- •А.П. Ротштейн Интеллектуальные технологии идентификации
- •Глава 1
- •1.1. Нечеткие множества
- •1.1.1. Основные понятия теории нечетких множеств
- •1.1.2. Свойства нечетких множеств
- •1.1.3. Операции над нечеткими множествами
- •1.1.4. Некоторые дополнительные понятия
- •1.1.5. Нечеткие отношения
- •1.1.7. Нечеткость и вероятность
- •1.1.6. Нечеткие числа
- •1.2. Генетические алгоритмы
- •1.2.1. Принципы построения генетических алгоритмов
- •1.2.2. Основные операции генетических алгоритмов
- •1.2.3. Стратегии поиска
- •1.2.4. Отличие от классического поиска
- •1.2.5. Преимущества генетических алгоритмов
- •1.2.6. Терминология
- •1.2.7. Примеры генетической оптимизации
- •1.3. Нейронные сети
- •1.3.1. Основные понятия
- •1.3.2. Имитация нервных клеток
- •1.3.4. Обучение нейронных сетей
- •1.3.5. Метод обратного распространения ошибки
- •Глава 2
- •2.1. Лингвистические правила в принятии решений
- •2.1.1. Автоматическое управление
- •2.1.2. Ситуационное управление
- •2.1.3. Медицинская диагностика
- •2.1.4. Многокритериальная оценка
- •2.1.5. Многофакторный анализ
- •2.2. Принятие решений и идентификация
- •2.3. Принципы лингвистического моделирования
- •Глава 3
- •3.1. Формализация исходной информации
- •3.1.1. Входы и выходы объекта
- •3.1.2. Лингвистические переменные
- •3.1.3. Нечеткая база знаний
- •3.1.4. Функции принадлежности
- •3.2. Объекты с дискретным выходом
- •3.2.1. Постановка задачи
- •3.2.2. Нечеткие логические уравнения
- •3.2.3. Алгоритм аппроксимации
- •3.3. Объекты с непрерывным выходом
- •3.3.1. Постановка задачи
- •3.3.2. Алгоритм аппроксимации
- •3.4. Применение композиционного правила вывода
- •3.4.1. Постановка задачи
- •3.4.2. Нечеткий логический вывод
- •3.4.3. Интерпретация вывода
- •3.5. Иерархические объекты
- •3.5.1. Обобщенное дерево логического вывода
- •3.5.2. Нечеткие логические уравнения
- •Глава 4
- •4.1. Нечеткое представление неопределенных параметров
- •4.2. Учет влияющих факторов
- •4.3. Нечеткое обобщение аналитических моделей
- •4.3.1. Принцип обобщения Заде
- •4.3.3. Модифицированный принцип обобщения
- •4.4. Методика нечеткого обобщения аналитических моделей
- •Глава 5
- •5.1. Задачи оптимальной настройки
- •5.1.1. Веса правил
- •5.1.2. Объект с непрерывным выходом
- •5.1.3. Объект с дискретным выходом
- •5.1.4. Критерии качества идентификации
- •5.2. Настройка параметрических функций принадлежности
- •5.2.1. Кодирование
- •5.2.2. Скрещивание
- •5.2.3. Мутация
- •5.2.4. Функция соответствия
- •5.2.5. Выбор родителей
- •5.2.6. Генерация популяции
- •5.2.7. Генетический алгоритм
- •5.3. Настройки -уровневых функций принадлежности
- •5.3.1. Аналитические модели функций принадлежности
- •5.3.2. Настройки модели с дискретным выходом
- •5.3.3. Настройки модели с непрерывным выходом
- •5.3.4. Кодирование и скрещивание
- •5.3.5. Мутация
- •5.3.6. Функция соответствия
- •5.3.7. Генерация популяции
- •5.3.8. Генетический алгоритм
- •5.4. Компьютерные эксперименты
- •5.4.1. Методика экспериментов
- •5.4.2. Объекты с непрерывным выходом
- •5.4.3. Объекты с дискретным выходом
- •5.4.4. Исследование -уровневой настройки
- •5.5. Извлечение знаний из экспериментальных данных
- •5.5.1. Постановка задачи
- •5.5.2. Критерий оптимизации
- •5.5.3. Генетический алгоритм оптимизации
- •5.5.4. Пример
- •5.6. Объект "много входов - много выходов"
