Development of a method of complex analysis and multidimensional forecasting of the state of intelligence objects

• Published in: Eastern-European journal of enterprise technologies Vol. 2; no. 4 (122); pp. 31 - 41
• Main Authors: Nechyporuk, Olena, Sova, Oleg, Shyshatskyi, Andrii, Kravchenko, Serhii, Nalapko, Oleksii, Shknai, Oleh, Klimovych, Serhii, Kravchenko, Olha, Kovbasiuk, Oleksandr, Bychkov, Anton
• Format: Journal Article
• Language: English
• Published: 29.04.2023
• ISSN: 1729-3774; 1729-4061
• DOI: 10.15587/1729-4061.2023.276168

A method of complex analysis and multidimensional forecasting of the state of intelligence objects is proposed to increase the accuracy of their state assessment. The object of research is decision support systems. The subject of research is the process of decision-making in management problems using artificial intelligence methods. The hypothesis of research is to increase the efficiency of decision-making with a given assessment reliability. The proposed method is based on a combination of fuzzy cognitive and temporal models, an advanced cat swarm optimization algorithm and evolving artificial neural networks. The method has the following sequence of actions: ‒ input of initial data; ‒ processing of initial data taking into account uncertainty about the state of heterogeneous intelligence objects; ‒ construction of a fuzzy temporal ontological model of heterogeneous intelligence objects; ‒ conclusion on the state of heterogeneous intelligence objects; ‒ correction of the fuzzy temporal ontological model; ‒ building a fuzzy relational temporal cognitive model of heterogeneous intelligence objects and forecasting the state of the intelligence object; ‒ training knowledge bases on heterogeneous intelligence objects. The training procedure consists in learning the synaptic weights of the artificial neural network, the type and parameters of the membership function, as well as the architecture of individual elements and the architecture of the artificial neural network as a whole. The method makes it possible to increase the efficiency of data processing at the level of 18–25 % by using additional improved procedures. The proposed method should be used to solve the problems of evaluating complex and dynamic heterogeneous intelligence objects, characterized by a high degree of complexity. Запропоновано методику комплексного аналізу та багатовимірного прогнозування стану об’єктів розвідки для підвищення точності оцінювання їх стану. Об’єктом дослідження є системи підтримки прийняття рішень. Предметом дослідження є процес прийняття рішення в задачах управління за допомогою методів штучного інтелекту. Гіпотезою дослідження є підвищення оперативності прийняття рішення при заданій достовірності оцінювання. Запропонована методика заснована на поєднанні нечітких когнітивних та темпоральних моделей, удосконаленого алгоритму кошачої зграї та штучних нейронних мереж, що еволюціонують. Методика має наступну послідовність дій: ‒ введення вихідних даних; ‒ оброблення вихідних даних з урахуванням невизначеності про стан неоднорідних об’єктів розвідки; ‒ побудова нечіткої темпоральної онтологічної моделі неоднорідних об’єктів розвідки; ‒ висновок щодо стану неоднорідних об’єктів розвідки; ‒ корегування нечіткої темпоральної онтологічної моделі; ‒ побудова нечіткої реляційної темпоральної когнітивної моделі неоднорідних об’єктів розвідки та прогнозування стану об’єкту розвідки; ‒ навчання баз знань про неоднорідні об’єкти розвідки. Процедура навчання полягає в тому, що відбувається навчання синаптичних ваг штучної нейронної мережі, типу та параметрів функції належності, а також архітектури окремих елементів і архітектури штучної нейронної мережі в цілому. Використання методики дозволяє досягти підвищення оперативності обробки даних на рівні 18–25 % за рахунок використання додаткових удосконалених процедур. Запропонована методика доцільно використовувати для вирішення задач оцінки складних та динамічних неоднорідних об’єктів розвідки, що характеризуються високим ступенем складності