UDC 002.53; 004,89; 621.3.068 Artikkelin lähetyspäivä: 14.03.2014

KOGNITIIVINEN TEKNOLOGIA MONIULOTTEISTEN TIETOJEN VISUOLISOINTIIN ÄLYKSIÄ PÄÄTÖKSEN TUKEA VARTEN

V.V. Tsaplin, Ph.D., apulaisprofessori, päällikkö Tutkija(Tutkimusinstituutti "Tsentrprogramsistem", ave. 50 let Oktyabrya, 3a, Tver, 170024, Venäjä, [sähköposti suojattu]); V.L. Gorokhov, teknisten tieteiden tohtori, professori (Pietarin valtion arkkitehtuurin ja rakennustekniikan yliopisto, 2nd Krasnoarmeiskaya str., 4, St. Petersburg, 190005, Venäjä, [sähköposti suojattu]); V.V. Vitkovsky, fysiikan ja matemaattisten tieteiden kandidaatti, professori (Venäjän tiedeakatemian erityinen astrofysiikan observatorio, Nizhny Arkhyz, 1, Karachay-Cherkessia, 369167, Venäjä, [sähköposti suojattu])

Artikkelissa hahmotellaan kognitiivisen tietokonegrafiikan periaatteet ja annetaan esimerkkejä sen käytännön sovelluksista päätöksenteon tukijärjestelmien (DSS) kehittämiseen. Kognitiivisen tietokonegrafiikan ilmiö koostuu kuvien tuottamisesta näytölle, jotka luovat näyttäviä kuvia ihmisen mielessä. Näillä kuvilla on esteettistä vetovoimaa ja ne stimuloivat ihmisen intuitiota. Näytöllä oleva kuva luo hänen mielessään liikkuvan kolmiulotteisen kuvan, joka muodostuu koko moniulotteisesta datajoukosta ja näyttää visuaalisesti tutkittavan aihealueen ominaisuudet. Näitä kuvia havaitessaan ihminen

operaattori pystyy tunnistamaan henkilön geometriset ominaisuudet havaittu kuva ja liittää ne käsitellyn moniulotteisen tiedon aihesisältöön. On erittäin tärkeää pystyä yhdistämään ehdotettu kognitiivinen teknologia nykyaikaiset mahdollisuudetälykkäät ohjelmointirajapinnat ja moniulotteiset ohjelmat Tilastollinen analyysi tiedot. Periaatteessa uusia algoritmisia lähestymistapoja kognitiiviseen visualisointiin, jotka perustuvat hyperboliseen geometriaan ja algebrallisiin variaatioihin. AT tietyssä mielessä voimme puhua uudentyyppisten DSS-järjestelmien - kognitiivisten päätösten tukijärjestelmien - syntymisestä.

Avainsanat: kognitiivinen kuva moniulotteisessa tilassa, moniulotteisen tilastotiedon kognitiivinen visualisointi, algoritmit tilanteen kognitiiviseen visualisointiin, päätöksenteon tukijärjestelmät, hätätilanteet.

Vastaanotettu 14.03.2014

KOGNITIIVISTA TEKNOLOGIAA VISUOLISOIVA MONIULOTTEINEN DATO PÄÄTÖKSENTEKOA VARTEN ÄLYKSIÄ TUKEA Tsaplin V. V., Ph.D. (Sotatieteet), apulaisprofessori, päätutkija (tutkimuslaitos "Centerprogramsistem", 50 let Oktyabrya Ave. 3a, Tver, 170024, Venäjän federaatio, [sähköposti suojattu]);

Gorokhov V.L., Dr.Sc. (Insinööri), professori (Pietarin valtion arkkitehtuurin ja rakennustekniikan yliopisto, 2nd Krasnoarmeyskaya St. 4, St. Petersburg, 190005, Venäjän federaatio, [sähköposti suojattu]);

Vitkovskiy V.V., Ph.D. (Fysiikka ja matematiikka) (Venäjän tiedeakatemian erityinen astrofysiikan observatorio, Nizhny Arkhyz 1, Karachaevo-Cherkesiya, 369167, Venäjän federaatio, [sähköposti suojattu])

abstrakti. Artikkelissa kuvataan kognitiivisen konegrafiikan periaatteita ja esimerkkejä päätöksenteon tukijärjestelmien (DSS) kehittämiseen. Kognitiivinen konegrafiikkailmiö näyttää graafisia esityksiä, jotka luovat näyttäviä kuvia ihmisen aivoissa. Nämä kuvat stimuloivat sen kuvailevia vaikutelmia, jotka liittyvät läheisesti ajattelun intuitiivisiin mekanismeihin. Kognitiivinen vaikutus on siinä, että ihminen näkee liikkuvan projektion kolmiulotteisena kuvana, jolle on tunnusomaista moniulotteiset dataominaisuudet moniulotteisessa tilassa. Moniulotteisen datan visuaalisten näkökohtien tutkimuksen jälkeen tulee käyttäjälle mahdollisuus maalata mielenkiintoisia erillisiä objekteja tai esineryhmiä tavallisella konepiirryksellä. Seuraavaksi käyttäjä voi palata kuvan kiertoprosessiin tarkastamaan intuitiivisen käyttäjän ajatuksia klustereista ja niiden suhteista moniulotteisessa datassa Kognitiivisia konepiirustusmenetelmiä on mahdollista kehittää yhdessä muiden tietoteknologioiden kanssa. Ne ovat digitaalisia paketteja erityisessä muodossaan. mielessä on mahdollista sanoa, että uudenlaisia ​​DSS - Cognitive Decision Support Systems (CDSS) ilmestyy.

Avainsanat: kognitiivinen kuva moniulotteisessa tilassa, moniulotteisen tilastotiedon kognitiivinen visualisointi, ympäristön kognitiivisen visualisoinnin algoritmit, päätöksenteon tukijärjestelmät, hätätilanteet.

Tällä hetkellä koko tutkittavan objektikokonaisuuden suuren määrän dynaamisesti muuttuvien parametrien operatiivisen analyysin ongelma on tulossa tärkeäksi. Tällainen ongelma syntyy esimerkiksi sotilasalueella sotilasoperaatioiden taktisessa analyysissä, ihmisen aiheuttamissa katastrofeissa, strategisessa suunnittelussa ja asejärjestelmien käytön mallintamisessa, uuden sukupolven tilannetta heijastavien lähetysjärjestelmien luomisessa. valvotussa ilmatilassa tai muussa toimintatilassa. Näitä ongelmia ratkaistaan ​​intensiivisesti sekä strategisten että taktisten taistelulajien puitteissa (käyttäen nykyaikaisen matematiikan koko arsenaalia: operaatiotutkimuksen teoriaa, optimaalisen ohjauksen ja optimoinnin teoriaa) ja nykyaikaisten aseiden automatisoitujen järjestelmien luomisessa.

Näitä ja muita vastaavia ongelmia ratkaistaessa joutuu kohtaamaan useita merkittäviä vaikeuksia, jotka liittyvät operaattorin intuition valtavaan rooliin, joka perustuu ihmisen luontaiseen kykyyn havaita suoraan taistelutilanne tai hätätilanne (ES). Nykyaikaiset vihollisuudet ja ihmisen aiheuttamat katastrofit jättävät operaattorin yksin terminaalien kanssa, joissa samaan aikaan

tuhansia parametreja on kiinteä, joita hän ei pysty nopeasti havaitsemaan ja luovasti prosessoimaan mielessään. Suurin vaikeus on, että henkilö on vain osa monimutkaista automatisoitua ohjaus- ja hallintajärjestelmää, jota ei ole mukautettu hänen luoviin kykyihinsä. Aiemmin ergonomian puitteissa kehitetyt menetelmät kuljettajan integroimiseksi tällaiseen järjestelmään mahdollistivat osittain sen sovittamisen ns. ergoteknisiin järjestelmiin, mutta luovan ja ammatillisen intuition valtavaa potentiaalia ei käytetty täysimääräisesti.

Kognitiivisten tieteiden, kognitiivisen psykologian, epistemologian ja tietotekniikan alalla tapahtuneen edistyksen ansiosta on kuitenkin ilmaantunut perustavanlaatuisia uusia mahdollisuuksia edellä mainittujen ongelmien radikaaliin ratkaisuun. Tämä kehitys näkyi erityisesti uusien teknologioiden ja kognitiivisen tietokonegrafiikkamenetelmien luomisessa.

Työn periaatteet. Kirjoittajien ehdottama lähestymistapa mahdollistaa Grassmann-jakoputkien muodossa esitetyn moniulotteisen datan projisoinnin operaattori-tutkijan mielivaltaisesti määrittämälle tasolle moniulotteisessa konfiguraatio- (vaihe)avaruudessa.

Riisi. 1. Uhrien kerrostuminen Kuva. 2. Lähteiden osittaminen hätätilanteiden varalle ajoitusten ja alueiden mukaan

tekniset pelastuskeinot

Kuva. 2. Vaaran lähteet 1. Alueiden kerrostuskerrostuminen päivämäärällä

teknisen varmuuden keinoista ja alueesta

Riisi. 3. Tilan ja saatavuuden kerrostaminen teknisiä keinoja pelastus alueittain

Kuva. 3. Alueiden kerrostuminen pelastusmahdollisuuksien ja teknisen kunnon perusteella

stve. Samalla valinta paras asema Projektiotason tekee käyttäjä itse luottaen intuitioon ja kognitiiviseen kuvaansa silmiensä edessä. Koska tutkija pystyy aktiivisesti vaikuttamaan projektiotason orientaatioon moniulotteisessa avaruudessa, hän on vapaa alustavista pohdinnoista objektien edustaman tiedon tilastollisesta (geometrisesta) rakenteesta. Ihminen näkee ruudulla suoraan projektiot klustereista tai moniulotteisista pinnoista, joihin hänen tietonsa muodostuu. Tämä upea kuva stimuloi hänen intuitiivista ymmärrystä tutkittavista kohteista.

Alla on lyhyt esimerkki tekijöiden kehittämien tilanteen kognitiivisten visualisointikeinojen käytöstä, jotka pystyvät ratkaisemaan ongelman aktiivisen ja kontrolloidun intuition stimuloinnin ja operaattorin empiirisen kokemuksen stimuloimiseksi riittävien päätösten tekemiseen nykypäivän monimutkaisissa ja nopeissa olosuhteissa. muuttuvassa ympäristössä. Lisäksi ehdotetaan ja kehitetään täysin uusia algoritmisia lähestymistapoja, jotka perustuvat hyperboliseen geometriaan ja algebrallisiin variaatioihin.

Esimerkki kognitiivisesta visualisoinnista on suoritettu teknosfäärien vaarojen kognitiivinen analyysi

yhteistyön puitteissa Venäjän hätätilanneministeriön kanssa. Tutkimus tehtiin koko Venäjän siviilipuolustuksen tieteellisen tutkimuslaitoksen työntekijöiden osallistuessa ja asiantuntemuksella. hätätilanteissa Venäjän EMERCOM" (liittovaltion tiedekeskus ja korkea teknologia)). Analyysin lähtötiedoissa käytettiin tietoja vuoden 2012 1. neljänneksellä kirjatuista hätätilanteista (703 hätätapausta). Hätätilanteet, jotka tapahtuivat sadoissa tiloissa, analysoitiin seuraavien valittujen parametrien mukaan: kuukausi, osavaltio, mittakaava, alue, uhrien määrä, kuolleiden määrä, henkilökunta, laitteet, hätätilanteiden lähde.

Mahdolliset vaihtoehdot kognitiiviset kuvat staattisessa asennossa näiden hätätilanteiden analysointia varten (moniulotteisen pilven projektio parametriakseliparin määrittämälle tasolle) on esitetty kuvissa 1-3.

Voidaan päätellä, että moniulotteisen tilastotiedon visualisoinnin käyttö kognitiivisen kuvan muodostamista lisätyökaluna hätätilanteiden analysoinnissa ja ennustamisessa mahdollisti huomion kiinnittämisen niiden erityisluokkiin, joita ei voitu havaita ilman käyttöä. kognitiivisten kuvien intuitiivisesta havainnosta.

