Имитационная модель нейрокогнитивной системы управления автономным программным агентом, выполняющим кооперативное поведение с целью автоматического пополнения онтологий

З. В. Нагоев, И. А. Пшенокова, О. В. Нагоева, М. И. Анчёков, А. З. Энес

---

Аннотация. Разработан контур системы управления интеллектуального агента, обеспечивающий формирование семантических онтологий системы «агент – среда», объединяющих на основе межнейронных ассоциаций функциональные репрезентации текущих наблюдаемых состояний агента и высказываний контрагентов по коммуникативному окружению. На основе алгоритма онтонейроморфогенеза происходит рост аксо-дендрональных связей, который направлен на отражение причинно-следственных отношений между событиями, описывающими контекст ситуации, событиями, описывающими предмет высказывания, и событием, описывающим само высказывание. По результатам экспериментов имитационной модели был сделан вывод, что мультиагентный алгоритм автономного синтеза функциональных систем семантических онтологий на основе роста и развития нейрокогнитивных архитектур может быть применен для любой предметной области.

Ключевые слова: системы управления, интеллектуальный агент, мультиагентная система, когнитивные архитектуры

Для цитирования. Нагоев З. В., Пшенокова И. А., Нагоева О. В., Анчёков М. И., Энес А. З. Имитационная модель нейрокогнитивной системы управления автономным программным агентом, выполняющим кооперативное поведение с целью автоматического пополнения онтологий // Известия Кабардино-Балкарского научного центра РАН. 2023. № 6(116). С. 226–234. DOI: 10.35330/1991-6639-2023-6-116-226-234

Информация об авторах

Нагоев Залимхан Вячеславович, канд. техн. наук, генеральный директор Кабардино-Балкарского научного центра РАН;
360000, Россия, г. Нальчик, ул. И. Арманд, 37-а;
zaliman@mail.ru, ORCID: https://orcid.org/0000-0001-9549-1823
Пшенокова Инна Ауесовна, канд. физ.-мат. наук, зав. лаб. «Интеллектуальные среды обитания», Институт информатики и проблем регионального управления – филиал Кабардино-Балкарского научного центра РАН;
360000, Россия, г. Нальчик, ул. И. Арманд, 37-а;
pshenokova_inna@mail.ru, ORCID: https://orcid.org/0000-0003-3394-7682
Нагоева Ольга Владимировна, науч. сотр. отдела «Мультиагентные системы», Институт информатики и проблем регионального управления – филиал Кабардино-Балкарского научного центра РАН;
360000, Россия, г. Нальчик, ул. И. Арманд, 37-а;
nagoeva_o@mail.ru, ORCID: https://orcid.org/0000-0003-2341-7960
Анчёков Мурат Инусович, науч. сотр. лаборатории «Молекулярная селекция и биотехнология», Кабардино-Балкарский научный центр РАН;
360000, Россия, г. Нальчик, ул. Кирова, 224;
murat.antchok@gmail.com, ORCID: https://orcid.org/0000-0002-8977-797X
Энес Ахмед Зюлфикар, мл. науч. сотр. лаборатории «Компьютерная лингвистика», Институт информатики и проблем регионального управления – филиал Кабардино-Балкарского научного центра РАН;
360000, Россия, г. Нальчик, ул. И. Арманд, 37-а;
ahmedenes@mail.ru, ORCID: https://orcid.org/0000-0003-3633-4910

Список литературы

1. Lan M., Xu J. Ontology feature extraction via vector learning algorithm and applied to similarity measuring and ontology mapping. IAENG International Journal of Computer Science. Vol. 43(1). Pp. 10–19.
2. Somodevilla M., Ayala D., Pineda I. An overview on ontology learning tasks. Comput. Sist. Vol. 22(1). Pp. 137–146.
3. Alobaidi M., Malik K.M. Linked open data-based framework for automatic biomedical ontology generation. BMC bioinformatics. 2018. Vol. 19(1). Pp. 3–19.
4. Asim M.N. et al. A survey of ontology learning techniques and applications. Database. Vol. 2018. P. 101.
5. Ma Z., Cheng H. et al. Automatic Construction of OWL Ontologies From Petri Nets. International Journal on Semantic Web and Information Systems (IJSWIS). 2019. Vol. 15(1). Pp. 21–51.
6. Maynard D., Funk A., Peters W. Using lexico-syntactic ontology design patterns for ontology creation and population. Proc. of the Workshop on Ontology Patterns. 2009. Vol. 516. Pp. 39–52.
7. Dzyubanenko A.A., Rabin A.V. Application of the method of metaontologies in the intellectual analysis of text resources considering the fuzziness and blurring of images of natural language units. AIP Conference Proceedings. 2022. Vol. 2647. https://doi.org/10.1063/5.0124340
8. Elnagar S., Yoon V., Thomas M. A. An automatic ontology generation framework with an organizational perspective. arXiv:2201.05910. 2022.
9. Kumar N., Kumar M., Singh M. Automated ontology generation from a plain text using statistical and NLP techniques. International Journal of System Assurance Engineering and Management. 2016. Vol. 7. Pp. 282–293.
10. Cahyani D.E., Wasito I. Automatic ontology construction using text corpora and ontology design patterns (ODPs) in Alzheimer’s disease. J. Ilmu Komputer dan Informasi. 2017. Vol. 10(2). Pp. 59–66.
11. Jabla R., Khemaja M., Buendia F., Faiz S. Automatic Ontology-Based Model Evolution for Learning Changes in Dynamic Environments. Applied Sciences. 2021. Vol. 11(22). P. 10770. https://doi.org/10.3390/app112210770
12. Нагоев З. В. Интеллектика, или Мышление в живых и искусственных системах // Нальчик: Издательство КБНЦ РАН. 2013. 213 с.
13. Nagoev Z., Nagoeva O., Gurtueva I. Multi-agent neurocognitive models of semantics of spatial localization of events. Cognitive Systems Research. 2020. Vol. 59. Pp. 91–102.
14. Бжихатлов К. Ч., Канкулов С. А., Малышев Д. А. и др. Интерактивное формирование пространственных онтологий автономного робота на основе нейрокогнитивных моделей семантики // Материалы XVI всероссийской научно-практической конференции и XII молодежной школы-семинара «Перспективные системы и задачи управления». Ростов-на-Дону, 2021. С. 147–154.
15. Nagoev Z., Pshenokova I., Nagoeva O., Sundukov Z. Learning algorithm for an intelligent decision making system based on multi-agent neurocognitive architectures. Cognitive Systems Research. 2021. Vol. 66. Pp. 82–88.
16. Нагоев З. В. Мультиагентные экзистенциальные отображения и функции // Известия Кабардино-Балкарского научного центра РАН. 2013. № 4(54). С. 63–71.