проаналізувавши інформацію (І) з джерел інформації, відшуковує діагностичну інформацію і передає її для кодування за присутністю чи відсутністю ДІ для тестування КС у БЗ, з якої присвоєні їй коди ознак (КО) та коди корисності ознак (ККО) передаються у модуль ШНМ. ШНМ після навчання видає на виході цільову функцію , яка у СІП порівнюється з . Якщо , то ДІ вважається достатньою для тестування КС, і вона переписується у модуль збереження достатності діагностичної інформації для тестування КС (ДДІ) та передається на систему тестового діагностування (СТД) або у розпорядження діагноста. На цьому процес пошуку ДІ закінчується.

Cуть текстологічно-нейромережного методу пошуку ДІ полягатиме у визначенні тих складових тексту , котрі мають одночасно зв’язки між описом ОД та ознаками діагностичної інформації. Якщо такі складові у тексті є, то вони вважаються корисними, а корисність визначається за допомогою ШНМ, яка навчена, і її вагові зв’язки відображають залежності між текстом і його корисністю.

У зв’язку з тим, що певна складова тексту може мати кілька ознак ДІ (у нашому випадку кілька зв’язків), то загальна корисність складової тексту - вага корисності визначиться за формулою: , де - сумарна кількість ознак ДІ об’єкта діагностування, що розглядається; - кількість зв’язків -ї складової тексту з ознаками ДІ. Зауважимо, що формула дійсна при умові, коли всі ознаки ДІ мають однакову вагу . У разі їх нерівності визначиться за формулою: , де - -та ознака ДІ об’єкта діагностування; - вага -ї ознаки ДІ; - загальна кількість ознак ДІ; - -й зв’язок складової тексту з ознаками ДІ; - вага -ї ознаки ДІ; - кількість зв’язків складової тексту .

Для розроблення бази знань ключових слів розроблено структуру таблиць ключових слів. ДІ і відповідні ключові слова можуть відшукуватись як у заздалегідь відомих текстах з предметної галузі, так і у невідомих текстах.

Визначення 7. Частотним коефіцієнтом ключового слова для розділу (структурної частини) тексту назвемо кількість разів виявлення цього слова у відповідному розділі .

Визначення 8. Відносною оцінкою частотного коефіцієнта ключового слова назвемо відношення його частотного коефіцієнта до загальної кількості значущих слів розділу тексту (іменників, прикметників, дієслів): =/.

Визначення 9. Сумарною відносною оцінкою частотних коефіцієнтів -ї складової опису ОД розділу тексту назвемо значення: , де - номер складової опису ОД; - розділ тексту; - кількість відносних оцінок частотних коефіцієнтів ключових слів для розділу тексту; - відносні оцінки частотних коефіцієнтів тих ключових слів, які входять до -ї складової опису ОД.

Рис. 6. Схема пошуку ДІ

Архітектуру ШНМ для визначення корисності тексту та його складових (розділів) наведено на рис. 7.

Перевагою запропонованої архітектури є можливість одержання значень оцінки корисності всього тексту та за бажанням - оцінки корисності окремих розділів тексту.

Обмеження мережної архітектури за допомогою локальних зв’язків між вхідним та першим шарами ШНМ забезпечує вбудовування апріорної інформації в структуру нейронної мережі, а саме: розгляд розділів тексту як незалежних джерел діагностичної інформації. Повнозв’язність першого та другого шарів нейромережі дозволяє відобразити загальну оцінку взаємовпливу кількісних об’ємів діагностичної інформації у різних структурних одиницях тексту.

Рис. 7. Архітектура ШНМ для визначення корисності тексту та його складових

Третій шар нейромережі є умовним. Він забезпечує можливість одержання оцінки корисності кожного розділу тексту. Оцінки корисності не передбачають взаємовпливів структурних одиниць тексту, тому між другим та третім шаром повнозв’язність відсутня.

Вихідний шар дає оцінку корисності усього тексту як джерела діагностичної інформації.

Для обрання мережі рекомендованої теми пошуку (яка саме діагностична інформація відшукується) перед пошуком необхідно відредагувати набори ключових слів та фраз і відібрати у тимчасову БЗ саме ті, що цікавлять користувача. Тобто у БЗ формуються тематичні набори ключових слів.

