Агент и агентные задачи системы анализа изображений

Цибульский Г.М. (tcgm@fivt.krasn.ru), Латынцев А.А. Красноярский государственный технический университет

Можно констатировать, что к настоящему времени концепция понятия агент сформирована [1]. Однако теория агента продолжает формироваться и по настоящее время [2-4], например, нет исчерпывающего удовлетворяющего исследователей различных направлений определения понятия агента, не определены задачи, на решение которых должен быть ориентирован агент. Именно в этой связи в настоящей работе и рассматриваются сформулированные вопросы применительно к задачам анализа сложных изображений.

Понятия задачи и решающей системы последовательно формулировались Месаровичем, Амарэлом, Р.Б.Банерджи, Д.Пойа, Е.Ефимовым, В.П.Гладуном [5-10]. Задачу далее будем представлять как тройку:

З = < К, Ка, Кт >,

где К - необходимое для решения задачи знание об исследуемом объекте и знание о способе решения задачи; Ка - исходная информация (знание) об исследуемом объекте (актуальная модель исследуемого объекта); Кт -требуемая модель исследуемого объекта.

Задача - ситуация, в которой для некоторой области действительности (оригинала) заданы модели существующего и требуемого состояний оригинала.

Решением задачи называется процесс преобразования модели существующего состояния оригинала в модель требуемого состояния: Ка — Кт .

Система, реализующая решение задачи, называется решающей системой. Решение сложной задачи расчленяется на отдельные действия решающей системы и в целом может быть представлено как последовательность этих действий. Представление решения задачи в виде последовательности действий решающей системы есть путь решения задачи.

Если путь решения исходной задачи известен априори, то соответствующая решающая система называется решающей системой первого рода. Если же путь решения исходной задачи априори неизвестен, то решающая система, ориентированная на решение подобных задач, называется решающей системой второго рода [10].

Наряду с путём решения задач выделяют такое понятие как способ (схема) решения задач. Способ (схема) решения задач - это некоторое знание о том, как строить путь решения задач, на решение которых ориентирована

решающая система. Для решающих систем второго рода способ решения задач - поиск.

Обратим внимание на то, что модели актуального и требуемого состояний оригинала заданы априори. Они заданы как совокупность ограничений и допущений, которым должны удовлетворять описания текущей ситуации и реакция решающей системы на текущую ситуацию. Обсуждаемые модели являются описаниями эталона всех возможных воздействий среды на решающую систему и эталона всех реакций решающей системы на определённый класс воздействий среды. Таким образом, решающая система всегда находится в некоторой среде. Она способна воспринимать только определённый класс воздействий среды, но и на среду она должна воздействовать нормативно, не нарушая целостность среды.

Задачи решающих систем второго рода варьируются от простых задач (малая область поиска, предметная область статична, описана одной моделью, данные точны и не содержат ошибок) до сложных задач (большое пространство поиска, динамичность модели предметной области, неполнота модели описания, неопределённость исходных данных) [11].

Мерой сложности задач является степень неопределённости их формулировки: параметрическая неопределённость, функционально-структурная неопределённость, неопределённость по статической структуре оригинала, неопределённость по оригиналу (по границе раздела оригинала и его среды), неопределённость по целям исследования. Решающие системы второго рода ориентированы на решение задач, формулировка которых допускает наличие хотя бы двух первых видов неопределённости, что характерно, например, для традиционных экспертных систем.

Другой мерой сложности задач решающих систем второго рода является объём поиска, который требуется осуществить для их решения. В этой связи под простыми задачами решающих систем второго рода будем далее понимать такие задачи, решение которых находится методом одношагового поиска. Тогда решение простой задачи может быть описано следующей продукцией:

(I), S; Р; ЕСЛИ (условие) ТО (действие); N,

где I - имя продукции (имя системы, реализующей продукцию); S -анализируемая ситуация (воздействие среды на систему); Р - предикат, определяющий условие применимости продукции; N - постусловие продукции, определяющее характер реакции системы на отношение среды к действию системы; ЕСЛИ (условие) ТО (действие) - ядро продукции; (условие) - описание, которому должна удовлетворять анализируемая ситуация; (действие) - описание реакции системы на возникшую в среде ситуацию.

Решающие системы второго рода, ориентированные на решение простых задач, будем далее называть агентом.

Среда агента определяет весь набор сопутствующих задач агента, необходимость в решении которых может возникнуть при достижении агентом основной цели. Среда агента состоит, по крайней мере, из 1) знака, посредством которого агент информируется об оригинале; 2) пользователя; 3) соседей (агенты, с которыми рассматриваемый агент может вступать в контакт).

Все задачи агента можно рассматривать как типовые задачи опознавания [12]. Однако с учётом конечности знаний задачи агента должны быть сформулированы следующим образом: Если задан некоторый критерий компактности s, задано признаковое пространство Х} и совокупность классов Wi своими представителями Хср, то всякий объект относится к некоторому классу Wi, если расстояние до представителя этого класса текущего объекта удовлетворяет критерию компактности: ЕСЛИ (Х -Хср < s), ТО Wi.

Предъявленный для классификации объект может не попасть в один из известных системе кластеров, в этом случае он попадает в неизвестную системе область пространства признаков. В последнем случае возникает задача обучения агента с конкретно определённой целью: в пространстве признаков образовать новый кластер. Образование нового кластера осуществляется на основе выборочных данных, либо на основе данных о прецеденте. При этом задача обучения (вторая типовая задача с учётом конечности знаний агента) может рассматриваться как задача получения классификатора, обеспечивающего отнесение неизвестного объекта к одному из априори известных после обучения классов: Дано: алфавит S = Si,s2,...,Sk (имена классов), набор признаков Х = х1 ,х2 , хп (признаковое пространство), представители разных классов Э = э1, э2, эк, критерий компактности Е = sh s2, ... бк , обучающая выборка (данные о прецеденте). Найти s^j, эк+1, ек+1.

Непересекаемость кластеров в пространстве свойств, как важнейшая предпосылка решения указанных задач формулируется следующим образом [12]: "Образы называются s-не пересекаемыми, если при неограниченном возрастании объёмов выборок всех образов минимальное взаимное расстояние между реализациями различных классов остаётся не менее некоторой конечной величины s".

Простота рассмотренных задач состоит в том, чтобы получить описание, разделяющее классы объектов с точностью до их отличия друг от друга. При этом раскрытие и описание содержания каждого класса объектов остаются вне указанных задач. Ограничение общей цели исследования для рассмотренных задач позволяет алфавит распознаваемых классов объектов описывать с помощью единого набора признаков, одинакового для всех классов. Отсюда и мера сходства объектов строится на основе понятия «метрической близости» их образов. Значение меры близости образов в пространстве свойств (значение критерия компактности) определяется на