Поддержка процесса принятия решений с использованием нотации унифицированного графического воплощения активности (UGVA)

Аннотация

Рассмотрена проблема графического сопровождения процессов принятия решений при работе с множеством сложных многопараметрических объектов, требующих сравнения. Отмечены сложности процесса визуализации, когда необходимо объект отображатьв динамике, делая акцент на его активности, и объединять категории прошлого, настоящего и будущего (модель афферентного синтеза по Анохину П.К.). Описаны предпосылки и генезис появления нотации унифицированного графического воплощения активности (UGVA --- Unified Graphic Visualization of Activity), являющейся развитием известного метода "Лица Чернова". Описаны этапы реализации методики формирования антропоморфных образов для визуализации сложных многопараметрических объектов в UGVA. Приведены примеры наборов образов, где в качестве объектов для сравнения выбраны учебные планы, успеваемость студентов, паспорта проектов и деятельность сотрудников на рабочем месте. Предложены методические обобщения, позволяющие системно подойти к выбору варианта визуализации антропоморфных образов, учитывая специфику декомпозиции информации на осях данных и типы симметрирования. Приведена система кодирования различных вариантов образов в UGVA, использующая сочетание букв латинского и греческого алфавитов

Просьба ссылаться на эту статью следующим образом:

Углев В.А. Поддержка процесса принятия решений с использованием нотации унифицированного графического воплощения активности (UGVA). Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение, 2023, № 3 (144), с. 125--140. DOI: https://doi.org/10.18698/0236-3933-2023-3-125-140

Литература

[1] Зенкин А.А. Когнитивная компьютерная графика. М., Наука, 1991.

[2] Емельянова Ю.Г., Фраленко В.П. Методы когнитивно-графического представления информации для эффективного мониторинга сложных технических систем. Программные системы: теория и приложения, 2018, т. 9, № 4, с. 117--158.

[3] Han J., Kamber M., Pei J. Data mining. Concepts and techniques. Amsterdam, Elsevier, 2011.

[4] Chernoff H. The use of faces to represent points in k-dimensional space graphically. J. Am. Stat. Assoc., 1973, vol. 68, no. 342, pp. 361--368. DOI: https://doi.org/10.1080/01621459.1973.10482434

[5] Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб., Питер, 2000.

[6] Gorban A., Zinovyev A. Fast and user-friendly non-linear principal manifold learning by method of elastic maps. Proc. IEEE DSAA, 2015. DOI: https://doi.org/10.1109/DSAA.2015.7344818

[7] Few S. Information dashboard design. Sebastopol, O’Reilly, 2006.

[8] Flury B., Riedwyl H. Graphical representation of multivariate data by means of asymmetrical faces. J. Am. Stat. Assoc., 1981, vol. 76, no. 376, pp. 757--765. DOI: https://doi.org/10.1080/01621459.1981.10477718

[9] Nunez R., Jesús J. Ideas for the use of Chernoff faces in school cartography. URL: https://www.researchgate.net/publication/228587294_ideas_for_the_use_of_chernoff_faces_in_school_cartography (дата обращения: 15.05.2023).

[10] Соболева А.Г. Когнитивная визуализация знаний с помощью лиц Чернова. Комп

[11] Jones D. The inventions of Daedalus. A compendium of plausible schemes. Maryland, W.H. Freeman & Company. 1982.

[12] Rodriguez J., Kaczmarek P. Visualizing financial data. New York, John Wiley & Sons, 2016.

[13] Kukharev G., Kaziyeva N. Digital facial anthropometry: application and implementation. Pattern Recognit. Image Anal., 2020, vol. 30, no. 3, pp. 496--511. DOI: https://doi.org/10.1134/S1054661820030141

[14] Филимонов В.А. Способ когнитивной визуализации многопараметрических компонентов системы. Матер. XIII Всерос. конф. "Робототехника и искусственный интеллект". Красноярск, Литера-принт, 2021, с. 109--113.

[15] Le Corbusier. Le Modulor. Boulogne-sur-Seine, Editions de l’Architecture d’Aujoud’hui, 1951.

[16] Анохин П.К. Очерки по физиологии функциональных систем. М., Медицина, 1975.

[17] Судаков К.В., Кузичев И.А., Николаев А.Б. Эволюция терминологии и схем функциональных систем в научной школе П.К. Анохина. М., Европейские полиграфические системы, 2010.

[18] Uglev V.A. Unified Graphic Visualization of Activity (UGVA) Method. Proc. 2nd Int. Conf. NiDS 2022. LNNS. Berlin, Springer Science+Business Media, 2022,vol. 556, pp. 255--265. DOI: https://doi.org/10.1007/978-3-031-17601-2_25

[19] Weyl H. Symmetry. Princeton, Princeton University Press, 1952.

[20] Блинова О.И., Юрина Е.А. Образная лексика русского языка. Язык и культура, 2008, № 1, с. 5--13.

[21] Углев В.А. Оценка баланса учебных планов при подготовке специалистов в области информационных технологий с применением метода UGVA. Современные информационные технологии и ИТ-образование, 2021, т. 17, № 3, с. 684--696. DOI: https://doi.org/10.25559/SITITO.17.202103.684-696

[22] Углев В.А. Визуальная поддержка принятия решений при разработке учебных планов с помощью метода UGVA. Искусственный интеллект и принятие решений, 2022, № 2, с. 51--61. DOI: https://doi.org/10.14357/20718594220205

[23] Kossiakoff A., Sweet W., Seymour S., et al. Systems engineering principles and practice. New York, John Wiley & Sons, 2011.

[24] Uglev V., Sychev O. Evaluation, Comparison and Monitoring of Multiparametric Systems by Unified Graphic Visualization of Activity Method on the Example of Learning Process. Algorithms, 2022, vol. 15 (12), p. 468. DOI: https://doi.org/10.3390/a15120468

[25] Arrieta A.B., Diaz-Rodriguez N., Del Ser J., et al. Explainable Artificial Intelligence (XAI): сoncepts, taxonomies, opportunities and challenges toward responsible AI. Information Fusion, 2020, vol. 58, pp. 82--115.