UDC 002.53; 004.89; 621.3.068 Tanggal penyerahan artikel: 14.03.2014

TEKNOLOGI KOGNITIF UNTUK VISUALISASI DATA MULTIDIMENSI UNTUK DUKUNGAN KEPUTUSAN CERDAS

V.V. Tsaplin, Ph.D., Associate Professor, Chief Peneliti(Lembaga Penelitian "Tsentrprogramsistem", ave. 50 let Oktyabrya, 3a, Tver, 170024, Russia, [dilindungi email]); V.L. Gorokhov, Doktor Ilmu Teknik, Profesor (Universitas Arsitektur dan Teknik Sipil Universitas Negeri St. Petersburg, 2nd Krasnoarmeiskaya str., 4, St. Petersburg, 190005, Rusia, [dilindungi email]); V.V. Vitkovsky, Kandidat Ilmu Fisika dan Matematika, Profesor (Observatorium Astrofisika Khusus dari Akademi Ilmu Pengetahuan Rusia, Nizhny Arkhyz, 1, Karachay-Cherkessia, 369167, Rusia, [dilindungi email])

Artikel tersebut menguraikan prinsip-prinsip grafik komputer kognitif dan memberikan contoh aplikasi praktisnya untuk pengembangan sistem pendukung keputusan (DSS). Fenomena grafik komputer kognitif terdiri dari menghasilkan gambar di layar tampilan yang menciptakan gambar spektakuler di benak operator manusia. Gambar-gambar ini memiliki daya tarik estetis dan merangsang intuisi seseorang. Gambar di layar menciptakan dalam pikirannya gambar tiga dimensi yang bergerak, yang dibentuk oleh seluruh kumpulan data multidimensi dan secara visual menampilkan properti dari area subjek yang dipelajari. Saat melihat gambar-gambar ini, seseorang

operator dapat mengidentifikasi individu sifat geometris gambar yang diamati dan menghubungkannya dengan konten subjek dari data multidimensi yang diproses. Sangat penting untuk dapat menggabungkan teknologi kognitif yang diusulkan dengan kemungkinan modern antarmuka pemrograman cerdas dan program multidimensi Analisis statistik data. Pendekatan algoritmik baru yang mendasar untuk visualisasi kognitif berdasarkan geometri hiperbolik dan varietas aljabar diusulkan. PADA dalam arti tertentu kita dapat berbicara tentang munculnya tipe baru DSS - sistem pendukung keputusan kognitif.

Kata kunci: citra kognitif dalam ruang multidimensi, visualisasi kognitif data statistik multidimensi, algoritma untuk visualisasi kognitif situasi, sistem pendukung keputusan, situasi darurat.

Diterima 14/03/2014

VISUALISASI DATA MULTIDIMENSIONAL TEKNOLOGI KOGNITIF UNTUK DUKUNGAN CERDAS PENGAMBILAN KEPUTUSAN Tsaplin V. V., Ph.D. (Ilmu Militer), Associate Professor, Kepala Peneliti (Lembaga Penelitian "Centerprogramsistem", 50 let Oktyabrya Ave. 3a, Tver, 170024, Russian Federation, [dilindungi email]);

Gorokhov V.L., Dr.Sc. (Teknik), Profesor (Universitas Arsitektur dan Teknik Sipil Universitas Negeri St. Petersburg, St. 4 Krasnoarmeyskaya ke-2, St. Petersburg, 190005, Federasi Rusia, [dilindungi email]);

Vitkovskiy V.V., Ph.D. (Fisika dan Matematika) (Observatorium Astrofisika Khusus dari Akademi Ilmu Pengetahuan Rusia, Nizhny Arkhyz 1, Karachaevo-Cherkesiya, 369167, Federasi Rusia, [dilindungi email])

abstrak. Artikel ini menjelaskan prinsip dan contoh grafik mesin kognitif untuk mengembangkan Sistem Pendukung Keputusan (DSS). Fenomena grafik mesin kognitif menampilkan representasi grafik yang menciptakan gambar spektakuler di otak operator manusia. Gambar-gambar ini merangsang kesan deskriptifnya, terkait erat dengan mekanisme berpikir intuitif. Efek kognitif adalah kenyataan bahwa manusia memandang proyeksi bergerak sebagai gambar tiga dimensi yang dicirikan oleh sifat data multidimensi dalam ruang multidimensi. Setelah studi aspek visual data multidimensi muncul kemungkinan bagi pengguna untuk melukis objek terpisah yang menarik atau kelompok objek dengan gambar mesin standar. Pengguna selanjutnya dapat kembali ke prosedur rotasi gambar untuk memeriksa ide intuitif pengguna tentang cluster dan hubungan dalam data multidimensi. Dimungkinkan untuk mengembangkan metode menggambar mesin kognitif dalam kombinasi dengan teknologi informasi lainnya. Mereka adalah paket digital dalam khusus rasa adalah mungkin untuk mengatakan bahwa jenis baru DSS - Sistem Pendukung Keputusan Kognitif (CDSS) muncul.

Kata kunci: citra kognitif dalam ruang multidimensi, visualisasi kognitif dari data statistik multidimensi, algoritma visualisasi kognitif lingkungan, sistem pendukung keputusan, situasi darurat.

Saat ini, masalah analisis operasional volume besar parameter yang berubah secara dinamis dari seluruh kompleks objek yang diteliti menjadi relevan. Masalah seperti itu muncul, misalnya, di bidang militer dalam analisis taktis operasi militer, bencana buatan manusia, perencanaan strategis dan pemodelan penggunaan sistem senjata, dalam penciptaan generasi baru sistem pengiriman yang mencerminkan situasi. di wilayah udara terkendali atau ruang operasional lainnya. Masalah-masalah ini diselesaikan secara intensif dalam kerangka seni bela diri strategis dan taktis (menggunakan seluruh gudang matematika modern: teori riset operasi, teori kontrol dan optimalisasi optimal), dan penciptaan sistem otomatis senjata modern.

Saat memecahkan ini dan masalah serupa lainnya, seseorang harus menghadapi sejumlah kesulitan signifikan yang terkait dengan peran besar intuisi operator, yang didasarkan pada kemampuan bawaan seseorang untuk secara langsung memahami situasi pertempuran atau keadaan darurat (ES). Kondisi modern dari permusuhan dan bencana buatan manusia meninggalkan operator sendirian dengan terminal, di mana pada saat yang sama

ribuan parameter tetap, yang tidak dapat ia pahami dengan cepat dan proses secara kreatif dalam pikirannya. Kesulitan utama adalah bahwa seseorang hanyalah elemen dari sistem kontrol dan manajemen otomatis yang kompleks yang tidak disesuaikan dengan kemampuan kreatifnya. Metode mengintegrasikan operator ke dalam sistem seperti itu, yang dikembangkan sebelumnya dalam kerangka ergonomi, sebagian memungkinkan untuk menyesuaikannya dengan apa yang disebut sistem ergoteknik, tetapi potensi besar intuisi kreatif dan profesional tidak sepenuhnya digunakan.

Namun, berkat kemajuan di bidang ilmu kognitif, psikologi kognitif, epistemologi dan teknologi informasi, pada dasarnya peluang baru telah muncul untuk solusi radikal dari masalah di atas. Kemajuan ini terutama dimanifestasikan dalam penciptaan teknologi baru dan metode grafik komputer kognitif.

Prinsip kerja. Pendekatan yang diusulkan oleh penulis memungkinkan untuk memproyeksikan data multidimensi yang disajikan dalam bentuk lipatan Grassmann ke bidang yang ditentukan secara sewenang-wenang oleh operator-peneliti dalam ruang konfigurasi (fase) multidimensi.

Beras. 1. Stratifikasi korban Pic. 2. Stratifikasi sumber dalam hal penyediaan wilayah dengan situasi darurat berdasarkan waktu dan wilayah

sarana teknis penyelamatan

Ara. 2. Sumber bahaya 1. Stratifikasi wilayah stratifikasi pada tanggal

tentang sarana dan wilayah penjaminan teknis

Beras. 3. Stratifikasi negara dan ketersediaan sarana teknis penyelamatan berdasarkan wilayah

Ara. 3. Stratifikasi wilayah pada fasilitas keselamatan dan kondisi teknis

stve. Pada saat yang sama, pemilihan posisi terbaik bidang proyeksi dilakukan oleh pengguna sendiri, mengandalkan intuisi dan citra kognitifnya di depan matanya. Memiliki kemampuan untuk secara aktif mempengaruhi orientasi bidang proyeksi dalam ruang multidimensi, peneliti bebas dari pertimbangan awal tentang struktur statistik (geometris) data yang diwakili oleh objek. Seseorang secara langsung melihat di layar proyeksi kelompok atau permukaan multidimensi di mana datanya terbentuk. Gambar spektakuler ini merangsang pemahaman intuitifnya tentang objek yang diteliti.

Di bawah ini adalah contoh singkat penggunaan sarana visualisasi kognitif situasi yang dikembangkan oleh penulis, yang mampu memecahkan masalah stimulasi aktif dan terkontrol dari intuisi dan pengalaman empiris operator untuk membuat keputusan yang memadai di masa kini yang kompleks dan cepat. lingkungan yang berubah. Selain itu, pendekatan algoritmik baru yang mendasar berdasarkan geometri hiperbolik dan varietas aljabar diusulkan dan dikembangkan.

Contoh visualisasi kognitif adalah analisis kognitif bahaya teknosfer, yang dilakukan

ned dalam kerangka kerja sama dengan Kementerian Situasi Darurat Rusia. Studi ini dilakukan dengan partisipasi dan keahlian karyawan Institut Penelitian Pertahanan Sipil Seluruh Rusia dan darurat EMERCOM Rusia" (Pusat Federal untuk Sains dan teknologi tinggi)). Informasi keadaan darurat yang tercatat pada triwulan 1 tahun 2012 (703 keadaan darurat) digunakan sebagai data awal untuk analisis. Keadaan darurat yang terjadi di ratusan fasilitas dianalisis menurut parameter yang dipilih berikut ini: bulan, negara bagian, skala, wilayah, jumlah korban, jumlah kematian, personel, peralatan, sumber keadaan darurat.

Opsi yang memungkinkan gambar kognitif dalam posisi statis untuk analisis situasi darurat ini (proyeksi awan multidimensi ke bidang yang ditentukan oleh sepasang sumbu parameter) ditunjukkan pada Gambar 1-3.

Dapat disimpulkan bahwa penggunaan visualisasi data statistik multidimensi menggunakan pembuatan gambar kognitif sebagai alat tambahan dalam analisis dan perkiraan keadaan darurat memungkinkan untuk menarik perhatian ke kelas khusus mereka, yang tidak dapat dideteksi tanpa menggunakan persepsi intuitif gambar kognitif.

