Когнітивна графіка. Когнітивна комп'ютерна графіка

Презентація з дисципліни: "Комп'ютерна графіка" на тему: "Когнітивна комп'ютерна графіка" Виконав:
Студ.гр. ГК-308
Григорян С.С.
Перевірила:
к.е.н., ас. Кадирова О.М.

Когнітивна комп'ютерна графіка

Базою когнітивної комп'ютерної графіки є потужні ЕОМ та високопродуктивні засоби візуалізації.

Основні завдання когнітивної комп'ютерної графіки

Розпізнавання образів та когнітивна графіка

В.М. Хачумів,

д.т.н., проф., зав. лаб, vmh@ vmh. botik. ru, ІПС РАН

г.н.с.,vmh@ isa. ru, ІСА РАН,

ІСА РАН, м. Москва; ІПС РАН, м. Переславль-Заліський

Вступ

В основу доповіді покладено дослідження, які виконувались протягом ряду останніх роківв Установах Російської академії наук Інституті програмних систем ім. А.К.Айламазяна РАН (ІПС РАН) та Інституті системного аналізуРАН (ІСА РАН). Вони відображають результати співробітництва у галузі розпізнавання образів та підтримки прийняття рішень з такими установами як: НІЦЕВТ, РНДІ космічного приладобудування, НДІ космічних систем. Раніше велися роботи з РКК «Енергія» ім. С.П. Корольова у співдружності з Російським державним науково-дослідним випробувальним центром підготовки космонавтів імені Ю.А.Гагаріна» (РДНДІЦПК). Існує нерозривний взаємозв'язок дисциплін, необхідних для практичного вирішення складних технічних завдань обробки знімків та розпізнавання образів у різних додатках.

рис.1. Взаємозв'язок дисциплін

Якщо головною дисципліною тут вважати «розпізнавання образів», то дві інші (обробка сигналів, машинна графіка) є обслуговуючими. Однак це обслуговування, спрямоване на підготовку даних, за обсягом обчислень суттєво перевищує основний напрямок. Багато алгоритмів машинної графіки та обробки сигналів, необхідні вирішення завдань розпізнавання образів, були розроблені в 1981-1984 роках в Інституті проблем управління РАН в лаб. №18. Сюди можна віднести алгоритми відсікання, визначення орієнтації плоских та просторових графічних образів, спектрального аналізутипових кривих на основі ДПФ та інші.В цей час було актуальним занурення алгоритмів машинної графіки до спеціалізованих обчислювальних структур. Весь напрацьований арсенал алгоритмів виявився корисним згодом під час вирішення завдань інтелектуалізації наземної станції командно-вимірювальної системи (НС КІС) з підвищення її автономності і функціональності. Причому основний наголос робився на використання штучних можливостей нейронних мереж(ІНС) як ефективні розпізнавачі. Стало актуальним завдання побудови когнітивних (що сприяють розумінню) графічних образів, як космічних, і медичних додатків.

1. Розпізнавання графічних образів

Об'єктом застосування методів розпізнавання графічних образів і когнітивної графіки стала перспективна НР КІС, орієнтована на обробку інформації з супутників. Перелічимо деякі завдання обробки космічної інформації:

1) виявлення локальних об'єктів на аерокосмічних знімках,

2) кластеризація та розпізнавання цільових об'єктів,

3) визначення розташування об'єкта в заданій системі координат,

4) стиск та відновлення графічної інформації,

5) фільтрація,

6) прогнозування даних телеметрії (тимчасових рядів),

7) виявлення несправностей та НШС.

Технологію первинної обробки інформації складають хвильові алгоритми виділення об'єктів на знімках, методи видалення свідомо неправдивих об'єктів та нормалізації претендентів на розпізнавання. Велике значення для якості роботи ІНС має приведення графічних об'єктів до стандартного вигляду у сенсі орієнтації та масштабу.

ІНС використовуються в самому кінці технологічного ланцюжка, причому від якості передобробки та типу нейронної мережі значною мірою залежить результат розпізнавання. Це пов'язано з великою чутливістю ІНС до наявності шумів, становищу і масштабу образу і т.д.

Крім типових мереж можна формувати спеціальні мережі. Результати роботи нейронних мереж (переважно використовувалися мережі прямого поширення, Хеммінга і Кохонена): приблизно 60%-80% правильного розпізнавання. Результат вдається дещо поліпшити за рахунок застосування комітетів ІНС.

Для поліпшення результатів відокремлення цільових об'єктів від помилкових використано комплекс методів спеціальної обробки, у тому числі методи виділення контурів, стиснення простору ознак, виділення «скелетного зображення» та ін.

Так, наприклад, завдання визначення повітряної мети вимагає використання технології виділення контурів, обчислення інваріантних моментів і застосування узагальненої метрики Евкліда-Махаланобіса.

Важливе за значимістю прикладне завдання – виділення регіонів. Регіон - це область на космічному знімку, яка представляє з ряду причин інтерес для користувача. Запропонована технологія формування еталонних текстур та узагальнена метрика вирішують досить впевнено поставлене завдання навіть без знання спектральних характеристик точок поверхні, які отримують із супутників у результаті дистанційного зондування Землі.

Узагальнена метрика універсальна. Вона на відміну метрики Махаланобиса застосовна у випадках, коли виділена область містить абсолютно однакові чи дуже близькі за яскравістю пікселі, тобто. коли немає розкиду параметрів яскравості.

Інше не менш важливе завдання – стиск та фільтрація графічної інформації. Фільтрація здійснюється мережею Хопфілда, а стиснення мережею Кохонена. Мережа Кохонена програє за інших рівних умов алгоритму JPEG -2000, але тут має місце елемент захисту, т.к. без знання налаштувань мережі розшифрувати цільову інформацію неможливо.

Окремий напрямок досліджень пов'язаний з аналізом зображень для медичних додатків. Вихідні дані у вигляді наборів ознак та відповідних їм класів отримують на основі спостереження під мікроскопом

графічних зображень зразків біологічної рідини пацієнтів (фацій) Для розпізнавання використовують знання експертів – висококваліфікованих лікарів, які надаються у вигляді прецедентів.

Діагноз ступеня захворювання на сечокам'яну хворобу (норма, низька, помірна, висока) пацієнта отримують на основі автоматичного вимірювання кольорово-яскравих характеристик напівтонового знімка. Ознаки відображають співвідношення чорного та білого кольорів відповідно у білковій та кристалічній зоні фації, кореляцію яскравостей зображень білкової та кристалічної зон та інші співвідношення, на основі яких вдається побудувати діагноз з використанням дерев розв'язування та нейронних мереж.

2. Когнітивна графіка

В даний час немає єдиних принципів когнітивного відображення інформації, але є розуміння того факту, що графічні образи здатні нести в собі в стислій і одночасно з цим доступною для користувача формі достатню інформацію для прийняття адекватного рішення. Кожен образ створюється індивідуально з урахуванням конкретної прикладної галузі, вивчається у процесі життєвого циклу об'єкта та інтерпретується експертом із використанням накопичених знань. Багатовимірні дані за допомогою ЕОМ можуть бути співвіднесені до когнітивного графічний образу вигляді інтегральних функціональних профілів чи сцен, що відбивають особливості стану об'єкта. Єдиний математичний апарат аналізу та загальні методи візуалізації багатовимірних даних нині відсутні. Очевидно, мова може йти про інтеграцію та оптимізацію таких уявлень стосовно конкретних прикладних областей.

Для побудови схеми розв'язання задачі розпізнавання образів зручно користуватися засобами графічного інтерфейсу, які дозволяють формувати алгоритм обробки даних підключенням відповідних виконавчих модулів, а й відслідковувати порядок рішення у поступовій динаміці шляхом колірної підсвічування відповідних зв'язків.

Для контролю настроювання ІНС з невеликою кількістю нейронів застосовується спеціальний графічний динамічний образ. Таке уявлення дозволяє бачити стан мережі, знаки коефіцієнтів (синій та червоний кольори) та величини вагових коефіцієнтів шляхом їх відображення відтінками синього та червоного кольорів.

Виконувалися роботи з візуалізації космічної інформації підвищення оперативності роботи операторів. Пуск ракети космічного призначенняохоплює близько 20 процесів та візуалізується у вигляді когнітивної кругової діаграми. Активні процеси відображаються темно-зеленими секторами, неактивні – світло-зеленими. Червоним кольором виділяється стан підсистеми, де має місце збій. Можлива поломка підсистеми представляється графічним чином другого рівня. Якщо підсистема, що спостерігається, характеризується сукупністю вимірюваних параметрів, то виникає кільцеве зображення третього типу, що контролює вихід за допустимі межі окремих параметрів.

За загальним станомНС КІС стежить спеціальний інтерфейс, забезпечений когнітивним графічним доповненням. Якщо якийсь із параметрів вийшов з норми, то відмінний колір сектора узагальненого образу дає знати про те, де відбулися збої в роботі системи або виникли несприятливі умови. Когнітивне доповнення до інтерфейсу НС КІС має дворівневу систему вкладення.

Контроль справності датчиків положення космічного апарату реалізується шляхом візуалізації тривимірної моделі, підключеної до потоку телеметрії. По поведінці моделі легко виявляються збої конкретних датчиків.

Спільно з Центром підготовки космонавтів розроблено когнітивне відображення процесів зближення та стикування КА, яке служить як для навчання космонавтів, так і для використання в режимі реального часу безпосередньо на борту.