Riisi. 4. Kognitiiviset kuvat hyperbolisessa visualisaattorissa 4. Kognitiiviset kuvat hyperbolisessa visualisaattorissa

Uusia algoritmeja kognitiiviseen visualisointiin. Tarjottu edelleen kehittäminen kognitiiviset visualisointialgoritmit, jotka perustuvat k-ulotteisen projektioavaruuden Pk tulkintaan ^-ulotteiseksi hyperboliseksi avaruuteen ^:ssä, jota seuraa jälkimmäisen muuntaminen kognitiiviseksi kolmiulotteiseksi kuvaksi. Tämä moniulotteisen datan hyperbolisen geometrian muodostuminen tapahtuu käyttämällä Plückerin koordinaatteja. Tällaiset algoritmit pystyvät visualisoimaan kognitiivisesti jopa teratavuisia esinekokoelmia. Tämän tyyppinen kognitiivinen kuva on esitetty kuvassa 4.

Hyperbolinen visualisointialgoritmi tukee tehokkaasti tehokasta vuorovaikutusta hierarkioiden kanssa isompi koko kuin perinteiset hierarkian renderöijat. Tavallinen 2D-hahmontaja 600 x 600 pikselin ikkunassa voi näyttää 100 solmua, kun taas hyperbolinen selain voi näyttää 1000 solmua, joista noin 50 on tarkennettuja ja helppolukuisia.

Tämä on erityisen tärkeää analysoitaessa tilastollisia suhteita, tekijäanalyysi, kohteen havaitseminen ja tunnistus. Dynaaminen visualisointimenettely ei nojaa epätäydelliseen ja mahdollisesti vääriin a priori -tietoihin esineiden luonteesta, ja siksi se mahdollistaa visualisoitujen kuvien käyttämisen syvän tilan olosuhteissa ilman, että tuoda esiin tietyn mallin vääristävää vaikutusta projektioihin. taisteluoperaatioiden ja aseiden aihealueen etusijalla oleva epävarmuus. Kirjoittajat ovat kehittäneet monikäyttöisiä Java-versioita ohjelmistojärjestelmät SpaceWalker ja , jotka kykenevät toteuttamaan teknologioita yleisten välityspalvelujen toimintaympäristön kognitiiviseen visualisointiin.

On vielä yksi mahdollisuus kognitiiviseen hallintaan esineiden tilan pienimmille muutoksille. Tutkimukset ovat osoittaneet, että pienetkin muutokset esineiden parametreissa muuttavat merkittävästi niiden kognitiivista kuvaa, minkä ansiosta käyttäjä voi välittömästi havaita muutoksen esineiden ominaisuuksissa. On syytä korostaa, että hyperbolisen geometrian käyttö kognitiivisen kuvan luomisessa mahdollistaa teratavuisten moniulotteisten taulukoiden sisällön visuaalisen esittämisen. Lisäksi näiden kognitiivisen grafiikan sovellusten käyttö on entistä tehokkaampaa, kun se toteutetaan verkkoteknologioissa. Vaikuttava vaikutus saadaan ottamalla käyttöön operatiivisen analyysin menetelmä online-tilan seurantajärjestelmissä.

suurten moniulotteisten tietomäärien operatiivinen analyysi - toiminnan suunnittelusta teknisten järjestelmien seurantaan ja mallintamiseen.

Kirjallisuus

1. Garret R., London J. Merellä tapahtuvan toiminnan perusteet; [per. englannista]. M.: Voen. Moscow Publishing House, 1974. 268 s.

2. Kognitiivinen lähestymistapa; [res. toim. V.A. Lehtori]. M.: "KANON +" ROOI "Kuntoutus", 2008. 464 s.

3. Prokopchina S.V., Shestopalov M.Yu., Utkin L.V., Kupriyanov M.S., Lazarev V.L., Imaev D.Kh., Gorokhov V.L., Zhuk Yu.A., Spesivtsev A.V. Hallinto epävarmuudessa: monografia. Pietari: Pietarin sähköteknisen yliopiston kustantamo "LETI", 2014. 303 s.

4. Zenkin A.A. kognitiivinen tietokonegrafiikka. M.: Nauka, 1991.

5. Cook D., Swaine D.E. Interaktiivinen ja dynaaminen grafiikka tietojen analysointiin. Spriger, 2009. 345 s.

6. Gorokhov V.L., Muravyov I.P. Kognitiivinen konegrafiikka. Dynaamisten projektioiden ja moniulotteisen datan vahvan segmentoinnin menetelmät: monografia; [toim. A.I. Mikhaylushkin]. Pietari: SPbGIEU, 2007. 170 s.

7. Lo A. Big data, systeeminen riski ja yksityisyyttä säilyttävien riskien mittaaminen / Big Data & Privacy - Work Shopin yhteenvetoraportti 19. kesäkuuta 2013 Massachusetts Institute of Technology, 2013. 45 s.

8. Rosenfeld B.A. Moniulotteiset tilat. M.: Nauka, 1966. 647 s.

9. Klein F. Korkeampi geometria. M.: URSS, 2004. 400 s.

1. Garret R.A., London J.Ph. Merivoimien operaatioiden analyysin perusteet. United States Naval Institute Publ., 1970, 254 s. (Venäläinen toim.: Osnovy analiz operatsiy na more. Moscow, Voennoe izdatelstvo, 1974, 268 s.).

2. Lektorskiy V.A. (Toim.) Kognitivnyiy podkhod. Moscow, KANON+ ROOI Reabilitatsiya Publ., 2008, 464 s.

3. Prokopchina S.V., Shestopalov M.Yu., Utkin L.V., Kupriyanov M.S., Lazarev V.L., Imaev D.H., Gorokhov V.L., Zhuk Yu.A., Spesivtsev A.V. Upravlenie v usloviyakh neopredelyonnosti. Monografia, St. Pietari, Pietari Pietarin sähkötekninen yksikkö. "LETI" Publ., 2014, 303 s.

4. Zenkin A.A. Kognitivnaya kompyuternaya grafiikka. Moskova, Nauka, 1991, 192 s.

5. Cook D., Swaine D.E. Interaktiivinen ja dynaaminen grafiikka tietojen analysointiin. Spriger Publ., 2009, 345 s.

6. Gorokhov V.L., Muravyev I.P. Kognitivnaya mashinnaya grafiikka. Metody dinamicheskikh proektsiy i robastnaya segmenta-tsiya mnogomernyikh dannykh. Monografia, St. Pietari, Pietari Petersburg State University of Economics (UNECON) Publ., 2007, 170 s.

7. Lo A. Big data, järjestelmäriski ja yksityisyyttä säilyttävien riskien mittaus. Big Data ja yksityisyys - Workshopin yhteenvetoraportti. 2013, Massachusetts Institute of Technology Publ., 2013, 45 s.

8. Rozenfeld B.A. Moniulotteinen prostranstva. Moskova, Nauka, 1966, 647 s.

9. Kleyn F. Vyisshaya geometria. Moskova, URSS Publ., 2004, 2. painos, 400 s.

10. Vitkovskiy V., Komarinskiy S. Moniulotteisen datan 6-D visualisointi kognitiivisen teknologian avulla. Tähtitieteellinen data-analyysiohjelmisto ja -järjestelmät (ADASS) XIX. Mizumoto Y., Morita K.-I., Ohishi M. (toim.). USA, San Francisco, 2010, s. 449-553.

KOGNITIIVIN TIETOKONEGRAFIKAN KEHITTÄMINEN TIETOTEKNIIKAN SOVELLETTAVAN TIETEEN VIITEESSÄ

Taide. ISvEC:n osaston opettaja

SPbGIEU:n sivuliike

Lukuisat psykologien tutkimukset, jotka on omistettu ihmisten ongelmien ratkaisuprosessin analysointiin, ovat osoittaneet, että kaksi ensimmäistä vaihetta ovat tässä prosessissa eniten aikaa vieviä. Henkilö käyttää maksimaalista vaivaa siirtyessään epämääräisestä tietyn tilanteen tunteesta selkeästi muotoiltuun tehtävään. Useimmat tutkijat pitävät tätä vaihetta yleensä luovana. Mistä ongelman idea muodostuu ja sen muotoilua etsitään. Lisäksi monissa tapauksissa asia koskee vain ammattilaisen hakemusta.

Ongelman muotoilun vaiheet algebrallisen lähestymistavan käyttöehdoissa jäävät tieteen näkökentän ulkopuolelle. Tämä ongelma ei selvästikään ole algoritminen. Jokaisella tehtävällä on yksilöllinen luonne, ja yleisten menettelyjen olemassaolo, paitsi puhtaasti metodologiset (kuten keksintöjen hakualgoritmit ovat tuskin mahdollisia tässä). Kuitenkin, kuten maineikkaat matemaatikot, jotka vakavasti miettivät matemaattisen luovuuden menetelmiä, ovat toistuvasti huomauttaneet, ongelman muotoilun etsimisvaiheessa tärkeä rooli oli usein geometrisia esityksiä ja mallit. Ja on mielenkiintoista, että usein ne eivät liittyneet suoraan ratkaistavan ongelman luonteeseen, vaan herättivät vain assosiatiivisesti tämän lausunnon. Psykologit panevat merkille saman ilmiön. Yritetään listata ominaisuuksia, jotka ovat ominaisia ​​tietojenkäsittelytieteen uudelle suunnalle, ns kognitiivinen grafiikka. Yksityiskohtaisempi keskustelu tästä suunnasta sisältyy maailman ensimmäiseen monografiaan, joka on omistettu erityisesti kognitiiviselle grafiikalle.

Tietokonegrafiikka on tietojenkäsittelytieteen ala, joka kattaa kaikki näkökohdat kuvien muodostukseen tietokoneella.

1950-luvulla ilmestynyt se mahdollisti aluksi vain muutaman kymmenen segmentin näyttämisen näytöllä.

Tietokonegrafiikan teräksen perusta perustieteet: matematiikka, kemia, fysiikka jne.

Tietokonegrafiikkaa käytetään lähes kaikilla tieteen ja tekniikan aloilla visuaaliseen havaitsemiseen ja tiedon välittämiseen. Myös tietokonesimulaatioiden käyttö lentäjien ja muiden ammattien (simulaattorit) koulutuksessa on yleinen käytäntö. Tietokonegrafiikan perusteiden tuntemus on nyt välttämätöntä sekä insinöörille että tiedemiehelle.

Tietokonegrafiikkasovelluksen lopputuloksena on kuva, jota voidaan käyttää eri tarkoituksiin.

Kognitiivinen tietokonegrafiikka- tietokonegrafiikka tieteellisiä abstraktioita varten, mikä edistää uuden tieteellisen tiedon syntyä. Sen teknisenä perustana ovat tehokkaat tietokoneet ja tehokkaat visualisointityökalut.

Esimerkki kognitiivisen tietokonegrafiikan käytöstä soveltavassa informatiikassa voi olla algoritmien vuokaavioiden kognitiivinen visualisointi, tutkimusobjektien kolmiulotteinen esitys, tietomallien visuaalinen esitys jne.

Samanlaista tekniikkaa käytettiin jaksollisiin toimintoihin. Kuten tiedät, jaksollisten funktioiden kaavioissa on toistuvia osia, joten jos siirrät jaksollisen funktion kaavion nuotteihin, musiikissa on toistuvia fragmentteja.

Kansallisten hankkeiden toteutumisen seurannan ongelman ratkaiseminen edellyttää monien tekijöiden huomioon ottamista. Tilanteen laajuus ja dynaamisuus valtakunnallisten hankkeiden toteutuksessa edellyttää merkittävän lähtötiedon nopeaa käsittelyä, asianmukaisten ja oikea-aikaisten päätösten kehittämistä ja tekemistä.

Tämä nostaa esiin ongelman heterogeenisen tiedon havaitsemisesta ja tulkinnasta päätöksentekijässä, mikä määrittää ongelman ratkaisemisen tarkoituksenmukaisuuden löytää sen esitysmuotoja, jotka sulkevat pois tai vähentävät nykytilanteen ymmärtämisen epäselvyyttä.

Ihmisen ajattelu on rakennettu siten, että ihminen ei ajattele sanoilla ja numeroilla, vaan kuvilla. Tilanne on täsmälleen sama ympäröivää maailmaa koskevan tiedon havainnoinnin kanssa: kuvien kanssa erilaisia ​​ruumiita tunteet nähdään kokonaisuutena.

Tutkimukset osoittavat, että havaitun kuvan visuaalinen komponentti on tärkein. Tämä edellyttää ensisijaista ratkaisua numeerisen ja ei-numeerisen (verbaalisen, graafisen) lähtötiedon ja niiden analyyttisen käsittelyn tulosten visualisoinnin ongelmaan.

