Методы и средства моделирования рассуждений и организации обработки знаний в семантической памяти интеллектуальных систем реального времени

Объектом исследования являются средства моделирования рассуждений в семантической памяти интеллектуальных систем реального времени.Целью проекта является разработка теоретических положений, методов и моделей формализации темпоральных рассуждений когнитивного агента в интеллектуальных системах реального времени, интеграция хранилищ данных и OLAP-технологии, разработка моделей представления знаний и механизмов рассуждений на основе темпоральных, автоматных, специальных сетевых и прецедентных моделей, а также методов и алгоритмов классификации объектов в массивах темпоральных данных интеллектуальных систем реального времени.Разработана модификация классической активной логики – шаговая логика. Разработаны синтаксис и декларативная семантика для формализации метарассуждений когнитивного агента. Проведен анализ темпоральных моделей и моделей рассуждений на основе прецедентов, применимых для организации базы знаний когнитивного агента. Построена интегрированная модель представления знаний когнитивного агента. Предложены алгоритмы вывода и обучения, использующие данную модель. Выполнен анализ различных моделей машинного обучения, пригодных для работы с динамическими данными. Предложены методы предварительной обработки временных рядов для снижения влияния шума на точность нахождения аномалий. Улучшены методы и алгоритмы поиска аномалий в наборах временных рядов. Предложено объединение двух технологий (хранилищ данных и больших данных) в рамках прототипа многоуровневой ступенчатой модели архитектуры Big Data.