Beras. 4. Gambar kognitif dalam visualisator hiperbolik 4. Gambar kognitif dalam visualisator hiperbolik

Algoritma baru untuk visualisasi kognitif. Ditawarkan pengembangan lebih lanjut algoritma visualisasi kognitif berdasarkan interpretasi ruang proyektif k-dimensi Pk menjadi ruang hiperbolik ^-dimensi di ^, diikuti oleh transformasi yang terakhir menjadi gambar tiga dimensi kognitif. Pembentukan geometri hiperbolik data multidimensi ini terjadi menggunakan koordinat Plücker. Algoritme semacam itu mampu memvisualisasikan koleksi objek bahkan terabyte secara kognitif. Gambar kognitif jenis ini ditunjukkan pada Gambar 4.

Algoritme visualisasi hiperbolik sangat mendukung mode interaksi yang efisien dengan hierarki ukuran lebih besar daripada penyaji hierarki konvensional. Sementara penyaji 2D normal dalam jendela 600x600 piksel dapat menampilkan 100 node, browser hiperbolik dapat menampilkan 1.000 node, di mana sekitar 50 berada dalam fokus dan mudah dibaca.

Hal ini sangat penting ketika menganalisis hubungan statistik, analisis faktor, deteksi dan pengenalan target. Prosedur visualisasi dinamis tidak bergantung pada informasi apriori yang tidak lengkap dan mungkin salah tentang sifat objek, dan oleh karena itu, tanpa memasukkan pengaruh distorsi model tertentu ke dalam proyeksi, ini memungkinkan untuk menggunakan gambar yang divisualisasikan dalam kondisi kedalaman yang dalam. ketidakpastian apriori dari area subjek operasi tempur dan senjata. Penulis telah mengembangkan versi Java multiplatform sistem perangkat lunak SpaceWalker dan , mampu menerapkan teknologi untuk visualisasi kognitif dari lingkungan operasional untuk layanan pengiriman umum.

Ada satu lagi kemungkinan kontrol kognitif dari perubahan sekecil apa pun dalam keadaan objek. Penelitian telah menunjukkan bahwa bahkan perubahan kecil dalam parameter objek secara signifikan mengubah gambar kognitif mereka, yang memungkinkan operator untuk segera melihat perubahan karakteristik objek. Harus ditekankan bahwa penggunaan geometri hiperbolik saat membuat gambar kognitif memungkinkan untuk merepresentasikan konten array multidimensi terabyte secara visual. Selain itu, penggunaan aplikasi grafik kognitif ini akan semakin efektif jika diterapkan dalam teknologi jaringan. Efek yang mengesankan dapat diperoleh dengan memperkenalkan metode analisis operasional dalam sistem pemantauan ruang online.

analisis operasional volume besar data multidimensi - mulai dari perencanaan operasi hingga pemantauan dan pemodelan sistem teknis.

literatur

1. Garret R., London J. Dasar-dasar operasi di laut; [per. dari bahasa Inggris]. M.: Voen. Rumah Penerbitan Moskow, 1974. 268 hal.

2. Pendekatan kognitif; [res. ed. V.A. Penceramah]. M.: "KANON +" ROOI "Rehabilitasi", 2008. 464 hal.

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. Manajemen di bawah ketidakpastian: monografi. St. Petersburg: Rumah Penerbitan Universitas Elektroteknik St. Petersburg "LETI", 2014. 303 hal.

4. Zenkin A.A. kognitif grafik komputer. M.: Nauka, 1991.

5. Masak D., Swaine D.E. Grafik Interaktif dan Dinamis Untuk Analisis Data. Spriger, 2009. 345 hal.

6. Gorokhov V.L., Muravyov I.P. Grafis mesin kognitif. Metode proyeksi dinamis dan segmentasi data multidimensi yang kuat: monografi; [ed. A.I. Mikhaylushkin]. St. Petersburg: SPbGIEU, 2007. 170 hal.

7. Lo A. Pengukuran Risiko Data Besar, Risiko Sistemik, dan Pelestarian Privasi / Big Data & Privasi - Laporan Ringkasan Work Shop 19 Juni 2013 Massachusetts Institute of Technology, 2013. 45 p.

8. Rosenfeld BA Ruang multidimensi. M.: Nauka, 1966. 647 hal.

9. Klein F. Geometri yang lebih tinggi. M.: URSS, 2004. 400 hal.

1. Garret R.A., London J.Ph. Dasar-dasar analisis operasi angkatan laut. Institut Angkatan Laut Amerika Serikat Publ., 1970, 254 hal. (Edisi Rusia: Osnovy analiz operatsiy na more. Moskow, Voennoe izdatelstvo, 1974, 268 hal.).

2. Lektorskiy V.A. (Ed.) Kognitivnyiy podkhod. Moskow, KANON+ ROOI Reabilitatsiya Publ., 2008, 464 hal.

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. Monograf, St. Petersburg, St. Petersburg Universitas Elektroteknik Petersburg Publikasi "LETI", 2014, 303 hal.

4. Zenkin A.A. Kognitivnaya kompyuternaya grafika. Moskow, Nauka, 1991, 192 hal.

5. Masak D., Swaine D.E. Grafik interaktif dan dinamis untuk analisis data. Spriger Publ., 2009, 345 hal.

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

7. Lo A. Pengukuran risiko data besar, risiko sistemik, dan privasi. Data Besar & Privasi - Laporan Ringkasan Lokakarya. 2013, Massachusetts Institute of Technology Pub., 2013, 45 hal.

8. Rozenfeld BA Protranstva multidimensi. Moskow, Nauka, 1966, 647 hal.

9. Kleyn F. Vyisshaya geometriya. Moskow, URSS Publ., 2004, edisi ke-2, 400 hal.

10. Vitkovskiy V., Komarinskiy S. 6-D visualisasi data multidimensi melalui teknologi kognitif. Perangkat Lunak dan Sistem Analisis Data Astronomi (ADASS) XIX. Mizumoto Y., Morita K.-I., Ohishi M. (Eds.). AS, San Francisco, 2010, hal. 449-553.

PENGEMBANGAN GRAFIS KOMPUTER KOGNITIF DALAM KERANGKA ILMU ILMU TERAPAN ILMU KOMPUTER

Seni. guru departemen ISvEC

Cabang SPbGIEU

Sejumlah penelitian oleh psikolog yang ditujukan untuk analisis proses pemecahan masalah oleh orang-orang telah menunjukkan bahwa dua tahap pertama adalah yang paling memakan waktu dalam proses ini. Seseorang menghabiskan upaya maksimal pada proses transisi dari perasaan yang tidak jelas tentang situasi tertentu ke tugas yang dirumuskan dengan jelas. Sebagai aturan, tahap ini dianggap oleh sebagian besar peneliti sebagai kreatif. Tentang apa ide masalah itu terbentuk dan dicari rumusannya. Selanjutnya, dalam banyak kasus, masalah ini hanya menyangkut penerapan seorang profesional.

Tahapan perumusan masalah di bawah kondisi menggunakan pendekatan aljabar tetap keluar dari bidang visi ilmu. Masalah ini jelas tidak algoritmik. Setiap tugas memiliki karakter individu, dan keberadaan prosedur umum apa pun, kecuali yang murni metodologis (seperti algoritma pencarian penemuan, hampir tidak mungkin di sini). Namun, seperti yang telah berulang kali dicatat oleh para ahli matematika terkemuka yang secara serius memikirkan prosedur kreativitas matematika, pada tahap pencarian rumusan masalah, peran penting sering dimainkan oleh representasi geometris dan model. Dan menarik bahwa seringkali mereka tidak secara langsung berhubungan dengan sifat masalah yang sedang dipecahkan, tetapi hanya secara asosiatif membangkitkan pernyataan ini. Fenomena yang sama dicatat oleh para psikolog. Mari kita coba membuat daftar fitur yang menjadi ciri dari arah baru dalam ilmu komputer, yang disebut grafis kognitif. Diskusi yang lebih rinci tentang arah ini terkandung dalam monografi pertama di dunia yang didedikasikan khusus untuk grafik kognitif.

Grafik komputer adalah bidang ilmu komputer yang mencakup semua aspek pembentukan gambar dengan menggunakan komputer.

Muncul pada 1950-an, pada awalnya memungkinkan untuk menampilkan hanya beberapa lusin segmen di layar.

Dasar dari baja grafis komputer ilmu dasar: matematika, kimia, fisika, dll.

Grafik komputer digunakan di hampir semua disiplin ilmu dan teknik untuk persepsi visual dan transmisi informasi. Ini juga merupakan praktik umum untuk menggunakan simulasi komputer dalam pelatihan pilot dan profesi lain (simulator). Pengetahuan tentang dasar-dasar komputer grafis sekarang diperlukan baik untuk seorang insinyur dan ilmuwan.

Hasil akhir dari aplikasi komputer grafis adalah sebuah gambar yang dapat digunakan untuk berbagai keperluan.

Grafik komputer kognitif- grafik komputer untuk abstraksi ilmiah, berkontribusi pada kelahiran pengetahuan ilmiah baru. Dasar teknisnya adalah komputer yang kuat dan alat visualisasi berkinerja tinggi.

Contoh penggunaan grafik komputer kognitif dalam informatika terapan dapat berupa visualisasi kognitif diagram alur algoritma, representasi objek penelitian tiga dimensi, representasi visual model data, dll.

Teknik serupa digunakan untuk fungsi periodik. Seperti yang Anda ketahui, grafik fungsi periodik memiliki bagian berulang, oleh karena itu, jika Anda menggeser grafik fungsi periodik ke not, musik akan memiliki fragmen berulang.

Penyelesaian masalah pemantauan pelaksanaan proyek nasional perlu mempertimbangkan banyak faktor. Skala dan dinamisme situasi dalam pelaksanaan proyek-proyek nasional memerlukan pemrosesan cepat sejumlah besar data awal, pengembangan dan adopsi keputusan yang memadai dan tepat waktu.

Hal ini menimbulkan masalah persepsi dan interpretasi informasi heterogen oleh pengambil keputusan, yang menentukan relevansi pemecahan masalah menemukan bentuk penyajiannya yang mengecualikan atau mengurangi ambiguitas pemahaman situasi saat ini.

Pemikiran manusia dibangun sedemikian rupa sehingga seseorang tidak berpikir dalam kata-kata dan angka, tetapi dalam gambar. Situasinya persis sama dengan persepsi informasi tentang dunia sekitarnya: gambar yang dibentuk oleh berbagai badan perasaan yang dirasakan secara keseluruhan.

Studi menunjukkan bahwa komponen visual dari citra yang dirasakan adalah yang paling penting. Ini menyiratkan perlunya solusi prioritas masalah visualisasi data awal numerik dan non-numerik (verbal, grafik) dan hasil pemrosesan analitisnya.