Tietojenkäsittelytieteen puitteissa kognitiivinen tietokonegrafiikka kehittyy seuraavilla alueilla:

– menetelmien kognitiivisten graafisten kuvien yleisen rakentamisen tutkimus, kognitiivisen tietokonegrafiikan menetelmät;

- opiskella yksilöllisiä ominaisuuksia havainto, erityisesti sen appersepti;

– päätöksentekijöiden tiedonhavaintomallin kehittäminen;

– käsitteellisen ja kuviollisen kielen aakkosten muodostaminen datan esittämistä varten, mukaan lukien stereotyyppiset symbolit, jotka näyttävät ympäröivän maailman esineitä ja ilmiöitä vaihtelevalla samankaltaisuuden asteikolla, assosiatiivisesti ymmärrettäviä graafisia primitiivisiä, joista syntetisoidaan minkä tahansa monimutkaisia ​​GO, ja tarvittavat apusymbolit yhdistää graafiset primitiivit ja kiinnittää huomiota tärkeimpään väestönsuojeluun;

- tutkimus GO:n ominaisuuksista, jotka vaikuttavat päätöksentekijään, kun ne havaitaan tunnetasolla - energia, geometrinen, dynaaminen;

- käsitteellisen ja kuviollisen kielen "kieliopin" muodostuminen, eli GO:n ja kognitiivisten kohtausten muodostumisen perussäännöt;

– prototyyppialijärjestelmän kehittäminen tiedon tulosten visualisoimiseksi ja analyyttinen tuki ensisijaisten kansallisten hankkeiden toteuttamisen seurannassa käsitteellisen ja kuvallisen tiedonesityskieleen perustuen;

- kehitetyn prototyypin tehokkuuden kokeellinen verifiointi tehokkuuden, täydellisyyden ja päätöksentekijän tiedonhavainnon tarkkuuden suhteen.

Sovellettavan kognitiivisen tieteen pääsuuntaukset. Tekoäly: mahdollisuudet ja rajoitukset. Asiantuntijajärjestelmät ja päätöksenteon tukijärjestelmät. Talouden päätöksenteon mallinnus ja inhimillisen rationaalisuuden ongelma. Luonnollisen kielen käsittelyn ja konekäännösjärjestelmien ongelma. Robotiikan pääsuunnat: liikkuvien robottien liikkeen rakentamisen, avaruudessa suuntautumisen ja koulutuksen mallinnuksen ongelmat. Ihmisen ja tietokoneen välinen vuorovaikutus: peruslähestymistavat ja tutkimusmenetelmät. Kognitiivinen ergonomia. Suunnittelu ja tietokonegrafiikka. Virtuaalitodellisuudet.

Hypertekstiteknologioiden ja niihin läheisesti liittyvän multimediaparadigman laaja käyttö stimuloi myös kognitiivisen grafiikan kehitystä. Kuten tiedät, multimediaparadigma tasoittaa tekstien ja kuvien oikeudet. Epälineaarisessa esityksessä (verkon muodossa), joka on tyypillinen hypertekstiteknologioille, multimediaparadigma mahdollistaa verkon navigoinnin sekä teksti- että kuvatasolla siirtymällä tekstistä kuviin. milloin tahansa ja päinvastoin.

Siten "Teksti-piirustus"- ja "Piirustus-teksti"-tyyppiset järjestelmät liittyvät läheisesti multimediaparadigmaan ja kognitiiviseen grafiikkaan ja ovat itse yksi kognitiivisen grafiikan ja hypertekstitekniikan välisen vuorovaikutuksen tuloksista.

Tutkimusautomaatiojärjestelmissä kognitiivista grafiikkaa voidaan käyttää keinona visualisoida ideoita, jotka eivät ole vielä saaneet tarkkaa ilmaisua. Toinen esimerkki näiden työkalujen käytöstä on erityinen kognitiivinen grafiikka perustoimintojen valitsemiseksi sumeassa logiikassa, jossa sinisten ja punaisten alueiden globaali värijakauma luonnehtii operaatioiden, kuten konjunktion ja disjunktion, "jäykkyyttä".

Tällä alueella kognitiivista grafiikkaa käytetään ongelmien formalisointivaiheessa ja uskottavien hypoteesien esittämismenettelyssä.

Tekoälyjärjestelmien alalla kognitiivinen tietokonegrafiikka saavuttaa muita järjestelmiä parempia tuloksia algebrallisen ja geometrisen lähestymistavan ansiosta tilanteiden mallintamiseen ja erilaisia ​​vaihtoehtoja heidän päätöksiään.

Joten tieteellisessä tutkimuksessa, mukaan lukien perustavanlaatuinen, ominaista alkuvaiheessa ICG:n havainnollistavan toiminnon painotus on siirtymässä yhä enemmän niiden ICG-ominaisuuksien käyttöön, jotka mahdollistavat aktivoinnin. ihmisen kyky ajatella monimutkaisissa tilakuvioissa. Tässä suhteessa ICG:n kaksi toimintoa alkavat erottua selvästi toisistaan: havainnollistava ja kognitiivinen.

ICG:n havainnollistava toiminta mahdollistaa sen, että enemmän tai vähemmän riittävän visuaaliseen suunnitteluun voidaan sisällyttää vain se, mikä on jo tiedossa, eli on jo olemassa joko ympärillämme olevassa maailmassa tai ideana tutkijan päässä. ICG:n kognitiivinen tehtävä on hankkia jonkinlaisen ICG-kuvan avulla uutta, eli sellaista tietoa, jota ei vielä ole edes asiantuntijan päässä, tai sen mukaan vähintään, edistää tämän tiedon hankkimisprosessia.

Tämä perusidea ICG:n havainnollistavien ja kognitiivisten toimintojen eroista sopii hyvin tiedon ja kognitiivisten toimintojen luokitteluun. tietokonejärjestelmät koulutustarkoituksessa. ICG:n havainnollistavat toiminnot toteutetaan deklaratiivisen tyyppisissä koulutusjärjestelmissä siirrettäessä opiskelijoille artikuloitu osaa tiedosta, joka esitetään valmiiksi valmistetun tiedon muodossa graafisten, animaatioiden, ääni- ja videokuvituksen kanssa. ICG:n kognitiivinen toiminta ilmenee prosessityyppisissä järjestelmissä, jolloin opiskelijat "saavat" tietoa tutkimalla matemaattiset mallit tutkittavia kohteita ja prosesseja, ja koska tämä tiedonmuodostusprosessi perustuu oikean puolipallon ajattelumekanismiin, tämä tieto itsessään on suurelta osin henkilökohtaista. Jokainen ihminen muodostaa alitajunnan tekniikat henkistä toimintaa omalla tavallani. Nykyaikaisella psykologialla ei ole tiukasti perusteltuja menetelmiä ihmisen luovan potentiaalin muodostamiseksi, vaikka se olisi ammattimainen. Yksi tunnetuista heuristisista lähestymistavoista intuitiivisen ammattilähtöisen ajattelun kehittämiseen on tutkimusongelmien ratkaiseminen. Proseduurityyppisten opetustietokonejärjestelmien käyttö mahdollistaa tämän prosessin merkittävän tehostamisen, eliminoimalla siitä rutiinioperaatiot ja mahdollistaen erilaisten matemaattisten mallien kokeiden suorittamisen.

ICG:n rooli näissä akateeminen tutkimus vaikea yliarvioida. Juuri ICG-kuvia kurssista ja matemaattisten mallien kokeilujen tuloksista jokainen opiskelija voi muodostaa oman kuvansa tutkittavasta kohteesta tai ilmiöstä sen kaikessa eheydessä ja moninaisissa yhteyksissä. Ei ole myöskään epäilystäkään siitä, että ICG-kuvilla on ennen kaikkea kognitiivinen, ei havainnollistava tehtävä, koska opetustyössä proseduurityyppisten tietokonejärjestelmien kanssa opiskelijat muodostavat puhtaasti henkilökohtaisia, eli komponentteja, joita ei ole olemassa. tässä muodossa kenelle tahansa.

Tietysti erot tietokonegrafiikan havainnollistavien ja kognitiivisten toimintojen välillä ovat melko mielivaltaisia. Melko usein tavallinen graafinen kuva voi saada jotkut opiskelijat uuteen ideaan, antaa heille mahdollisuuden nähdä joitain tiedon elementtejä, joita deklaratiivisen koulutustietokonejärjestelmän opettaja-kehittäjä ei "sijoittanut". Siten ICG-kuvan havainnollistava toiminto muuttuu kognitiiviseksi toiminnaksi. Toisaalta ICG-kuvan kognitiivinen toiminto ensimmäisten kokeiden aikana proseduurityyppisillä koulutusjärjestelmillä jatkokokeissa muuttuu havainnollistavaksi toiminnaksi jo "löydölle" eikä sen vuoksi enää kohteen uudeksi ominaisuudeksi. opiskella.

Kuitenkin perustavanlaatuiset erot ihmisen ajattelun loogisissa ja intuitiivisissa mekanismeissa, jotka johtuvat näistä eroista tiedon esittämisen muodossa ja niiden kehittämismenetelmissä, tekevät metodologisesti hyödylliseksi erottaa tietokonegrafiikan havainnollistavat ja kognitiiviset toiminnot ja mahdollistavat selkeämmän muotoilun. ICG-kuvien didaktiset tehtävät kehitystietokonejärjestelmissä opetustarkoituksiin.

Luettelo käytetyistä lähteistä

1. Zenkin A. A. Kognitiivinen tietokonegrafiikka. - M.: Nauka, 1991. - 192 s.

Kohtauksen analyysi

Kuvankäsittely ja -analyysi

Kuvallinen tietokonegrafiikka

Tietokonegrafiikan ohjeet

Nykyisessä, vakiintuneessa tilassa on tapana jakaa tietokonegrafiikka seuraaviin alueisiin:

• visuaalinen tietokonegrafiikka,
• kuvankäsittely ja analyysi,
• kohtausanalyysi (havaintotietokonegrafiikka),
• tietokonegrafiikka tieteellisiä abstraktioita varten (kognitiivinen tietokonegrafiikka - grafiikka, joka edistää kognitiota).

Objektit: syntetisoidut kuvat.

• objektimallin rakentaminen ja kuvan luominen,
• mallin ja kuvan muunnos,
• kohteen tunnistaminen ja tarvittavien tietojen hankkiminen.

Objektit: Diskreetti, numeerinen esitys valokuvista.

• parantaa kuvan laatua,
• kuvan arviointi - tarvittavien kohteiden muodon, sijainnin, koon ja muiden parametrien määrittäminen,
• kuvantunnistus - kohteen ominaisuuksien valinta ja luokittelu (ilmailukuvien käsittely, piirustusten syöttö, navigointi-, tunnistus- ja ohjausjärjestelmät).

Kuvankäsittely ja -analyysi siis perustuvat kuvan esittämiseen, käsittelyyn ja analysointiin sekä tietysti visuaaliseen tietokonegrafiikkaan, ainakin tulosten esittämiseksi.

Aihe: graafisten esineiden abstraktien mallien ja niiden välisten suhteiden tutkimus. Kohteet voidaan joko syntetisoida tai korostaa valokuvissa.

Ensimmäinen vaihe kohtausanalyysissä on eristää piirteet, jotka muodostavat graafisen objektin.

Esimerkkejä: konenäkö (robotit), röntgenkuvien analysointi kiinnostavan kohteen, kuten sydämen, eristämisellä ja seurannalla.

Joten kohtausanalyysi (havaintotietokonegrafiikka) perustuu visuaaliseen grafiikkaan + kuva-analyysiin + erikoistyökaluihin.

Vain ilmaantuva uusi suunta, jota ei ole vielä selkeästi määritelty.

Tämä on tietokonegrafiikkaa tieteellisiä abstraktioita varten, mikä edistää uuden tieteellisen tiedon syntymistä. Base - tehokkaat tietokoneet ja tehokkaat visualisointityökalut.

Kognition yleinen järjestys koostuu mahdollisesti syklisestä etenemisestä hypoteesista malliin (esineen, ilmiön) ja päätöksestä, jonka tulos on tieto. Yleisen tiedon sekvenssin malli on esitetty kuvassa 2.1.

