Автор неизвестен - Бионика интелекта информация язык интеллект№ 3 (77) 2011научно-технический журналоснован в октябре 1967 г - страница 29

Страницы:
1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53  54  55  56  57  58  59  60  61  62  63  64  65  66  67  68  69  70  71  72  73  74  75  76  77 

4) Результаты выполнения процедуры внеш­него подпроцесса используются как входные для

процедуры Pk .

5) Конечная процедура внешнего подпроцесса не связана непрямой связью с начальной процеду­рой. Точнее, такая связь в общем случае не гаран­тируется.

При выполнении рассмотренных пяти условий между процедурами P и Pk имеется неявная связь четвертого типа.

Полученные в данном подразделе предикат­ные модели неявных связей между процедурами отражают различные варианты параллельного и последовательного выполнения текущего фраг­мента бизнес-процесса, отражающего текущую ситуацию, с другими подпроцессами. Указанные модели позволяют формально представить скры­тые знания о взаимосвязях между процедурами и, таким образом, повысить адекватность модели, получаемой в результате анализа журналов реги­страции событий бизнес-процесса.

Выводы

Неявные зависимости в бизнес-процессах от­ражают непрямые причинно-следственные связи между процедурами и обладают свойствами связ­ности, достижимости и не обладают свойством по­следовательности. В случае неявных зависимостей между рассматриваемыми процедурами бизнес-процесса существует цепочка других процедур (не­прямая связь), что и затрудняет выявление таких фрагментов.

На примерах работы построенных логических сетей можно видеть, что в большей части тактов вычисляется только один предикат, что говорит о том, что эти логические сети работают практически в последовательном режиме и не имеют преимуще­ства над моделями этих же процессов в виде мно­гоместных предикатов. Однако если учесть, что в рассмотренных примерах охватывались только не­большие ключевые фрагменты реальных бизнес­процессов, а полные модели часто содержат много процедур, которые можно выполнять одновремен­но, то тогда преимущество моделей в виде систем бинарных уравнений станет очевидным.

Практический аспект полученных результатов заключается в следующем. Выполнение логиче­ской сети, реализующей конструкции неявного выбора, обеспечивает возможность для получения журнала регистрации событий с отражением неяв­ных взаимосвязей между процедурами, что создает условия для разработки методов выявления кон­струкций неявного выбора.

Список литературы: 1. R. Agrawal, D. Gunopulos, andF. Ley-mann. Mining Process Models from Workflow Logs [Текст] / In Sixth International Conference on Extending Database Technology. — 1998. — 469-483 pages. 2. W.M.P. van der Aalst, B.F. van Dongen, J. Herbst, L. Maruster, G. Schimm, andA.J.M.M. Weijters [Текст] / Workflow Mining: A Survey of Issues and Approaches. Data and Knowledge Engineering, 47(2):237—2003. — 267 pages. 3. A.K.A. de Medeiros, W.M.P. van der Aalst, and A.J.M.M. Weijters. Workflow Mining: Cur­rent Status and Future Directions. In R. Meersman, Z. Tari, and D.C. Schmidt, editors [Текст] // On The Move to Mean­ingful Internet Systems 2003: CoopIS, DOA, and ODBASE. Volume 2888 of Lecture Notes in Computer Science. Pages 389 -406. Springer-Verlag, Berlin, 2003. 4. W.M.P. van der Aalst, A.J.M.M. Weijters, andL. Maruster. Workflow Mining: Discovering Process Models from Event Logs. [Текст]/ IEEE Transactions on Knowledge and Data Engineering. — 2004. —

16(9):1128-1142 pages.

Поступила в редколлегию 20.09.2011

УДК 65.012.23 + 519.766.2

Предикативні моделі неявних зв'язків між процедурами бізнес-процесу / Н.В. Голян, Ю.П. Шабанов-Кушнаренко // Біоніка інтелекту: наук.-техн. журнал. — 2011. — № 3 (77). — С. 46-49.

Розроблено ефективні методи інтелектуального ана­лізу бізнес-процесів, зокрема, методи виявлення фраг­ментів таких процесів. Також проведено аналіз витягну­тої інформації з журналів реєстрації подій бізнес-процесу з тим, щоб формалізувати реальну поведінку БП. Такий аналіз даних особливо важливий у тих випадках, коли реєструється відбувається послідовність подій, тобто ви­конавці мають можливість приймати рішення про поря­док подальшого проходження процесу

Іл.: 4. Бібліогр.: 4 найм.

УДК 65.012.23 + 519.766.2

Predicate models of non-obvious cjnnections between pro­cedures of business prosses / N.V. Golyan, Ю.П. Шабанов-Кушнаренко// Bionics of Intelligense: Sci. Mag. — 2011. —

№ 3 (77). —P. 46-49.