Для відпрацювання алгоритмів автоматичного визначення параметрів мішені стикувального вузла космічного апарату з використанням телевізійної камери був розроблений тривимірний графічний образ мішені, що функціонує в умовах перешкод, що моделюються, і шумів.

Окремий напрямок утворює когнітивна графіка в медицині. Багатомірні медичні дані за допомогою ЕОМ можуть бути співвіднесені до когнітивного графічного образу у вигляді інтегральних функціональних профілів або сцен, що відображають особливості стану об'єкта. Когнітивна графіка може забезпечити, наприклад, безперервний контроль стану пацієнтів, візуалізуючи поточний стан та характерні особливості захворювання.

Основні результати були отримані внаслідок проведення спільних досліджень із медичним факультетом РУДН. Нижче показані п римери когнітивної візуалізації загострення бронхіальної астми.Образ хворого можна також представляти у вигляді областей (кіл), кожен з яких візуалізує свій параметр стану хворого і забарвлюється відповідно до значення цього параметра. Колір параметрів змінюється від зеленого до червоного через жовтий. Зелений колір – значення в межах норми, червоний – далеко від норми, жовтий та жовто-оранжевий – проміжні значення. Всі величини нормуються так, щоб значення параметра в межах норми було близько до нуля, а значення далеко віддалені від норми ближче до одиниці.

Дуже інформативними є проекції тривимірних образів («зірок») станів людини з легким і важким загостренням бронхіальної астми, які можна спостерігати в різних площинах.У разі відхилення параметрів від норми (у будь-який бік) зірка збільшується, причому залежно від упорядкування параметрів по-різному. При збільшенні перших параметрів спостерігається згладжування та поєднання окремих опуклостей, а при збільшенні останніх параметрів виявляється тенденція до поділу та збільшення числа кінців «зірки». Зірка» пацієнта при загостренні тяжкого ступеня набагато перевершує в розмірах зірку легкого загострення і виглядає гладкішою. За когнітивними образами лікар здатний миттєво оцінити загальний стан хворого та прийняти адекватне рішення.

Висновок

Розглянуті методи розпізнавання можуть бути рекомендовані для практичного застосуванняв СР КІС у тому числі: виявлення та супроводу цілей, обробки знімків ДЗЗ, прогнозування метеоданих, контролю телеметрії та діагностики. Введення засобів когнітивної графіки в космічних системах дозволяє: контролювати та виявляти несправності; прискорювати процеси розуміння ситуації. У всіх розглянутих додатках для візуалізації даних, що представляють динамічний об'єкт, що спостерігається, використовувалася когнітивна машинна графіка. Когнітивна графіка дозволяє перетворити числову інформацію про об'єкти з великою кількістю параметрів (ознак) на наочні графічні динамічні образи. Образи формуються засобами 2-х та 3-х мірної машинної графіки із застосуванням колірних яскравих уявлень та спеціальних інтегральних розгорток. Після короткого навчання образи стають зрозумілими для користувача – лікаря чи оператора космічної системи та сприяють прийняттю оперативних рішень. Інтелектуальні засоби, що розробляються, лягли в основу програмних засобів інтелектуальної інформаційної підтримки операторів НС КІС та лікарів. Вони мають підвищену оперативність подання інформації в доступній формі, можливість прогнозування та попередження нештатних ситуацій.

Дослідження виконаноза фінансової підтримки Прпрограми Союзної держави «Космос - НТ» (проект «Нейросеть»), Програми "Інформаційні технології та методи аналізу складних системВідділення нанотехнологій та інформаційних технологій РАН (проект 2.2. «Розвиток методів інтелектуального управління на основі аналізу потоків даних»), РФФІ(проекти: № 08-01-00485-а, № 09-07-00006-а, 09-07-00043-а, 09-07-00439-а).

Література

1. Хачум В.М. Проект створення програмної системи для розпізнавання графічних образів на основі нейронних мереж. - Нейрокомп'ютери: технологія, застосування N9, 2008. с.52-54.

2. Хачумів. В.М Про розширення функціональних можливостей штучних нейронних мереж. - Авіакосмічне приладобудування, 2008, № 5, с.53-59

3. Талалаєв А.А., Тищенко І.П., Фраленко В.П., Хачумов В.М. Аналіз ефективності застосування штучних нейронних мереж для вирішення завдань розпізнавання, стиснення та прогнозування. -Штучний інтелект та прийняття рішень, 2008, №2, с.24-33.

4. Хачум В.М. Нейро мережеві технологіїобробки інформації у космічних додатках. - Праці Третьої Всеросійської наукової конференції "Методи та засоби обробки інформації" (МСО-2009, 6-8 жовтня 2009 року). - М.: Видавничий відділ факультету ВМіК МДУ імені М.В.Ломоносова; МАКС-Прес, 2009, с.420-425.

5. Зєнкін А.А. Когнітивна комп'ютерна графіка / За ред. Д. А. Поспелова-М. Наука 1991. - 187 с.

6. Хачумов В.М., Фраленко В.П. Експерименти з прогнозуванням, стиском та фільтрацією даних на основі нейронних мереж. - Нейрокомп'ютери: розробка, застосування, 2008, № 9, с.35-42.

7. Хачум В.М., Ксенофонтова Є.В. Образний аналіз та діагностика складних процесів. - Доповіді 11-ї Всеросійської конференції «Математичні методи розпізнавання образів» (ММРО-11, 23-29 листопада 2003, Пущино). - М.:, 2003, с.201-204.

Вже сьогодні ми можемо з певністю стверджувати, що у наших очах народжується принципово нова людино-машинна реальність, що створює передумови інтенсивної технології пізнання. Йдеться про нові напрямки в галузі людино-машинної взаємодії та штучного інтелекту - системи когнітивної графіки та віртуальної реальності.

Психологами доведено, що пов'язувати розумові здібності людини лише з найвищим вербально-логічним рівнем психічного відображення дійсності неправомірно. Це відображення включає також сенсорно-перцептивний і образний рівні і відповідні їм здібності, які проявляються в процесах відчуття, сприйняття, образної пам'яті і уяви, тому виникає необхідність у створенні засобів для розвитку таких здібностей. На сьогоднішній день рівень розвитку обчислювальних засобів такий високий, що дозволило розпочати розробку засобів для побудови систем, що працюють не лише на символьно-логічному, а й на сенсорно-перцептивному та образному рівнях. І провідна роль тут належить зазначеним двом новим напрямам розвитку сучасної обчислювальної науки.

Термін когнітивна графіка вперше було розглянуто російським ученим А.А.Зенкіним у його роботі з вивчення властивостей різних понятьз теорії чисел. Використовуючи візуальні образи абстрактних числових понять, він отримав результати, які раніше отримати було неможливо. Напрямок робіт з когнітивної графіки бурхливо розвивається, і вже зараз існує багато подібних систему різних предметних галузях: у медицині , підтримки прийняття рішень з управлінню складними технологічними системами , у системах, що базуються природною мовою .

Слід зазначити дві функції систем когнітивної графіки: ілюстративну та пізнавальну. Якщо перша функція забезпечує суто ілюстративні можливості, такі як побудова діаграм, гістограм, графіків, планів і схем, різних картинок, що відбивають функціональні залежності, друга дозволяє людині активно використовувати властиву їй здатність мислити складними просторовими образами.

Термін "віртуальна реальність" ввів в обіг колишній комп'ютерний хекер Джа-рон Леньєр, який у 1984 році створив фірму "Ві-Пі-Ел Рісерч Корп." у м. Фостер штат Каліфорнія. Це перша компанія зі створення ВР-систем. З початку 90-х років стали проводитися конференції з засобів моделювання віртуальної реальності та побудови систем, що дозволяють людині діяти в умовах середовища, яке може якісно відрізнятися від умов тієї реальності, в якій вона живе.

Існують дві властивості, що дозволяють відрізнити програму, що створює "віртуальний світ" (ВР-система) від традиційних систем комп'ютерної графіки.

1. Крім простої передачі зорової інформації ці програми одночасно впливають ще на кілька органів чуття, серед яких - слух і навіть дотик.

2. ВР-системи взаємодіють з людиною, а в найбільш досконалих з них користувач, наприклад, може доторкнутися рукою до об'єкта, що існує лише в пам'яті комп'ютера, одягнувши начинену датчиками рукавичку. У ряді систем можна скористатися джойстиком або мишею - тоді можна зробити щось із зображеним на екрані предметом (скажімо, перевернути його, посунути або оглянути зі зворотного боку).

Розробка систем, в основі яких лежить модель віртуальної реальності, змушує вирішувати низку проблем, характерних для мультимедіа-технологій та технологій когнітивної графіки. У цій роботі розглядаються проблеми, пов'язані з розробкою графічних засобів для генерації образних уявлень динамічних сцен, що репрезентують різні реальності, у тому числі й уявні.

Розглянемо завдання побудови системи віртуальної реальності для навчання на основі парадигми "уявного світу" фізичним законам статики, кінематики та динаміки. Розглянемо наступний динамічний світ: тривимірний замкнутий простір, сукупність об'єктів у ньому, діяч у цьому просторі (він же навчається, назвемо його Актором). Завдання діяча - зрозуміти закони, властиві світові, у якому він і діє, вчиняючи деякі фізичні дії з об'єктами у часі та просторі.