- •Глава 6
- •6.1. Нейронная идентификация
- •6.1.1. Нейронная сеть как универсальный аппроксиматор
- •6.1.2. Обучение нейронной сети
- •6.1.3. Компьютерные эксперименты
- •6.2.2. Нейро-лингвистический аппроксиматор
- •6.2.1. Лингвистический аппроксиматор
- •6.2.3. Обучение нейро-нечеткой сети
- •6.2.4. Компьютерные эксперименты
- •6.3. Сравнение с нейронной идентификацией
- •Глава 7
- •7.1. Принцип слияния целей и ограничений
- •7.1.1. Нечёткие цели и ограничения
- •7.1.2. Нечёткие решения
- •7.2. Метод построения функции принадлежности
- •7.2.1.Постановка задачи
- •7.2.2. Основные определения и соотношения
- •7.2.3. Алгоритм построения функции принадлежности
- •7.3. Многокритериальный анализ вариантов
- •7.3.1. Общие принципы
- •7.3.2. Критерии как нечеткие множества
- •7.3.3. Равновесные критерии
- •7.3.4. Неравновесные критерии
- •7.4. Пример многокритериального анализа
- •7.4.1.Критерии оценки вариантов
- •Глава 8
- •8.1. Система fuzzy expert
- •8.1.1. Структура системы
- •8.1.2. Экранные формы
- •8.2. Диагностика ишемической болезни сердца
- •8.2.1. Типы диагнозов и параметры состояния больного
- •8.2.2. Нечеткая база знаний
- •8.2.3. Нечеткие логические уравнения
- •8.2.4 Грубые функции принадлежности
- •8.2.5. Алгоритм принятия решения
- •8.2.6. Тонкая настройка нечеткой базы знаний
- •8.3. Прогнозирование количества заболеваний
- •8.3.1. Экспериментальные данные
- •8.3.2. Экспертно-лингвистические закономерности
- •8.3.3. Модель прогнозирования
- •8.3.4. Настройка модели прогнозирования
- •8.4. Идентификация коэффициента сцепления "автомобиль-дорога"
- •8.4.1. Методика идентификации
- •8.4.2. Структурная идентификация
- •8.4.3. Параметрическая идентификация
- •8.4.4. Пример и сравнение с действующей методикой
- •8.5. Многофакторный анализ технологического процесса биоконверсии
- •8.5.1. Этапы и принципы моделирования
- •8.5.2. Дерево вывода
- •8.5.3. Нечеткие матрицы знаний
- •8.5.4. Нечеткий логический вывод и дефаззификация
- •8.5.5. Примеры моделирования
- •8.6. Оценка дипломных проектов
- •8.6.1. Интегральные и частные показатели
- •8.6.2. Уровни качества
- •8.6.3. Оценка частных показателей по принципу термометра
- •8.6.4. Оценка интегрального показателя
- •8.6.5. Возможные обобщения
- •8.7. Оценка кредитоспособности инновационных проектов
- •8.7.1. Типы решений и частные показатели качества
- •8.7.2. Нечеткие базы знаний
- •8.7.3. Функции принадлежности и примеры оценки
- •8.8. Управление динамической системой
- •8.8.1. Объект управления
- •8.8.2. Классическая модель управления
- •8.8.3. Нечеткая модель управления
- •8.8.4. Связь с функциями Ляпунова
4.1. Нечеткое представление неопределенных параметров
Рассмотрим
некоторый неопределенный параметр
,
который может соответствовать вероятности,
стоимости, времени или другому показателю.
Для описания параметра
с
помощью теории нечетких множеств этот
параметр необходимо преобразовать к
нечеткому числу
,
т.е. задать функцию принадлежности.
В настоящем разделе предлагается два способа формирования функций принадлежности: трапециевидный и треугольный. Они позволяют использовать следующую экспертную информацию параметре:
· название параметра ;
·
диапазон
изменения
значений параметра
;
· количество лингвистических термов, с помощью которых оценивается параметр ;
· название каждого лингвистического терма.
