- •1. Знания как основа принятия решений
- •2. Понятие «система»
- •4. Формализованные знания. Сущность и сферы использования. Примеры.
- •5. Неформализованные знания и задачи
- •6. Слабоструктурированные задачи. Источники неопределенности при принятии решений.
- •7. Основные виды неопределенности и способы ее уменьшения
- •8. Понятие «искусственный интеллект». Задачи ии. Основные этапы развития ии
- •9. Особенности человеческого мышления. Принципы построения систем ии
- •11. Двойственная природа знаний, используемых в интеллектуальных системах
- •10. Особенности и признаки интеллектуальных информационных систем.
- •12. Понятие «экспертная система». Основные модели представления знаний в экспертных системах.
- •13. Логические модели представления знаний. Модель, основанная на логике высказываний
- •14. Логические модели представления знаний. Модель, использующая исчисление предикатов (э-существует y-любой!!!!!!)
- •15. Продукционная модель представления знаний. Структура экспертных систем продукционного типа.
- •16) Механизм логического вывода в продукционных системах. Примеры логического вывода
- •17 Управляющий компонент продукционной экспертной системы
- •27. Способы дефазификации результатов нечеткого вывода.
- •18. Общая хар-ка матем-го аппарата теории нечетких множеств.
- •19. Основные идеи теории нечетких множеств. Сравнение обычных и нечетких множеств.
- •21. Алгебраические операции над нечеткими множествами.
- •20. Операции над нечеткими множествами (кроме алгебраических).
- •22. Нечеткая и лингвистическая переменные.
- •23. Нечеткие отношения.
- •24. Операции композиции нечетких отношений и нечеткой импликации, их значение для нечеткого логического вывода.
- •26. Особенности нечеткого логического вывода по Мамдани и Ларсену
- •28. Нечеткие аппроксиматоры.
- •29. Основные проблемы, решаемые при помощи искусственных нейронных сетей.
- •30. Биологический нейрон.
- •Биологический нейрон 2
- •31. Понятие коннекционизма
- •32 Схема формального нейрона
- •33. Функции активации формального нейрона, их смысл и основные виды
- •34. Сравнение ветвей компьютерной эволюции.
- •35 Архитектуры нейронных сетей
- •36. Обучение нейросетей.
- •Цель обучения
- •37. Обучение нейронных сетей как задача оптимизации
- •38. Сравнение ветвей компьютерной эволюции.
- •39. Генетические алгоритмы. Основные понятия, принципы и особенности построения.
- •40. Обучение нейронных сетей методом статистических испытаний.
- •Знания как основа принятия решений
- •Понятие «система»
22. Нечеткая и лингвистическая переменные.
Эти переменные нужны для описания объектов предметной области с помощью нечетких множеств. Нечеткая переменная характеризуется тройкой <a,X,A>, где a - имя переменной нечеткой, X - универсальное множество (область определения a), A - нечеткое множество на X, описывающее ограничение (то есть m A(x)) на значение нечеткой переменной a. Лингвистической переменной называется переменная, значениями которой могут быть слова или словосочетания некоторого естественного или искусственного языка. Лингвистической переменной называется набор <b ,T,X,G,M>, где b - имя лингвистической переменной; Т - множество его значений (терм-множество), представляющие имена нечетких переменных, областью определения, которых является универс-е множество X. Множество T называется базовым терм-множеством лингвистической переменной; G - синтаксическая процедура, позволяющая оперировать элементами терм-множества T, в частности, генерировать новые термы (значения). Множество TυG(T), где G(T) - множество сгенерированных термов, называется расширенным терм-множеством лингвистической переменной; М - семантическая процедура, позволяющая преобразовать новое значение лингвистической переменной, образованной процедурой G, в нечеткую переменную, то есть сформировать соответствующее нечеткое множество.
Пример: эксперт определяет толщину изделия с помощью понятий: "маленькая толщина", "средняя толщина" и "большая толщина", при этом мин-я толщина равняется 10 мм, а макс-я - 80 мм.Лингвистическая переменная <b, T, X, G, M>, где b - толщина изделия; T - {"маленькая", "средняя", "большая"}; X – универс-е множ-во [10, 80]; G - процедура образования новых термов с помощью связок "и", "или" и модификаторов типа "очень", "не", "слегка" и др. М - процедура задания на универс-м множ-ве X = [10, 80] нечетких подмножеств А1="малая толщина", А2 = "средняя толщина", А3="большая толщина", а также новых термов из G(T) с использ-ем связок.
"маленькая толщина" = А1 , "средняя толщина"= А2, " большая толщина"= А3.
Нечеткое множество "маленькая или средняя толщина".
Терм–множеством
называется
множество всех возможных значений
лингвистической переменной.Термом
(term) называется
любой элемент терм–множества. В теории
нечетких множеств терм формализуется
нечетким множеством с помощью функции
принадлежности. Дефаззификацией
называется
процедура преобразования нечеткого
множества в четкое число.
23. Нечеткие отношения.
Пусть Е = Е1хЕ2х...хЕn - прямое произведение n универсальных множеств и М - некоторое множество принадлежностей (М = [0,1]). Нечетким n-арным отношеним наз-ют нечеткое подмножество R, заданное на E, принимающее свои значения на М.
В случае n=2 (отношение бинарное) и М = [0,1], нечетким отношением R между множествами X = Е1 и Y = Е2 будет называться функция R: (Х,Y)->[0,1], которая ставит в соответствие каждой паре элементов (х,y) э Х*Y величину µR(х,y) э [0,1]. Обозначение: нечеткое отношение на X*Y запишется в виде: xэX, yэY: xRy. В случае, когда X = Y, т.е. X и Y совпадают, нечеткое отношение R: X*X->[0,1] называется нечетким отношением на множестве X.Носителем нечеткого отношения R называется обычное множество упорядоченных пар (x,y), для которых функция принадлежности положительна: S(R)={(x,y): µR(x,y)>0}. Пусть R1 и R2 - два нечетких отношения такие, что:для любого (x,y) э X*Y: µR1(x,y)≤µR2(x,y),
тогда говорят, что R2 содержит R1 или R1 содержится в R2.
Объединение двух отношений обозначается R1υR2 и определяется выражением:
µR1υR2(x,y) = µR1(x,y)V µR2(x,y).
Пересечение двух отношений R1 и R2 обозначается R1∩R2 и определяется выражением:
µR1∩R2(x,y) = µR1(x,y)∩ µR2(x,y).
Алгебраическое произведение двух отношений R1 и R2 обозначается R1×R2 и определяется выражением:
µR1×R2(x,y) = µR1(x,y)× µR2(x,y).
Алгебраическая
сумма двух отношений R1
и R2
обозначается R1
R2
и определяется выражением:
.
Для
введенных операций справедливы следующие
свойства дистрибутивности:
R1∩(R2υR3) = (R1∩R2 )υ(R1∩R3), R1υ(R2∩R3) = (R1υR2)∩(R1υR3), R1×(R2υR3) = (R1×R2)υ(R1×R3), R1×(R2∩R3) = (R1×R2)∩(R1×R3), R1 (R2υR3) = (R1 R2)υ(R1 R3), R1 (R2∩R3) = (R1 R2)∩ (R1 R3).
Дополнение
отношения R
обозначается
и определяется функцией принадлежности:
(x,y)
= 1 - µR(x,y)