Dalam kerangka ilmu komputer, grafik komputer kognitif berkembang di bidang-bidang berikut:

- studi tentang konstruksi umum gambar grafik kognitif metode, metode grafik komputer kognitif;

- belajar fitur individu persepsi, khususnya persepsinya;

– pengembangan model persepsi informasi pengambil keputusan;

– pembentukan alfabet bahasa konseptual dan figuratif untuk representasi data, termasuk simbol stereotip yang menampilkan objek dan fenomena dunia sekitarnya dengan berbagai tingkat kesamaan, primitif grafis yang dapat dipahami secara asosiatif dari mana GO dengan kompleksitas apa pun disintesis, dan simbol tambahan yang diperlukan untuk menghubungkan grafik primitif dan menarik perhatian pada pertahanan sipil yang paling relevan;

- studi tentang sifat-sifat GO yang memengaruhi pengambil keputusan ketika dirasakan pada tingkat sensasi - energi, geometris, dinamis;

- pembentukan "tata bahasa" dari bahasa konseptual-figuratif, yaitu aturan dasar untuk pembentukan GO dan adegan kognitif;

– pengembangan subsistem prototipe untuk memvisualisasikan hasil informasi dan dukungan analitis untuk memantau pelaksanaan proyek-proyek nasional prioritas berdasarkan bahasa penyajian data konseptual dan figuratif;

- verifikasi eksperimental efektivitas prototipe yang dikembangkan dalam hal efisiensi, kelengkapan, akurasi persepsi informasi oleh pengambil keputusan.

Arah utama ilmu kognitif terapan. Kecerdasan buatan: peluang dan keterbatasan. Sistem pakar dan sistem pendukung keputusan. Pemodelan pengambilan keputusan dalam ekonomi dan masalah rasionalitas manusia. Masalah pemrosesan bahasa alami dan sistem terjemahan mesin. Arah utama robotika: masalah pemodelan konstruksi gerakan, orientasi dalam ruang dan pelatihan robot seluler. Interaksi manusia-komputer: pendekatan dasar dan metode penelitian. Ergonomi kognitif. Desain dan grafis komputer. Realitas Virtual.

Meluasnya penggunaan teknologi hypertext dan paradigma multimedia yang terkait erat dengan teknologi ini juga merangsang perkembangan grafik kognitif. Seperti yang Anda ketahui, paradigma multimedia menyetarakan hak teks dan gambar. Dalam representasi non-linear (dalam bentuk jaringan), yang khas untuk teknologi hypertext, paradigma multimedia memungkinkan Anda untuk menavigasi jaringan, baik di tingkat teks dan di tingkat gambar, membuat transisi dari teks ke gambar. setiap saat, dan sebaliknya.

Dengan demikian, sistem jenis "Gambar-Teks" dan "Gambar-Teks" terkait erat dengan paradigma multimedia dan grafik kognitif, dan merupakan salah satu hasil interaksi antara grafik kognitif dan teknologi hiperteks.

Dalam sistem otomasi penelitian, grafik kognitif dapat digunakan sebagai sarana untuk memvisualisasikan ide-ide yang belum mendapatkan ekspresi yang tepat. Contoh lain dari penggunaan alat ini adalah grafik kognitif khusus untuk memilih operasi dasar dalam logika fuzzy, di mana distribusi warna global area biru dan merah mencirikan "kekakuan" operasi pendefinisian seperti konjungsi dan disjungsi.

Di area ini, grafik kognitif digunakan pada tahap memformalkan masalah dan dalam prosedur untuk mengajukan hipotesis yang masuk akal.

Di bidang sistem kecerdasan buatan, grafik komputer kognitif akan mencapai hasil yang lebih besar daripada sistem lain karena pendekatan aljabar dan geometris untuk situasi pemodelan dan berbagai pilihan keputusan mereka.

Jadi, dalam penelitian ilmiah, termasuk fundamental, karakteristik untuk tahap awal penekanan pada fungsi ilustratif ICG semakin bergeser ke arah penggunaan kemampuan ICG yang memungkinkan untuk mengaktifkan manusia kemampuan berpikir dalam pola spasial yang kompleks. Dalam hal ini, dua fungsi ICG mulai dibedakan dengan jelas: ilustratif dan kognitif.

Fungsi ilustratif ICG memungkinkan untuk mewujudkan dalam desain visual yang kurang lebih memadai hanya apa yang sudah diketahui, yaitu, sudah ada baik di dunia sekitar kita, atau sebagai ide di kepala peneliti. Fungsi kognitif ICG adalah menggunakan citra ICG tertentu untuk memperoleh pengetahuan baru, yaitu pengetahuan yang belum ada bahkan di kepala seorang spesialis, atau, menurut paling sedikit, berkontribusi pada proses intelektual untuk memperoleh pengetahuan ini.

Gagasan dasar tentang perbedaan antara fungsi ilustratif dan kognitif ICG ini sangat cocok dengan klasifikasi pengetahuan dan sistem komputer tujuan pendidikan. Fungsi ilustratif ICG diimplementasikan dalam sistem pendidikan tipe deklaratif ketika mentransfer ke siswa bagian pengetahuan yang diartikulasikan, disajikan dalam bentuk informasi yang sudah disiapkan sebelumnya dengan ilustrasi grafik, animasi, audio dan video. Fungsi kognitif ICG memanifestasikan dirinya dalam sistem tipe prosedural, ketika siswa "memperoleh" pengetahuan melalui penelitian tentang model matematika objek dan proses yang dipelajari, dan, karena proses pembentukan pengetahuan ini didasarkan pada mekanisme berpikir hemisfer kanan, pengetahuan ini sendiri sebagian besar bersifat pribadi. Setiap orang membentuk teknik alam bawah sadar aktivitas mental di jalanku sendiri. Ilmu psikologi modern tidak memiliki metode yang terbukti secara ketat untuk pembentukan potensi kreatif seseorang, bahkan jika itu adalah profesional. Salah satu pendekatan heuristik terkenal untuk pengembangan pemikiran intuitif berorientasi profesional adalah solusi dari masalah penelitian. Penggunaan sistem komputer pendidikan dari tipe prosedural memungkinkan untuk secara signifikan mengintensifkan proses ini, menghilangkan operasi rutin darinya, dan memungkinkan untuk melakukan berbagai eksperimen pada model matematika.

Peran ICG dalam hal ini penelitian akademis sulit untuk melebih-lebihkan. Ini adalah gambar ICG dari kursus dan hasil eksperimen pada model matematika yang memungkinkan setiap siswa untuk membentuk gambarnya sendiri tentang objek atau fenomena yang dipelajari dalam semua integritas dan berbagai koneksinya. Juga tidak ada keraguan bahwa gambar ICG melakukan, pertama-tama, fungsi kognitif, dan bukan ilustratif, karena dalam proses pekerjaan pendidikan dengan sistem komputer tipe prosedural, siswa membentuk pribadi murni, yaitu, komponen yang tidak ada. dalam bentuk ini untuk siapa saja.

Tentu saja, perbedaan antara fungsi ilustratif dan kognitif grafik komputer agak arbitrer. Cukup sering, ilustrasi grafis biasa dapat mendorong beberapa siswa ke ide baru, memungkinkan mereka untuk melihat beberapa elemen pengetahuan yang tidak "diinvestasikan" oleh guru-pengembang sistem komputer pendidikan deklaratif. Dengan demikian, fungsi ilustratif dari citra ICG berubah menjadi fungsi kognitif. Di sisi lain, fungsi kognitif gambar ICG selama percobaan pertama dengan sistem pendidikan tipe prosedural dalam percobaan lebih lanjut berubah menjadi fungsi ilustratif untuk yang sudah "ditemukan" dan, oleh karena itu, tidak lagi menjadi properti baru dari objek di bawah belajar.

Namun demikian, perbedaan mendasar dalam mekanisme logis dan intuitif pemikiran manusia, yang timbul dari perbedaan ini dalam bentuk representasi pengetahuan dan metode pengembangannya, menjadikannya berguna secara metodologis untuk membedakan antara fungsi ilustratif dan kognitif grafik komputer dan memungkinkan perumusan yang lebih jelas. tugas didaktik gambar ICG dalam pengembangan sistem komputer untuk tujuan pendidikan.

Daftar sumber yang digunakan

1. Zenkin A. A. Grafik komputer kognitif. - M.: Nauka, 1991. - 192 hal.

Analisis Adegan

Pemrosesan dan analisis gambar

Grafik komputer bergambar

Arah grafik komputer

Dalam keadaan mapan saat ini, merupakan kebiasaan untuk membagi grafik komputer ke dalam bidang-bidang berikut:

• grafis komputer visual,
• pemrosesan dan analisis gambar,
• analisis adegan (grafik komputer perseptual),
• grafik komputer untuk abstraksi ilmiah (grafik komputer kognitif - grafik yang berkontribusi pada kognisi).

Objek: gambar yang disintesis.

• membangun model objek dan menghasilkan gambar,
• transformasi model dan gambar,
• identifikasi objek dan memperoleh informasi yang diperlukan.

Objek: Diskrit, representasi numerik dari foto.

• meningkatkan kualitas gambar,
• evaluasi gambar - penentuan bentuk, lokasi, ukuran, dan parameter lain dari objek yang diperlukan,
• pengenalan gambar - pemilihan dan klasifikasi properti objek (pemrosesan gambar luar angkasa, input gambar, navigasi, sistem deteksi dan panduan).

Jadi, pemrosesan dan analisis gambar didasarkan pada representasi gambar, metode pemrosesan dan analisis, ditambah, tentu saja, grafik komputer visual, setidaknya untuk menyajikan hasilnya.

Subjek: penelitian model abstrak objek grafis dan hubungan di antara mereka. Objek dapat disintesis atau disorot dalam foto.

Langkah pertama dalam analisis adegan adalah mengisolasi fitur yang membentuk objek grafis.

Contoh: penglihatan mesin (robot), analisis gambar sinar-X dengan isolasi dan pelacakan objek yang diinginkan, seperti hati.

Jadi, analisis adegan (grafik komputer perseptual) didasarkan pada grafik visual + analisis gambar + alat khusus.

Hanya arah baru yang muncul, belum terdefinisi dengan jelas.

Ini adalah grafik komputer untuk abstraksi ilmiah, berkontribusi pada kelahiran pengetahuan ilmiah baru. Basis - komputer canggih dan alat visualisasi berkinerja tinggi.

Urutan umum kognisi terdiri dari, mungkin siklus, kemajuan dari hipotesis ke model (objek, fenomena) dan keputusan, yang hasilnya adalah pengetahuan. Model urutan umum pengetahuan disajikan pada Gambar 2.1.

Gambar 2.1 - Urutan proses kognisi

Kognisi manusia menggunakan dua mekanisme utama pemikiran, yang masing-masing ditugaskan ke setengah otak:

• sadar, logis-verbal, memanipulasi urutan abstrak simbol (objek) + semantik simbol + representasi pragmatis yang terkait dengan simbol. Usia mekanisme ini terkait dengan kehadiran bicara hingga 100 ribu tahun:
• bawah sadar, intuitif, figuratif, bekerja dengan gambar dan ide sensual tentang mereka. Usia mekanisme ini adalah waktu keberadaan dunia hewan di Bumi.

Awalnya, komputer memiliki kinerja prosesor dan alat grafis komputer yang rendah, mis. pada kenyataannya, mereka memiliki kesempatan untuk bekerja hanya dengan simbol (beberapa analog yang disederhanakan dari pemikiran logis).

Dengan munculnya super-komputer dengan kapasitas satu miliar atau lebih operasi per detik dan super-stasiun grafis dengan kapasitas hingga ratusan juta operasi per detik, menjadi mungkin untuk memanipulasi gambar (gambar) dengan cukup efektif.