Виділимо основні типи понять, з якими стикатиметься Актор. Це - об'єкти, відносини, рухи та фізичні дії. Поставимо завдання побудови уявного світу, що відображає ці категорії; при цьому стан такої уявної реальності будемо описувати у вигляді текстів звичайною природною мовою. Важливим модулем такої ВР-системи є підсистема, що будує за текстом графічний образ, що динамічно змінюється. Для вирішення цього завдання використовується система ТЕКРІС, що розробляється авторами. Нижче розглядаються загальний опис системи ТЕКРІС та графічні засоби для побудови таких систем.

Структурна схема системи ТЕКРІС

Система ТЕКРІС являє собою набір програмних засобів, що дозволяють за текстом природною мовою побудувати графічний образ, що динамічно змінюється, описаної ситуації. Як обмеження, що накладаються на вихідний опис, слід зазначити наступне: 1) у тексті обов'язково присутній опис початкової статичної сцени; 2) усі наступні зміни у сцені є результатом дій, вироблених деяким суб'єктом (людиною, роботом). Типовим прикладом такого опису може бути таке:

У кімнаті є стіл. На столі стоїть лампа. Поруч зі столом стоїть стілець. Позаду столу недалеко зліва знаходиться книжкова шафа. Праворуч від стільця стоїть диван. Іван стоїть поряд із шафою. Іван підійшов до столу. Взяв лампу. Поставив її на шафу.

Структурна схема системи представлена ​​малюнку 1. На цій схемі програмні компоненти представлені як прямокутників, а вихідний і проміжні файли - як овалів.

Опис динамічної ситуації природною мовою надходить на вхід лінгвістичного процесора. Використовуючи словник предметного світу, він перетворює текст у внутрішнє кадрове уявлення, яке потім надходить на вхід вирішувача і планувальника.

Вирішувач, використовуючи блок якісних фізичних міркувань та логічний блок, будує опис траєкторії розвитку ситуації у вигляді тимчасової послідовності сцен, що відображає динаміку розвитку заданої текстом ситуації.

Планувальник будує графічний образ кожної сцени із заданої послідовності, обчислюючи для цієї мети габарити та координати всіх складових об'єктів, а також формує необхідні для відображення траєкторії переміщення предметів і передає все це на вхід візуалізатора.

Візуалізатор послідовно з деякою затримкою відтворює згенеровані зображення на екрані дисплея. Наприклад, для зазначеного вище текстового опису буде згенеровано початкову сцену, представлену малюнку 2.

Так само, як лінгвістичний процесор прив'язаний до предметної області за допомогою словника термінів, так і візуалізатор має прив'язку до цієї області через базу графічних об'єктів.

База графічних об'єктів є набором тривимірних описів предметів і суб'єктів, які можуть зустрічатися в аналізованих сценах. Щоб створити базу для конкретної програми, використовується додаткова програма, яка називається бібліотекар графічних об'єктів.

Мал. 2. Початкова сцена База графічних об'єктів

База графічних об'єктів складається з набору описів предметів і суб'єктів, пов'язаних з предметною областю, що розглядається. Кожен об'єкт бази даних складається з імені (або типу), унікального для даної бази (наприклад, "стіл", "стіл", "диван" тощо), та опису складу та взаємного розташуваннякомпонентів, його складових.

Базовим елементом, з якого будуються всі графічні об'єкти, є прямокутний паралелепіпед (див. рис. 3). Для побудови складних об'єктів як компоненти також можуть використовуватися раніше певні інші об'єкти. Наприклад, для побудови такого складного об'єкта як "Іван" спочатку можна визначити такі простіші об'єкти: "голова", "рука", "нога", а потім побудувати "Івана" з вже наявних "цеглинок".

На малюнку 3 представлений об'єкт "стіл", що складається із п'яти базисних елементів. Для кожного об'єкта визначається прямокутний паралелепіпед, який він може бути вписаний (на малюнку позначений пунктирною лінією), і базисний кут, в якому знаходиться початок координат об'єкта.

Крім того, для кожного об'єкта визначається набір кольорів, якими розфарбовуються його складові при відображенні на екрані комп'ютера:

кількість кольорів

Для завдання одного кольору вказуються три трійки чисел, де тип забарвлення визначає порядок змішування основних кольорів:
тип забарвлення i

тип зафарбовування2

тип зафарбовування

При візуалізації використовується чотири типи забарвлення суцільним основним або комбінованим кольором, як це зображено малюнку 4.

Три набори чисел дозволяють задати три різних відтінки кольору для розмальовки різних

компонент л

Кожен компонент об'єкта визначається своїм становищем (координатами щодо базисного кута), габаритами та кольором граней.

Компонент, що є базовим елементом, описується так:

2) координати базового кута в системі

координат об'єкта;

3) кути поворотів навколо осей системи

координат об'єкта до збігу з осями координат елемента;

4) габарити елемента (dx, dy, dz);

5) номер кольору.

Компонент, що є своєю чергою об'єктом, задається так: 1)тип(=1);

2) ім'я об'єкта;

3) координати базового кута;

4) кути поворотів;

5) габарити;

6) номер кольору.

Під час візуалізації об'єкта всі його компоненти упорядковуються залежно від відстані до області проекції (екрану дисплея). Спочатку малюються найдальші компоненти, потім ближні, що дозволяє закрити від спостерігача невидимі частини далеких компонентів.

Грані прямокутного паралелепіпеда також упорядковуються в порядку наближення до області проекції. Для кожної вершини грані здійснюється переведення тривимірних координат із системи координат сцени у двомірні координати екрана дисплея за формулами, зазначеними нижче (див. рис. 5). Потім визначається напрям вектора нормалі і вибирається відповідний тип забарвлення грані, після чого на екрані дисплея викреслюється відповідний грані чотирикутник. Оскільки ближні до спостерігача елементи виводяться в останню чергу, вони закриють собою невидимі грані.

Мал. 5. Проекція об'єкта на площину візуалізації

Координати точки, що належить елементу, в системі координат об'єкта (х, у, z) обчислюються за такими формулами:

де (х \ у, z1) - координати точки в системі елемента;

(xq, уо", zq) - координати базового кута; tij - напрямні косинуси, тобто cos кута між осями / і j системи об'єкта.

Для обчислення напрямних косінусів використовується така формула:

sina-sinp-cosy+cosa-sinp-cosa-sinp-cosy+sina-sinp

Sina-sinp-siny+cosa-cosy cosa-sinp-siny+sina-cosy

Sina-cosp cosa-cosp

Матриця М задає послідовне обертання навколо осі х на ос, на р, z на у. Координати проекції точки область екрана обчислюються аналогічним чином.

Бібліотекар графічних об'єктів

Бібліотекар графічних об'єктів є програмою, призначеною для створення набору предметів і суб'єктів, які можуть зустрічатися в аналізованих текстах. Дана програма дозволяє створювати нову базу об'єктів, завантажувати вже наявну базу, зберігати базу у файл, додавати до бази новий об'єкт, модифікувати та видаляти об'єкт.

Мал. 6. Робочий екран бібліотекаря графічних об'єктів

них частин, а також значення параметрів поточного (редагованого) компонента.

Решта місця на екрані займають три ортогональні проекції об'єкта і його ізометрична проекція, причому є можливість змінювати точку зору на об'єкт, задаючи кути поворотів навколо осей координат.

Головне меню програми містить такі пункти:

База - створення нової бази об'єктів, збереження та завантаження старої бази.

Вид – зміна ізометричної проекції (обертання об'єкта).

Об'єкти - виведення списку всіх об'єктів, що є в базі, з можливістю переходу до вибраного об'єкта.

Компонент - завдання значень параметрів компонента об'єкта (становище, габарити, колір).

Кольори – завдання набору кольорів для об'єкта.

Кімната - побудова та перегляд кімнати з наявних об'єктів (у версії, що розглядається, не реалізовано).

Вихід – вихід із програми.

Розташовані під головним меню кнопки виконують такі функції:

Робочий екран програми наведено на рис. 6. У верхній частині екрану розташоване головне меню, у нижній - набір основних кольорів (16 кольорів) та чотири типи забарвлення. У лівому верхньому (після меню) кутку екрана розташовано п'ять кнопок для створення та редагування об'єкта. Безпосередньо під ними розташоване найменування об'єкта, список його склад-

Додати новий базовий або складовий компонент до об'єкту

Змінити розмір (габарити) компонента

Змінити розташування компонента

Повернути компонент

Видалити компонент

При створенні нового об'єкта створюється прямокутний паралелепіпед з розмірами, що визначаються за умовчанням. Розміри компонентів об'єкта задаються цілими числами в діапазоні від 1 до 400, тому при створенні бази об'єктів необхідно масштаб визначити таким чином, щоб розміри об'єкта, що відображаються (не реальні) потрапили в цей інтервал.

Щоб змінити розмір компонента, необхідно натиснути кнопку "Size". Після цього програма перейде в режим зміни габаритів, що здійснюється шляхом переміщення правого нижнього кута відповідного компонента прямокутника в одній із трьох ортогональних проекцій. Переміщення здійснюється за допомогою маніпулятора миша при натиснутій лівій клавіші.

Переміщення компонента здійснюється аналогічно при натисканні кнопки "Move". Для повороту компонента натисніть кнопку "Turn". Додавання нового компонента здійснюється при натисканні кнопки New. Під час виконання будь-якої операції з компонентом автоматично перераховуються габарити об'єкта та координати всіх його компонентів.

При необхідності за допомогою кнопки "Del" компонент об'єкта може бути вилучений, що також призводить до перерахунку координат та габаритів. Крім положення та розмірів для кожного компонента об'єкта визначаються три відтінки кольору його граней. Вибір того чи іншого відтінку залежить від положення площини грані (її нормалі) у просторі. Якщо компонент у свою чергу є об'єктом, то відбувається успадкування кольорів подібного об'єкта з можливістю їх заміни на кольори редагованого об'єкта.

