Контрольні питання

1. Задача кластер-аналізу.

2. Чіткий кластер-аналіз.

3. Нечіткий кластер-аналіз.

4. Використання кластер-аналізу при побудові систем розпізнавання образів.

5. Навчання з учителем.

6. Навчання без учителя.

7. Подібність кластер-аналізу і метричної класифікації.

8. Лінійна роздільність і лінійна нерозділеність класів.

9. Чи впливає кількість використаних ознак на швидкість кластер-аналізу?

10. Що таке генеральна сукупність, вибірка, екземпляр, ознака?

11. Чи впливає обсяг навчаючої вибірки на швидкість кластер-аналізу?

12. Функції кластер-аналізу у пакеті MATLAB.

13. Функція fcm.

14. Функція subclust.

15. Застосування кластер-аналізу для категоризації даних.

6 Самостійна робота № 3 гібридні нейро-нечіткі системи

Мета роботи: Освоїти основні принципи побудови гібридних нейро-нечітких мереж у пакеті MATLAB.

Завдання до роботи

1. Згідно з номером індивідуального варіанта студента за журналом V згенерувати навчаючу вибірку даних на основі формул лабораторної роботи № 1.

2. Для згенерованої вибірки за допомогою редактору anfisedit побудувати нейро-нечітку модель. Спробувати використати різні алгоритми кластеризації, різні кількості функцій приналежності для входів, різні кількості циклів навчання та різні алгоритми навчання.

3. Протестувати побудовану модель.

4. Проаналізувати отримані результати та відповісти на питання: який алгоритм кластер-аналізу призводить до отримання мережі меншої складності; як впливає задана кількість циклів навчання на точність навчання; як вливає задана точність навчання на тривалість навчання; які вимоги мають висуватися до навчаючої вибірки та як це вплине на процес навчання.

5. Виконати пункти 1-4 у режимі командного вікна без застосування редактору anfisedit, використовуючи функції модуля Fuzzy Logic Toolbox.

Зміст звіту

1. Мета роботи.

2. Короткі теоретичні відомості.

3. Номер варіанту та завдання до роботи.

4. Опис процесу та результати виконання завдань. Тексти програм. Згенеровані вибірки. Зображення структури отриманої мережі.

5. Висновки, що містять відповіді на контрольні запитання, а також відображують результати виконання роботи та їх критичний аналіз.

Контрольні питання

1. Структура та елементи нейро-нечітких мереж.

2. Застосування нейро-нечітких мереж для видобування знань з даних.

3. Нечітка кластеризація як підхід до представлення знань.

4. Який алгоритм кластер-аналізу призводить до отримання мережі меншої складності?

5. Як впливає задана кількість циклів навчання на точність навчання?

6. Як вливає задана точність навчання на тривалість навчання?

7. Які вимоги мають пред’являтися до навчальної вибірки та як це вплине на процес навчання?

8. Функції пакету MATLAB для створення нейро-нечітких мереж.

9. Редактор anfisedit.

10. Нейро-нечіткі мережі в задачах розпізнавання і прийняття рішень.

Література

1. Subbotin S., Oleynik A. The feature selection method based on the evolutionary approach with a fixation of a search space // Modern problems of radio engineering, telecommunications and computer science: Proc. Int. Conf TCSET'2006.-Lviv: Publishing house of Lviv Polytechnic, 2006.- P. 574-575.

2. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. - М.: Финансы и статистика 1989. - 607 с.

3. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом.- М: Радио и связь, 1990. - 264 с.

4. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы: Учебник.- М.: Финансы и статистика, 2004.- 424 с.

5. Базы данных. Интеллектуальная обработка информации / В.В. Корнеев, А.Ф. Гареев, С.В. Васютин, В.В. Райх.-М.: Нолидж, 2000.- 352 с.

6. Бондарев В.Н., Аде Ф.Г. Искусственный интеллект.- Севастополь: СевНТУ, 2002 .- 615 с.

7. Борисов А.Н., Алексеев А.В., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений.- М: Радио и связь. 1989. - 304 с.

8. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования.- Рига:Зинатне, 1990.- 184 с.

9. Васильев В.И. Распознающие системы: справочник. - К.: Наукова думка, 1983. - 423 с.

10. Вороновский Г.К., Махотило К.В., Петрашев С.Н., Сергеев С.А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности Х.: Основа, 1997.- 112 с.

11. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем.- С.-Пб.: Питер, 2001.-384 с.

12. Герасимов Б.М., Дивизинюк М.М., Субач И.Ю. Системы поддержки принятия решений: проектирование, применение, оценка эффективности.- Севастополь: НИЦ ВСУ "Государственный океанариум", 2004.- 320 с.

13. Джонс М.Т. Программирование искусственного интеллекта в приложениях / Пер. с англ. Осипов А.И.-М.: ДМК Пресс, 2004.- 312 с.