Penting untuk dicatat bahwa otak tidak hanya tahu bagaimana bekerja dengan dua cara menyajikan informasi, dan bekerja dengan gambar secara berbeda dan lebih efisien daripada komputer, tetapi juga tahu bagaimana menghubungkan kedua cara ini dan membuat (dalam beberapa cara) transisi dari satu representasi ke representasi lainnya.

Dalam konteks ini, masalah dan tugas utama dari grafik komputer kognitif adalah penciptaan model representasi pengetahuan di mana seseorang dapat secara seragam mewakili kedua objek karakteristik pemikiran logis (simbolik, aljabar) dan objek karakteristik pemikiran figuratif.

Lainnya tugas kritis:

• visualisasi pengetahuan yang belum ada deskripsi simbolisnya,
• mencari cara untuk berpindah dari gambar ke perumusan hipotesis tentang mekanisme dan proses yang diwakili oleh gambar (dinamis) ini di layar tampilan.

Munculnya grafik komputer kognitif adalah sinyal transisi dari era pengembangan ekstensif kecerdasan alami ke era pengembangan intensif, yang ditandai dengan komputerisasi yang menembus secara mendalam, sehingga memunculkan teknologi kognisi manusia-mesin, yang poin pentingnya adalah efek langsung, terarah, mengaktifkan pada mekanisme intuitif bawah sadar dari pemikiran figuratif.

Salah satu contoh paling cemerlang dan paling awal dari penerapan grafik komputer kognitif adalah karya C. Strauss "Penggunaan komputer yang tidak terduga dalam matematika murni" (TIEER, vol. 62, N 4, 1974, hlm. 96 - 99). Ini menunjukkan bagaimana papan "n-dimensi" berdasarkan terminal grafis digunakan untuk menganalisis kurva aljabar yang kompleks. Dengan menggunakan perangkat input, seorang ahli matematika dapat dengan mudah memperoleh gambar geometris dari hasil perubahan terarah dalam parameter ketergantungan yang dipelajari. Dia juga dapat dengan mudah mengelola nilai parameter saat ini, "sehingga memperdalam pemahamannya tentang peran variasi dalam parameter ini." Akibatnya, "beberapa teorema baru diperoleh dan arah untuk penelitian lebih lanjut diidentifikasi."

Sudah hari ini kita dapat menyatakan dengan pasti bahwa realitas manusia-mesin yang secara fundamental baru sedang lahir di depan mata kita, menciptakan prasyarat untuk teknologi kognisi yang intensif. Kita berbicara tentang arah baru di bidang interaksi manusia-mesin dan kecerdasan buatan - sistem grafik kognitif dan realitas virtual.

Psikolog telah membuktikan bahwa adalah melanggar hukum untuk mengaitkan kemampuan mental seseorang hanya dengan tingkat refleksi mental verbal-logis tertinggi dari realitas. Refleksi ini juga mencakup tingkat sensorik-persepsi dan figuratif dan kemampuan yang sesuai dengannya, yang dimanifestasikan dalam proses sensasi, persepsi, memori figuratif, dan imajinasi, sehingga ada kebutuhan untuk menciptakan sarana untuk pengembangan kemampuan tersebut. Sampai saat ini, tingkat perkembangan fasilitas komputasi begitu tinggi sehingga memungkinkan untuk mulai mengembangkan alat untuk membangun sistem yang bekerja tidak hanya pada tingkat simbolis-logis, tetapi juga pada tingkat persepsi sensorik dan figuratif. Dan peran utama di sini adalah milik dua arah baru yang ditunjukkan dalam pengembangan ilmu komputasi modern.

Istilah grafik kognitif pertama kali dipertimbangkan oleh ilmuwan Rusia A.A. Zenkin dalam karyanya tentang studi properti konsep yang berbeda dari teori bilangan. Menggunakan gambar visual konsep numerik abstrak, ia memperoleh hasil yang sebelumnya tidak mungkin diperoleh. Arah kerja pada grafik kognitif berkembang pesat, dan sekarang ada banyak sistem serupa di berbagai bidang studi: dalam kedokteran, untuk mendukung pengambilan keputusan tentang pengelolaan sistem teknologi yang kompleks, dalam sistem berbasis bahasa alami.

Dua fungsi sistem grafik kognitif harus diperhatikan: ilustratif dan kognitif. Jika fungsi pertama memberikan kemungkinan ilustratif murni, seperti konstruksi diagram, histogram, grafik, rencana dan diagram, berbagai gambar yang mencerminkan ketergantungan fungsional, maka yang kedua memungkinkan seseorang untuk secara aktif menggunakan kemampuan bawaannya untuk berpikir dalam gambar spasial yang kompleks.

Istilah "realitas virtual" diciptakan oleh mantan peretas komputer Jaron Lenier, yang mendirikan HP Research Corp. pada tahun 1984. di Foster, California. Ini adalah perusahaan pertama yang membuat sistem VR. Sejak awal tahun 90-an, konferensi telah diadakan tentang alat pemodelan realitas virtual dan konstruksi sistem yang memungkinkan seseorang untuk bertindak dalam lingkungan yang mungkin secara kualitatif berbeda dari kondisi realitas di mana dia tinggal.

Ada dua properti yang memungkinkan untuk membedakan program yang menciptakan "dunia maya" (sistem VR) dari sistem grafis komputer tradisional.

1. Selain transmisi sederhana informasi visual, program ini secara bersamaan mempengaruhi beberapa indera lainnya, termasuk pendengaran dan bahkan sentuhan.

2. Sistem VR berinteraksi dengan manusia, dan yang paling canggih, pengguna, misalnya, dapat menyentuh objek yang hanya ada di memori komputer dengan mengenakan sarung tangan yang diisi dengan sensor. Di sejumlah sistem, Anda dapat menggunakan joystick atau mouse - lalu Anda dapat melakukan sesuatu dengan objek yang ditampilkan di layar (misalnya, membaliknya, memindahkannya, atau melihatnya dari belakang).

Pengembangan sistem berdasarkan model realitas virtual memaksa kita untuk memecahkan sejumlah masalah yang khas untuk teknologi multimedia dan teknologi grafis kognitif. Makalah ini mempertimbangkan masalah yang terkait dengan pengembangan alat grafis untuk menghasilkan representasi figuratif dari adegan dinamis yang mewakili berbagai realitas, termasuk yang imajiner.

Pertimbangkan masalah membangun sistem realitas virtual untuk pembelajaran berdasarkan paradigma "dunia imajiner" hukum fisika statika, kinematika, dan dinamika. Kami akan mempertimbangkan dunia dinamis berikut: ruang tertutup tiga dimensi, satu set objek di dalamnya, seorang aktor di ruang ini (dia juga seorang pembelajar, sebut saja dia Aktor). Tugas aktor adalah memahami hukum yang melekat di dunia di mana dia berada dan bertindak, melakukan beberapa tindakan fisik dengan objek dalam ruang dan waktu.

Mari kita soroti jenis konsep utama yang akan dihadapi Aktor. Ini adalah objek, hubungan, gerakan dan tindakan fisik. Mari kita menetapkan tugas membangun dunia imajiner yang mencerminkan kategori-kategori ini; pada saat yang sama, keadaan realitas imajiner seperti itu akan dijelaskan dalam bentuk teks dalam bahasa alami biasa. Modul penting dari sistem VR semacam itu adalah subsistem yang membangun gambar grafis yang berubah secara dinamis dari teks. Untuk mengatasi masalah tersebut digunakan sistem TEKRIS yang dikembangkan oleh penulis. Di bawah ini kami mempertimbangkan gambaran umum dari sistem TEKRIS dan alat grafis untuk membangun sistem tersebut.

Diagram struktur sistem TEKRIS

Sistem TEKRIS adalah seperangkat alat perangkat lunak yang memungkinkan pembuatan gambar grafik yang berubah secara dinamis dari situasi yang dijelaskan menggunakan teks bahasa alami. Sebagai pembatasan yang dikenakan pada deskripsi awal, hal-hal berikut harus diperhatikan: 1) deskripsi adegan statis awal harus ada dalam teks; 2) semua perubahan berikutnya dalam adegan adalah hasil dari tindakan yang dilakukan oleh beberapa subjek (manusia, robot). Contoh tipikal Uraian seperti itu bisa jadi sebagai berikut:

Ada meja di kamar. Ada lampu di atas meja. Ada kursi di sebelah meja. Di belakang meja, tidak jauh ke kiri, ada rak buku. Di sebelah kanan kursi ada sofa. Ivan berdiri di samping lemari. Ivan pergi ke meja. Aku mengambil lampunya. Aku meletakkannya di lemari.

Diagram blok sistem ditunjukkan pada Gambar 1. Dalam diagram ini, komponen perangkat lunak disajikan dalam bentuk persegi panjang, dan file sumber dan perantara dalam bentuk oval.

Deskripsi situasi dinamis dalam bahasa alami diumpankan ke input dari prosesor linguistik. Menggunakan kosakata dunia subjek, itu mengubah teks menjadi representasi bingkai internal, yang kemudian diumpankan ke pemecah dan penjadwal.

Pemecah, menggunakan blok penalaran fisik kualitatif dan blok logis, membangun deskripsi lintasan perkembangan situasi dalam bentuk urutan temporal adegan yang mencerminkan dinamika perkembangan situasi yang diberikan oleh teks. .

Penjadwal membangun gambar grafik setiap adegan dari urutan yang diberikan, menghitung untuk tujuan ini dimensi dan koordinat semua objek yang membentuk adegan, dan juga membentuk lintasan pergerakan objek yang diperlukan untuk menampilkan dan meneruskan semua ini ke masukan dari visualisator.

Visualisator secara berurutan dengan beberapa penundaan mereproduksi gambar yang dihasilkan pada layar tampilan. Misalnya, untuk deskripsi teks di atas, adegan awal yang ditunjukkan pada Gambar 2 akan dihasilkan.

Sama seperti pemroses linguistik yang terhubung ke area subjek melalui kamus istilah, maka visualizer terhubung ke area yang sama melalui dasar objek grafis.

Basis data objek grafis adalah kumpulan deskripsi tiga dimensi objek dan subjek yang dapat ditemukan dalam adegan yang dianalisis. Untuk membuat basis untuk aplikasi tertentu, program tambahan yang disebut pustakawan objek grafis digunakan.

Beras. 2. Adegan awal Dasar objek grafis

Basis data objek grafis terdiri dari satu set deskripsi objek dan subjek yang terkait dengan area subjek yang dipertimbangkan. Setiap objek database terdiri dari nama (atau jenis) yang unik untuk database ini (misalnya, "kursi", "meja", "sofa", dll.), dan deskripsi komposisi dan posisi relatif dari komponen yang membuatnya ke atas.

Elemen dasar dari mana semua objek grafis dibangun adalah parallelepiped persegi panjang (lihat Gambar 3). Untuk membangun objek kompleks, objek lain yang telah didefinisikan sebelumnya juga dapat digunakan sebagai komponen. Misalnya, untuk membangun objek kompleks seperti "Ivan", Anda dapat terlebih dahulu mendefinisikan objek sederhana berikut: "kepala", "lengan", "kaki", dan kemudian membangun "Ivan" dari "batu bata" yang sudah ada.