Для визначення кольорів об'єкта або визначення кольору компонента необхідно вибрати пункт "Кольори" з головного меню. На екрані дисплея буде виведено вікно (мал. 7).

У лівій частині цього вікна наведено список кольорів об'єкта, у правій – зразок забарвлення для трьох можливих випадків, у нижній – чотири кнопки.

Для завдання забарвлення необхідно вибрати грань (А, В або С) і з нижньої частини екрану тип забарвлення, основний (ліва клавіша "миші") та додатковий (права клавіша) кольору. При натисканні кнопки "Зберегти" вибраний колір надається компоненту. Кнопки "Додати" та "Видалити" дозволяють додавати та видаляти елементи списку кольорів.

У разі відсутності маніпулятора "миша" для встановлення значень параметрів компонента можна використовувати пункт головного меню "Компонент". У цьому випадку на екрані з'явиться вікно, зображене на малюнку 8. У верхній частині цього вікна визначається ім'я компонента (на рис. "ліва ручка" крісла), яке при необхідності можна змінити.

У лівій половині вікна задаються значення параметрів компонента, у правій - набір кнопок для перебору компонентів, додавання та видалення, завдання кольору та збереження та відмови від збереження змін.

За допомогою цього вікна, використовуючи лише клавіші, можна повністю описати об'єкт. Щоб задати значення параметра, необхідно перейти до потрібного рядка за допомогою клавіш керування курсором ("Вгору", "Вниз") і надрукувати нове значення. Зазначимо, що малюнку 8 значення габаритів зазначені сірим кольором, тобто. є недоступними для зміни, оскільки ручка крісла у свою чергу є об'єктом і успадковує його розміри.

Закінчивши редагування одного об'єкта, можна перейти до створення або редагування іншого. Перед виходом із програми базу об'єктів слід зберегти у файл для подальшого використанняу програмі візуалізації тривимірних сцен.

Візуалізація тривимірних сцен

Програма-візуалізатор може працювати у двох режимах. Основним є режим, при якому планувальник будує поточну тривимірну сцену і передає її для візуалізації. При іншому режимі роботи планувальник формує послідовність сцен для аналізованого тексту та записує її у файл, який надалі використовується візуалізатором. У цьому випадку візуалізатор виступає як демонстратор згенерованих послідовностей.

На вхід програми подаються два файли – база графічних об'єктів та послідовність сцен – у наступному вигляді:

Одна сцена відокремлюється від іншої за допомогою спеціальної команди PAUSE (пауза між сценами).

Кожна сцена описується як послідовності команд:

Команда 1

Команда т

Команди поділяються на команди опису об'єктів та керуючі команди. Команда опису містить такі поля:

Унікальне ім'я об'єкта, що використовується

у подальших сценах;

Тип об'єкта (ім'я у базі);

Координати лівого заднього нижнього

кута в системі координат кімнати;

Кути поворотів навколо осей Координати

Модифікатор розміру (L – великий, М –

середній, S – малий);

Колір (від 0 до 8). Якщо колір = 0, то об'єкт

зображується тим кольором, який у базі. В іншому випадку: 1 – чорний, 2 – синій 8 – білий.

Серед безлічі об'єктів, що описують початкову сцену обов'язково має бути об'єкт типу "сцена" (кімната). Цей об'єкт є вбудованим (відсутня в основі графічних об'єктів). Він визначає розміри кімнати, а також позицію спостерігача. Задаючи щоразу нові кути поворотів, можна змінювати позицію спостерігача для перегляду раніше не видимих ​​об'єктів. Наприклад, на малюнку 9 зображено другу сцену розглянутого на початку статті тексту під іншим кутом зору.

Мал. 9. Друга сцена під іншим кутом зору

Для створення послідовності сцен використовують такі керуючі команди:

PAUSE – пауза між сценами;

MOVE – переміщення об'єкта в нову

позицію; TRACE – показати траєкторію переміщення об'єкта;

DEL - видалити об'єкт зі сцени

(Використовується для візуалізації поняття "взяти").

На закінчення можна відзначити, що графічні засоби, що розробляються, орієнтовані на використання в інтелектуальних САПРах, роботах, в системах навчання, побудови комп'ютерних ігор, "в системах віртуальної реальності. Програмні засоби системи дозволяють представляти дані, виражені в текстовій і графічної формита маніпулювати ними.

Наступним кроком у розвитку цих засобів є розробка системи, що дозволяє маніпулювати в межах не однієї окремо взятої сцени, а в деякій їхній сукупності, що дозволить створювати складніші світи.

При розгляді проблем побудови методів та засобів для створення систем нових поколінь у галузі людино-машинної взаємодії (у широкому розумінні цього слова) ще раз хочеться підкреслити виняткову роль образних, невербальних уявлень у різних творчих та інтелектуальних процесах, включаючи навчання, відкриття нових знань, управління складними об'єктами та ін., тому необхідні нові засоби, що допомагають використовувати весь спектр людських здібностей. І тут, безсумнівно, важлива роль належить комп'ютерним системам із новими технологіями підтримки цих здібностей, зокрема, з урахуванням систем когнітивної графіки та віртуальної реальності.

Список літератури

5. Зенкін А А. Когнітивна комп'ютерна графіка // М: Наука, 1991.-С. 187.

7. Ракчеєва Т.А. Когнітивне уявлення ритмічної структури ЕКГ // Програмні продукти та системи. - 1992. -Л6 2. - С. 38-47.

4. Єремєєв А.П., Коротке О.В., Попов А.В. Візуальний контролер для систем підтримки прийняття рішень // Праці/Ш конф. з штучного інтелекту. Твер.-1992. Т. 1. - С. 142-145.

2. Бахарєв І.А., Ледер В.Є., Матекін М.П. Інструментальні засоби інтелектуальної графіки дня відоб-

ураження динаміки складного технологічного процесу // Програмні продукти та системи. -1992. - № 2. - С. 34-37.

8. В.Байдун, Лхітвінцева. SJvfalitov et al. Tekris: Intelligent system for text animation // Proc. of East-West Conf. on Art. Intell. EWAIC93. September 7-9, Moscow, Russia. 1993.

3. Гамільтон Дж., СмітЕ., Мак Вільяме Г. та ін. Віртуальна реальність// Бізнес уїк. – 1993. – № 1.

6. Литвинцева Л.В. Концептуальна модельсистеми візуалізації тривимірних динамічних сцен // Програмні продукти та системи. №2.1992.

1. Байдун В.В., Бунін А.І., Буніна О.Ю. Аналіз текстових описів динамічних просторових сцен у системі ТЕКРІС // Програмні продукти та системи. -1992. -№3. – С. 42-48.

УДК 002.53; 004.89; 621.3.068 Дата подання статті: 14.03.2014

КОГНІТИВНІ ТЕХНОЛОГІЇ ВІЗУАЛІЗАЦІЇ БАГАТОМІРНИХ ДАНИХ ДЛЯ ІНТЕЛЕКТУАЛЬНОГО ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ

В.В. Цаплін, к.в.н., доцент, головний науковий співробітник (НДІ «Центрпрограмсистем», просп. 50 років Жовтня, 3а, м. Твер, 170024, Росія, [email protected]); В.Л. Горохів, д.т.н., професор (Санкт-Петербурзький державний архітектурно-будівельний університет, вул. 2-а Червоноармійська, 4, м. Санкт-Петербург, 190005, Росія, [email protected]); В.В. Вітковський, к.ф.-м.н., професор (Спеціальна астрофізична обсерваторія РАН, сел. Нижній Архиз, 1, Карачаєво-Черкесія, 369167, Росія, [email protected])

У статті викладено принципи когнітивної машинної графіки та наведено приклади її практичного застосування для розробки систем підтримки прийняття рішень (СППР). Феномен когнітивної машинної графіки полягає у генерації на екрані дисплея зображень, які у свідомості людини-оператора видовищні образи. Ці образи мають естетичну привабливістьта стимулюють інтуїцію людини. Зображення на дисплеї створює в його свідомості тривимірний образ, що рухається, який формується всією сукупністю багатовимірних даних і візуально відображає властивості предметної області, що вивчається. При сприйнятті цих образів людина-

оператор здатний виявляти окремі геометричні властивостіспостережуваного образу і пов'язувати їх з предметним змістом багатовимірних даних, що обробляються. Дуже важливою є можливість поєднувати пропоновану когнітивну технологію з сучасними можливостямиінтелектуальних програмних інтерфейсів та програм багатовимірного статистичного аналізу даних. Пропонуються принципово нові алгоритмічні підходи до когнітивної візуалізації, що ґрунтуються на гіперболічній геометрії та алгебраїчних різноманіттях. У певному сенсі можна говорити про появу нового виду СППР – когнітивних систем підтримки прийняття рішень.

Ключові слова: когнітивний образ у багатовимірному просторі, когнітивна візуалізація багатовимірних статистичних даних, алгоритми когнітивної візуалізації ситуації, системи підтримки прийняття рішень, надзвичайні ситуації.