Kuva 2.1 - Kognitioprosessin järjestys

Ihmisen kognitio käyttää kahta pääasiallista ajattelumekanismia, joista jokainen on osoitettu puoleen aivoista:

• tietoinen, loogis-verbaalinen, manipuloi abstrakteja symbolijonoja (objekteja) + symbolien semantiikkaa + symboleihin liittyviä pragmaattisia esityksiä. Tämän puheen esiintymiseen liittyvän mekanismin ikä on jopa 100 tuhatta vuotta:
• tiedostamaton, intuitiivinen, kuvaannollinen, toimii aistillisten kuvien ja ideoiden kanssa. Tämän mekanismin ikä on eläinmaailman olemassaolon aika maan päällä.

Aluksi tietokoneissa prosessorien ja tietokonegrafiikkatyökalujen suorituskyky oli alhainen, ts. itse asiassa heillä oli mahdollisuus työskennellä vain symbolien kanssa (jokin loogisen ajattelun yksinkertaistettu analogi).

Supertietokoneiden, joiden kapasiteetti on vähintään miljardi toimintoa sekunnissa, ja graafisten superasemien, joiden kapasiteetti on jopa satoja miljoonia operaatioita sekunnissa, ilmaantuessa tuli mahdolliseksi käsitellä kuvia (kuvia) melko tehokkaasti.

On tärkeää huomata, että aivot eivät vain osaa työskennellä kahdella tapaa esittää tietoa ja ne toimivat kuvien kanssa eri tavalla ja tehokkaammin kuin tietokone, vaan osaavat myös korreloida nämä kaksi tapaa ja tehdä (jollakin tavalla) siirtyy esityksestä toiseen.

Tässä yhteydessä kognitiivisen tietokonegrafiikan pääongelma ja tehtävä on sellaisten tiedon esitysmallien luominen, joissa voitaisiin yhtenäisesti esittää sekä loogiselle (symboliselle, algebralliselle) ajattelulle ominaisia ​​esineitä että figuratiiviselle ajattelulle ominaisia ​​esineitä.

Muut kriittisiä tehtäviä:

• niiden tietojen visualisointi, joille ei ole (vielä?) symbolisia kuvauksia,
• etsi tapoja siirtyä kuvasta hypoteesin muotoiluun mekanismeista ja prosesseista, joita nämä (dynaamiset) kuvat edustavat näytöllä.

Kognitiivisen tietokonegrafiikan ilmaantuminen on merkki siirtymisestä luonnollisen älyn laajan kehityksen aikakaudesta intensiivisen kehityksen aikakauteen, jolle on ominaista syvälle tunkeutuva tietokoneisaatio, joka synnyttää ihmisen ja koneen välisen kognition teknologian, jonka tärkeä kohta on suora, määrätietoinen, aktivoiva vaikutus alitajuisiin intuitiivisiin kuvitteellisen ajattelun mekanismeihin.

Yksi kirkkaimmista ja varhaisimmista esimerkeistä kognitiivisen tietokonegrafiikan soveltamisesta on C. Straussin teos "Odottamaton tietokoneiden käyttö puhtaassa matematiikassa" (TIEER, vol. 62, N 4, 1974, s. 96 - 99). Se osoittaa, kuinka graafiseen päätteeseen perustuvaa "n-ulotteista" korttia käytetään monimutkaisten algebrallisten käyrien analysointiin. Syöttölaitteiden avulla matemaatikko voi helposti saada geometrisia kuvia tutkittavan riippuvuuden parametrien suunnatun muutoksen tuloksista. Hän voi myös helposti hallita parametrien nykyisiä arvoja "syventäen siten ymmärrystään näiden parametrien vaihtelujen roolista". Tuloksena saatiin "useita uusia lauseita ja löydettiin ohjeet jatkotutkimukselle".

Jo tänään voimme täysin varmuudella todeta, että silmiemme edessä on syntymässä pohjimmiltaan uusi ihminen-kone-todellisuus, joka luo edellytykset intensiiviselle kognitioteknologialle. Puhumme uusista suunnista ihmisen ja koneen vuorovaikutuksen ja tekoälyn alalla - kognitiivisen grafiikan ja virtuaalitodellisuuden järjestelmistä.

Psykologit ovat osoittaneet, että on laitonta liittää ihmisen henkiset kyvyt vain korkeimpaan verbaal-loogiseen todellisuuden henkisen heijastuksen tasoon. Tämä reflektio sisältää myös aisti-havainto- ja figuratiiviset tasot ja niitä vastaavat kyvyt, jotka ilmenevät aisti-, havainto-, figuratiivisen muistin ja mielikuvituksen prosesseissa, joten tällaisten kykyjen kehittämiseen on tarpeen luoda keinoja. Tähän mennessä laskentatyökalujen kehitystaso on niin korkea, että se on mahdollistanut sellaisten työkalujen kehittämisen järjestelmien rakentamiseen, jotka toimivat paitsi symbolis-loogisella, myös aisti-havaittavalla ja figuratiivisella tasolla. Ja johtava rooli tässä kuuluu mainituille kahdelle uudelle suunnalle modernin laskennallisen tieteen kehityksessä.

Termiä kognitiivinen grafiikka käsitteli ensimmäisenä venäläinen tiedemies A.A. Zenkin ominaisuuksien tutkimustyössään. erilaisia ​​käsitteitä lukuteoriasta. Abstraktien numeeristen käsitteiden visuaalisten kuvien avulla hän sai tuloksia, joita aiemmin oli mahdotonta saada. Kognitiivisen grafiikan työn suunta kehittyy nopeasti, ja nyt vastaavia järjestelmiä on lukuisia eri aihealueilla: lääketieteessä tukemaan päätöksentekoa monimutkaisten teknologisten järjestelmien hallinnassa, järjestelmiin perustuvissa järjestelmissä. luonnollinen kieli.

On syytä huomata kaksi kognitiivisten grafiikkajärjestelmien toimintoa: havainnollistava ja kognitiivinen. Jos ensimmäinen toiminto tarjoaa puhtaasti havainnollistavia mahdollisuuksia, kuten kaavioiden, histogrammien, kaavioiden, suunnitelmien ja kaavioiden rakentamisen, erilaisia ​​​​kuvia, jotka heijastavat toiminnallisia riippuvuuksia, niin toinen antaa henkilön käyttää aktiivisesti luontaista kykyään ajatella monimutkaisissa tilakuvissa.

Termin "virtuaalitodellisuus" keksi entinen tietokonehakkeri Jaron Lenier, joka perusti HP Research Corp.:n vuonna 1984. Fosterissa, Kaliforniassa. Tämä on ensimmäinen yritys, joka on luonut VR-järjestelmiä. 1990-luvun alusta lähtien on järjestetty konferensseja virtuaalitodellisuuden mallinnustyökaluista ja sellaisten järjestelmien rakentamisesta, joiden avulla ihminen voi toimia ympäristössä, joka voi olla laadullisesti erilainen kuin sen todellisuuden olosuhteet, jossa hän elää.

On olemassa kaksi ominaisuutta, jotka mahdollistavat "virtuaalimaailman" (VR-järjestelmän) luovan ohjelman erottamisen perinteisistä tietokonegrafiikkajärjestelmistä.

1. Pelkän visuaalisen tiedon välittämisen lisäksi nämä ohjelmat vaikuttavat samanaikaisesti useisiin muihin aisteihin, mukaan lukien kuuloon ja jopa kosketukseen.

2. VR-järjestelmät ovat vuorovaikutuksessa ihmisen kanssa, ja niistä kehittyneimmissä käyttäjä voi esimerkiksi koskettaa vain tietokoneen muistissa olevaa esinettä laittamalla antureilla täytetty hanska käteensä. Useissa järjestelmissä voit käyttää ohjaussauvaa tai hiirtä – sitten voit tehdä jotain näytöllä näkyvälle kohteelle (esimerkiksi kääntää sitä ympäri, siirtää tai katsoa sitä takaa).

Virtuaalitodellisuusmalliin perustuvien järjestelmien kehittäminen pakottaa meidät ratkaisemaan useita multimediateknologioille ja kognitiivisille grafiikkatekniikoille tyypillisiä ongelmia. Tässä artikkelissa tarkastellaan ongelmia, jotka liittyvät sellaisten graafisten työkalujen kehittämiseen, joilla luodaan kuviollisia esityksiä dynaamisista kohtauksista, jotka edustavat erilaisia ​​todellisuuksia, mukaan lukien kuvitteelliset.

Harkitse ongelmaa virtuaalitodellisuusjärjestelmän rakentamisessa oppimista varten, joka perustuu "kuvitusmaailman" paradigmaan fyysisiä lakeja statiikka, kinematiikka ja dynamiikka. Tarkastellaan seuraavaa dynaamista maailmaa: kolmiulotteinen suljettu tila, joukko esineitä siinä, näyttelijä tässä tilassa (hän ​​on myös oppija, kutsukaamme häntä näyttelijäksi). Näyttelijän tehtävänä on ymmärtää sen maailman lakeja, jossa hän on ja toimii, suorittaen joitain fyysisiä toimintoja esineiden kanssa ajassa ja tilassa.

Korostetaan tärkeimmät käsitteet, joita näyttelijä kohtaa. Nämä ovat esineitä, suhteita, liikkeitä ja fyysisiä toimia. Asetetaan tehtäväksi rakentaa kuvitteellinen maailma, joka heijastaa näitä luokkia; samaan aikaan tällaisen kuvitteellisen todellisuuden tiloja kuvataan tekstien muodossa tavallisella luonnollisella kielellä. Tällaisen VR-järjestelmän tärkeä moduuli on alijärjestelmä, joka rakentaa tekstistä dynaamisesti muuttuvan graafisen kuvan. Tämän ongelman ratkaisemiseksi käytetään tekijöiden kehittämää TEKRIS-järjestelmää. Alla tarkastellaan yleiskuvausta TEKRIS-järjestelmästä ja graafisia työkaluja tällaisten järjestelmien rakentamiseen.

TEKRIS-järjestelmän rakennekaavio

TEKRIS-järjestelmä on joukko ohjelmistotyökaluja, jotka mahdollistavat dynaamisesti muuttuvan graafisen kuvan rakentamisen kuvatusta tilanteesta luonnollisen kielen tekstin avulla. Alkukuvauksen rajoituksina tulee huomioida: 1) alkuperäisen staattisen kohtauksen kuvauksen tulee olla tekstissä; 2) kaikki myöhemmin tapahtuvat muutokset kohtauksessa ovat seurausta jonkin kohteen (ihmisen, robotin) suorittamista toimista. Tyypillinen esimerkki Tällainen kuvaus voisi olla seuraava:

Huoneessa on pöytä. Pöydällä on lamppu. Pöydän vieressä on tuoli. Pöydän takana, ei kaukana vasemmalla, on kirjahylly. Tuolin oikealla puolella on sohva. Ivan seisoo kaapin vieressä. Ivan meni pöytään. Otin lampun. Laitoin sen kaappiin.

Järjestelmän lohkokaavio on esitetty kuvassa 1. Tässä kaaviossa ohjelmistokomponentit on esitetty suorakulmioiden muodossa ja lähde- ja välitiedostot ovat soikion muotoisia.

Dynaamisen tilanteen kuvaus luonnollisella kielellä syötetään lingvistisen prosessorin syötteeseen. Aihemaailman sanastoa käyttäen se muuntaa tekstin sisäiseksi kehysesitykseen, joka syötetään sitten ratkaisijalle ja aikatauluttajalle.

Ratkaisija rakentaa kvalitatiivisen fyysisen päättelyn lohkoa ja loogista lohkoa käyttäen kuvauksen tilanteen kehityksen liikeradalta ajallisen kohtaussarjan muodossa, joka heijastaa tekstin antamaa tilanteen kehityksen dynamiikkaa. .

Ajastin rakentaa graafisen kuvan jokaisesta kohtauksesta tietystä sekvenssistä laskemalla tätä tarkoitusta varten kaikkien kohtauksen muodostavien kohteiden mitat ja koordinaatit sekä muodostaa myös esittämiseen tarvittavat objektien liikeradat ja välittää tämän kaiken visualisaattorin syöttö.

Visualisoija toistaa luodut kuvat peräkkäin tietyllä viiveellä näyttöruudulla. Esimerkiksi yllä olevaa tekstikuvausta varten luodaan kuvassa 2 esitetty aloituskohtaus.