14. Дубровiн В.I., Субботiн С.О. Методи оптимiзацiї та їх застосування в задачах навчання нейронних мереж: Навчальний посiбник.-Запорiжжя: ЗНТУ, 2003.-136 с.

15. Дубровин В.И., Субботин С.А. Алгоритм классификации с оценкой значимости признаков // Радiоелектронiка. Iнформатика. Управлiння, 2001, № 2, С. 145-150.

16. Дубровин В.И., Субботин С.А. Алгоритм многомерной классификации и его нейросетевая интерпретация // Радiоелектронiка. Iнформатика. Управлiння, 2000, № 2, С. 49 -54.

17. Дубровин В.И., Субботин С.А. Алгоритм нейросетевого отбора признаков // Матерiали мiжнародної конференцiї з автоматичного управлiння "Автоматика-2001", 10-14 вересня 2001 р.-Одеса: ОДПУ, 2001.-Т.2, С. 88-89 .

18. Дубровин В.И., Субботин С.А. Алгоритмы редукции набора признаков для диагностики и прогнозирования // Проектирование и технология электронных средств, 2002, № 2, С. 19-23.

19. Дубровин В.И., Субботин С.А. Когнитивный анализ и отбор информативных признаков при решении задач неразрушающей диагностики лопаток ГТД // Новi матерiали i технологiї в металургiї та машинобудуваннi, 2000, №2, С. 91-97.

20. Дубровин В.И., Субботин С.А. Нейросетевая оценка информативности и отбор признаков // Реляторные, непрерывнологические и нейронные сети и модели: Труды международной конференции "Континуальные логико-алгебраические исчисления и нейроматематика в науке, технике и экономике". - Ульяновск: УлГТУ, 2001. Том 2.- С. 91-93.

21. Дубровин В.И., Субботин С.А. Нейросетевые методы оценки значимости и отбора признаков // Радiоелектронiка. Iнформатика. Управлiння, 2002, № 1, С. 52-56.

22. Дубровин В.И., Субботин С.А. Оценка значимости признаков в задачах диагностики // Моделирование неравновесных систем - 2002: Материалы V Всероссийского семинара.-Красноярск: ИПЦ КГТУ, 2002.-С. 54-55.

23. Дубровин В.И., Субботин С.А. Оценка значимости признаков на основе многослойных нейронных сетей в задачах диагностики и распознавания // Информатика и системы управления, 2002, № 1.- С. 66-72.

24. Дубровин В.И., Субботин С.А. Оценка значимости признаков с фиксацией значений // Нейронные сети и модели в прикладных задачах науки и техники: Труды международной конференции КЛИН-2002.- Ульяновск: УлГТУ, 2002. Т.3.- С.101-102.

25. Дубровин В.И., Субботин С.А., Богуслаев А.В., Яценко В.К. Интеллектуальные средства диагностики и прогнозирования надежности авиадвигателей: Монография.-Запорожье: ОАО "Мотор-Сич", 2003.- 279 с.

26. Дубровин В.И., Субботин С.А., Кривенко В.И., Евченко Л.Н. Сокращение объема данных в задачах распознавания и дигностики // Труды VIII Всероссийской конференции "Нейрокомпьютеры и их применение" НКП-2002 с международным участием. Москва, 21-22 марта 2002 г. / Под редакцией проф. А.И. Галушкина. М.: Институт проблем управления им. В.А. Трапезникова РАН, 2002.- С. 954-963.-CD-ROM (ISBN 5-201-14935-9).

27. Дюк В., Самойленко А. Data mining: учебный курс.-СПб.: Питер, 2001.- 368 с.

28. Зайченко Ю.П. Основи проектування інтелектуальних систем. Навчальний посібник.- К.: Слово, 2004.- 352 с.

29. Искусственный интеллект - основа новой информационной технологии / Поспелов Г.С. - М.: Наука, 1988. - 288 с.

30. Искусственный интеллект. В 3х кн. Кн.2. Модели и методы. Справочник / Под ред. Д.А. Поспелова. - М.: Радио и связь, 1990.-304 с.

31. Каллан Р. Основные концепции нейронных сетей.- М.: Издательский дом "Вильямс", 2001.- 287 с.

32. Кричевский М.Л. Интеллектуальные методы в менеджменте.-СПб.: Питер, 2005.- 304 с.

33. Круглов В.В., Борисов В.В. Искуственные нейронные сети. Теория и практика. - М.: Горячая линия - Телеком, 2001. - 382с.

34. Кузин Л.Т. Основы кибернетики: В 2-х т. Т. 2. Основы кибернетических моделей. М.: Энергия, 1979. - 584 с.

35. Леоненков А.В. Нечеткое моделирование в среде MATLAB. - СПб.: БХВ-Петербург, 2003. - 736 с.

36. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц.-М.: Мир, 1991.- 568 с.

37. Люгер Дж.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / Пер. с англ.- М.: Вильямс, 2005.- 864 с.

38. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6 / Под ред. В.Г. Потемкина.- М.: Диалог-МИФИ, 2002.- 496 с.

39. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой.- М.: Наука, 1990.- 272 с.

40. Митюшкин Ю.И., Мокин Б.И., Ротштейн А.П. Soft Computing: идентификация закономерностей нечеткими базами знаний.- Винница: УНИВЕРСУМ-Винница, 2002.- 145 с.

41. Олейник Ал.А., Субботин С.А. Мультиагентный метод выделения информативных признаков для синтеза моделей объектов управления //Сучасні проблеми і досягнення в галузі радіотехніки, телекомунікацій та інформаційних технологій: Тези доповідей Міжнародної науково-практичної конференції, м. Запоріжжя, 13-15 квітня 2006 р. / Під заг. ред. Д.М. Пізи.- Запоріжжя: ЗНТУ, 2006. - С. 181-183.

42. Олейник Ан.А., Субботин С.А. Метод эволюционного поиска с сокращением размера популяции // Сучасні проблеми і досягнення в галузі радіотехніки, телекомунікацій та інформаційних технологій: Тези доповідей Міжнародної науково-практичної конференції, м. Запоріжжя, 13-15 квітня 2006 р. / Під заг. ред. Д.М. Пізи.- Запоріжжя: ЗНТУ, 2006. - С. 179-181.

43. Осовский С. Нейронные сети для обработки информации.-М.: Финансы и статистика, 2004.- 344 с.

44. Осуга С. Обработка знаний. - М.: Мир, 1989. - 293 с.

45. Перспективы развития вычислительной техники.В 11 кн. Кн. 2. Интеллектуализация ЭВМ / Е.С. Кузин и др. - М.: Высш. шк., 1989. - 159 с.

46. Приобретение знаний / Под ред. С. Осуги, Ю. Саэки. - М.: Мир, 1990. - 304 с.

47. Рассел С., Норвиг П. Искусственный интеллект: современный подход, 2-е изд.: Пер с англ.-М.: Вильямс, 2006.- 1408 с.

48. Рідкокаша А.А., Голдер К.К. Основи систем штучного інтелекту. Навчальний посібник.- Черкаси, "Відлуння-Плюс", 2002.-240 с.

49. Робототехника и гибкие автоматизированные производства. В 9-ти кн. Кн. 6. Техническая имитация интеллекта / В.М. Назаретов, Д.П. Ким. -М.: Высш. шк., 1986. - 144 с.

50. Руденко О.Г., Бодянский Е.В. Основы теории искусственных нейронных сетей Харьков Телетех 2002 317

51. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер с польск.-М.: Горячая линия - Телеком, 2004.- 452 с.

52. Субботiн С.О. Нейроннi мережi керують якicтю // Пульсар, 1999, № 12, С. 8-10.

53. Субботiн С.О., Богуслаєв О.В. Методи та алгоритми синтезу нейромережевих дiагностичних i прогнозуючих моделей // Вiсник двигунобудування, 2005, № 1, С.145 - 149.

54. Субботин С.А. Методика и критерии сравнения моделей и алгоритмов синтеза искусственных нейронных сетей // Радiоелектронiка. Iнформатика. Управлiння, 2003, № 2, С. 109-114.

55. Субботин С.А. Нейрокибернетика в СССР-СНГ: аналитический обзор изобретений и патентов // Сборник научных трудов 4-й Всероссийской научно-технической конференции "Нейроинформатика - 2002".-М.:МИФИ, 2002.-Ч. 1.-С.48-54.

56. Субботин С.А. О сравнении нейросетевых моделей // Нейроинформатика и ее приложения: Материалы XI Всероссийского семинара, 3-5 октября 2003 г. / Под ред. А.Н. Горбаня, Е.М. Миркеса.-Красноярск: ИВМ СО РАН, 2003.-С. 152-153.

57. Субботин С.А. Омнифонтовая система признаков для распознавания символов // Нейронные сети и модели в прикладных задачах науки и техники: Труды международной конференции КЛИН-2002.- Ульяновск: УлГТУ, 2002. Т.3.-С. 99-100.

58. Субботин С.А. Шрифтонезависимая система признаков для распознавания текста // Нейроинформатика и ее приложения: Материалы X Всероссийского семинара / Под. ред. А.Н. Горбаня, Е.М. Миркеса.-Красноярск: ИПЦ КГТУ, 2002.-С.129-130.

59. Хайкин С. Нейронные сети: полный курс, 2-е изд.: Пер. с англ.- М.: Вильямс, 2006.- 1104 с.