Received 14.03.2014

MULTIDIMENSIONAL DATA VISUALIZING COGNITIVE TECHNOLOGIES FOR DECISION-MAKING INTELLIGENT SUPPORT Tsaplin V. V., Ph.D. (Military Sciences), Associate Professor, Chief Researcher (Research Institute «Centerprogramsistem», 50 років Oktyabrya Ave. 3a, Tver, 170024, Російська Федерація, [email protected]);

Gorokhov V.L., Dr.Sc. (Engineering), Profesor (St. Petersburg State University of Architecture and Civil Engineering, 2nd Krasnoarmeyskaya St. 4, St. Petersburg, 190005, Російська Федерація, [email protected]);

Витковскій V. V., Ph.D. (Physics and Mathematics) (Special Astrophysics Observatory of the Russian Academy of Sciences, Nizhny Arkhyz 1, Karachaevo-Cherkesiya, 369167, Російська Федерація, [email protected])

Abstract. Матеріали подаються принципи і приклади cognitive graphics for developing Decision Support Systems (DSS). cognitive graphics phenomenon is displaying graphic representations які створюють spectacular images в human operator brain. Ці зображення стимулюють його нагальні impressions, блискуче пов'язані з intuitive mechanisms of thinking. Когнітивний ефект є в факті, що людина вирішує рухомий проект як три-dimensional зображення, що характеризується multidimensional data properties в multidimensional space. Після multidimensional data visual aspects study є з'ясування можливості для користувача до фарбування інтересу окремі об'єкти або групи з об'єктів за стандартним інструментом drawing. Next user can return to the image rotation procedure to check the intuitive user"s ideas about the clusters and theвідносини в multidimensional data. Це може бути розроблений cognitive machine drawing methods in combination with other information technologies. Вони є пакетами цифрових зображень процесів і multidimensional статистичної analysis. Пропонований метод був заснований на думці про можливість в assembli a cognitive image as object in hyperbolic space. У особливих випадках це може бути прийнято, що новий малюнок DSS - Cognitive Decision Support Systems (CDSS) appear.

Ключові слова: cognitive image в multidimensional space, cognitive visualization of multidimensional statistical data, algoritms of environment cognitive visualization, decision support systems, emergency situations.

В даний час набуває актуальності проблема оперативного аналізу великого обсягу параметрів всього комплексу досліджуваних об'єктів, що динамічно змінюються. Така проблема виникає, наприклад, у військовій сфері при тактичному аналізі бойових дій, техногенних катастроф, стратегічному плануванні та моделюванні використання комплексів озброєнь при створенні нового покоління диспетчерських систем, що відображають обстановку в контрольованому повітряному чи іншому оперативному просторі. Ці проблеми інтенсивно вирішуються в рамках як стратегічного та тактичного бойового мистецтва (з використанням всього арсеналу сучасної математики: теорії дослідження операцій, теорії оптимального управління та оптимізації), так і створення автоматизованих комплексів сучасних озброєнь.

При вирішенні цих та інших подібних проблем доводиться стикатися з низкою істотних труднощів, пов'язаних із величезною роллю інтуїції оператора, яка спирається на властиві людині можливості безпосереднього сприйняття бойової обстановки чи надзвичайної ситуації (НС). Сучасні умови бойових дій та техногенних катастроф залишають оператора наодинці з терміналами, де одночасно

фіксуються тисячі параметрів, які він не в змозі оперативно сприйняти та творчо переробити у своїй свідомості. Основна труднощі в тому, що людина - лише елемент складної автоматизованої системи контролю та управління, яка не адаптована під його творчі можливості. Розроблені раніше в рамках ергономіки методи вбудовування оператора в таку систему частково дозволили адаптувати його до так званих ерготехнічних систем, але величезний потенціал творчої та професійної інтуїції не використовувався повною мірою.

Однак завдяки прогресу у галузі когнітивних наук, когнітивної психології, гносеології та інформаційних технологій з'явилися принципово нові можливості для радикального вирішення зазначених проблем. Цей прогрес особливо проявився у створенні нових технологій та методик когнітивної машинної графіки.

Принципи роботи. Пропонований авторами підхід дозволяє здійснювати проекцію багатовимірних даних, представлених у вигляді грасма-нових різноманітностей, на довільно задану оператором-дослідником площину в багатовимірному конфігураційному (фазовому) просторі.

Мал. 1. Стратифікація постраждалих Мал. 2. Стратифікація джерел при забезпеченості регіонів НС за термінами та регіонами

технічними засобами порятунку

Fig. 2. Danger sources Fig. 1. Regions stratification stratification on date

on technical ensuring means and region

Мал. 3. Стратифікація стану та наявності технічних засобівпорятунку по регіонах

Fig. 3. Regions stratification on salvation facilities and technical condition

ство. При цьому підбір найкращого положення площини проекції здійснює сам користувач, спираючись на інтуїцію і когнітивний образ перед очима. Маючи можливість активно впливати на орієнтацію площини проекції в багатовимірному просторі, дослідник вільний від попередніх міркувань про статистичну (геометричну) структуру даних, які представляють об'єкти. Людина безпосередньо бачить на екрані проекції кластерів чи багатовимірних поверхонь, у яких формуються його дані. Цей видовищний образ стимулює його інтуїтивне розуміння досліджуваних об'єктів.

Нижче наведено короткий приклад використання розроблених авторами засобів когнітивної візуалізації обстановки, здатних вирішувати завдання активної та керованої стимуляції інтуїції та емпіричного досвіду оператора для прийняття адекватних рішень у сучасній складній та швидкозмінній обстановці. Крім цього, пропонуються та розвиваються принципово нові алгоритмічні підходи, засновані на гіперболічній геометрії та алгебраїчних різноманіттях.

Приклад когнітивної візуалізації - когнітивний аналіз техносферних небезпек, вико-

ний у рамках співробітництва з МНС Росії. Дослідження проводилося за участю та експертизою співробітників ВНДІ ГОНС (ФЦ) («Всеросійський науково-дослідний інститут з проблем цивільної оборони та надзвичайних ситуаційМНС Росії" ( Федеральний центрнауки та високих технологій)). Як вихідні дані для аналізу використано інформацію про НС, зафіксованих в 1-му кварталі 2012 року (703 НС). Об'єкти НС, що виникли на сотнях, аналізувалися за такими виділеними параметрами: місяць, стан, масштаб, регіон, кількість постраждалих, кількість загиблих, особовий склад, техніка, джерело НС.

Можливі варіанти когнітивних образів у статичному положенні для аналізу цих НС (проекція багатовимірної хмари на площину, задану парою параметрів) наведені на малюнках 1-3.

Можна зробити висновок, що використання візуалізації багатовимірних статистичних даних за допомогою генерації когнітивного образу як додатковий інструмент при аналізі та прогнозі НС дозволило звернути увагу на їх особливі класи, які без використання інтуїтивного сприйняття когнітивних образів виявити не вдалося.

Мал. 4. Когнітивні образи у гіперболічному візуалізаторі Fig. 4. Cognitive images в hyperbolic visualizator

Нові алгоритми когнітивної візуалізації. Пропонується подальший розвиток алгоритмів когнітивної візуалізації на основі інтерпретації к-мірного проективного простору Рк в ^-мірний гіперболічний простір в ^ з подальшим перетворенням останнього на когнітивний тривимірний образ. Таке формування гіперболічної геометрії багатовимірних даних відбувається з використанням плюккерових координат. Подібні алгоритми здатні когнітивно візуалізувати навіть терабайтні сукупності об'єктів. Когнітивний образ такого типу показаний малюнку 4.

p align="justify"> Гіперболічний алгоритм візуалізації підтримує ефективний режим взаємодії з ієрархіями набагато більшого розміру, ніж звичайні засоби візуалізації ієрархій. Якщо звичайний двовимірний візуалізатор у вікні 600x600 пікселів може відобразити 100 вузлів, то гіперболічний браузер може відобразити 1000 вузлів, близько 50 з них знаходяться у фокусі і легко читаються.

Це особливо важливо при аналізі статистичних зв'язків, факторному аналізі, виявленні цілей та при їх розпізнаванні. Процедура динамічної візуалізації не спирається на неповні і, можливо, хибні апріорні відомості про природу об'єктів, а значить, не привносячи в проекції спотворення того чи іншого моделі, дає можливість використовувати візуалізовані образи в умовах глибокої апріорної невизначеності предметної області бойових дій і озброєнь. Авторами виконано розробку мультиплатформенних Java-версій програмних систем SpaceWalker та , здатних реалізувати технології когнітивної візуалізації оперативної обстановки для диспетчерських служб широкого профілю.

З'являється ще одна можливість когнітивного контролю найменших змін у стані об'єктів. Як показали дослідження, навіть малі зміни параметрів об'єктів суттєво змінюють їх когнітивні образи, що дозволяє оператору миттєво помітити зміну характеристик об'єктів. Слід наголосити, що використання гіперболічної геометрії при створенні когнітивного образу дозволяє візуально представляти вміст терабайтних багатовимірних масивів. Крім того, використання перелічених застосувань когнітивної графіки буде ще ефективнішим при її впровадженні в мережеві технології. Вражаючий ефект може бути отриманий при впровадженні методу оперативного аналізу в онлайнових системах космічного моніторингу.

оперативний аналіз великого обсягу багатовимірних даних - від планування операцій до моніторингу та моделювання технічних систем.

Література

1. Гаррет Р., Лондон Дж. Основи операцій на морі; [Пер. з англ.]. М.: Воєн. изд-во МО, 1974. 268 з.

2. Когнітивний підхід; [відп. ред. В.А. Лекторська]. М.: "КАНОН +" РГО "Реабілітація", 2008. 464 с.

