- •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
1.1.2. Свойства нечетких множеств
а)
нечеткое множество
пустое,
т.е.
,
если
,
.
б)
нечеткие множества
и
эквивалентны,
т.е.
,
если
,
.
в)
нечеткое множество
является
подмножеством нечеткого множества
,
т.е.
,
если
,
.
Пример 1.2. Пусть
,
0.3/1 + 0.5/2 + 1/3,
0.4/1
+ 0.6/2 + 1/3.
Тогда .
Кардинальное число (мощность) нечеткого множества
находится следующим образом:
.
Пример
1.3. Если
и
0.1/1
+ 0.4/2 + 0.7/3 + 1/4,
то
=2.2.
1.1.3. Операции над нечеткими множествами
а) Дополнением нечеткого
множества
называется
нечеткое множество
,
функция принадлежности которого равна:
,
.
б) Пересечением двух
нечетких множеств
и
называется
нечеткое множество
,
функция принадлежности которого равна:
,
,
где
-
знак операции минимума.
в) Объединением двух
нечетких множеств
и
называется
нечеткое множество
,
функция принадлежности которого равна:
,
,
-
знак операции максимума.
Пример
1.4. Пусть
,
<малые числа> = 1/1 + 1/2 + 0.8/3 + 0.5/4 + 0.3/5 + 0.1/6,
<большие числа> = 0.1/5 + 0.2/6 + 0.5/7 + 0.8/8 + 1/9 + 1/10,
Тогда
<НЕ
малые числа> = 0.2/3 + 0.5/4 + 0.7/5 + 0.9/6 + 1/7 + 1/8
+ 1/9 +1/10,
= <малые числа> И <большие числа> = 0.1/5 + 0.1/6,
= <малые числа> ИЛИ <большие числа> = 1/1 + 1/2 + 0.8/3 + 0.5/4 + 0.3/5 + 0.2/6 + 0.5/7 + 0.8/8 + 1/9 + 1/10.
Приведенные
определения операций над нечеткими
множествами являются наиболее
распространенными, однако существуют
и другие определения, использующие
и
нормы
[84].
Определение
1.2.
нормой называется
отображение
:
,
если:
а) a t 1 = a
б) a t b = b t a
в) a
t b
c
t d,
если a
c, b
d
г) a t b t c = a t (b t c).
Примеры норм:
-
наиболее распространенная,
,
,
.
Определение
1.3.
нормой называется
отображение
:
,
если:
а) a s 0 = a
б) a s b = b s a
в) a s b c s d, если a c, b d
г) a s b s c = a s (b s c).
Примеры норм:
-
наиболее распространенная,
,
.
1.1.4. Некоторые дополнительные понятия
Определение
1.4.
срезом
(множеством уровня
)
нечеткого множества
,
называется (четкое) множество
такое,
что
,
.
Пример
1.5. Если
1/1
+ 0.8/2 + 0.5/3 + 0.1/4, то
,
,
.
Принцип обобщения [15] дает формальный аппарат для переноса операций (арифметических, алгебраических) с обычных множеств на нечеткие.
Пусть
функция
представляет
собой отображение
и
есть
нечеткое множество в
.
В соответствии с принципом обобщения,
функция
отображает
нечеткое множество
в
нечеткое множество
такое,
что:
.
Пример
1.6. Пусть
,
и
.
Если теперь 0.1/1 + 0.2/2 + 0.7/3 + 1/4, то 0.1/3 + 0.2/4 + 0.7/5 +1/6.
1.1.5. Нечеткие отношения
Пусть
и
.
Определение
1.5. Нечетким
отношением
называется
нечеткое множество, определенное на
декартовом произведении
,
которому соответствует функция
принадлежности
.
отражает
силу зависимости между
и
.
Пример
1.7. Пусть
{
конь, осел } и
{
мул, корова }. Нечеткое отношение
<подобный> может быть определено
следующим образом:
<подобный>
= 0.8/(конь, мул) + 0.4/(конь, корова) + 0.9/(осел,
мул) + 0.5/(осел, корова) ,
т. е. конь похож на мула со степенью 0.8, конь похож на корову со степенью 0.4 и т.д.
Определение
1.6.
Если
и
,
то max-min
композицией называется
нечеткое множество
,
определенное на
,
функция принадлежности которого имеет
вид:
Max-min
композиция позволяет ответить на вопрос,
какое нечеткое множество в
следует
поставить в соответствие нечеткому
множеству
,
если известно, что нечеткое
множество
соответствует
нечеткому множеству
.
Операция нахождения такого соответствия называется нечетким логическим выводом и выполняется по следующей формуле:
,
где - нечеткое отношение:
,
-
max-min композиция, в соответствии с которой:
,
,
.