Для навчання ШНМ було використано набір 80 текстів, присвячених діагностуванню КС та їх компонентів. Проведено навчання ШНМ за декількома різними методами.

Алгоритм градієнтного спуску Полака-Рибейри та деякі інші методи навчання ШНМ дали значні розбіжності між точністю апроксимації для навчальної та тестової вибірок, що свідчить про наявність факту перенавчання ШНМ.

Найкращі результати дали алгоритм градієнтного спуску з параметром швидкості налагоджування та алгоритм градієнтного спуску зі збуренням. Вони і були обрані у якості базових для навчання ШНМ оцінки корисності ДІ.

Значення вагових коефіцієнтів ШНМ, одержаних після навчання заноситься у БЗ.

Засобом оцінки достатності ДІ є асоціативна пам’ять. У якості асоціативної пам’яті будемо розглядати рекурентну нейронну мережу, стан рівноваги котрої співпадає з цим цільовим вектором.

На вхід ШНМ подається вектор для деякого тексту у якості початкової умови. Результатом функціювання ШНМ буде положення рівноваги, що дає змогу асоціювати вектор входу з оцінкою достатності ДІ у цьому тексті.

Якщо оцінка достатності ДІ тексту є нижчою, ніж потрібно для успішного процесу тестування КС, то береться вектор наступного тексту і знаходиться сумарна оцінка корисності: .

Вона подається у ШНМ в якості початкової умови.

Накопичення сумарної оцінки корисності: здійснюється доти, поки положення рівноваги асоціативної пам’яті не буде відповідати асоціації з відповідною оцінкою достатності ДІ для текстів.

У алгоритмі навчання до складу навчальної вибірки входять лише ті набори значень оцінок корисності, для яких оцінка достатності дорівнює 1. Вони і є стійкими точками - атракторами мережі.

В четвертому розділі проведено опис розроблених засобів пошуку діагностичної інформації для тестування КС.

Відповідно до запропонованої архітектури ШНМ оцінки корисності текстів було побудовано її представлення у системі Matlab. Ініціалізація ваг усіх шарів ШНМ здійснюється на основі діапазону [-1, 1]. Критерієм якості навчання є сума квадратів помилок навчання.

Розроблене програмне забезпечення для опрацювання текстів з діагностичною інформацією складається з трьох модулів та займає 1,31 Мбайт. Дана програма використовує базу даних, котра складається із чотирьох таблиць типу “Paradox ”: Osn_base, Bazaznan, Statti, Koef.

Проведено дослідження процесу пошуку діагностичної інформації, що стосується тестування системної плати ASUS P4T-M та КС SUN Ultra Enterprise 450. Для цього використано інформаційно-пошукові системи мережі Інтернет – Google та Rambler. У поле для задавання ключових слів пошуку вводилася інформація, що описує суть запиту – тестування, діагностування та модель ОД.

Графіки залежностей часу пошуку діагностичної інформації, що стосується ОД1 й ОД2, від номера запиту пошуку зображено на рис. 9 - 12.

Рис. 9. Графіки залежностей часу пошуку діагностичної інформації,

що стосується ОД1, від номера запиту: 1 - розроблені засоби; 2 - ІПС Google |

Рис. 10. Графіки залежностей часу пошуку діагностичної інформації,

що стосується ОД1, від номера запиту: 1 - розроблені засоби; 2 - ІПС Rambler

Рис. 11. Графіки залежностей часу пошуку діагностичної інформації,

що стосується ОД2, від номера запиту: 1 - розроблені засоби; 2 - ІПС Google |

Рис. 12. Графіки залежностей часу пошуку діагностичної інформації, що стосується ОД2, від номера запиту: 1 - розроблені засоби; 2 - ІПС Rambler

Оцінено ефективність розроблених засобів пошуку ДІ та проведено розрахунок коефіцієнта готовності для ОД1 і ОД2.

ВИСНОВКИ

У дисертаційній роботі поставлено і вирішено актуальну наукову задачу розробки нейромережних моделей, методів та засобів пошуку діагностичної інформації для тестування комп’ютерних систем та їх компонентів з урахуванням корисності та достатності ДІ.