3. Прокопчина С.В., Шестопалов М.Ю., Уткін Л.В., Купріянов М.С., Лазарєв В.Л., Імаєв Д.Х., Горохов В.Л., Жук Ю.А., Спесівцев А.В. Управління за умов невизначеності: монографія. СПб: З-во СПбГЕТУ «ЛЕТИ», 2014. 303 с.

4. Зенкін А.А. Когнітивна комп'ютерна графіка. М: Наука, 1991.

5. Cook D., Swaine D.E. Interactive and Dynamic Graphics For Data Anlysis. Spriger, 2009. 345 p.

6. Горохів В.Л., Муравйов І.П. Когнітивна машинна графіка. Методи динамічних проекцій та робастна сегментація багатовимірних даних: монографія; [Під ред. А.І. Ми-хайлушкіна]. СПб: СПбДІЕУ, 2007. 170 с.

7. Lo A. Big data, Systemic Risk, and Privacy-Preserving Risk Measurement / Big Data &Privacy - Work Shop Summary Report June 19, 2013 Massachusetts Institute of Technology, 2013. 45 p.

8. Розенфельд Б.А. Багатовимірні простори. М.: Наука, 1966. 647 з.

9. Клейн Ф. Вища геометрія. М: УРСС, 2004. 400 с.

1. Garret R.A., London J.Ph. Fundamentals of naval operations analysis. United States Naval Institute Publ., 1970, 254 p. (Russ. ed.: Osnovy analitza операцiя на more. Moscow, Voennoe izdatelstvo, 1974, 268 p.).

2. Лекторський В.А. (Ed.) Kognitivnyyy podkhod . Moscow, KANON+ ROOI Reabilitatsiya Publ., 2008, 464 p.

3. Прокопчіна С.В., Шестопалов М.Ю., Уткін Л.В., Купріянов М.С., Лазарев В.Л., Імаєв Д.Н., Горокхов В.Л., Жук Ю.А., Спецівцев А.В. Управління в usloviyahh neopredelyonnosti . Monograph, St. Petersburg, St. Petersburg Electrotechnical Univ. "LETI" Publ., 2014, 303 p.

4. Zenkin A.A. Когнітивна компунтерна графіка. Moscow, Nauka, 1991, 192 p.

5. Cook D., Swaine D.E. Interactive і dynamic graphics for data anlysis. Spriger Publ., 2009, 345 p.

6. Горокхов В.Л., Муравьев І.П. Когнітивна масинна графіка. Методи dinamicheskih proektsii і robastna segmenta-ція многогомерних dannykh . Monograph, St. Petersburg, St. Petersburg State University of Economics (UNECON) Publ., 2007, 170 p.

7. Lo A. Big data, systemic risk, і privacy-preserving risk measurement. Big Data & Privacy – Workshop Summary Report. 2013, Massachusetts Institute of Technology Publ., 2013, 45 p.

8. Rozenfeld B.A. Багатомерні покровства. Moscow, Nauka, 1966, 647 p.

9. Клейн Ф. Вишая геометрія. Moscow, URSS Publ., 2004, 2nd ed., 400 p.

10. Витковскій V., Komarinskiy S. 6-D моделювання multidimensional data за допомогою засобів cognitive технології. Astronomical Data Analysis Software and Systems (ADASS) XIX. Mizumoto Y., Morita K.-I., Ohishi M. (Eds.). USA, San Francisco, 2010, pp. 449-553.

4. КОГНІТИВНА КОМП'ЮТЕРНА ГРАФІКА В ІНЖЕНЕРНІЙ ПІДГОТОВЦІ

Поява та розвиток засобів інтерактивної комп'ютерної графіки (ІКГ) відкриває для сфери навчання принципово нові графічні можливості, завдяки яким учні можуть у процесі аналізу зображень динамічно керувати їх змістом, формою, розмірами та кольором, домагаючись найбільшої наочності. Ці та низку інших можливостей ІКГ слабко ще усвідомлені педагогами, зокрема і розробниками інформаційних технологій навчання, що дозволяє повною мірою використовувати навчальний потенціал ІКГ. Справа в тому, що застосування графіки в навчальних комп'ютерних системах не тільки збільшує швидкість передачі інформації учням та підвищує рівень її розуміння, а й сприяє розвитку таких важливих для фахівця будь-якої галузі якостей, як інтуїція, професійне "чуття", образне мислення.
Вплив ІКГ на інтуїтивне, образне мислення призвело до виникнення нового напряму у проблематиці штучного інтелекту, названого у роботі когнітивної (тобто сприяє пізнанню) комп'ютерної графіки. У даному розділірозглядаються роль і місце когнітивної комп'ютерної графіки в інженерній підготовці, обговорюється ряд відомих і пропонуються нові когнітивніші способи графічного відображення полів фізичних параметрів, описуються алгоритми побудови відповідних зображень і наводяться результати зіставлення розглянутих способів візуалізації з позицій їх когнітивної ефективності.

4.1. Дуалізм людського мислення
Людська свідомість використовує два механізми мислення. Один із них дозволяє працювати з абстрактними ланцюжками символів, з текстами тощо. Цей механізм мислення зазвичай називають символічним, алгебраїчним чи логічним. Другий механізм мислення забезпечує роботу з чуттєвими образами та уявленнями про ці образи. Його називають образним, геометричним, інтуїтивним тощо. Фізіологічно логічне мислення пов'язане з лівою півкулею людського мозку, А образне мислення - з правою півкулею.
Основні відмінності в роботі півкуль головного мозку людини виявив американський вчений Р. Сперрі, який одного разу в лікувальних ціляхризикнув розсікти міжпівкульні зв'язки у хворих на епілепсію. Людина, у якої була "відключена" права півкуля, а "працювала" ліву, зберігала здатність до мовного спілкування, правильно реагувала на слова, цифри та інші умовні знаки, але часто виявлялася безпорадною, коли потрібно щось зробити з предметами матеріального світу або їхніми зображеннями. Коли ж працювала одна "права" півкуля, пацієнт легко справлявся з такими завданнями, добре розбирався з творами живопису, у мелодіях та інтонаціях мови, орієнтувався у просторі, але втрачав здатність розуміти складні мовні конструкціїі зовсім не міг скількись складно говорити.
Кожна з півкуль людського мозку є самостійною системою сприйняття зовнішнього світу, переробки інформації про нього та планування поведінки у цьому світі. Ліва півкуля є як би велику і потужну ЕОМ, що має справу зі знаками і процедурами їх обробки. Природно-мовна мова, мислення словами, раціонально-логічні процедури переробки інформації тощо. - все це реалізується саме у лівій півкулі. У правому півкулі реалізується мислення лише на рівні чуттєвих образів: естетичне сприйняття світу, музика, живопис, асоціативне впізнавання, народження принципово нових ідей і відкриттів тощо. Весь той складний механізм образного мислення, який нерідко визначають одним терміном "інтуїція", є правопівкульною областю діяльності мозку.
Нерідко правопівкульне мислення пов'язують із діяльністю у мистецтві. Іноді це мислення навіть називають мистецьким. Однак і більш формалізовані види діяльності значною мірою використовують інтуїтивний механізм мислення. Цікаві висловлювання великих учених про роль інтуїції наукової діяльності. "Справжньою цінністю, - говорив А. Ейнштейн, - є, по суті, лише інтуїція. Для мене не підлягає сумніву, що наше мислення протікає, в основному, минаючи символи (слова) і до того ж несвідомо". І в іншому місці: "Жоден учений не мислить формулами".
Навіть така абстрактна формалізована галузь науки, як математика, значною мірою використовує правопівкульне мислення. "Ви повинні здогадатися про математичну теорему перш, ніж ви її доведіть; ви повинні здогадатися про ідею доказу перш, ніж ви його проведете в деталях". А. Пуанкаре висловлюється ще більш виразно: " ... для того, щоб створити арифметику, як і для того, щоб створити геометрію або яку б то не було науку, потрібно щось інше ніж чиста логіка. Для позначення цього іншого у нас немає іншого слова, крім слова "інтуїція".
Відмінність між двома механізмами мислення можна проілюструвати принципами складання зв'язного тексту з окремих елементів інформації: лівополушарное мислення із цих елементів створює однозначний контекст, тобто. з усіх незліченних зв'язків між предметами та явищами воно активно обирає лише деякі, найбільш суттєві для даної конкретної задачі. Правопівкульне ж мислення створює багатозначний контекст, завдяки одночасному схоплювання практично всіх ознак і зв'язків одного чи багатьох явищ. Іншими словами логіко-знакове мислення вносить у картину світу деяку штучність, тоді як образне мислення забезпечує природну безпосередність сприйняття світу таким, яким він є.
Людське мислення та людська поведінка обумовлено спільною роботою обох півкуль людського мозку. В одних ситуаціях переважає логічний компонент мислення, в інших – інтуїтивний. На думку психологів всі люди діляться на три групи: з переважним "лівопівкульним" мисленням, з "правопівкульним", зі змішаним мисленням. Цей поділ генетично зумовлений, і існують спеціальні тести для визначення схильності до того чи іншого типу мислення.
Описані вище фундаментальні відмінності між ліво- та правопівкульною стратегією переробки інформації мають пряме відношення до формування різних здібностей. Так було для наукової творчості, тобто. для подолання традиційних уявлень, необхідно сприйняття світу у всій його цілісності, що передбачає розвиток здібностей організації багатозначного контексту (образного мислення). Існують численні спостереження, що для людей, які зберігають здібності до образного мислення, творча діяльність менш стомлива, ніж рутинна, монотонна робота. Люди ж, не виробили здібності до образного мислення, нерідко вважають за краще виконувати механічну роботу, причому вона їм не здається нудною, оскільки вони як би "закріпачені" власним формально-логічним мисленням. Звідси ясно, як важливо з ранніх пір правильно будувати виховання та навчання, щоб обидва потрібних людинітипу мислення розвивалися гармонійно, щоб образне мислення не виявилося скутим розумом, щоб не вичерпувався творчий потенціаллюдини.
У створенні інтелектуальних систем, як зазначає Д.А. Поспєлов, має місце "лівопівкульний крен". Ще більшою, мабуть, ступенем такий "лівопівкульний крен" характерний і для сучасної освіти, у тому числі для використовуваних у ньому комп'ютерних методів та засобів. Явище це не таке вже нешкідливе. Негативний вплив комп'ютеризації інженерної підготовки, про який говорилося вище (див. п. 3.1), багато в чому пояснюється слабким впливом комп'ютерних систем, що використовуються на інтуїтивний, образний механізм мислення.
У зв'язку з цим чітке виділення неявних, підсвідомих компонентів знання дозволяє також чітко ставити завдання їх освоєння, формулювати відповідні вимоги до методів та засобів навчання, у тому числі і до методів комп'ютерної графіки.