Aivan kuten kielellinen prosessori on linkitetty aihealueeseen termisanaston kautta, samoin visualisoija on linkitetty samalle alueelle graafisten objektien pohjan kautta.

Graafisten objektien tietokanta on joukko kolmiulotteisia kuvauksia kohteista ja kohteista, jotka löytyvät analysoiduista kohtauksista. Tietyn sovelluksen perustan luomiseen käytetään lisäohjelmaa, jota kutsutaan graafisten objektien kirjastonhoitajaksi.

Riisi. 2. Alkukuvaus Graafinen objektikanta

Graafisten objektien tietokanta koostuu joukosta tarkasteltavaan aihealueeseen liittyvien objektien ja aiheiden kuvauksia. Jokainen tietokantaobjekti koostuu tälle tietokannalle ainutlaatuisesta nimestä (tai tyypistä) (esimerkiksi "tuoli", "pöytä", "sohva" jne.) ja kuvauksesta sen muodostavien komponenttien koostumuksesta ja suhteellisesta sijainnista. ylös.

Peruselementti, josta kaikki graafiset objektit rakennetaan, on suorakaiteen muotoinen suuntaissärmiö (ks. kuva 3). Monimutkaisten objektien rakentamiseen voidaan käyttää myös muita aiemmin määriteltyjä objekteja komponentteina. Esimerkiksi rakentaaksesi niin monimutkaisen kohteen kuin "Ivan", voit ensin määritellä seuraavat yksinkertaisemmat objektit: "pää", "käsivarsi", "jalka" ja rakentaa sitten "Ivan" jo olemassa olevista "tiileistä".

Kuvassa 3 on "taulukko"-objekti, joka koostuu viidestä peruselementistä. Jokaiselle kohteelle määritellään suorakaiteen muotoinen suuntaissärmiö, johon se voidaan kirjoittaa (merkitty katkoviivalla kuvassa), ja kantakulma, jossa kohteen origo sijaitsee.

Lisäksi jokaiselle kohteelle määritellään joukko värejä, joilla sen osat maalataan tietokoneen näytöllä näkyvissä:

värien määrä

Yhden värin määrittämiseksi näytetään kolme numeroa, joissa täyttötyyppi määrittää järjestyksen, jossa päävärit sekoitetaan:
täyttötyyppi i

täyttötyyppi2

täyttötyyppi

Renderöidessään käytetään neljää erilaista varjostusta yhtenäisen perus- tai yhdistetyn värin kanssa, kuten kuvassa 4.

Kolmen numerosarjan avulla voit asettaa kolme eri värisävyä erilaisten värittämiseen

komponentti l

Objektin jokainen komponentti määräytyy sen sijainnin (koordinaatit suhteessa peruskulmaan), mittojen ja kasvojen värin perusteella.

Komponentti, joka on peruselementti, kuvataan seuraavasti:

2) peruskulman koordinaatit järjestelmässä

kohteen koordinaatit;

3) kiertokulmat järjestelmän akseleiden ympäri

objektin koordinaatit, kunnes se osuu yhteen elementin koordinaattiakselien kanssa;

4) elementin mitat (dx, dy, dz);

5) värinumero.

Komponentti, joka puolestaan ​​on objekti, määritellään seuraavasti: 1) tyyppi(=1);

2) kohteen nimi;

3) kantakulman koordinaatit;

4) kiertokulmat;

5) mitat;

6) värinumero.

Kun objekti renderöidään, kaikki sen komponentit järjestetään riippuen etäisyydestä projektioalueeseen (näyttöruutuun). Ensin piirretään kaukaisimmat komponentit, sitten lähimmät, jolloin voit sulkea kauimpana olevien komponenttien näkymättömät osat tarkkailijasta.

Kuution pinnat on myös järjestetty projektioalueen lähestymisjärjestykseen. Jokaiselle kasvojen kärjelle 3D-koordinaatit muunnetaan kohtauksen koordinaattijärjestelmästä näytön 2D-koordinaateiksi käyttämällä alla esitettyjä kaavoja (katso kuva 5). Sitten määritetään normaalivektorin suunta ja valitaan sopiva kasvojen varjostus, jonka jälkeen näyttöruudulle piirretään kasvoja vastaava nelikulmio. Koska tarkkailijaa lähinnä olevat elementit näkyvät viimeisinä, ne peittävät näkymättömät reunat.

Riisi. 5. Objektin projektio visualisointitasolle

Kohdekoordinaattijärjestelmän elementtiin (x, y, z) kuuluvan pisteen koordinaatit lasketaan seuraavilla kaavoilla:

missä (x\y", z1) ovat elementtijärjestelmän pisteen koordinaatit;

(xq, уо", zq) - kantakulman koordinaatit, tij - suuntakosinit, eli objektijärjestelmän akselien / ja j välisen kulman cos.

Seuraavaa kaavaa käytetään suuntakosinien laskemiseen:

sina-sinp-cozy+cosa-sinp-cosa-sinp-cosy+sina-sinp

Sina-sinp-siny+cosa-cosy cosa-sinp-siny+sina-cosy

Sina cosp cosa cosp

Matriisi M määrittää peräkkäisen kierron x-akselin ympäri oc:lla, y p:llä, z y:llä. Pisteen projektion koordinaatit kuvaruudulle lasketaan samalla tavalla.

Grafiikkakirjastonhoitaja

Graafisten objektien kirjastonhoitaja on ohjelma, joka on suunniteltu luomaan joukko objekteja ja aiheita, jotka löytyvät analysoiduista teksteistä. Tämä ohjelma voit luoda uuden tietokannan objekteista, ladata olemassa olevan tietokannan, tallentaa tietokannan tiedostoon, lisätä uuden objektin tietokantaan, muokata ja poistaa objektia.

Riisi. 6. Graafisten objektien kirjastonhoitajan työnäyttö

osat sekä nykyisen (muokatun) komponentin parametrien arvot.

Muun ruudun tilan vievät kolme kohteen ja sen isometrisen projektion ortogonaalista projektiota, ja on mahdollista muuttaa kohteen näkökulmaa asettamalla kiertokulmat koordinaattiakseleiden ympäri.

Ohjelman päävalikko sisältää seuraavat kohteet:

Base - uuden tietokannan luominen objekteista, vanhan tietokannan tallentaminen ja lataaminen.

Ystävällinen - muutos isometrinen näkymä(objektin kierto).

Objektit - näyttää luettelon kaikista tietokannan objekteista sekä mahdollisuus navigoida valittuun objektiin.

Komponentti - parametriarvojen asettaminen objektikomponentille (sijainti, mitat, väri).

Värit - värijoukon asettaminen objektille.

Huone - huoneen rakentaminen ja katseleminen olemassa olevista kohteista (ei toteutettu käsiteltävässä versiossa).

Poistu - Poistu ohjelmasta.

Päävalikon alla olevat painikkeet suorittavat seuraavat toiminnot:

Ohjelman työnäyttö näkyy kuvassa. 6. Näytön yläosassa on päävalikko, alareunassa - sarja päävärejä (16 väriä) ja neljä erilaista varjostusta. Näytön vasemmassa yläkulmassa (valikon jälkeen) on viisi painiketta objektin luomiseen ja muokkaamiseen. Suoraan niiden alapuolella on kohteen nimi, luettelo sen koostumuksesta

Lisää objektiin uusi kanta- tai yhdistekomponentti

Muuta komponentin kokoa (mittoja).

Muuta komponenttien sijaintia

Kierrä komponenttia

Poista komponentti

Kun uusi objekti luodaan, luodaan kuutio, jolla on oletusmitat. Objektin komponenttien mitat asetetaan kokonaislukuina välillä 1-400, joten objektipohjaa luotaessa on määritettävä mittakaava siten, että objektin näytettävät (ei todelliset) mitat osuvat tähän väliin. .

Jos haluat muuttaa komponentin kokoa, napsauta "Koko" -painiketta. Sen jälkeen ohjelma siirtyy mittamuutostilaan, joka tehdään siirtämällä komponenttia vastaavan suorakulmion oikeaa alakulmaa jossakin kolmesta ortogonaalisesta projektiosta. Siirtyminen tapahtuu "hiiri"-manipulaattorin avulla vasenta painiketta painettuna.

Komponenttia siirretään samalla tavalla, kun "Move"-painiketta painetaan. Kierrä komponenttia napsauttamalla "Käännä" -painiketta. Uuden komponentin lisääminen tapahtuu painamalla "Uusi"-painiketta. Kun suoritetaan mitä tahansa toimintoa komponentilla, kohteen mitat ja kaikkien sen komponenttien koordinaatit lasketaan automaattisesti uudelleen.

Tarvittaessa "Del"-painikkeella voidaan objektin komponentti poistaa, mikä johtaa myös koordinaattien ja mittojen uudelleenlaskentaan. Sijainnin ja koon lisäksi objektin jokainen komponentti määrittää kolme värisävyä kasvoilleen. Yhden tai toisen sävyn valinta riippuu kasvojen tason (sen normaalin) sijainnista avaruudessa. Jos komponentti puolestaan ​​on objekti, aliobjektin värit periytyvät ja ne voidaan korvata muokatun objektin väreillä.

Jos haluat asettaa värit objektille tai määrittää värin komponentille, valitse "Värit" päävalikosta. Näyttöön tulee ikkuna (kuva 7).

Tämän ikkunan vasemmassa osassa on lista objektin väreistä, oikeassa osassa on värikuvio kolmelle mahdolliselle tapaukselle, alaosassa on neljä painiketta.

Varjostuksen asettamiseksi sinun on valittava kasvot (A, B tai C) ja näytön alareunasta varjostuksen tyyppi, päävärit (hiiren vasen painike) ja lisävärit (oikea painike). Kun napsautat "Tallenna" -painiketta, valittu väri määritetään komponentille. "Lisää"- ja "Poista"-painikkeilla voit lisätä ja poistaa väriluettelon elementtejä.

Jos "hiiri"-manipulaattoria ei ole, voit käyttää "Komponentti"-päävalikon kohtaa komponenttien parametrien arvojen asettamiseen. Tällöin ruudulle tulee kuvan 8 mukainen ikkuna, jonka yläosaan asetetaan komponentin nimi (kuvassa tuolin "vasen käsivarsi"), jota voidaan muuttaa. jos välttämätöntä.

Ikkunan vasemmassa puoliskossa asetetaan komponenttiparametrien arvot, oikealla - joukko painikkeita komponenttien lajitteluun, lisäämiseen ja poistamiseen, värin asettamiseen ja muutosten tallentamiseen tai kieltäytymiseen.

Tässä ikkunassa, käyttämällä vain näppäimiä, voit kuvata objektin täydellisesti. Aseta parametrin arvo siirtymällä halutulle riville kohdistinnäppäimillä ("Ylös", "Alas") ja kirjoittamalla uusi arvo. Huomaa, että kuvassa 8 mitat on esitetty harmaalla, ts. niitä ei voi muuttaa, koska tuolin käsivarsi puolestaan ​​on esine ja perii sen mitat.

Kun olet lopettanut yhden objektin muokkaamisen, voit siirtyä toisen luomiseen tai muokkaamiseen. Ennen ohjelmasta poistumista objektitietokanta tulee tallentaa tiedostoon jatkokäyttöä varten ohjelmassa kolmiulotteisten kohtausten visualisointia varten.

3D-kohtausten visualisointi

Visualisointiohjelma voi toimia kahdessa tilassa. Päätila on, kun ajastin rakentaa nykyisen 3D-näkymän ja välittää sen renderöijälle hahmontamista varten. Toisessa toimintatavassa ajastin luo analysoidulle tekstille kohtaussarjan ja kirjoittaa sen tiedostoon, jota visualisoija käyttää myöhemmin. Tässä tapauksessa renderöija toimii luotujen sekvenssien demonstraattorina.

Ohjelmasyötteeseen syötetään kaksi tiedostoa - graafisten objektien pohja ja kohtausten järjestys - seuraavassa muodossa:

Yksi kohtaus erotetaan toisesta erityisellä PAUSE-komennolla (tauko kohtausten välillä).