Gambar 3 menunjukkan objek "tabel", yang terdiri dari lima elemen dasar. Untuk setiap objek, paralelepiped persegi panjang didefinisikan di mana ia dapat ditulis (ditunjukkan oleh garis putus-putus pada gambar), dan sudut alas tempat asal objek berada.

Selain itu, untuk setiap objek, satu set warna ditentukan, yang dengannya bagian-bagian komponennya dicat saat ditampilkan di layar komputer:

jumlah warna

Untuk menentukan satu warna, tiga kali lipat angka ditunjukkan, di mana jenis isian menentukan urutan pencampuran warna primer:
isi tipe i

mengisi tipe2

mengisi jenis

Saat rendering, empat jenis shading digunakan dengan warna primer atau kombinasi solid, seperti yang ditunjukkan pada Gambar 4.

Tiga set angka memungkinkan Anda untuk mengatur tiga warna berbeda untuk mewarnai berbagai

komponen l

Setiap komponen objek ditentukan oleh posisinya (koordinat relatif terhadap sudut dasar), dimensi dan warna wajah.

Sebuah komponen yang merupakan elemen dasar dijelaskan sebagai berikut:

2) koordinat sudut alas dalam sistem

koordinat objek;

3) sudut rotasi di sekitar sumbu sistem

koordinat objek hingga bertepatan dengan sumbu koordinat elemen;

4) dimensi elemen (dx, dy, dz);

5) nomor warna.

Sebuah komponen, yang pada gilirannya adalah sebuah objek, ditentukan sebagai berikut: 1) type(=1);

2) nama objek;

3) koordinat sudut dasar;

4) sudut rotasi;

5) dimensi;

6) nomor warna.

Ketika sebuah objek dirender, semua komponennya diurutkan tergantung pada jarak ke area proyeksi (layar tampilan). Komponen terjauh digambar terlebih dahulu, lalu yang terdekat, yang memungkinkan Anda menyembunyikan bagian tak terlihat dari komponen terjauh dari pengamat.

Wajah-wajah kubus juga diatur dalam urutan pendekatan ke daerah proyeksi. Untuk setiap verteks wajah, koordinat 3D diterjemahkan dari sistem koordinat adegan ke koordinat 2D layar tampilan menggunakan rumus yang ditunjukkan di bawah ini (lihat Gambar 5). Kemudian arah vektor normal ditentukan dan jenis bayangan wajah yang sesuai dipilih, setelah itu segi empat yang sesuai dengan wajah digambar pada layar tampilan. Karena elemen yang paling dekat dengan pengamat ditampilkan terakhir, mereka akan menutupi tepi yang tidak terlihat.

Beras. 5. Proyeksi objek ke bidang visualisasi

Koordinat titik milik suatu elemen dalam sistem koordinat objek (x, y, z) dihitung dengan menggunakan rumus berikut:

di mana (x\ y", z1) adalah koordinat titik dalam sistem elemen;

(xq, о", zq) - koordinat sudut dasar, tij - cosinus arah, yaitu cos sudut antara sumbu / dan j dari sistem objek.

Rumus berikut digunakan untuk menghitung arah cosinus:

sina-sinp-nyaman+cosa-sinp-cosa-sinp-nyaman+sina-sinp

Sina-sinp-siny+cosa-nyaman cosa-sinp-siny+sina-nyaman

Sina cosp cosa cosp

Matriks M menentukan rotasi berurutan di sekitar sumbu x pada oc, y pada p, z pada y. Koordinat proyeksi titik ke area layar dihitung dengan cara yang sama.

Pustakawan Grafis

Pustakawan objek grafis adalah program yang dirancang untuk membuat sekumpulan objek dan subjek yang dapat ditemukan dalam teks yang dianalisis. Program ini memungkinkan Anda untuk membuat database objek baru, memuat database yang ada, menyimpan database ke file, menambahkan objek baru ke database, memodifikasi dan menghapus objek.

Beras. 6. Layar kerja pustakawan objek grafis

bagian lain, serta nilai parameter komponen saat ini (diedit).

Sisa ruang di layar ditempati oleh tiga proyeksi ortogonal objek dan proyeksi isometriknya, dan dimungkinkan untuk mengubah sudut pandang objek dengan mengatur sudut rotasi di sekitar sumbu koordinat.

Menu utama program berisi item-item berikut:

Basis - membuat basis objek baru, menyimpan dan memuat basis lama.

Jenis - perubahan pandangan isometrik(rotasi objek).

Objek - menampilkan daftar semua objek dalam database, dengan kemampuan untuk menavigasi ke objek yang dipilih.

Komponen - mengatur nilai parameter untuk komponen objek (posisi, ukuran, warna).

Warna - mengatur satu set warna untuk objek.

Kamar - membangun dan melihat ruangan dari objek yang ada (tidak diterapkan dalam versi yang sedang dipertimbangkan).

Keluar - Keluar dari program.

Tombol-tombol di bawah menu utama melakukan fungsi-fungsi berikut:

Layar kerja program ditunjukkan pada gambar. 6. Di bagian atas layar adalah menu utama, di bagian bawah - satu set warna primer (16 warna) dan empat jenis bayangan. Di pojok kiri atas (setelah menu) layar terdapat lima tombol untuk membuat dan mengedit objek. Tepat di bawah mereka adalah nama objek, daftar komposisinya

Tambahkan komponen basa atau senyawa baru ke suatu objek

Ubah ukuran (dimensi) komponen

Ubah lokasi komponen

Putar Komponen

Hapus komponen

Ketika objek baru dibuat, sebuah kubus dibuat dengan dimensi default. Dimensi komponen objek ditetapkan sebagai bilangan bulat dalam kisaran 1 hingga 400, jadi saat membuat basis objek, Anda perlu menentukan skala sedemikian rupa sehingga dimensi objek yang ditampilkan (tidak nyata) termasuk dalam interval ini .

Untuk mengubah ukuran komponen, klik tombol "Ukuran". Setelah itu, program akan beralih ke mode perubahan dimensi, yang dilakukan dengan menggerakkan sudut kanan bawah persegi panjang yang sesuai dengan komponen di salah satu dari tiga proyeksi ortogonal. Pemindahan dilakukan dengan bantuan manipulator "tikus" dengan menekan tombol kiri.

Komponen dipindahkan dengan cara yang sama ketika tombol "Pindahkan" ditekan. Untuk memutar komponen, klik tombol "Turn". Menambahkan komponen baru dilakukan dengan menekan tombol "Baru". Saat melakukan operasi apa pun dengan komponen, dimensi objek dan koordinat semua komponennya dihitung ulang secara otomatis.

Jika perlu, menggunakan tombol "Del", komponen objek dapat dihapus, yang juga mengarah pada perhitungan ulang koordinat dan dimensi. Selain posisi dan ukuran, setiap komponen objek menentukan tiga corak warna untuk wajahnya. Pilihan satu atau lain warna tergantung pada posisi bidang wajah (normalnya) di ruang angkasa. Jika komponen, pada gilirannya, adalah objek, maka warna sub-objek diwariskan dengan kemungkinan menggantinya dengan warna objek yang diedit.

Untuk mengatur warna objek atau menentukan warna komponen, pilih "Warna" dari menu utama. Sebuah jendela akan muncul di layar tampilan (Gbr. 7).

Di bagian kiri jendela ini ada daftar warna untuk objek, di bagian kanan ada pola bayangan untuk tiga kemungkinan kasus, di bagian bawah ada empat tombol.

Untuk mengatur bayangan, Anda harus memilih wajah (A, B atau C) dan dari bagian bawah layar jenis bayangan, warna utama (tombol kiri mouse) dan warna tambahan (tombol kanan). Saat Anda mengklik tombol "Simpan", warna yang dipilih ditetapkan ke komponen. Tombol "Tambah" dan "Hapus" memungkinkan Anda menambah dan menghapus elemen daftar warna.

Jika tidak ada manipulator "mouse", Anda dapat menggunakan item menu utama "Komponen" untuk menetapkan nilai parameter komponen. Dalam hal ini, jendela yang ditunjukkan pada Gambar 8 akan muncul di layar.Di bagian atas jendela ini, nama komponen ditentukan (pada gambar "pegangan kiri" kursi), yang dapat diubah jika perlu .

Di bagian kiri jendela, nilai parameter komponen ditetapkan, di kanan - satu set tombol untuk menyortir komponen, menambah dan menghapus, mengatur warna dan menyimpan atau menolak untuk menyimpan perubahan.

Dengan jendela ini, hanya dengan menggunakan tombol, Anda dapat mendeskripsikan objek sepenuhnya. Untuk mengatur nilai parameter, pergi ke baris yang diperlukan menggunakan tombol kursor ("Atas", "Bawah") dan cetak nilai baru. Perhatikan bahwa pada Gambar 8 dimensi ditampilkan dalam warna abu-abu, mis. tidak dapat diakses untuk diubah, karena lengan kursi, pada gilirannya, adalah objek dan mewarisi dimensinya.

Saat Anda selesai mengedit satu objek, Anda dapat melanjutkan untuk membuat atau mengedit objek lainnya. Sebelum keluar dari program, database objek harus disimpan ke file untuk digunakan lebih lanjut dalam program untuk memvisualisasikan pemandangan tiga dimensi.

Visualisasi adegan 3D

Program visualizer dapat bekerja dalam dua mode. Mode utama adalah ketika penjadwal membangun adegan 3D saat ini dan meneruskannya ke perender untuk dirender. Dalam mode operasi lain, penjadwal menghasilkan urutan adegan untuk teks yang dianalisis dan menulisnya ke file, yang kemudian digunakan oleh visualizer. Dalam hal ini, penyaji bertindak sebagai demonstrator dari urutan yang dihasilkan.

Dua file diumpankan ke input program - dasar objek grafis dan urutan adegan - dalam bentuk berikut:

Satu adegan dipisahkan dari yang lain dengan perintah PAUSE khusus (jeda antar adegan).

Setiap adegan digambarkan sebagai urutan perintah:

Tim 1

tim untuk

Perintah dibagi menjadi perintah deskripsi objek dan perintah kontrol. Perintah deskripsi berisi bidang-bidang berikut:

Nama unik dari objek yang digunakan

di adegan selanjutnya;

Jenis objek (nama dalam database);

Koordinat kiri belakang bawah

sudut dalam sistem koordinat ruangan;

Sudut rotasi di sekitar sumbu koordinat

Pengubah ukuran (L - besar, M -

sedang, S - kecil);

Warna (dari 0 hingga 8). Jika warna = 0, maka objek

ditampilkan dalam warna yang digunakan dalam database. Jika tidak: 1 - hitam, 2 - biru 8 - putih.

