Серия «Естественные и Технические науки» # АВГУСТ  2016

В статье представлен программный комплекс для экспериментальной сонификации модели сложной сети. Сеть создается на основе случайного графа, параметры которого задаются, изменяются и анализируются в реальном времени, затем отправляются на сервер сонификации для представления в звуковой форме. Ключевые слова: Сонификация, сложные сети, компьютерная музыка.

С  увеличением объёма информации, окружающей человека в современном информационном обществе, всё более остро встаёт вопрос поиска алгоритмов и инструментов для оперативного приёма и анализа данных.

Слуховое восприятие может служить отдельным каналом приёма внешней информации, наряду с визуальным, тактильным и другими способами представления. В пространственной, временной и частотных областях слуховое восприятие имеет ряд преимуществ, что делает целесообразным использование неречевого аудио для передачи информации, т.е. сонификации [1], [2].

За счет использования слухового анализатора методы сонификации расширяют возможности обработки больших массивов данных и сложных систем и сетей. Это позволяет уменьшить время на поиски закономерностей и выявление характерных особенностей.

Научно-технический прогресс имеет тенденцию затрагивать все области человеческой деятельности: на сегодняшний день, для того чтобы играть на рынке ценных бумаг или узнать температуру воздуха, скорость ветра и температуру воды, достаточно иметь любое устройство с доступом в Интернет. Однако объём данных, который необходимо с высокой степенью точности анализировать человеку, значительно увеличивается с поступлением новой информации. Современные возможности в области звукового дизайна и вычислительной техники позволяют сонифицировать практически любой информационный поток или систему. В этой связи представляют особый интерес задачи, связанные с сонификацией различных сетей и трафика в них.

Моделирование сложных сетей

Сложные сети удобно формализовать с помощью инструмента теории графов. Авторы для исследования выбрали за основу вероятностную модель случайного графа Эрдеша-Реньи [3], входные параметры которой гибко управляются в процессе эксперимента.

Исходная модель графа представляет собой случайно сгенерированную матрицу смежности. Максимальный размер матрицы смежности (1000 узлов) выбран так, чтобы она находилась в оперативной памяти одного приложения.

Активностью сети назовём изменение составляющих её элементов (узлов или ребер) во времени, а также изменение какого-либо параметра, описывающего их (например, интенсивности трафика на некотором участке).

Выделим следующие параметры, составляющие тезаурус активности сети:

1. Чёткие параметры модели, предоставленные оператору для изменения (в терминологии абстрактной модели динамических графов):

1.1 Только при генерации:

• - исходное количество узлов

1.2 При генерации и на этапе существования сети:

• вероятность возникновения связи для каждой пары узлов
• параметры времени - частота "кадров" обновления состояния
• вероятность появления/исчезновения случайно выбранного узла
• вероятность появления/исчезновения случайно выбранной связи
• появление/исчезновение заданного оператором узла
• появление/исчезновение заданной оператором связи
• выбор двух узлов для поиска между ними кратчайшего пути.

2. Нечёткие параметры модели, являющиеся следствием динамических свойств графа и требующие применения алгоритмов анализа графов для своего выявления:

• относительный размер сети
• наличие/отсутствие/возникновение/исчезновение свойства связности (граф может оказаться "разделённым" на части, не имеющие между собой ни одной связи)
• наличие/отсутствие/возникновение/исчезновение скоплений
• наличие/отсутствие/возникновение/исчезновение цикличности
• общее удельное количество связей (плотность)
• изменение расположения кратчайшего пути между заданными точками.

Читать полный текст статьи …

СПИСОК ЛИТЕРАТУРЫ:
1. Rogozinsky G., Cherny E. The Internet of Machines – Technological Synergy and Computer Music // FRUCT16, Oulu, Helsinki, 2014.
2. Рогозинский Г.Г., Чесноков М.А., Щекочихин А.В., Черный Е.В., Смирнов И.Н. Особенности представления и обработки данных в сети дополненной акустической реальности // Системы управления и информационные технологии, №3(61), 2015. – С. 89-93.
3. Райгородский А. М. Модели случайных графов и их применения // Труды МФТИ, Том 2, №4, 2010. – С. 130-140.
4. Roads C. Microsound. – MIT Press, 2004. – 424 p.
5. Chowning J. The Synthesis of Complex Audio Spectra by Means of Frequency Modulation // Journal of the Audio Engineering Society, Vol. 21, №7, 1973. – 526-534 p.
6. Официальный сайт OSC http://opensoundcontrol.org (дата обращения 19.07.2016).
7. Bastian M., Heymann S., Jacomy M. Gephi: an open source software for exploring and manipulating networks. International AAAI Conference on Weblogs and Social Media, 2009.