Jokainen kohtaus kuvataan komentosarjana:

Joukkue 1

Joukkue t

Komennot on jaettu objektin kuvauskomentoihin ja ohjauskomentoihin. Kuvauskomento sisältää seuraavat kentät:

Käytetyn objektin yksilöllinen nimi

myöhemmissä kohtauksissa;

Objektin tyyppi (nimi tietokannassa);

Vasemman takaosan koordinaatit alempana

kulma huoneen koordinaattijärjestelmässä;

Kiertokulmat koordinaattiakselien ympärillä

Kokomuuttaja (L - iso, M -

keskikokoinen, S - pieni);

Väri (0-8). Jos väri=0, niin objekti

näytetään tietokannassa käytetyllä värillä. Muuten: 1 - musta, 2 - sininen 8 - valkoinen.

Alkukohtausta kuvaavien objektien joukossa on oltava "kohtaus" (huone) -tyyppinen esine. Tämä objekti on sisäänrakennettu (ei ole graafisten objektien pohjassa). Se määrittää huoneen mitat sekä tarkkailijan sijainnin. Asettamalla uusia kiertokulmia joka kerta voit muuttaa tarkkailijan sijaintia nähdäksesi aiemmin näkemättömät kohteet. Esimerkiksi kuva 9 esittää artikkelin alussa käsitellyn tekstin toisen kohtauksen eri näkökulmasta.

Riisi. 9. Toinen kohtaus eri näkökulmasta

Seuraavia ohjauskomentoja käytetään kohtaussarjan luomiseen:

PAUSE - tauko kohtausten välillä;

SIIRRÄ - siirrä objekti uuteen

asema;" TRACE - näytä kohteen liikkeen liikerata;

DEL - poista kohde kohtauksesta

(käytetään visualisoimaan käsite "ota").

Yhteenvetona voidaan todeta, että kehitetyt graafiset työkalut ovat keskittyneet käyttöön älykkäissä CAD-järjestelmissä, roboteissa, koulutusjärjestelmissä, tietokonepelien rakentamisessa, "virtuaalitodellisuusjärjestelmissä. Järjestelmäohjelmistotyökalujen avulla voit esittää dataa, joka on ilmaistu tekstinä ja graafisena muotoja ja manipuloida niitä.

Seuraava askel näiden työkalujen kehityksessä on sellaisen järjestelmän kehittäminen, jonka avulla voit manipuloida ei yksittäisen kohtauksen sisällä, vaan joidenkin niiden yhdistelmän sisällä, mikä mahdollistaa monimutkaisempien maailmojen luomisen.

Kun tarkastellaan ongelmia, jotka liittyvät menetelmien ja työkalujen rakentamiseen uusien sukupolvien järjestelmien luomiseksi ihmisen ja koneen vuorovaikutuksen alalla (sanan laajassa merkityksessä), haluan vielä kerran korostaa figuratiivisten, ei-verbaalisten esitysten poikkeuksellista roolia. erilaisissa luovissa ja älyllisissä prosesseissa, mukaan lukien oppiminen, uuden tiedon löytäminen, monimutkaisten kohteiden hallinta jne., joten tarvitaan uusia työkaluja, jotka auttavat käyttämään kaikkia ihmisen kykyjä. Ja tässä tietysti tärkeä rooli kuuluu tietokonejärjestelmiin, joissa on uusia tekniikoita, jotka tukevat näitä kykyjä, erityisesti perustuen kognitiiviseen grafiikkaan ja virtuaalitodellisuusjärjestelmiin.

Bibliografia

5. Zenkin A. A. Kognitiivinen tietokonegrafiikka // M.: Nauka, 1991.-S. 187.

7. Rakcheeva T.A. EKG:n rytmisen rakenteen kognitiivinen esitys // Ohjelmistot ja järjestelmät. - 1992. -L6 2.- S. 38-47.

4. Eremeev A.P., Korotkoe O.V., Popov A.V. Visuaalinen ohjain päätöksenteon tukijärjestelmille // Proceedings / Sh Conf. tekoälystä. Tver.-1992. T. 1. - S. 142-145.

2. Bakharev I.A., Leder V.E., Matekin M.P. Smart Day Graphics Tools -näyttö

monimutkainen dynamiikka tekninen prosessi// Ohjelmistot ja järjestelmät. -1992. - Nro 2. - S. 34-37.

8. V.Bajdoun, LXitvintseva. SJvfalitov et ai. Tekris: Älykäs järjestelmä tekstianimaatioon // Proc. East-West Conf. on Art. Intel. EWAIC93. 7.-9. syyskuuta Moskova, Venäjä. 1993.

3. Hamilton J., SmithA., McWilliams G. et ai. Virtuaalitodellisuus// Työviikko. - 1993. - Nro 1.

6. Litvintseva L.V. Kolmiulotteisten dynaamisten kohtausten visualisointijärjestelmän käsitteellinen malli // Ohjelmistot ja järjestelmät. Nro 2.1992.

1. Baidun V.V., Bunin A.I., Bunina O.Yu. Dynaamisten tilakohtausten tekstikuvausten analyysi TEKRIS-järjestelmässä // Ohjelmistot ja järjestelmät. -1992. -Nro 3. - S. 42-48.

4. KOGNITIIVINEN TIETOKONEGRAFIIKKA TEKIJÄN KOULUTUKSESSA

Interaktiivisen tietokonegrafiikan (ICG) työkalujen syntyminen ja kehitys avaa koulutussektorille pohjimmiltaan uusia graafisia mahdollisuuksia, joiden ansiosta opiskelijat voivat dynaamisesti ohjata sisältöä, muotoa, kokoa ja väriä kuva-analyysin prosessissa saavuttaen suurimman näkyvyyden. Opettajat, mukaan lukien koulutuksen tietotekniikan kehittäjät, ymmärtävät edelleen huonosti nämä ja monet muut ICG:n mahdollisuudet, mikä ei salli täysimääräistä hyödyntämistä. koulutuspotentiaalia IKG. Tosiasia on, että grafiikan käyttö koulutuksen tietokonejärjestelmissä ei vain lisää tiedonsiirron nopeutta opiskelijoille ja lisää sen ymmärtämisen tasoa, vaan myös edistää sellaisten tärkeiden ominaisuuksien kehittymistä minkä tahansa alan asiantuntijalle, kuten intuitio, ammattilainen. "hohto", mielikuvituksellinen ajattelu.
ICG:n vaikutus intuitiiviseen luova ajattelu johti uuden suunnan syntymiseen tekoälyn ongelmissa, jota kutsutaan kognitiiviseksi (eli kognitiiviseksi) tietokonegrafiikaksi. AT Tämä alue Pohditaan kognitiivisen tietokonegrafiikan roolia ja asemaa insinöörikoulutuksessa, keskustellaan useista tutuista ja ehdotetaan uusia kognitiivisempia tapoja kenttien graafiseen esittämiseen. fyysiset parametrit, kuvataan algoritmeja vastaavien kuvien rakentamiseksi ja esitetään tulokset tarkasteltujen visualisointimenetelmien vertailusta niiden kognitiivisen tehokkuuden näkökulmasta.

4.1. Ihmisen ajattelun dualismi
Ihmismieli käyttää kahta ajattelumekanismia. Yksi niistä antaa sinun työskennellä abstraktien merkkijonojen, tekstien ja niin edelleen kanssa. Tätä ajattelumekanismia kutsutaan yleensä symboliseksi, algebralliseksi tai loogiseksi. Toinen ajattelumekanismi tarjoaa työtä aistillisten kuvien ja ideoiden kanssa näistä kuvista. Sitä kutsutaan kuviolliseksi, geometriseksi, intuitiiviseksi jne. Fysiologisesti looginen ajattelu liittyy vasempaan pallonpuoliskoon ihmisaivot, ja kuvitteellinen ajattelu - oikealla pallonpuoliskolla.
Amerikkalainen tiedemies R. Sperry havaitsi tärkeimmät erot ihmisen aivopuoliskojen toiminnassa, joka kerran terapeuttisissa tarkoituksissa vaaransi katkaista pallonpuoliskot epilepsiapotilailla. Henkilö, jonka oikea aivopuolisko oli "vammainen" ja vasen aivopuolisko "toimii", säilytti kyvyn kommunikoida suullisesti, vastasi oikein sanoihin, numeroihin ja muihin. tavanomaisia ​​merkkejä, mutta osoittautui usein avuttomaksi, kun oli tarpeen tehdä jotain aineellisen maailman esineiden tai niiden kuvien kanssa. Kun vain yksi "oikea" pallonpuolisko toimi, potilas selviytyi helposti tällaisista tehtävistä, oli hyvin perehtynyt taideteoksiin, melodioihin ja puheen intonaatioihin, orientoitui avaruudessa, mutta menetti kyvyn ymmärtää monimutkaisia ​​puherakenteita eikä pystynyt puhumaan millään johdonmukaisella tavalla.
Jokainen ihmisen aivojen puolipallo on itsenäinen järjestelmä ulkoisen maailman havaitsemiseen, sitä koskevien tietojen käsittelemiseen ja käyttäytymisen suunnitteluun tässä maailmassa. Vasen pallonpuolisko on ikään kuin suuri ja tehokas tietokone, joka käsittelee merkkejä ja prosesseja niiden käsittelemiseksi. Luonnollisen kielen puhe, sanoilla ajattelu, rationaalis-loogiset menetelmät tiedon käsittelyyn jne. - kaikki tämä toteutuu vasemmalla pallonpuoliskolla. Oikealla pallonpuoliskolla ajattelu toteutuu aistikuvien tasolla: esteettinen maailmankuva, musiikki, maalaus, assosiatiivinen tunnistus, pohjimmiltaan uusien ideoiden ja löytöjen synty jne. Kaikki tuo mielikuvituksellisen ajattelun monimutkainen mekanismi, joka usein määritellään yhdellä termillä "intuitio", on aivojen toiminnan oikeanpuoleinen alue.
Usein oikeanpuoleinen ajattelu liittyy taiteen toimintaan. Joskus tätä ajattelua kutsutaan jopa taiteelliseksi. Kuitenkin vielä formalisoidummat toiminnot käyttävät suurelta osin intuitiivista ajattelumekanismia. Tunnettujen tutkijoiden lausunnot intuition roolista tieteellisessä toiminnassa ovat uteliaita. "Todellinen arvo", sanoi A. Einstein, "on pohjimmiltaan vain intuitio. Minulle ei ole epäilystäkään siitä, että ajattelumme etenee pohjimmiltaan ohittaen symbolit (sanat) ja lisäksi tiedostamatta." Ja muualla: "Yksikään tiedemies ei ajattele kaavoissa."
Jopa niin abstrakti formalisoitu tieteenala kuin matematiikka hyödyntää merkittävästi oikeanpuoleista ajattelua. "Sinun täytyy arvata matemaattinen lause ennen kuin todistat sen; sinun on arvattava todistuksen idea ennen kuin käyt sen läpi yksityiskohtaisesti." A. Poincaré puhuu vielä selvemmin: "... luodakseen aritmetiikkaa, samoin kuin luodakseen geometriaa tai mitä tahansa tiede, tarvitset jotain muuta kuin puhdasta logiikkaa. Meillä ei ole tälle muuta sanaa kuin "intuitio".
Kahden ajattelumekanismin eroa voidaan havainnollistaa periaatteilla koota yhtenäinen teksti yksittäisistä tiedon elementeistä: vasen aivoajattelu luo näistä elementeistä yksiselitteisen kontekstin, ts. kaikista lukemattomista esineiden ja ilmiöiden välisistä yhteyksistä se valitsee aktiivisesti vain muutaman tietyn tehtävän kannalta oleellisimman. Oikean pallonpuoliskon ajattelu luo moniarvoisen kontekstin, koska yhden tai useamman ilmiön lähes kaikki merkit ja yhteydet tunnistetaan samanaikaisesti. Toisin sanoen looginen merkkiajattelu tuo jonkin verran keinotekoisuutta maailmankuvaan, kun taas kuviollinen ajattelu tarjoaa luonnollisen välittömän käsityksen maailmasta sellaisena kuin se on.
Ihmisen ajattelu ja käyttäytyminen ovat ehdollisia yhteistä työtä ihmisen aivojen molemmilla puolipalloilla. Joissakin tilanteissa ajattelun looginen komponentti hallitsee, toisissa intuitiivinen. Psykologien mukaan kaikki ihmiset on jaettu kolmeen ryhmään: hallitseva "vasemman pallonpuoliskon" ajattelu, "oikean pallonpuoliskon" ajatteluun, sekaajatteluun. Tämä jako on geneettisesti ennalta määrätty, ja on olemassa erityisiä testejä, joilla määritetään taipumus jonkinlaiseen ajatteluun.
Edellä kuvatut perustavanlaatuiset erot vasemman ja oikean pallonpuoliskon tiedonkäsittelystrategioiden välillä liittyvät suoraan erilaisten kykyjen muodostumiseen. Joten tieteelliselle luovuudelle, ts. perinteisten ajatusten voittamiseksi on välttämätöntä havaita maailma kokonaisuudessaan, mikä edellyttää moniarvoisen kontekstin organisointikykyjen kehittämistä (kuvannollinen ajattelu). Onkin lukuisia havaintoja siitä, että luova toiminta on vähemmän väsyttävää ihmisille, jotka säilyttävät kykynsä ajatella luovasti, kuin rutiini, yksitoikkoinen työ. Mutta ihmiset, joilla ei ole kehittynyt mielikuvituksellisen ajattelun kykyä, tekevät usein mieluummin mekaanista työtä, eikä se näytä heistä tylsältä, koska he ovat ikään kuin oman muodollis-loogisen ajattelunsa "orjuuttamia". Tästä on selvää, kuinka tärkeää on varhaisesta iästä lähtien rakentaa koulutus oikein niin, että molemmat ihmiselle välttämätön Ajattelutyypit kehittyivät harmonisesti, jotta kuvitteellinen ajattelu ei rajoittuisi rationaalisuuteen, jotta ihmisen luova potentiaali ei loppuisi.
Älykkäiden järjestelmien kehittämisessä, kuten D.A. Pospelov, on "vasen pallonpuoliskon rulla". Ilmeisesti vielä suuremmassa määrin tällainen "vasen pallonpuoliskon kallistus" on ominaista nykyaikaiselle koulutukselle, mukaan lukien siinä käytetyt tietokonemenetelmät ja -välineet. Ilmiö ei ole niin vaaraton. Insinöörikoulutuksen tietokoneistamisen negatiivinen vaikutus, josta keskusteltiin edellä (ks. kohta 3.1), johtuu suurelta osin käytettyjen tietokonejärjestelmien heikosta vaikutuksesta intuitiiviseen, mielikuvitukselliseen ajattelumekanismiin.
Tältä osin tiedon implisiittisten, alitajuisten komponenttien selkeä allokointi antaa meille myös mahdollisuuden asettaa selkeästi niiden kehittämistehtävä, muotoilla asianmukaiset vaatimukset menetelmille ja opetusvälineille, mukaan lukien tietokonegrafiikkamenetelmät.