Основні наукові і практичні результати роботи полягають у наступному.

1. Вперше запропонована концепція пошуку ДІ для тестування КС, яка на відміну від відомих грунтується на поточній оцінці корисності та достатності ознак відшукуваної ДІ, що підвищує ефективність процесу діагностування.

2. Розроблені нові нейромережні моделі пошуку ДІ, які грунтуються на парадигмах прямонапрямленого персептрона, двонапрямленої асоціативної пам’яті та персептрона Розенблата. Вони дають можливість змінювати чи уточнювати множину ознак ДІ, що подається у вигляді змінних у нейромережну модель, а це, в свою чергу, сприяє вибору таких джерел інформації, котрі необхідні для реалізації процесу тестування КС.

3. Вперше розроблено текстологічно-нейромережний метод пошуку ДІ для тестування КС, суть якого полягає у визначенні тих складових тексту, котрі мають зв’язки з описом об’єкта діагностування та ознаками, що визначають корисність тексту, де корисність джерела оцінюється за допомогою двонапрямленої тришарової ШНМ, а достатність - за допомогою дискретної ШНМ Хопфілда. Це сприяє уникненню розгляду зайвих джерел ДІ.

4. Удосконалено архітектуру відомих текстологічних інформаційно-пошукових систем за рахунок введення до її складу інтелектуальних компонентів, а саме бази та модуля ШНМ, що дало можливість скоротити процес пошуку ДІ для тестування КС у сенсі її достатності і, відповідно, уникнути повного аналізу всіх відомих чи зайвих джерел ДІ.

5. У результаті дослідження було доведено, що для навчання ШНМ, на котрих грунтується текстологічно-нейромережний метод пошуку ДІ, найкращими є методи порогового алгоритму оберненого поширення помилки та алгоритм градієнтного спуску Моллера, а кількість ітерацій при навчанні має бути в межах 400 - 600. Це дає змогу досягти точності навчання при мінімальній кількості помилок. Показано, що такої точності достатньо для коректної оцінки корисності текстів щодо наявності та достатності ДІ.

6. Розроблені в дисертаційній роботі засоби пошуку ДІ підвищують ефективність процесу тестування комп’ютерних систем та їх складових за рахунок зменшення часу на пошук діагностичної інформації для його реалізації на 30 %, коефіцієнта готовності КС на 8%. Результати досліджень впроваджені на Хмельницькій філії ВАТ “Укртелеком”, що займаються діагностикою комп’ютерних систем на етапі експлуатації, а також у навчальному процесі Чернівецького та Хмельницького національних університетів.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Ляшкевич В.Я., Федорук В.І.Алгоритм інтелектуальної діагностуючої програми персонального комп’ютера //Вісник Технологічного університету Поділля. – 2004. – № 2. – Ч.1., Т.1. – С.68-74.

2. Локазюк В.М., Ляшкевич В.Я. Проблеми розроблення інформаційно-пошукової системи діагностування комп’ютерних пристроїв // Вісник Хмельницького національного університету. – 2005. – № 4. – Ч.1., – Т.2. – С.169-175.

3. Локазюк В.М., Ляшкевич В.Я. Концептуальна модель пошуку діагностичної інформації для тестування комп’ютерних пристроїв // Міжнародний науково-технічний журнал “Інформаційні технології та комп’ютерна інженерія”. – Вінниця: ВНТУ. – 2005. – №3. – С. .

4. Локазюк В.М., Ляшкевич В.Я. Інформаційна система пошуку діагностичної інформації мікропроцесорних пристроїв //Науково-технічний журнал “Радіоелектронні і комп’ютерні системи”. – Харків: Національний аерокосмічний університет ім. М.Є. Жуковського “Харківський авіаційний інститут”. – 2006. – № 6 (18). – С.103-109.

5. Ляшкевич В.Я. Модель пошуку діагностичної інформації для тестування комп’ютерних пристроїв // Вісник Чернівецького національного університету. – 2006. – № 303. – C. 94-100.

6. Ляшкевич В.Я. Оцінка корисності та достатності діагностичної інформації для тестування комп’ютерних засобів у системі Simulink // Вісник Хмельницького національного університету. – 2006. – № 6 (87). – С.77-85.