4.2. Ілюстративна та когнітивна функції комп'ютерної графіки

В даний час інтерактивна комп'ютерна графіка - це один з напрямків нових інформаційних технологій, що найбільш бурхливо розвиваються. Так, у наукових дослідженнях, у тому числі й у фундаментальних, характерний для початкового етапу акцент на ілюстративній функції ІКГ дедалі більше зміщується у бік використання тих можливостей ІКГ, які дозволяють активізувати "... властиву людині здатність мислити складними просторовими образами". У зв'язку з цим починають чітко розрізняти дві функції ІКГ: ілюстративну та когнітивну.

Ілюстративна функція ИКГ дозволяє реалізувати більш-менш адекватному візуальному оформленні лише те, що відомо, тобто. вже існує або в навколишньому світі, або як ідея в голові дослідника. Когнітивна функція ИКГ у тому, щоб з допомогою якогось ИКГ-зображения отримати нове, тобто. ще не існуюче навіть у голові фахівця знання чи, по крайнього заходу, сприяти інтелектуальному процесу отримання цього знання.

Основна ідея відмінностей ілюстративної та когнітивної функцій ІКГ, виділена в роботі при описі використання ІКГ у наукових дослідженнях, добре вписується у класифікацію знань та комп'ютерних систем навчального призначення (див. п. 1.1). Ілюстративні функції ІКГ реалізуються в навчальних системах декларативного типу при передачі учням частини знання, що артикулюється, представленої у вигляді заздалегідь підготовленої інформації з графічними, анімаційними, аудіо- та відеоілюстраціями (рис. 4.1). Когнітивна ж функція ІКГ проявляється в системах процедурного типу, коли учні "добувають" знання за допомогою досліджень на математичних моделях об'єктів і процесів, що вивчаються, причому, оскільки цей процес формування знань спирається на інтуїтивний правопівкульний механізм мислення, самі ці знання істотно носять особистісний характер . Кожна людина формує прийоми підсвідомої розумової діяльності по-своєму. Сучасна психологічна наука не має в своєму розпорядженні строго обґрунтованих способів формування творчого потенціалу людини, нехай навіть професійного. Одним із відомих евристичних підходів до розвитку інтуїтивного професійно-орієнтованого мислення є вирішення завдань дослідницького характеру. Застосування навчальних комп'ютерних систем процедурного типу дозволяє значною мірою інтенсифікувати цей процес, усунувши з нього рутинні операції, зробити можливим проведеннярізноманітних експериментів на математичних моделях.

Мал. 4.1. Концептуальна різниця між когнітивною та ілюстративною функціями комп'ютерної графіки

Роль ІКГ у цих навчальних дослідженнях важко переоцінити. Саме ІКГ-зображення ходу і результатів експериментів на математичних моделях дозволяють кожному учневі сформувати свій образ об'єкта, що вивчається, або явища у всій його цілісності і різноманітті зв'язків. Безсумнівно також, що ІКГ-зображення виконують у своїй передусім когнітивну, а чи не ілюстративну функцію, оскільки у процесі навчальної роботи з комп'ютерними системами процедурного типу в учнів формуються суто особистісні, тобто. не існуючі в такому вигляді ні в кого компоненти знань.

Звичайно, відмінності між ілюстративною та когнітивною функціями комп'ютерної графіки досить умовні. Нерідко звичайна графічна ілюстрація може наштовхнути якихось учнів на нову думку, дозволить побачити деякі елементи знання, які не вкладалися викладачем-розробником навчальної комп'ютерної системи декларативного типу. Таким чином, ілюстративна за задумом функція ІКГ-зображення перетворюється на когнітивну функцію. З іншого боку, когнітивна функція ІКГ-зображення при перших експериментах з навчальними системамипроцедурного типу в подальших експериментах перетворюється на ілюстративну функцію для вже "відкритого" і, отже, вже не нового властивості досліджуваного об'єкта.

Тим не менш, принципові відмінності в логічному та інтуїтивному механізмах мислення людини, що випливають з цих відмінностей форми уявлення знань і способи їх освоєння, роблять корисним у методологічному плані розрізнення ілюстративної та когнітивної функції комп'ютерної графіки і дозволяють чіткіше формулювати дидактичні завдання ІКГ комп'ютерних систем навчального призначення

4.3. Завдання когнітивної комп'ютерної графіки

У передмові до роботи відомий фахівець у галузі штучного інтелекту Д. А. Поспєлов сформулював три основні завдання когнітивної комп'ютерної графіки. Першим завданням є створення таких моделей уявлення знань, у яких була можливість одноманітними засобами представляти як об'єкти, характерні для логічного мислення, і образи-картини, із якими оперує образне мислення. Друге завдання – візуалізація тих людських знань, для яких поки що неможливо підібрати текстові описи. Третя - пошук шляхів переходу від образів-картин, що спостерігаються, до формулювання деякої гіпотези про ті механізми і процеси, які приховані за динамікою спостережуваних картин.

Розробники систем інженерного аналізу, автоматизованого проектування та навчальних комп'ютерних систем процедурного типу мають справу з другим з описаних тут завдань когнітивної графіки, коли знання про технічний об'єкт, отримані в ході досліджень на багатовимірних математичних моделях і представлені у звичайній символьно-цифровій формі, стають недоступними для аналізу людиною з- через великий обсяг інформації. Розглянемо далі ряд способів відображення полів фізичних характеристик технічних об'єктів та алгоритми побудови відповідних зображень, що мають високий когнітивний потенціал.

4.4. Вихідні передумови алгоритмів візуалізації

Будемо вважати, що набір стандартних графічних функцій, які використовують програмісти при розробці навчальних прикладних програм, дозволяє висвічувати на екрані дисплея точку, вказавши її координати та колір, проводити відрізок прямої лінії, вказавши його колір та координати кінців, здійснювати геометричні перетвореннякоординат та перетворення проектування.

Будемо також вважати, що поле фізичних характеристик, що зображається, представлене у вигляді дискретних значень у вузлах плоскої мережі елементів (ПСЕ) трикутної або чотирикутної форми. Ця мережа може відображати або все поле або його фрагмент, наприклад, переріз тривимірного поля площиною. Зауважимо, що така форма представлення параметрів природна для ряду чисельних сіткових методів, наприклад, метод кінцевих елементів, що широко використовується в САПР, передбачає сіткову апроксимацію.

Отже, на вході прикладних графічних програм, що реалізують алгоритми, що розглядаються нижче, повинен бути топологічний і геометричний опис ПСЕ зі значеннями відображуваних характеристик у вузлах мережі. Топологію мережі зручно зберігати у вигляді матриці, в кожному рядку якої вказаний номер елемента ПСЕ і номери вузлів, що його оточують. Геометричне опис ПСЕ - це матриця, у рядках якої вказані координати вузлів мережі.

Залежно від способу візуалізації будемо використовувати два види апроксимації параметрів, що відображаються в межах елемента ПСЕ: постійну і білінійну. Для постійної апроксимації в межах чотирикутного елементаПСЕ величина параметра , де - величини параметрів у вузлах мережі, що оточують елемент ПСЕ.

Для білінійної апроксимації введемо безрозмірні координати та допоміжний квадрат (рис. 4.2). Відповідне перетворення координат і параметра, що зображається, здійснюється за формулою, аналогічною так званим функцій форми в методі кінцевих елементів :

(4.1)

Мал. 4.2. Трансформація довільного чотирикутника у допоміжний квадрат.

Для регуляризації алгоритмів елемент трикутної форми вважатимемо окремим випадком чотирикутника, у якого поєднані два сусідні кути.

Розглянемо послідовно 7 способів відображення фізичних характеристик: 4 способи - для візуалізації скалярних полів та 3 способи - для відображення векторних характеристик, таких як напруженість або магнітна індукція електромагнітного поля, лінії струму в аерогідродинаміці, розподіл зусиль або армуючого набору в силових конструкціях. Ілюструватимемо розглянуті способи фрагментами графічного діалогу, що ведеться в тренажерах та навчальних ППП системи КАДІС.