Di antara kumpulan objek yang menggambarkan adegan awal, harus ada objek dengan tipe "adegan" (ruangan). Objek ini built-in (tidak ada di dasar objek grafis). Ini mengatur dimensi ruangan, serta posisi pengamat. Dengan mengatur sudut rotasi baru setiap kali, Anda dapat mengubah posisi pengamat untuk melihat objek yang sebelumnya tidak terlihat. Misalnya, Gambar 9 menunjukkan adegan kedua dari teks yang dibahas di awal artikel dari sudut yang berbeda.

Beras. 9. Adegan kedua dari sudut yang berbeda

Perintah kontrol berikut digunakan untuk membuat urutan adegan:

PAUSE - jeda antara adegan;

PINDAHKAN - pindahkan objek ke yang baru

posisi;" TRACE - menunjukkan lintasan pergerakan objek;

DEL - hapus objek dari tempat kejadian

(digunakan untuk memvisualisasikan konsep "ambil").

Sebagai kesimpulan, dapat dicatat bahwa alat grafis yang dikembangkan difokuskan pada penggunaan dalam sistem CAD cerdas, robot, sistem pelatihan, membangun permainan komputer, "dalam sistem realitas virtual. Alat perangkat lunak sistem memungkinkan Anda untuk merepresentasikan data yang dinyatakan dalam tekstual dan grafis membentuk dan memanipulasinya.

Langkah selanjutnya dalam pengembangan alat ini adalah pengembangan sistem yang memungkinkan Anda untuk memanipulasi tidak hanya dalam satu adegan, tetapi dalam beberapa kombinasinya, yang akan memungkinkan Anda untuk menciptakan dunia yang lebih kompleks.

Ketika mempertimbangkan masalah membangun metode dan alat untuk menciptakan sistem generasi baru di bidang interaksi manusia-mesin (dalam arti luas), saya ingin menekankan sekali lagi peran luar biasa dari representasi figuratif, non-verbal. dalam berbagai proses kreatif dan intelektual, termasuk pembelajaran, penemuan pengetahuan baru, pengelolaan objek kompleks, dll, sehingga diperlukan alat baru untuk membantu menggunakan berbagai kemampuan manusia. Dan di sini, tentu saja, peran penting milik sistem komputer dengan teknologi baru untuk mendukung kemampuan ini, khususnya, berdasarkan grafik kognitif dan sistem realitas virtual.

Bibliografi

5. Zenkin A. A. Grafik komputer kognitif // M.: Nauka, 1991.-S. 187.

7. Rakcheeva T.A. Representasi kognitif dari struktur ritmik EKG // Produk dan sistem perangkat lunak. - 1992. -L6 2.- S.38-47.

4. Eremeev A.P., Korotkoe O.V., Popov A.V. Pengontrol visual untuk sistem pendukung keputusan // Prosiding / Sh Conf. pada kecerdasan buatan. Tver.-1992. T. 1.- S. 142-145.

2. Bakharev I.A., Leder V.E., Matekin M.P. Tampilan Alat Grafik Hari Cerdas

dinamika yang kompleks proses teknologi// Produk dan sistem perangkat lunak. -1992. - No. 2.- S. 34-37.

8. V.Bajdoun, LXitvintseva. SJvfalitov dkk. Tekris: Sistem cerdas untuk animasi teks // Proc. dari Konf. Timur-Barat. pada Seni. Intel. EWAIC93. 7-9 September, Moskow, Rusia. 1993.

3. Hamilton J., SmithA., McWilliams G. dkk. Sebuah realitas maya// Minggu Bisnis. - 1993. - No. 1.

6. Litvintseva L.V. Model konseptual sistem visualisasi untuk adegan dinamis tiga dimensi // Produk dan sistem perangkat lunak. Nomor 2.1992.

1. Baidun V.V., Bunin A.I., Bunina O.Yu. Analisis deskripsi tekstual adegan spasial dinamis dalam sistem TEKRIS // Produk dan sistem perangkat lunak. -1992. -Nomor 3. - S.42-48.

4. GRAFIK KOMPUTER KOGNITIF PADA PELATIHAN TEKNIK

Munculnya dan pengembangan alat grafik komputer interaktif (ICG) membuka kemungkinan grafik baru yang mendasar untuk sektor pendidikan, berkat itu siswa dapat secara dinamis mengontrol konten, bentuk, ukuran, dan warna mereka dalam proses analisis gambar, mencapai visibilitas terbesar. Ini dan sejumlah kemungkinan lain dari ICG masih kurang dipahami oleh para guru, termasuk para pengembang teknologi informasi pendidikan, yang tidak memungkinkan untuk sepenuhnya digunakan. potensi pelatihan IKG. Faktanya adalah bahwa penggunaan grafik dalam sistem komputer pendidikan tidak hanya meningkatkan kecepatan transfer informasi kepada siswa dan meningkatkan tingkat pemahamannya, tetapi juga berkontribusi pada pengembangan kualitas penting seperti itu untuk spesialis di industri apa pun seperti intuisi, profesional "bakat", pemikiran imajinatif.
Dampak ICG pada intuitif, berpikir kreatif menyebabkan munculnya arah baru dalam masalah kecerdasan buatan, yang disebut dalam karya grafis komputer kognitif (yaitu, memfasilitasi kognisi). PADA bagian ini peran dan tempat grafik komputer kognitif dalam pelatihan teknik dipertimbangkan, sejumlah yang terkenal dibahas dan cara-cara baru yang lebih kognitif dari tampilan grafik bidang diusulkan. parameter fisik, algoritma untuk membangun gambar yang sesuai dijelaskan, dan hasil membandingkan metode visualisasi yang dipertimbangkan dari sudut pandang efisiensi kognitif mereka disajikan.

4.1. Dualisme pemikiran manusia
Pikiran manusia menggunakan dua mekanisme berpikir. Salah satunya memungkinkan Anda untuk bekerja dengan string karakter abstrak, dengan teks, dan sebagainya. Mekanisme berpikir ini biasanya disebut simbolik, aljabar atau logis. Mekanisme berpikir yang kedua menyediakan pekerjaan dengan gambaran-gambaran indrawi dan ide-ide tentang gambar-gambar ini. Ini disebut figuratif, geometris, intuitif, dll. Secara fisiologis, pemikiran logis dikaitkan dengan belahan otak kiri otak manusia, dan pemikiran kiasan - dengan belahan kanan.
Perbedaan utama dalam kerja belahan otak manusia ditemukan oleh ilmuwan Amerika R. Sperry, yang pernah mempertaruhkan koneksi interhemispheric pada pasien dengan epilepsi untuk tujuan terapeutik. Seseorang yang belahan kanannya "cacat" dan belahan kirinya "bekerja" mempertahankan kemampuan untuk berkomunikasi secara verbal, merespons kata, angka, dan lainnya dengan benar. tanda konvensional, tetapi seringkali menjadi tidak berdaya ketika harus melakukan sesuatu dengan objek dunia material atau gambarnya. Ketika hanya satu belahan "kanan" yang berfungsi, pasien dengan mudah mengatasi tugas-tugas seperti itu, fasih dengan karya seni, melodi dan intonasi bicara, mengorientasikan dirinya dalam ruang, tetapi kehilangan kemampuan untuk memahami konstruksi bicara yang kompleks dan tidak dapat berbicara dalam bahasa. cara yang koheren sama sekali.
Setiap belahan otak manusia adalah sistem independen untuk memahami dunia luar, memproses informasi tentangnya, dan merencanakan perilaku di dunia ini. Otak kiri seolah-olah merupakan komputer besar dan kuat yang menangani tanda dan prosedur untuk pemrosesannya. Pidato bahasa alami, berpikir dalam kata-kata, prosedur rasional-logis untuk memproses informasi, dll. - semua ini diwujudkan di belahan otak kiri. Di belahan kanan, pemikiran diwujudkan pada tingkat gambar sensorik: persepsi estetika dunia, musik, lukisan, pengakuan asosiatif, kelahiran ide dan penemuan baru yang mendasar, dll. Semua mekanisme pemikiran imajinatif yang kompleks itu, yang sering didefinisikan dengan istilah tunggal "intuisi", adalah area hemisfer kanan dari aktivitas otak.
Seringkali, pemikiran otak kanan dikaitkan dengan aktivitas dalam seni. Terkadang pemikiran ini bahkan disebut artistik. Namun, bahkan kegiatan yang lebih formal sebagian besar menggunakan mekanisme berpikir intuitif. Pernyataan para ilmuwan terkemuka tentang peran intuisi dalam kegiatan ilmiah sangat menarik. "Nilai yang sebenarnya," kata A. Einstein, "pada dasarnya hanyalah intuisi. Bagi saya, tidak diragukan lagi bahwa pemikiran kita, pada dasarnya, melewati simbol (kata-kata) dan, terlebih lagi, secara tidak sadar." Dan di tempat lain: "Tidak ada ilmuwan yang berpikir dalam rumus."
Bahkan bidang sains formal yang abstrak seperti matematika menggunakan pemikiran otak kanan secara signifikan. "Kamu harus menebak teorema matematika sebelum Anda membuktikannya; Anda harus menebak ide pembuktiannya sebelum Anda membahasnya secara rinci." A. Poincaré berbicara lebih jelas lagi: "... untuk membuat aritmatika, serta untuk membuat geometri atau jenis sains, Anda membutuhkan sesuatu selain logika murni. Kami tidak memiliki kata lain untuk ini selain "intuisi."
Perbedaan antara dua mekanisme berpikir dapat diilustrasikan dengan prinsip-prinsip menyusun teks yang koheren dari elemen informasi individual: pemikiran otak kiri menciptakan konteks yang tidak ambigu dari elemen-elemen ini, yaitu. dari semua hubungan yang tak terhitung jumlahnya antara objek dan fenomena, ia secara aktif memilih hanya beberapa yang paling penting untuk tugas tertentu yang diberikan. Pemikiran belahan kanan menciptakan konteks multi-nilai, berkat pemahaman simultan dari hampir semua tanda dan koneksi dari satu atau banyak fenomena. Dengan kata lain, pemikiran tanda-logis memperkenalkan beberapa artifisial ke dalam gambaran dunia, sementara pemikiran figuratif memberikan persepsi yang cepat secara alami tentang dunia apa adanya.
Pemikiran manusia dan perilaku manusia dikondisikan kerja sama kedua belahan otak manusia. Dalam beberapa situasi, komponen logis dari pemikiran mendominasi, dalam situasi lain, komponen intuitif. Menurut psikolog, semua orang dibagi menjadi tiga kelompok: dengan pemikiran "belahan kiri" yang dominan, dengan "belahan otak kanan", dengan pemikiran campuran. Pembagian ini secara genetik telah ditentukan sebelumnya, dan ada tes khusus untuk menentukan kecenderungan satu atau beberapa jenis pemikiran.
Perbedaan mendasar antara strategi pemrosesan informasi belahan otak kiri dan kanan yang dijelaskan di atas berhubungan langsung dengan pembentukan berbagai kemampuan. Jadi, untuk kreativitas ilmiah, yaitu untuk mengatasi ide-ide tradisional, perlu untuk memahami dunia secara keseluruhan, yang melibatkan pengembangan kemampuan untuk mengatur konteks multi-nilai (pemikiran figuratif). Memang, ada banyak pengamatan bahwa bagi orang yang mempertahankan kemampuan berpikir kreatif, aktivitas kreatif tidak terlalu melelahkan daripada pekerjaan rutin dan monoton. Tetapi orang-orang yang belum mengembangkan kemampuan berpikir imajinatif sering lebih suka melakukan pekerjaan mekanis, dan itu tidak tampak membosankan bagi mereka, karena mereka, seolah-olah, "diperbudak" oleh pemikiran logis-formal mereka sendiri. Dari sini jelas betapa pentingnya sejak dini membangun pendidikan dan pelatihan dengan benar sehingga keduanya diperlukan untuk seseorang jenis-jenis berpikir berkembang secara harmonis, sehingga pemikiran figuratif tidak terkekang oleh rasionalitas, sehingga potensi kreatif seseorang tidak akan habis.
Dalam pengembangan sistem cerdas, seperti D.A. Pospelov, ada "gulungan hemisfer kiri". Ke tingkat yang lebih besar, tampaknya, "kemiringan belahan bumi kiri" seperti itu adalah karakteristik pendidikan modern, termasuk metode dan sarana komputer yang digunakan di dalamnya. Fenomena tersebut tidak begitu berbahaya. Dampak negatif dari komputerisasi pelatihan teknik, yang telah dibahas di atas (lihat paragraf 3.1), sebagian besar disebabkan oleh lemahnya dampak sistem komputer yang digunakan pada mekanisme berpikir intuitif dan imajinatif.
Dalam hal ini, alokasi yang jelas dari komponen pengetahuan implisit dan bawah sadar juga memungkinkan kita untuk dengan jelas mengatur tugas pengembangannya, untuk merumuskan persyaratan yang sesuai untuk metode dan alat bantu pengajaran, termasuk metode grafik komputer.