The effective methods of intellectual analysis of business processes are worked out, in particular, methods of exposure of fragments of such processes. The analysis of prolate infor­mation is also conducted from the magazines of registration of events to the business process with that, to formalize the real behavior of БП. Such analysis of data is especially important in those cases, when registered there is a sequence of events, id est performers have the opportunity to make decision about the order of the further passing of process.

Fig.: 4. Ref.: 4 items.

БИОНИКА ИНТЕЛЛЕКТА. 2011. 3 (77). С. 50-53

ХНУРЭ

УДК 519.7

МН. Е. Русакова ХНУРЭ, г. Харьков, Украина

intelligence О МЕТОДЕ РАССЛОЕНИЯ КОНЕЧНОГО ПРЕДИКАТА

Анализ уже имеющихся достижений в области моделирования мозгоподобных структур показывает, что многие актуальные задачи в этой области еще ждут своего решения. В связи с этим в статье ставится задача разработки метода преобразования математической модели произвольной конечной мозгоподоб-ной структуры в ее техническую эффективно действующую модель, называемую реляционной сетью.

РАССЛОЕНИЕ ПРЕДИКАТА, КЛАССИФИКАТОРЫ, ПЕРЕКЛЮЧАТЕЛЬНАЯ ЦЕПЬ, РЕЛЯ­ЦИОННАЯ СЕТЬ, МОЗГОПОДОБНАЯ СТРУКТУРА

Введение

Как известно, отношение это универсаль­ное средство формального описания структуры любых объектов, их свойств, связей между ними, действий над нами, а также любых информаци­онных процессов. В формульном виде отношения записываются с помощью предикатов [1]. Любой предикат, описывающий конечный процесс в вы­числительной технике, можно записать в виде та­блицы. В статье решается вопрос перехода от та­блицы предиката к логической схеме, электронная реализация которой будет решать уравнения вида

P(Х1-> Л^"^ Xm ) = 1 .

Ниже представлен алгоритм расслоения преди­ката P(x1, x2,..., xm), заданного на A1 х A2 х... х Am. При этом размерность m области A1, A2,...,Am за­дания аргументов x1, x2,...,xm предиката P и сам предикат могут быть выбраны произвольно. Рас­слоение предиката ценно тем, что приводит к по­строению реляционной сети любой математиче­ской модели и к обоснованию ее универсальности и эффективности. Кроме того, расслоение преди­ката служит фундаментом для обобщения метода нулевого прибора [2], который является основным средством моделирования психофизических про­цессов. Такое обобщение приводит к существен­ному расширению сферы применения метода нулевого прибора, превращая его из метода моде­лирования процессов классификации объектов в универсальное средство формального описания произвольных психофизических процессов.

Описание алгоритма расслоения

Приведенный алгоритм сопровождается уни­версальным примером. При решении этого при­мера должны присутствовать все детали, которые могут возникнуть в более сложном примере, а так­же он должен быть наиболее простым.

Предикат P(x1, ) = t задан табл. 1. Име­ем три предметных переменных x1, x2, x3, каждая задана на своей области A1, A2, A3. Если записать уравнение P (x1, x2,..., xm) = 1, то это уравнение за­дает отношение, соответствующее предикату P .

Таблица 1

Таблица задания предиката P

x1

00

01

10

11

20

21

0

1

1

1

1

1

0

1

1

1

1

1

1

0

2

1

0

1

0

0

0

3

1

0

1

0

0

0

Определяем области изменения A1, A2, A3 ис­ходных переменных x1, x2, x3 предиката P :

A1 (x2) = v x[ v x22 v x23;

A2 (x2 ) = x° v x2 v x2;

A3(x3) = x° v x1. Следовательно:

A1 ={0, 1, 2, 3}, A2 ={0, 1, 2}, A3 ={0, 1}. Совершенная дизъюнктивная нормальная фор­ма исходного предиката P равна:

P (x1, x2, x3 ) = x1 x2 x3 v x1 x2     v x1 x2 x3 v x1 x2 ^3 v

v x2 v xj x30 v xl x° x1 v xj x2 x30 v xl x1 x1 v (1)

v    x2 x3 v x1 x2 x3 v x1 x2 x3 v     x2 x3 v x1 x2 x3 .

Предикат P (x2, x2, x3 ) = t можно кратко изобра­зить в виде, представленном нарис. 1.

t

і

 

R

і

 

 

 

Q

і

 

\ і

 

Х\ Хз

Рис. 1. Расслоение предиката

Здесь Q классифицирующий слой, кото­рый преобразовывает классы x2, x2, x3 в классыу3, y2, y3; R ассоциирующий слой, в котором все переменные соединяются в единое целое.

Страницы:
1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53  54  55  56  57  58  59  60  61  62  63  64  65  66  67  68  69  70  71  72  73  74  75  76  77 


Похожие статьи

Автор неизвестен - 13 самых важных уроков библии

Автор неизвестен - Беседы на книгу бытие

Автор неизвестен - Беседы на шестоднев

Автор неизвестен - Богословие

Автор неизвестен - Божественность христа