4.2. Tietokonegrafiikan havainnollistavat ja kognitiiviset toiminnot

Tällä hetkellä interaktiivinen tietokonegrafiikka on yksi nopeimmin kehittyvistä uuden tietotekniikan alueista. Niinpä tieteellisessä tutkimuksessa, mukaan lukien perustutkimus, alkuvaiheelle tyypillisen ICG:n havainnollistavan toiminnan painotus on siirtymässä yhä enemmän niiden ICG-ominaisuuksien käyttöön, jotka mahdollistavat "...ihmisen ajattelukyvyn aktivoinnin". monimutkaisissa tilakuvissa". Tässä suhteessa he alkavat erottaa selvästi kaksi ICG:n toimintoa: havainnollistava ja kognitiivinen.

ICG:n havainnollistava toiminta mahdollistaa enemmän tai vähemmän riittävän visuaalisen suunnittelun vain sen, mikä on jo tiedossa, ts. on jo olemassa joko ympärillämme olevassa maailmassa tai ideana tutkijan päässä. ICG:n kognitiivinen tehtävä on käyttää jotakin ICG-kuvaa uuden hankkimiseksi, ts. tietoa, jota ei vielä ole edes asiantuntijan päässä, tai ainakin edesauttaa tämän tiedon hankkimisprosessia.

Pääidea ICG:n havainnollistavan ja kognitiivisen toiminnan eroista, joka on esitelty artikkelissa kuvattaessa ICG:n käyttöä tieteellisessä tutkimuksessa, sopii hyvin koulutustarkoituksiin käytettävien tietojen ja tietokonejärjestelmien luokitteluun (ks. kohta 1.1). ). ICG:n havainnollistavat toiminnot toteutetaan deklaratiivisen tyyppisissä koulutusjärjestelmissä siirrettäessä opiskelijoille artikuloitua osaa tiedosta, joka esitetään valmiiksi valmistetun tiedon muodossa graafisten, animaatioiden, ääni- ja videokuvituksen kera (kuva 4.1). ICG:n kognitiivinen toiminta ilmenee prosessityyppisissä järjestelmissä, jolloin opiskelijat "hankivat" tietoa tutkimalla tutkittavien kohteiden ja prosessien matemaattisia malleja, ja koska tämä tiedonmuodostusprosessi perustuu intuitiiviseen oikeanpuoleiseen pallonpuoliskoon. ajattelumekanismi, tämä tieto itsessään on suurelta osin henkilökohtaista. Jokainen ihminen muodostaa alitajuisen henkisen toiminnan tekniikat omalla tavallaan. Nykyaikaisella psykologialla ei ole tiukasti perusteltuja menetelmiä ihmisen luovan potentiaalin muodostamiseksi, vaikka se olisi ammattimainen. Yksi tunnetuista heuristisista lähestymistavoista intuitiivisen ammattilähtöisen ajattelun kehittämiseen on tutkimusongelmien ratkaiseminen. Proseduurityyppisten opetustietokonejärjestelmien käyttö mahdollistaa tämän prosessin merkittävän tehostamisen, eliminoimalla siitä rutiinioperaatiot ja mahdollistaen erilaisten matemaattisten mallien kokeiden suorittamisen.

Riisi. 4.1. Käsitteellinen ero tietokonegrafiikan kognitiivisten ja havainnollistavien toimintojen välillä

ICG:n roolia näissä koulutustutkimuksissa ei voi yliarvioida. Juuri ICG-kuvia kurssista ja matemaattisten mallien kokeilujen tuloksista jokainen opiskelija voi muodostaa oman kuvansa tutkittavasta kohteesta tai ilmiöstä sen kaikessa eheydessä ja moninaisissa yhteyksissä. Ei ole myöskään epäilystäkään siitä, että ICG-kuvilla on ennen kaikkea kognitiivinen, ei havainnollistava tehtävä, koska opetustyössä proseduurityyppisten tietokonejärjestelmien kanssa opiskelijat muodostavat puhtaasti henkilökohtaisia, ts. ei ole olemassa tässä muodossa kenellekään, tiedon komponentteja.

Tietysti erot tietokonegrafiikan havainnollistavien ja kognitiivisten toimintojen välillä ovat melko mielivaltaisia. Usein tavallinen graafinen kuva voi saada jotkut opiskelijat uuteen ideaan, antaa heille mahdollisuuden nähdä joitain tiedon elementtejä, joita opettaja-kehittäjä ei ole "sijoittanut" deklaratiivisen tyyppisen koulutuksen tietokonejärjestelmän. Siten ICG-kuvan havainnollistava toiminto muuttuu kognitiiviseksi toiminnaksi. Toisaalta ICG-kuvan kognitiivinen toiminto ensimmäisten kokeiden aikana proseduurityyppisillä koulutusjärjestelmillä jatkokokeissa muuttuu havainnollistavaksi toiminnaksi jo "löydölle" eikä sen vuoksi enää kohteen uudeksi ominaisuudeksi. opiskella.

Kuitenkin perustavanlaatuiset erot ihmisen ajattelun loogisissa ja intuitiivisissa mekanismeissa, jotka johtuvat näistä eroista tiedon esittämisen muodossa ja niiden kehittämismenetelmissä, tekevät metodologisesti hyödylliseksi erottaa tietokonegrafiikan havainnollistavat ja kognitiiviset toiminnot ja mahdollistavat sen. muotoilla selkeämmin ICG-kuvien didaktiset tehtävät kehitystietokonejärjestelmissä opetustarkoituksiin.

4.3. Kognitiivisen tietokonegrafiikan tehtävät

Teoksen esipuheessa tunnettu tekoälyn asiantuntija D. A. Pospelov muotoili kolme kognitiivisen tietokonegrafiikan päätehtävää. Ensimmäisenä tehtävänä on luoda sellaisia ​​tiedon esitysmalleja, joissa olisi mahdollista esittää sekä loogiselle ajattelulle ominaisia ​​esineitä että kuvia-kuvia, joiden kanssa figuratiivinen ajattelu toimii yhtenäisin keinoin. Toinen tehtävä on sen ihmistiedon visualisointi, jolle ei vielä ole mahdollista löytää tekstillisiä kuvauksia. Kolmanneksi etsitään tapoja siirtyä havaituista kuvista-kuvista jonkin hypoteesin muotoilemiseen niistä mekanismeista ja prosesseista, jotka ovat piilossa havaittujen kuvien dynamiikan takana.

Teknisen analyysin, tietokoneavusteisen suunnittelun ja proseduurityyppisten opetustietokonejärjestelmien kehittäjät käsittelevät toista tässä kuvatuista kognitiivisen grafiikan tehtävistä, kun tieto teknisestä kohteesta saadaan moniulotteisten matemaattisten mallien tutkimuksessa. ja esitetty tavanomaisessa symbolis-digitaalisessa muodossa muuttuu inhimillisen analyysin ulottumattomiksi suuren informaatiomäärän vuoksi. Tarkastellaan edelleen useita menetelmiä teknisten objektien fyysisten ominaisuuksien kenttien esittämiseksi ja algoritmeja vastaavien kuvien rakentamiseksi, joilla on korkea kognitiivinen potentiaali.

4.4 Visualisointialgoritmien oletukset

Oletetaan, että joukko tavallisia graafisia toimintoja, joita ohjelmoijat käyttävät kehittäessään koulutusohjelmia, mahdollistavat pisteen korostamisen näytöllä osoittamalla sen koordinaatit ja värin, piirtämällä suoran viivasegmentin, joka osoittaa sen värin ja päiden koordinaatit, suorittaa geometrisia koordinaattimuunnoksia ja projektiomuunnoksia.

Oletetaan myös, että kuvattu fyysisten ominaisuuksien kenttä esitetään erillisinä arvoina kolmion tai nelikulmaisen muodon tasaisen elementtiverkoston (PNE) solmuissa. Tämä verkko voi näyttää joko koko kentän tai sen fragmentin, esimerkiksi osan kolmiulotteisesta kentästä tasolla. Huomaa, että tämä parametrien esitystapa on luonnollinen useille numeerisille ruudukkomenetelmille, esimerkiksi CAD:ssä laajalti käytetty elementtimenetelmä sisältää ruudukkolikiarvon.

Joten sovellettujen graafisten ohjelmien syötteessä, jotka toteuttavat alla tarkasteltuja algoritmeja, tulisi olla topologinen ja geometrinen kuvaus PSE:stä verkkosolmuissa näytettyjen ominaisuuksien arvoilla. Verkkotopologia on kätevää tallentaa matriisin muodossa, jonka jokaisella rivillä on merkitty PSE-elementin numero ja sitä ympäröivien solmujen numerot. PSE:n geometrinen kuvaus on matriisi, jonka riveillä on ilmoitettu verkkosolmujen koordinaatit.

Riippuen visualisointimenetelmästä, käytämme kahden tyyppistä näytettävien parametrien approksimaatiota PSE-elementissä: vakio ja bilineaarinen. Jatkuvaa likiarvoa varten nelikulmainen elementti PSE on näytettävän parametrin arvo, missä ovat PSE-elementtiä ympäröivien verkkosolmujen parametrien arvot.

Bilineaarista approksimaatiota varten otamme käyttöön dimensiottomat koordinaatit ja apuneliön (kuva 4.2). Vastaava koordinaattien ja näytettävän parametrin muunnos suoritetaan kaavan mukaan, joka on samanlainen kuin ns. muotofunktiot elementtimenetelmässä:

(4.1)

Riisi. 4.2. Mielivaltaisen nelikulmion muunnos apunelioksi.

Algoritmien säännönmukaistamiseksi tarkastellaan kolmion muotoista elementtiä nelikulmion erikoistapauksena, jossa kaksi vierekkäistä kulmaa yhdistetään.