4.2. Fungsi ilustratif dan kognitif dari grafik komputer

Saat ini, grafik komputer interaktif adalah salah satu bidang teknologi informasi baru yang paling berkembang pesat. Jadi, dalam penelitian ilmiah, termasuk penelitian fundamental, penekanan pada fungsi ilustratif ICG, yang merupakan karakteristik tahap awal, semakin bergeser ke arah penggunaan kemampuan ICG yang memungkinkan mengaktifkan "...kemampuan manusia untuk berpikir. dalam gambar spasial yang kompleks". Dalam hal ini, mereka mulai membedakan dengan jelas antara dua fungsi ICG: ilustratif dan kognitif.

Fungsi ilustratif ICG memungkinkan untuk mewujudkan dalam desain visual yang kurang lebih memadai hanya apa yang sudah diketahui, yaitu. sudah ada baik di dunia sekitar kita, atau sebagai ide di kepala peneliti. Fungsi kognitif ICG adalah menggunakan beberapa gambar ICG untuk mendapatkan yang baru, mis. pengetahuan yang belum ada bahkan di kepala seorang spesialis, atau setidaknya berkontribusi pada proses intelektual untuk memperoleh pengetahuan ini.

Gagasan utama tentang perbedaan antara fungsi ilustratif dan kognitif ICG, yang disorot dalam makalah ketika menjelaskan penggunaan ICG dalam penelitian ilmiah, sangat cocok dengan klasifikasi pengetahuan dan sistem komputer untuk tujuan pendidikan (lihat Bagian 1.1 ). Fungsi ilustratif ICG diimplementasikan dalam sistem pendidikan tipe deklaratif ketika mentransfer ke siswa bagian pengetahuan yang diartikulasikan, disajikan dalam bentuk informasi yang sudah disiapkan sebelumnya dengan ilustrasi grafik, animasi, audio dan video (Gbr. 4.1). Fungsi kognitif ICG memanifestasikan dirinya dalam sistem tipe prosedural, ketika siswa "memperoleh" pengetahuan melalui penelitian tentang model matematika dari objek dan proses yang dipelajari, dan, karena proses pembentukan pengetahuan ini didasarkan pada hemisfer kanan intuitif. mekanisme berpikir, pengetahuan ini sendiri sebagian besar bersifat pribadi. Setiap orang membentuk teknik aktivitas mental bawah sadar dengan caranya sendiri. Ilmu psikologi modern tidak memiliki metode yang terbukti secara ketat untuk pembentukan potensi kreatif seseorang, bahkan jika itu adalah profesional. Salah satu pendekatan heuristik terkenal untuk pengembangan pemikiran intuitif berorientasi profesional adalah solusi dari masalah penelitian. Penggunaan sistem komputer pendidikan dari tipe prosedural memungkinkan untuk secara signifikan mengintensifkan proses ini, menghilangkan operasi rutin darinya, dan memungkinkan untuk melakukan berbagai eksperimen pada model matematika.

Beras. 4.1. Perbedaan konseptual antara fungsi kognitif dan ilustratif grafik komputer

Peran ICG dalam studi pendidikan ini tidak dapat ditaksir terlalu tinggi. Ini adalah gambar ICG dari kursus dan hasil eksperimen pada model matematika yang memungkinkan setiap siswa untuk membentuk gambarnya sendiri tentang objek atau fenomena yang dipelajari dalam semua integritas dan berbagai koneksinya. Juga tidak ada keraguan bahwa gambar ICG melakukan, pertama-tama, fungsi kognitif, dan bukan ilustratif, karena dalam proses pekerjaan pendidikan dengan sistem komputer tipe prosedural, siswa membentuk pribadi yang murni, mis. tidak ada dalam bentuk ini untuk siapa pun, komponen pengetahuan.

Tentu saja, perbedaan antara fungsi ilustratif dan kognitif grafik komputer agak arbitrer. Seringkali, ilustrasi grafis biasa dapat mendorong beberapa siswa ke ide baru, memungkinkan mereka untuk melihat beberapa elemen pengetahuan yang tidak "diinvestasikan" oleh guru-pengembang sistem komputer pendidikan jenis deklaratif. Dengan demikian, fungsi ilustratif dari citra ICG berubah menjadi fungsi kognitif. Di sisi lain, fungsi kognitif gambar ICG selama percobaan pertama dengan sistem pendidikan tipe prosedural dalam percobaan lebih lanjut berubah menjadi fungsi ilustratif untuk yang sudah "ditemukan" dan, oleh karena itu, tidak lagi menjadi properti baru dari objek di bawah belajar.

Namun, perbedaan mendasar dalam mekanisme logis dan intuitif pemikiran manusia, yang timbul dari perbedaan ini dalam bentuk representasi pengetahuan dan metode pengembangannya, menjadikannya berguna secara metodologis untuk membedakan antara fungsi ilustratif dan kognitif grafik komputer dan memungkinkannya untuk lebih jelas merumuskan tugas didaktik gambar ICG dalam pengembangan sistem komputer untuk tujuan pendidikan.

4.3. Tugas grafik komputer kognitif

Dalam kata pengantar untuk pekerjaan itu, seorang ahli terkenal di bidang kecerdasan buatan D. A. Pospelov merumuskan tiga tugas utama grafik komputer kognitif. Tugas pertama adalah menciptakan model representasi pengetahuan yang memungkinkan untuk mewakili kedua objek yang menjadi karakteristik pemikiran logis dan gambar-gambar yang dengannya pemikiran figuratif beroperasi dengan cara yang seragam. Tugas kedua adalah visualisasi pengetahuan manusia yang belum memungkinkan untuk menemukan deskripsi tekstual. Ketiga, mencari cara untuk berpindah dari gambar-gambar yang diamati ke rumusan beberapa hipotesis tentang mekanisme dan proses yang tersembunyi di balik dinamika gambar-gambar yang diamati.

Pengembang sistem untuk analisis teknik, desain berbantuan komputer, dan sistem komputer pendidikan dari tipe prosedural berurusan dengan tugas kedua dari grafik kognitif yang dijelaskan di sini, ketika pengetahuan tentang objek teknis diperoleh selama penelitian model matematika multidimensi. dan disajikan dalam bentuk simbolik-digital biasa menjadi tidak dapat diakses oleh analisis manusia karena banyaknya informasi. Mari kita pertimbangkan lebih lanjut sejumlah metode untuk menampilkan bidang karakteristik fisik objek teknis dan algoritme untuk membangun gambar yang sesuai dengan potensi kognitif tinggi.

4.4. Asumsi algoritma visualisasi

Kami akan mengasumsikan bahwa seperangkat fungsi grafis standar yang digunakan programmer saat mengembangkan program aplikasi pendidikan memungkinkan Anda untuk menyorot titik pada layar tampilan, menunjukkan koordinat dan warnanya, menggambar segmen garis lurus, menunjukkan warna dan koordinat ujungnya, melakukan transformasi koordinat geometrik dan transformasi proyeksi.

Kami juga akan mengasumsikan bahwa bidang karakteristik fisik yang digambarkan disajikan sebagai nilai diskrit dalam node jaringan elemen datar (PSE) dari bentuk segitiga atau segi empat. Jaringan ini dapat menampilkan seluruh bidang atau fragmennya, misalnya, bagian bidang tiga dimensi dengan bidang. Perhatikan bahwa bentuk representasi parameter ini alami untuk sejumlah metode grid numerik, misalnya, metode elemen hingga yang banyak digunakan dalam CAD melibatkan pendekatan grid.

Jadi, pada input program grafik terapan yang mengimplementasikan algoritma yang dipertimbangkan di bawah ini, harus ada deskripsi topologi dan geometris PSE dengan nilai karakteristik yang ditampilkan di node jaringan. Lebih mudah untuk menyimpan topologi jaringan dalam bentuk matriks, di setiap baris yang menunjukkan jumlah elemen PSE dan jumlah node di sekitarnya. Deskripsi geometris PSE adalah matriks, di mana garis koordinat node jaringan ditunjukkan.

Bergantung pada metode visualisasi, kami akan menggunakan dua jenis perkiraan parameter yang ditampilkan dalam elemen PSE: konstanta dan bilinear. Untuk aproksimasi konstan dalam elemen segi empat PSE adalah nilai parameter yang ditampilkan, di mana adalah nilai parameter di node jaringan yang mengelilingi elemen PSE.

Untuk pendekatan bilinear, kami memperkenalkan koordinat tak berdimensi dan dan bujur sangkar bantu (Gbr. 4.2). Transformasi yang sesuai dari koordinat dan parameter yang ditampilkan dilakukan sesuai dengan rumus yang mirip dengan apa yang disebut fungsi bentuk dalam metode elemen hingga:

(4.1)

Beras. 4.2. Transformasi segi empat sewenang-wenang menjadi bujur sangkar tambahan.

Untuk mengatur algoritme, kami akan mempertimbangkan elemen bentuk segitiga sebagai kasus khusus dari segi empat dengan dua sudut yang berdekatan digabungkan.

Mari kita pertimbangkan secara berurutan 7 cara menampilkan karakteristik fisik: 4 cara - untuk visualisasi medan skalar dan 3 cara - untuk menampilkan karakteristik vektor, seperti kekuatan atau induksi magnet medan elektromagnetik, garis arus dalam aerohidrodinamika, distribusi gaya atau rangkaian penguat dalam struktur penahan beban. Kami akan mengilustrasikan metode yang sedang dipertimbangkan dengan potongan-potongan dialog grafis yang dilakukan dalam simulator dan pelatihan PPP dari sistem CADIS.