Определение 4.1. Трапециевидной формой нечеткого числа (неопределенного параметра ) будем называть четверку:
(4.1)
где
-
нижняя (верхняя) граница нечеткого
числа
на
нулевом
-уровне;
-
нижняя (верхняя) граница нечеткого
числа
на
единичном
-уровне;
Интервал
будем
называть оптимистической оценкой
параметра
,
а интервал
-пессимистической оценкой
параметра
.
Такое представление соответствует функции принадлежности, показанной на рис.4.1, которая имеет следующий вид:
(4.2)
В этом
случае носителем нечеткого числа
будет
интервал
,
а ядром -
.
Предложение 4.1. Если нечеткое число задано в трапециевидной форме , то переход к -уровневому описанию
осуществляется по формулам:
(4.3)
(4.4)
Рис. 4.1. Нечеткое число с трапециевидной функцией
принадлежности
Доказательство. Для
перехода к
-уровневому
описанию необходимо определить значение
нечеткого числа
на
любом
-уровне,
т.е. найти такие
и
,
что
,
где
и
-
степени принадлежности элементов
и
нечеткому
множеству
,
соответственно.
Учитывая
аналитический вид трапециевидной
функции принадлежности (4.2) и подставляя
,
получаем:
;
.
Отсюда следует, что
,
,
Пример
4.1. Пусть
вероятность (
)
безошибочного выполнения операции
равна "около 0.9". Требуется задать
эту информацию в виде нечеткого числа
с
трапециевидной функцией принадлежности.
Решение. Согласно определению 4.1, число представим в следующем виде:
где [0.8, 1] - пессимистическая оценка параметра ;
[0.85, 0.95] - оптимистическая оценка параметра .
Разложение нечеткого числа по -уровневым множествам имеет вид:
Пример 4.1 иллюстрируется на рис. 4.2,
Рис. 4.2. К примеру 4.1
Определение 4.2. Треугольной формой нечеткого числа будем называть тройку вида:
(4.5)
где
-
нижняя (верхняя) граница нечеткого
числа
на
нулевом
-уровне;
-
значение нечеткого числа
на
единичном
-уровне.
Такое описание соответствует функции принадлежности, показанной на рис.4.3, которая имеет следующий аналитический вид:
Носителем
нечеткого числа
в
этом случае является интервал
,
а ядром, - число
.
Интервал
будем
называть пессимистической оценкой,
а число
,
- оптимистической оценкой
параметра
.
Рис. 4.3. Нечеткое число с треугольной функцией принадлежности
Предложение
4.2. Если
нечеткое число
задано
в треугольной форме
то
переход к
-уровневому
описанию
осуществляется по формулам:
;
.
Доказательство.
Треугольная форма неопределенного
параметра является частным случаем
трапециевидной формы при
.
Подставляя
в
формулы (4.3) и (4.4), получаем:
;
.
Пример
4.2. Пусть
время (
)
выполнения операции составляет "около
2 сек".
Требуется представить эту информацию
в виде нечеткого числа
с
треугольной формой функции принадлежности.
Решение. Согласно определению 4.2, нечеткое число представим в следующем виде:
,
где [1.6, 2.2] и 2 - пессимистическая и оптимистическая оценки, соответственно, которые предполагаются известными.
Разложение числа по -уровневым множествам имеет вид:
.
Пример 4.2 иллюстрируется на рис. 4.4.
Рис. 4.4. К примеру 4.2
Рис. 4.5. Пример функций
принадлежности для термов
Определение 4.3. l-формой неопределенного параметра (нечет-кого числа ) будем называть тройку вида:
(4.7)
где
-
нижняя (верхняя) граница изменения
параметра
;
l -
лингвистическая оценка параметра
диапазоне
,
причем
.
- линейно-упорядоченное по принципу от "меньшего" к "большему" множество лингвистических термов для качественной оценки параметра (рис.4.5).