Tarkastellaan peräkkäin 7 tapaa näyttää fysikaaliset ominaisuudet: 4 tapaa - skalaarikenttien visualisointiin ja 3 tapaa - vektorin ominaisuuksien, kuten sähkömagneettisen kentän voimakkuuden tai magneettisen induktion, aerohydrodynamiikan virtaviivat, voimien jakautuminen tai vahvistussarja, näyttämiseen. kantavissa rakenteissa. Havainnollistamme tarkasteltavia menetelmiä CADIS-järjestelmän simulaattoreissa suoritetun graafisen dialogin katkelmilla ja PPP-koulutuksella.

4.5 Yksiväriset kuvat

Tämän visualisointimenetelmän ydin on se sisäalue PSE on maalattu päälle erilaisia ​​värejä, joka vastaa näytettävän parametrin arvon tiettyjä aikavälejä. Yleensä käytetään väriskaalaa, jossa parametrin arvon pienentyessä värit muuttuvat lämpimästä (punainen ja keltainen) kylmiin (sininen ja violetti). Kuva on rakennettu PSE:n elementtien varaan. Algoritmit elementin värittämiseksi perustuvat joko ajatukseen, että skannataan rivi riviltä pitkin apuneliötä, jonka askelma vastaa näytön rasteriruudukkoelementin kokoa, ja värjätään nämä elementit, joita kutsutaan pikseleiksi tai pelleiksi. lausekkeella (4.1) tai idealla rasteriskannaus akselia pitkin ja värisegmenttien rakentaminen akselia pitkin. Toisessa algoritmissa janan väri määräytyy välin perusteella ja janan päiden koordinaatit löytyvät kohdasta (4.1) kiinteille arvoille ja rajoille. esiasetetut intervallit. Väripaletin siirtyminen PSE-elementtien rajojen läpi tapahtuu sujuvasti, koska approksimoiva funktio (4.1) on lineaarinen PSE-neliöiden sivuilla, mikä varmistaa näytettävän parametrin pinnan jatkuvuuden.

Yksivärisille näytöille voidaan rakentaa sävykuvia käyttämällä tällaisia ​​algoritmeja (kuva 4.3).

Kuva 4.3. Sävykuva materiaalin optimaalisesta jakautumisesta kuormitetussa levyssä.

4.6. samantasoiset viivat

Tasaisten linjojen (LRU) rakentaminen suoritetaan PSE:n elementtien mukaisesti. Seuraavat kaksi algoritmia perustuvat varjostusalgoritmien tapaan skannaukseen apuneliöruudukkoa pitkin, jonka vaihe vastaa näyttörasteria. Yhdessä näistä algoritmeista akselin suuntaisilta skannausruudukon viivoilta löytyy pisteitä näytetyn parametrin tasojen annetuilla arvoilla. pisteitä kanssa samat arvot vierekkäisten pyyhkäisyviivojen parametrit yhdistetään suorien viivojen segmenteillä, jos näiden pisteiden välillä ei ole bilineaarisen pinnan (4.1) "kourua" tai "korkeutta". Rakennetut segmentit, jotka pidentyvät skannausprosessin aikana, muodostavat LRU-perheen jokaisessa FSE:n elementissä. Toisessa algoritmissa ei määritetä tasojen arvoja, vaan arvovälit, jotka muodostavat sarjan tietyn tason "kaistoja". LRU:n rakentaminen suoritetaan varjostamalla raidat. LRU:n paksuus näytöllä riippuu määritetystä intervallin leveydestä ja näytettävän pinnan muutoksen luonteesta. Molemmissa algoritmeissa LRS:n yhdistäminen PSE-elementtien rajoilla tapahtuu luonnollisella tavalla, koska approksimoiva funktio (4.1) on lineaarinen PSE-neliöiden sivuilla (ks. kuva 3.22).

4.7. Bittikartat

Näyttöruudun jokaisen PSE-elementin kenttä on täynnä valaisevia pisteitä. Pisteiden tiheys vastaa näytettävän parametrin arvoa. PSE-osien täyttö vakiotiheydellä (tämä voi olla koko nelikulmion tai sen osan kenttä) suoritetaan anturin avulla satunnaisia ​​numeroita(DSCH). Tällainen täyttö tasoittaa näytettävän pinnan epäjatkuvuuksia, vaikka parametrin likiarvo olisi vakio yhden PSE-elementin sisällä (kuva 4.4). Ennen bittikartan rakentamista löydetään maksimiarvo, joka on määritetty pisteen täyttötiheydelle, joka on 80-90 % kiinteän varjostuksen tiheydestä. Tämän rajan mukaisesti PSE:n kunkin nelikulmion pisteiden täyttötiheys normalisoituu edelleen. Kun rakennetaan kuvaa PSE-elementille, apuneliö jaetaan alustavasti akseleilla ja neljäsosiksi, koska standardi DFS toimii numeroilla välillä . Jokaisen neljänneksen sisällä pistetiheyden oletetaan olevan vakio. Pisteiden ja koordinaatit määritetään DFS:n avulla, muunnetaan kaavalla (4.1) koordinaatteiksi ja muunnetaan sitten näytön koordinaattijärjestelmään. Pisteiden väri määräytyy annetuilla väriväleillä lausekkeen (4.1) avulla.

Riisi. 4.4 Bittikartta materiaalin optimaalisesta jakautumisesta levyssä kuormituksen alaisena.

4.8 Monikulmioverkot

Kuva näytetään keskeisenä projektiona näytetystä parametripinnasta. Pinta on likimääräinen kolmioiden ja nelikulmioiden verkostolla, joilla on suorat sivut. Tällaista verkkoa kutsutaan monikulmioksi. Yksinkertaisin monikulmioverkko saadaan näyttämällä PSE parametripinnalla (kuva 4.5). Kuvan selkeys riippuu pitkälti havainnointipisteen sijainnin valinnasta keskusprojektiossa ja näkymättömien pinta-alueiden olemassaolosta tai poissaolosta. Polygonaalisten verkkojen rakentaminen annetun PSE:n mukaan ei ole vaikeaa eikä vaadi suuria laskentakustannuksia. Vastaava algoritmi pelkistetään perus-PSE:n ja parametrisen pinnan solmupisteiden tavanomaisiin geometrisiin koordinaattimuunnoksiin ja projektiomuunnoksiin, jotka sitten yhdistetään suorilla segmenteillä. Viivojen näkyvyysanalyysi kuitenkin lisää merkittävästi laskentakustannuksia, joskus kaksi tai kolme suuruusluokkaa.

4.9. Kuvat suunnattuina segmentteinä, joiden pituus vaihtelee

Tätä menetelmää käytetään vektoriominaisuuksien, esimerkiksi voimavirtojen, näyttämiseen. Sitä varten PSE-elementin sisällä käytetään vakioa parametrin approksimaatiolakia. Orientoidut segmentit näytetään elementtien keskellä, niiden pituudet valitussa asteikossa vastaavat parametrien arvoja (kuva 4.6). Ennen kuvan rakentamista lasketaan selvyyden vuoksi segmentin maksimipituus, johon suhteutettuna kaikkien elementtien segmentit edelleen normalisoidaan. Kuva on rakennettu PSE:n elementtien varaan. Paikallinen suorakaiteen muotoinen koordinaattijärjestelmä sijoitetaan nelikulmion keskelle, jonka yksi akseleista on suunnattu näytettävän parametrin suuntaan. Lisäksi paikallisjärjestelmän koordinaateissa janan päätepisteet määritetään siten, että sen keskikohta osuu elementin keskipisteeseen, saadut koordinaatit muunnetaan yhteiseksi järjestelmäksi ja piirretään suora, joka yhdistää päätepisteet. segmentistä.

Kuva 4.6. Levyjen voimien jakautuminen muuttuvan pituisina orientoituina segmentteinä.

4.10. Kuvat lyhyinä orientoituina segmentteinä, joiden pituus on vakio

Tämä renderöintimenetelmä on myös suunniteltu näyttämään vektorin ominaisuuksia. Jokaisen elementin jälkeen PSE täytetään lyhyillä orientoiduilla, vakiopituisilla segmenteillä DFS:n avulla. Segmenttien tiheys vastaa näytettävän parametrin arvoa (kuva 4.7). Ennen kuvan rakentamista selvyyden vuoksi lasketaan segmenttien maksimitiheys, johon suhteutettuna segmenttien tiheys PSE:n kaikissa elementeissä normalisoidaan. PSE-nelikulmaisen elementin keskelle sijoitetaan suorakaiteen muotoinen paikallinen koordinaattijärjestelmä, jonka yksi akseleista on suunnattu näytettävän parametrin suuntaan. Janan keskipisteiden koordinaatit määritetään DFS:n avulla, kuten tehdään pistekuvia rakennettaessa. Jatkossa kunkin segmentin rakentaminen suoritetaan samalla tavalla kuin edellisessä algoritmissa.

Kuva 4.7. Levyjen voimien jakautuminen lyhyinä orientoituneina, vakiopituisina segmentteinä.

4.11 Orientoituja hilakuvia

Tässä visualisointimenetelmässä, samoin kuin kahdessa edellisessä menetelmässä, käytetään FSE:n elementtien jatkuvaa approksimaatiota. Elementin kenttä täytetään hilalla, joka muodostuu yhden tai kahden yksisuuntaisen viivan perheen muodossa, joiden tiheys ja suunta vastaavat näytettyjen ominaisuuksien suuruuksia ja suuntauksia (kuva 4.8). Väriä käytetään perheen tunnistamiseen. Kuva on rakennettu samojen algoritmisten ideoiden pohjalta kuin kahdessa edellisessä menetelmässä: määritetään hilan lopullinen tiheys; kullekin elementille rakennetaan suorakaiteen muotoinen paikallinen koordinaattijärjestelmä; elementtien sisään piirretään suoria viivoja segmenttejä, joiden päät sijaitsevat elementtien sivuilla.

Riisi. 4.8 Voimien jakautuminen levyssä, esitetty suunnattuina hilaina.

4.12 Kuvanhallinta

Laskentatulosten analysoinnissa sovellusohjelman käyttäjän tulee pystyä valitsemaan kuvamenetelmä ja säätämään sitä parhaan näkyvyyden saavuttamiseksi. Kun määrität kuvaa, voit valita: värivalikoiman (käytettyjen värien lukumäärä, tyyppi ja järjestys); LRU-rakennuksen tasojen lukumäärä; tarkkailijan näkökulman sijainti ja monikulmioverkkojen keskusprojektion tyyppi; lyhyiden suuntautuneiden segmenttien pituus; kontrastisuhde.

Kuvan kontrastia voidaan käyttää näytettävien parametrien jakauman kuvioiden selkeämpään tunnistamiseen, kun taas suurten ja pienten arvojen välinen ero on keinotekoisesti yliarvioitu. Kontrastointi suoritetaan käyttämällä seuraavaa suhdetta: , missä, missä - osittaisten kriteerien lukumäärä; - arviointi tietyllä kriteerillä; on painotuskerroin, joka ottaa huomioon vastaavan kriteerin merkityksen, .
Erityisinä kriteereinä käytettiin 8 indikaattoria, jotka kuvaavat tarkasteltavien menetelmien seuraavia näkökohtia: riittävyys kantavien rakenteiden suunnittelun tavoitteisiin ja sisältöön; koulutussovellusten opetusmenetelmien riittävyys; luonnollisuus ja saavutettavuus ihmisen havainnointiin; mukavuus parametrien jakautumisen laadullisten mallien analysointiin; esteettinen vetovoima; kuvan rakentamisen hallinnan helppous; kuvanmuodostuksen nopeus; algoritminen yksinkertaisuus.
Tutkimus tehtiin Delphi-menetelmän asiantuntija-arvioinneilla. Asiantuntijoina mukana olivat yliopiston professorit ja insinöörit, koulutuksen ja teollisuuden kantavien rakenteiden CAD:n kehittäjät ja käyttäjät. Tutkimustulokset osoittavat, että kantavien rakenteiden vuorovaikutteisessa suunnittelussa on suositeltavaa käyttää skalaariominaisuuksien näyttämiseen pistekuvia ja vektorikenttien näyttämiseen orientoituja ruudukoita (kuva 4.9). Tutkimuksen tulokset ja metodologia on kuvattu tarkemmin työssä.

Kuva 4.9. Tuloksia tutkimuksista eri kuvantamismenetelmien tehokkuudesta:
a - skalaarikuvat; b - vektorikuvat.