4.5. Суцільні кольорографічні зображення

Суть цього способу візуалізації полягає в тому, що внутрішня областьПСЕ зафарбовується в різні кольори, що відповідають певним інтервалам величини параметра, що зображається. Зазвичай використовується колірна гама, в якій у міру зменшення величини параметра кольору змінюються від теплих (червоного та жовтого) до холодних (синього та фіолетового). Зображення будується за елементами ПСЕ. Алгоритми забарвлення елемента базуються або на ідеї рядкового сканування по допоміжному квадрату з кроком, що відповідає розмірам елемента растрової сітки дисплея, і забарвленням цих елементів, званих пікселями або пелами , відповідно до виразу (4.1), або на ідеї растрового сканування вздовж відрізків уздовж осі. У другому алгоритмі колір відрізка визначається інтервалом , а координати кінців відрізка знаходяться з (4.1) для фіксованих значень та меж заданих інтервалів . Перехід колірної палітричерез межі елементів ПСЕ відбувається плавно, оскільки апроксимуюча функція (4.1) лінійна вздовж сторін чотирикутників ПСЕ, що забезпечує безперервність поверхні параметра, що відображається.

Для монохромних дисплеїв за такими алгоритмами можуть будуватися тонові зображення (рис. 4.3).

Рис. 4.3. Тонове зображення оптимального розподілу матеріалу у пластині під навантаженням.

4.6. Лінії рівного рівня

Побудова ліній рівного рівня (ЛРУ) здійснюється за елементами ПСЕ. Два наступні алгоритми засновані так само, як і алгоритми забарвлення, на скануванні по сітці допоміжного квадрата крок якої відповідає растру дисплея. В одному з цих алгоритмів на лініях сітки сканування, паралельних осі, знаходяться точки з заданими значеннями рівнів зображуваного параметра. Крапки з рівними значеннями параметра на сусідніх лініях сканування з'єднуються відрізками прямих ліній, якщо між цими точками немає "впадини" або "піднесення" білінійної поверхні (4.1). Побудовані відрізки, подовжуючись у процесі сканування, утворюють сімейство ЛРУ кожному елементі ПСЕ. В іншому алгоритмі задаються не значення рівнів, а інтервали величин, що утворюють ряд смужок заданого рівня. Побудова ЛРУ здійснюється забарвленням смуг. Товщина ЛРУ на екрані дисплея залежить від заданої ширини інтервалу і від характеру зміни поверхні, що відображається. В обох алгоритмах стикування ЛРУ на межах елементів ПСЕ відбувається природно, оскільки апроксимуюча функція (4.1) лінійна вздовж сторін чотирикутників ПСЕ (див. рис. 3.22).

4.7. Точкові зображення

Поле кожного елемента ПСЕ на екрані дисплея заповнюється точками, що світяться. Щільність розташування точок відповідає величині параметра, що відображається. Заповнення ділянок ПСЕ з постійною густиною (це може бути поле всього чотирикутника або його частини) здійснюється за допомогою датчика випадкових чисел (ДСЧ). Таке заповнення згладжує розриви поверхні, що відображається навіть при постійній апроксимації параметра в межах одного елемента ПСЕ (рис. 4.4). Перед побудовою точкового зображення знаходиться максимальне значення, якому ставиться у відповідність щільність заповнення крапок, що дорівнює 80-90% від щільності суцільного забарвлення. У цій межі нормується надалі щільність заповнення точок кожному чотирикутнику ПСЕ. При побудові зображення елементі ПСЕ допоміжний квадрат попередньо розбивається осями і чверті, оскільки стандартні ДСЧ оперують числами в інтервалі . У межах кожної чверті густина точок вважається постійною. Координати точок і визначаються за допомогою ДСЧ, перетворюються за формулою (4.1) координати і далі переводяться в екранну систему координат. Колір точок визначається за заданими колірними інтервалами з використанням виразу (4.1).

Мал. 4.4. Точкове зображення оптимального розподілу матеріалу в пластині під навантаженням.

4.8. Полігональні мережі

Зображення виводиться на дисплей у вигляді центральної проекції поверхні параметра, що відображається. Поверхня апроксимується мережею трикутників та чотирикутників із прямими сторонами. Таку мережу прийнято називати полігональною. Найпростіша полігональна мережа може бути отримана відображенням ПСЕ на параметричну поверхню (рис. 4.5). Наочність зображення значною мірою залежить від вибору положення точки зору спостерігача при центральному проектуванні і від наявності або відсутності невидимих ​​ділянок поверхні. Побудова полігональних мереж по заданим ПСЕ не становить труднощів і вимагає великих обчислювальних витрат. Відповідний алгоритм зводиться до звичайних геометричних перетворень координат і перетворень проектування вузлових точок базової ПСЕ та параметричної поверхні, які потім з'єднуються відрізками прямих ліній. Проте аналіз видимості ліній суттєво збільшує обчислювальні витрати, іноді на два – три порядки.

4.9. Зображення у вигляді орієнтованих відрізків змінної довжини

Цей спосіб застосовується для відображення векторних характеристик, наприклад силових потоків. Для нього використовується постійний закон апроксимації параметрів у межах елемента ПСЕ. Орієнтовані відрізки зображуються у центрах елементів, їх довжини у вибраному масштабі відповідають величинам параметрів (рис. 4.6). Перед побудовою зображення обчислюється з міркувань наочності максимальна довжина відрізка, щодо якої у подальшому нормуються відрізки на всіх елементах. Зображення будується за елементами ПСЕ. У центрі чотирикутника міститься місцева прямокутна система координат, одна з осей якої орієнтується в напрямку параметра, що зображається. Далі в координатах місцевої системи визначаються кінцеві точки відрізка так, щоб його середина збіглася з центром елемента, робиться перетворення отриманих координат в загальну систему і проводиться пряма лінія, що з'єднує кінцеві точки відрізка.

Рис. 4.6. Розподіл зусиль у пластині, представлений у вигляді орієнтованих відрізків довжини .

4.10. Зображення у вигляді коротких орієнтованих відрізків постійної довжини

Цей спосіб візуалізації також призначений для відображення параметрів векторних. Після кожного елемента ПСЕ заповнюється за допомогою ДСЧ короткими відрізками орієнтованими постійної довжини. Щільність розташування відрізків відповідає величині параметра, що зображається (рис. 4.7). Перед побудовою зображення обчислюється з міркувань наочності максимальна густина відрізків, щодо якої нормується густина відрізків на всіх елементах ПСЕ. У центрі чотирикутного елемента ПСЕ міститься прямокутна місцева система координат, одна з осей якої орієнтована в напрямку параметра, що зображається. Координати середніх точок відрізків визначаються з допомогою ДСЧ оскільки це робиться при побудові точкових зображень. Надалі побудова кожного відрізка проводиться так само, як у попередньому алгоритмі.

Рис 4.7. Розподіл зусиль у пластині, представлений у вигляді коротких орієнтованих відрізків постійної довжини.

4.11. Зображення у вигляді орієнтованих грат

Для цього способу візуалізації так само, як і для двох попередніх способів, використовується постійна апроксимація елементів ПСЕ. Поле елемента заповнюється гратами у вигляді одного або двох сімейств односпрямованих ліній, щільність та орієнтація яких відповідають величинам та орієнтаціям характеристик, що зображаються (рис. 4.8). Для визначення сімейства використовується колір. Побудова зображення виробляється з урахуванням тих-таки алгоритмічних ідей, як у попередніх двох способах: визначається гранична щільність решітки; кожному елементі будується прямокутна місцева система координат; усередині елементів проводяться відрізки прямих ліній, кінці яких розташовуються на сторонах елементів.

Мал. 4.8. Розподіл зусиль у пластині, представлений у вигляді орієнтованих грат .

4.12. Керування зображеннями

У процесі аналізу результатів розрахунків користувач прикладної програми повинен мати можливість вибрати спосіб зображення та налаштувати його для досягнення найбільшої наочності. При налаштуванні зображення можна вибирати: колірну гаму (кількість, вид і послідовність кольорів, що використовуються); кількість рівнів для побудови ЛРУ; положення точки зору спостерігача та вид центрального проектування для полігональних мереж; довжину коротких орієнтованих відрізків; коефіцієнт контрастування.

Контрастування зображень можна застосовувати для чіткішого виділення закономірностей у розподілі зображуваних параметрів, при цьому різниця між великими та малими величинами штучно завищується. Контрастування здійснюється за допомогою наступної залежності: , де, де – кількість приватних критеріїв; - Оцінка за приватним критерієм, ; - ваговий коефіцієнт, що враховує важливість відповідного критерію;
В якості приватних критеріїв використовувалися 8 показників, що характеризують наступні аспекти способів, що розглядаються: адекватність цілям і змісту проектування силових конструкцій; адекватність методик навчання, реалізованим у навчальних прикладних програмах; природність та доступність для сприйняття людиною; зручність для аналізу якісних закономірностей розподілу параметрів; естетична привабливість; простота управління побудовою зображення; швидкість формування зображення; алгоритмічна простота.
Дослідження проводилося за допомогою експертних оцінок методу Дельфі. Як експертів залучалися викладачі вузів та інженери, розробники та користувачі навчальної та промислової САПР силових конструкцій. Результати досліджень показують, що з інтерактивному проектуванні силових конструкцій для відображення скалярних характеристик доцільно використовувати точкові зображення, а відображення векторних полів - орієнтовані грати (рис. 4.9). Більш детально результати та методика дослідження описані у роботі.

Рис. 4.9. Результати досліджень ефективності різних способів візуалізації:
а – скалярні зображення; б - векторні зображення.