4.5. Gambar Warna Solid

Inti dari metode visualisasi ini adalah daerah dalam PSE dicat di berbagai warna, sesuai dengan interval tertentu dari nilai parameter yang ditampilkan. Skala warna biasanya digunakan, di mana, ketika nilai parameter menurun, warna berubah dari hangat (merah dan kuning) menjadi dingin (biru dan ungu). Gambar dibangun di atas elemen PSE. Algoritma untuk mewarnai elemen didasarkan baik pada ide pemindaian baris demi baris di sepanjang kotak tambahan dengan langkah yang sesuai dengan ukuran elemen grid raster tampilan, dan pewarnaan elemen ini, yang disebut piksel atau pel, sesuai dengan ekspresi (4.1), atau pada gagasan pemindaian raster di sepanjang sumbu dan membangun segmen warna di sepanjang sumbu. Dalam algoritma kedua, warna segmen ditentukan oleh interval , dan koordinat ujung segmen ditemukan dari (4.1) untuk nilai dan batas tetap interval yang telah ditentukan sebelumnya. Transisi palet warna melalui batas elemen PSE terjadi dengan lancar, karena fungsi aproksimasi (4.1) linier di sepanjang sisi segi empat PSE, yang memastikan kontinuitas permukaan parameter yang ditampilkan.

Untuk tampilan monokrom, gambar nada dapat dibuat menggunakan algoritme seperti itu (Gbr. 4.3).

Gambar 4.3. Gambar nada dari distribusi material yang optimal di pelat di bawah beban.

4.6. garis sejajar

Pembangunan lines of equal level (LRU) dilakukan sesuai dengan unsur PSE. Dua algoritme berikutnya didasarkan, seperti algoritme bayangan, pada pemindaian di sepanjang kisi persegi tambahan, yang langkahnya sesuai dengan raster tampilan. Dalam salah satu algoritme ini, pada garis kisi pemindaian sejajar dengan sumbu , titik ditemukan dengan nilai yang diberikan dari level parameter yang ditampilkan. poin dengan nilai yang sama parameter pada garis pemindaian yang berdekatan dihubungkan oleh segmen garis lurus, jika tidak ada "palung" atau "elevasi" permukaan bilinear (4.1) di antara titik-titik ini. Segmen yang dibangun, memanjang selama proses pemindaian, membentuk keluarga LRU pada setiap elemen FSE. Dalam algoritme lain, bukan nilai level yang ditentukan, tetapi interval nilai yang membentuk serangkaian "pita" dari level tertentu. Konstruksi LRU dilakukan dengan mengarsir belang. Ketebalan LRU pada layar tampilan tergantung pada lebar interval yang ditentukan dan pada sifat perubahan pada permukaan yang ditampilkan. Dalam kedua algoritme, penggabungan LRS pada batas elemen PSE terjadi secara alami, karena fungsi aproksimasi (4.1) linier sepanjang sisi segi empat PSE (lihat Gambar 3.22).

4.7. peta bit

Bidang setiap elemen PSE pada layar tampilan diisi dengan titik-titik bercahaya. Kepadatan titik sesuai dengan nilai parameter yang ditampilkan. Pengisian bagian PSE dengan kepadatan konstan (ini bisa berupa bidang seluruh segi empat atau sebagian) dilakukan menggunakan sensor nomor acak(DSCH). Pengisian tersebut menghaluskan diskontinuitas permukaan yang ditampilkan bahkan dengan pendekatan parameter yang konstan dalam satu elemen PSE (Gbr. 4.4). Sebelum membangun bitmap, nilai maksimum ditemukan, yang ditetapkan untuk kepadatan pengisian titik yang sama dengan 80-90% dari kepadatan naungan padat. Menurut batas ini, kerapatan pengisian titik-titik pada setiap segiempat PSE selanjutnya dinormalisasi. Saat membuat gambar pada elemen PSE, kotak bantu terlebih dahulu dibagi dengan sumbu dan menjadi empat, karena DFS standar beroperasi dengan angka dalam interval . Dalam setiap kuartal, kerapatan titik diasumsikan konstan. Koordinat titik dan ditentukan menggunakan DFS, diubah dengan rumus (4.1) menjadi koordinat, dan kemudian dikonversi ke sistem koordinat layar. Warna titik ditentukan oleh interval warna yang diberikan menggunakan ekspresi (4.1).

Beras. 4.4. Bitmap distribusi material yang optimal di pelat di bawah beban.

4.8. Jaringan poligon

Gambar ditampilkan sebagai proyeksi pusat dari permukaan parameter yang ditampilkan. Permukaan didekati oleh jaringan segitiga dan segi empat dengan sisi lurus. Jaringan seperti itu disebut poligonal. Jaringan poligonal paling sederhana dapat diperoleh dengan menampilkan PSE pada permukaan parametrik (Gbr. 4.5). Kejernihan gambar sangat tergantung pada pilihan posisi sudut pandang pengamat dalam proyeksi pusat dan pada ada tidaknya area permukaan yang tidak terlihat. Pembangunan jaringan poligonal menurut PSE yang diberikan tidak sulit dan tidak memerlukan biaya komputasi yang besar. Algoritma yang sesuai direduksi menjadi transformasi geometrik biasa dari koordinat dan transformasi proyeksi dari titik-titik nodal dari PSE dasar dan permukaan parametrik, yang kemudian dihubungkan oleh segmen garis lurus. Namun, analisis visibilitas garis secara signifikan meningkatkan biaya komputasi, terkadang dua atau tiga kali lipat.

4.9. Gambar sebagai segmen berorientasi panjang variabel

Metode ini digunakan untuk menampilkan karakteristik vektor, misalnya aliran gaya. Untuk itu, hukum konstan perkiraan parameter digunakan dalam elemen PSE. Segmen berorientasi ditampilkan di tengah elemen, panjangnya dalam skala yang dipilih sesuai dengan nilai parameter (Gbr. 4.6). Sebelum membangun gambar, untuk alasan kejelasan, panjang maksimum segmen dihitung, relatif terhadap mana segmen pada semua elemen dinormalisasi lebih lanjut. Gambar dibangun di atas elemen PSE. Sistem koordinat persegi panjang lokal ditempatkan di tengah persegi panjang, salah satu sumbunya berorientasi ke arah parameter yang ditampilkan. Selanjutnya, dalam koordinat sistem lokal, titik akhir segmen ditentukan sehingga bagian tengahnya bertepatan dengan pusat elemen, koordinat yang diperoleh diubah menjadi sistem umum, dan garis lurus yang menghubungkan titik-titik ujung ditarik. dari segmen.

Gambar 4.6. Distribusi gaya di pelat, disajikan sebagai segmen berorientasi panjang variabel.

4.10. Gambar sebagai segmen berorientasi pendek dengan panjang konstan

Metode rendering ini juga dirancang untuk menampilkan karakteristik vektor. Setelah setiap elemen, PSE diisi dengan segmen berorientasi pendek dengan panjang konstan menggunakan DFS. Kepadatan segmen sesuai dengan nilai parameter yang ditampilkan (Gbr. 4.7). Sebelum membangun gambar, untuk alasan kejelasan, kepadatan maksimum segmen dihitung, relatif terhadap kepadatan segmen pada semua elemen PSE yang dinormalisasi. Sistem koordinat lokal persegi panjang ditempatkan di tengah elemen segi empat PSE, salah satu sumbunya berorientasi ke arah parameter yang ditampilkan. Koordinat titik tengah segmen ditentukan menggunakan DFS, seperti yang dilakukan saat membuat gambar titik. Di masa depan, konstruksi setiap segmen dilakukan dengan cara yang sama seperti pada algoritma sebelumnya.

Gambar 4.7. Distribusi gaya di pelat, disajikan sebagai segmen berorientasi pendek dengan panjang konstan.

4.11. Gambar kisi berorientasi

Untuk metode visualisasi ini, serta untuk dua metode sebelumnya, pendekatan konstan atas elemen FSE digunakan. Bidang elemen diisi dengan kisi dalam bentuk satu atau dua keluarga garis searah, kepadatan dan orientasinya sesuai dengan besaran dan orientasi karakteristik yang ditampilkan (Gbr. 4.8). Warna digunakan untuk mengidentifikasi keluarga. Gambar dibangun atas dasar ide algoritmik yang sama seperti dalam dua metode sebelumnya: kepadatan kisi akhir ditentukan; sistem koordinat lokal persegi panjang dibangun pada setiap elemen; di dalam elemen, segmen garis lurus digambar, ujungnya terletak di sisi elemen.

Beras. 4.8. Distribusi gaya di pelat, disajikan sebagai kisi berorientasi.

4.12. Manajemen gambar

Dalam proses menganalisis hasil perhitungan, pengguna program aplikasi harus dapat memilih metode gambar dan menyesuaikannya untuk mencapai visibilitas terbesar. Saat mengatur gambar, Anda dapat memilih: color gamut (jumlah, jenis dan urutan warna yang digunakan); jumlah tingkat untuk membangun LRU; posisi sudut pandang pengamat dan jenis proyeksi sentral untuk jaringan poligonal; panjang segmen berorientasi pendek; rasio kontras.

Kontras gambar dapat digunakan untuk mengidentifikasi pola dengan lebih jelas dalam distribusi parameter yang ditampilkan, sementara perbedaan antara nilai besar dan kecil ditaksir terlalu tinggi secara artifisial. Kontras dilakukan dengan menggunakan hubungan berikut: , di mana, di mana - jumlah kriteria parsial; - evaluasi dengan kriteria tertentu, ; adalah faktor pembobotan yang memperhitungkan signifikansi kriteria yang sesuai, .
Sebagai kriteria khusus, 8 indikator digunakan yang mencirikan aspek-aspek berikut dari metode yang dipertimbangkan: kecukupan tujuan dan isi desain struktur penahan beban; kecukupan metode pengajaran yang diterapkan dalam program terapan pendidikan; kealamian dan aksesibilitas untuk persepsi manusia; kemudahan untuk analisis pola kualitatif distribusi parameter; daya tarik estetika; kemudahan kontrol konstruksi gambar; kecepatan pembentukan gambar; kesederhanaan algoritmik.
Penelitian dilakukan dengan bantuan penilaian ahli dari metode Delphi. Sebagai ahli, profesor dan insinyur universitas, pengembang dan pengguna CAD pendidikan dan industri dari struktur penahan beban terlibat. Hasil penelitian menunjukkan bahwa dalam desain interaktif struktur penahan beban, disarankan untuk menggunakan gambar titik untuk menampilkan karakteristik skalar, dan kisi-kisi berorientasi untuk menampilkan bidang vektor (Gbr. 4.9). Hasil dan metodologi penelitian dijelaskan secara lebih rinci dalam karya ini.

Gambar 4.9. Hasil studi tentang efektivitas berbagai metode pencitraan:
a - gambar skalar; b - gambar vektor.