Особливості асоціативного оброблення даних в інтелектуальних системах

Abstract

Асоціативні операції представляють собою обчислювальні масово-паралельні процедури над значними масивами даних. Саме цим пояснюється їх широке застосування у таких прикладних областях, як системи управління базами даних (СУБД), пошук і сортування IP-адрес в комп’ютерних мережах, а також ранжування даних, наприклад, у підсистемах прийняття рішень у складі інтелектуальних систем, зокрема, для медичного діагностування. Це пов’язано, не в останню чергу, з тим, що до складу асоціативних операцій входять вибірка за зовнішнім ключем, пошук даних за аналогією, сортування і ранжування елементів масиву даних. В даній роботі наведено результати аналізу особливостей застосування методів асоціативного оброблення даних для вирішення задач в інтелектуальних системах. Розглянуто означення інтелектуальної пам’яті як такої, що розширена за рахунок функціональних можливостей асоціативної пам’яті, тобто пам’яті з адресацією за змістом. В цьому випадку асоціативне оброблення даних містить не тільки пошук за асоціацією, тобто за зовнішнім ключем, але й пошук екстремального (максимального/мінімального) елемента у числовому масиві. Ще одним прикладом застосування асоціативного оброблення даних є різновиди нейромереж, які виконують функції авто- та гетероасоціативної пам’яті.  Особливо актуальним у теперішній час є використання нейромереж в інтелектуальних системах керування мобільних роботів, оскільки їх структура забезпечується асоціативними рівнями оброблення. Ще одним затребуваним підходом є використання класифікатора з розширеними функціонаольними можливостями у складі підсистем підтримки прийняття рішень для експертних систем різного призначення. Ці приклади свідчать про конкретний зв’язок методів асоціативного оброблення даних і впровадження нейротехнологій у створення інтелектуальних систем різного призначення.

Associative operations are computational massively parallel procedures over large data sets. This explains their widespread use in such application areas as database management systems (DBMS), searching and sorting IP addresses in computer networks, and ranking data, for example, in decision-making subsystems as part of intelligent systems, in particular, for medical diagnostics. This is due, not least, to the fact that associative operations include ion by foreign key, searching for data by analogy, sorting and ranking of elements of a data set. This paper presents the results of an analysis of the features of the application of associative data processing methods for solving problems in intelligent systems. The definition of intelligent memory is considered as one that is expanded due to the functional capabilities of associative memory, i.e. memory with content-addressing. In this case, associative data processing includes not only a search by association, that is, by a foreign key, but also a search for an extreme (maximum/minimum) element in a numerical array. Another example of the application of associative data processing are varieties of neural networks that perform the functions of auto- and heteroassociative memory. The use of neural networks in intelligent control systems of mobile robots is especially relevant today, since their structure is provided by associative processing levels. Another popular approach is the use of a classifier with extended functional capabilities as part of decision support subsystems for expert systems for various purposes. These examples indicate a specific connection between associative data processing methods and the implementation of neurotechnologies in the creation of intelligent systems for various purposes.