7. Локазюк В.М., Ляшкевич В.Я., Олар О.Я. Розроблення програмного забезпечення для опрацювання текстів з діагностичною інформацією //Науково-технічний журнал “Радіоелектронні і комп’ютерні системи”. – Харків: Національний аерокосмічний університет ім. М.Є. Жуковського “Харківський авіаційний інститут”. – 2007. – № 6 (25). – С.123-129.

8. Локазюк В.М., Ляшкевич В.Я. Оцінка ефективності використання текстологічно-нейромережного методу та засобів пошуку діагностичної інформації // Вісник Хмельницького національного університету. – 2007. – № . – Т.1. - С.160-166.

9. Локазюк В.М., Ляшкевич В.Я. Текстологічні методи пошуку діагностичної інформації для тестування комп’ютерних пристроїв // Збірник матеріалів 13 міжнародної науково-технічної конференції “Автоматика-2006”. – Вінниця: УНІВЕРСУМ. – 2007. – С.397-405.

10. Локазюк В.М., Ляшкевич В.Я. Концептуальна модель пошуку діагностичної інформації для тестування комп’ютерних пристроїв //Тези доповідей VIII Міжнародної науково-технічної конференції “Контроль і управління в складних системах” (КУСС-2005), 24-27 жовтня. – Вінниця: УНІВЕРСУМ. – 2005. – С. .

11. Олар О.Я., Ляшкевич М.Ю., Ляшкевич В.Я. Технологічні проблеми пошуку інформації в мережі Інтернет //Матеріали V Всеукраїнської конференції молодих науковців “Інформаційні технології в освіті, науці і техніці” (ІТОНТ-2006), 3-5 травня. – Черкаси: ЧНУ. - 2006. – С. .

12. Локазюк В.М., Ляшкевич В.Я. Текстологічні методи пошуку діагностичної інформації для тестування комп’ютерних пристроїв //Тези доповідей XIII Міжнародної науково-технічної конференції з автоматичного управління (Автоматика-2006), 25-28 вересня. – Вінниця: УНІВЕРСУМ. - 2006. – С. 352.

АНОТАЦІЇ

Ляшкевич В.Я. Текстологічно-нейромережний метод та засоби пошуку діагностичної інформації для тестування комп’ютерних систем. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.13 – Обчислювальні машини, системи та мережі. – Тернопільський національний економічний університет, Тернопіль, 2007.

Дисертація присвячена вирішенню актуальної науково-технічної задачі – підвищення ефективності процесу тестування КС. В ході дослідження було виявлено недоліки та складності застосування відомих методів пошуку діагностичної інформації. Запропоновано нову концептуальну модель, яка за рахунок аналізу не всіх доступних джерел інформації, скорочує час пошуку саме ДІ для успішного проведення процесу тестування КС, дозволяє використовувати штучну нейронну мережу для оцінки корисності ДІ, та штучну нейронну мережу для оцінки достатності ДІ. На основі концептуальної моделі розроблено текстологічно-нейромережний метод пошуку діагностичної інформації для тестування КС, що дозволив врахувати особливості КС як об’єктів діагностування та скоротити час пошуку ДІ. Для навчання штучних нейронних мереж розроблено програмне забезпечення для опрацювання текстів з діагностичною інформацією. Доведено також ефективність розроблених засобів пошуку ДІ у порівнянні з популярними інформаційно-пошуковими системами Google та Rambler.

Ключові слова: технічна діагностика, тестування, діагностування, пошук інформації, діагностична інформація, штучні нейронні мережі, нейромережний метод пошуку діагностичної інформації, текстологічні методи пошуку інформації.

Ляшкевич В.Я. Текстологически-нейросетевой метод и средства поиска диагностической информации для тестирования компьютерных систем. – Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.13 – Вычислительные машины, системы и сети. – Тернопольский национальный экономический университет, Тернополь, 2007.

Диссертация посвящена решению актуальной научно-технической задачи – повышению эффективности процесса тестирования компьютерных систем (КС) за счет сокращения времени поиска диагностической информации для проведения тестирования. В процессе исследования были выявлены недостатки и сложности применения известных моделей и методов поиска диагностической информации. Проведен анализ особенностей компьютерных систем как объектов диагностирования, а также диагностического обесспечения, необходимого для тестирования КС.

