УДК 519.7
4DOI: 10.36871/2618-­9976.2024.10.001

Авторы

Давид Арегович Петросов,
Кандидат технических наук, доцент, заведующий кафедрой информационных технологий, Финансовый университет при Правительстве РФ, Москва, Россия

Аннотация

В данной статье рассматривается возможность построения моделей искусственных нейронных сетей с памятью описанных на языке математического аппарата теории сетей Петри для решения задачи управления процедурой структурно-параметрического синтеза динамических моделей бизнес-процессов, реализованного с использованием эволюционной процедуры – генетического алгоритма. В качестве класса искусственных нейронных сетей с памятью, способных решать поставленную задачу, выбран класс RNN, который показал точность 95% при решении поставленной задачи. В соответствии с возможностью графового представления работы рекуррентной сети и требованием использования предшествующих значений работы слоя в статье предлагается применение математического аппарата теории сетей Петри. В качестве примера создание модели сети Петри, моделирующей работу нейронной сети с памятью, используется простейшая рекуррентная сеть. Моделирование входных данных и весовых коэффициентов осуществляют метки сети, в которых записаны перечисленные данные. Для хранения результатов работы слоев искусственной нейронной сети предлагается использованием позиций сети, а работу функций активации моделируют переходы. В статье приводится модель рекуррентной сети, которая была обучена на управление процессом синтеза моделей динамических бизнес­-процессов, и использованы полученные при обучении весовые коэффициенты для каждого слоя искусственной нейронной сети. Количество нейронов входного слоя соответствует значениям функции приспособленности каждой особи популяции, участвующей в поиске решений, количество выходов соответствует определенным правилам работы при обнаружении проблем в сходимости генетического алгоритма. В работе приведены результаты вычислительных экспериментов, которые показали, что использование сетей Петри не ухудшает точность определения состояния популяции и повышает быстродействие при использовании параллельных вычислений CPU+GPGPU на основе технологии CUDA. Комбинация из простейшей рекуррентной искусственной нейронной сети, моделируемой сетями Петри, позволяет осуществлять управление моделью генетического алгоритма, адаптированного к решению задачи структурно-параметрического синтеза динамических моделей бизнес­-процессов вложенными сетями Петри, что в значительной мере повышает использование данного алгоритма машинного обучения в разных предметных областях, включая работу с большими данными.

Ключевые слова

динамические бизнес­процессы
теория сетей Петри
эволюционные процедуры
генетический алгоритм
искусственные нейронные сети
рекуррентные нейронные сети