Допущение 4.1. При переходе от l-формы (4.7) нечеткого числа к трапециевидной форме (4.1) будем предполагать, следующее:
(1) носителем нечеткого числа является интервал ;
(2)
размер ядра
нечетного
числа
зависит
oт мощности (
)
терм-множества
,
носителя
и
не зависит от лингвистической переменной;
(3) для
любых соседних термов
и
:
,
где
и
-
нижние границы ядра нечеткого числа
,
выраженного лингвистическими
оценками
и
,
соответственно;
(4) для
первого терма
;
(5) для
последнего терма
;
Предложение
4.3. Если
неопределенный параметр
задан
-формой
нечеткого числа
,
где
,
то переход от
-формы
к трапециевидной форме (4.1) осуществляется
по формулам:
(4.8)
(4.9)
(4.10)
(4.11)
где
-
нижняя (верхняя) граница носителя
нечеткого числа
,
оцениваемого лингвистическим термом
;
-
нижняя {верхняя) граница ядра нечеткого
числа
,
оцениваемого лингвистическим термом
.
Доказательство. Из
допущения 4.1(1) следует, что для любого
лингвистического терма
:
и
.
Учитывая,
что размер ядра нечеткого числа
определяется по формуле
,
и, опираясь на допущения 4.1(2)-4.1(5), получаем,
что в интервал
попадает
ровно (2
-1)
отрезков длиной
.
Отсюда,
.
С учетом этого получаем:
для
первого терма
:
;
;
для
второго терма
:
;
для
последнего терма
:
;
.
Отсюда для любого терма :
;
.
Предложение 4.3 иллюстрируется рис .4.6.
Рис. 4.6. Переход от -формы нечеткого числа к трапециевидной форме
в случае 4-х термов
Пример 4.3. Пусть вероятность обнаружения ошибок при визуальном контроле задана в виде =<0.3, 0.8,выше средней>. При этом используется множество лингвистических оценок:
= {низкая, ниже средней, средняя, выше средней, высокая}.
Необходимо представить число в трапециевидной форме.
Решение. Количество лингвистических термов (мощность множества ) равно =5. Лингвистическая оценка "выше средней" в множестве имеет порядковый номер =4. Применяя формулы (4.8)-(4.11) из предложения 4.3, получаем:
;
;
;
.
Поэтому в трапециевидной форме:
=<0.3, 0.8, 0.63, 0.69>,
или в виде разложения по -уровневым множествам:
.
Графическое изображение нечеткого числа представлено на рис.4.7.
Рис. 4.7. К примеру 4.3
Допущение 4.2. При переходе от -формы нечеткого числа (4.7) к треугольной форме (4.5) будем предполагать следующее:
· носителем нечеткого числа является интервал ;
·
для первого терма
:
;
·
для последнего терма
:
;
·
для соседних термов
и
(
)
расстояние между ядрами
является
постоянной величиной,
где
,
,
,
-
ядра нечеткого числа
соответствующие
термам
,
,
,
.
Предложение
4.4. Если
неопределенный параметр
задан
-формой
нечеткого числа, где
,
где
,
то переход от
-формы
нечеткого числа к треугольной форме
(4.5) осуществляется по формулам:
(4.12)
(4.13)
(4.14)
где
-
нижняя (верхняя) граница носителя
нечеткого числа
,
выраженного лингвистической оценкой
;
-
ядро нечеткого числа
,
выраженного лингвистической оценкой
.
Доказательство этого предложения аналогично тому, которое| использовалось в предложении 4.3. Предложение 4.4 иллюстрирует рис.4.8.
Пример 4.4. Пусть информация о времени выполнения контрольной операции задана -формой нечеткого числа:
=
< 10, 19, высокое >.
Множество лингвистических оценок имеет вид:
= { низкое, среднее, высокое, очень высокое }.
Требуется представить число в треугольной форме.
Решение. Количество лингвистических термов (мощность множества ) равно четырем. Лингвистическая оценка <высокое> в множестве имеет порядковый номер =3. Применяя формулы (4.12)-(4.14), получаем:
;
;
.
Окончательно находим:
=< 10, 19. 16 >.
Функция принадлежности нечеткого числа показана на рис.4.9.
Рис. 4.8. Переход от -формы к треугольной в случае пяти термов
Рис. 4.9. К примеру 4.4