Предложена новая концептуальная модель, которая за счет анализа части доступных источников информации, сокращает время поиска диагностической информации для успешного проведения процесса тестирования КС.

Определены смысл и признаки диагностической информации, источников диагностической информации, а также место их нахождения. Введены и определены критерии полезности и достаточности, которые оценивают диагностическую информацию за качественными и количественными показателями.

В основе разработанной модели поиска диагностической информации лежит использование искусственной нейронной сети для оценки полезности диагностической информации, и искусственной нейронной сети для оценки достаточности диагностической информации. Нейросетевая модель даёт возможность совершать поиск диагностической информации за разным количеством признаков диагностической информации.

Согласно концептуальной модели поиск разбит на несколько этапов. Сначала поиск информации совершается известными методами. Далее определяется полезность анализированного документа. В случае, когда суммарная оценка полезности документов достигает определенной достаточности диагностической информации, поиск останавливается.

На основе концептуальной модели усовершенствована архитектура современных поисковых систем за счет внедрения модуля искусственных нейронных сетей, который анализирует документ и определяет его полезность к процессу тестирования КС, а также – достаточность найденной диагностической информации.

С целью реализации поиска диагностической информации разработан текстологически-нейросетевой метод поиска диагностической информации для тестирования КС, который разрешил учесть особенности КС как объектов диагностирования и сократить время поиска диагностической информации. Рассмотрены техническое описание и технические характеристики двух объектов диагностирования.

Суть текстологически-нейросетевого метода поиска диагностической информации лежит в определении тех частей текста, которые одновременно имеют связи между описанием объекта диагностирования и признаками диагностической информации. Если такие есть, то они считаются полезными. Полезность определяется искусственной нейронной сетью, которая уже обучена, а ее весовые коэффициенты отображают зависимости между текстом и его полезностью.

Для оценки присутствия диагностической информации в текстовом документе введены понятия частотного коэффициента ключевого слова, относительной оценки частотного коэффициента ключевого слова, суммарной относительной оценки частотного коэффициента ключевого слова.

Разработана структура базы знаний для реализации текстологически-нейросетевого метода поиска диагностической информации. Для обеспечения возможности реализации разработанных алгоритмов в базу знаний информационной системы вносятся файлы из необходимой информацией.

Для обучения искусственных нейронных сетей разработано программное обеспечение для обработки текстов с диагностической информацией, которое позволяет анализировать документ, выявлять в нем ключевые слова, и формировать обучающие векторы согласно определенных числовых коэффициентов.

Проведено имитационное моделирование искусственных нейронных сетей в среде технологического пакета MatLab 7.0.1, которое показало работоспособность искуственных сетей и возможность их практического использования.

В качестве примера практической реализации текстологически-нейросетевого метода проведены эксперименты, которые доказали эффективность разработанных средств поиска диагностической информации в сравнение с популярными информационно-поисковыми системами Google и Rambler.

За результатами проведенных экспериментов проведены рассчеты ефективности использования разработанных средств. При учете времени поиска проведены расчеты коэффициента готовности объектов диагностирования.

Ключевые слова: техническая диагностика, тестирование, диагностирование, поиск информации, диагностическая информация, искусственные нейронные сети, нейросетевой метод поиска диагностической информации, текстологические методы поиска информации.

Lyashkevych V.Ya. Logical Text – neuralnets method and query facilities of diagnostic information for testing of the computer systems. - Manuscript.

Thesis for candidate degree by speciality 05.13.13 - Calculable machines, systems and networks .- Ternopil National Economic University, Ternopil, 2007.

Dissertation is devoted to the decision of actual scientific and technical task - rise of efficiency of process of testing of the computer systems (CS). In the process of research, failing and complications of application of the known methods of diagnostic information retrieval was exposed. A new conceptual model which due to the analysis of not all accessible information generators is offered, abbreviates time of exactly diagnostic information retrieval for the successful conducting of process of the CS testing, settles to use an artificial neuron network for estimation of utility of diagnostic information, and artificial neuron network for estimation of sufficient of diagnostic information. On the basis of