- •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
8.2.6. Тонкая настройка нечеткой базы знаний
В качестве обучающей выборки для тонкой настройки нечеткой модели использовались реальные истории болезни с верифицированными диагнозами. Задача оптимизации решалась с помощью генетического алгоритма. В результате была получена настроенная модель, в которую входят параметры функций принадлежности ( и ) из табл. 8.6 и веса правил из табл. 8.7-8.9. Графики функций принадлежности после настройки показаны на рис. 8.8. Сравнение врачебного и компьютерного диагнозов для 65-ти больных представлено в табл. 8.10. Легко видеть, что только в одном случае (**) компьютерное решение ( ) слишком далеко от реального диагноза ( ). В 8-ми случаях (*) компьютерные и врачебные диагнозы находятся в соседних классах решений. В остальных случаях наблюдается полное совпадение компьютерного и врачебного диагнозов. Это свидетельствует о высоком, с точки зрения практического использования, качестве построенной экспертной системы.
Таблица 8.6.
Параметры и функций принадлежности после настройки
|
Н |
нС |
С |
вС |
В |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
32.58 |
23.33 |
38.21 |
9.80 |
43.39 |
11.92 |
51.07 |
16.01 |
56.74 |
22.62 |
|
128.00 |
57.31 |
186.39 |
87.84 |
235.24 |
80.39 |
332.76 |
109.61 |
389.33 |
162.75 |
|
182.46 |
807.90 |
509.02 |
242.91 |
648.08 |
575.61 |
922.18 |
261.01 |
1105.75 |
568.27 |
|
0.600 |
0.761 |
1.288 |
0.985 |
1.847 |
0.386 |
2.852 |
1.421 |
3.900 |
0.064 |
|
0.117 |
0.055 |
0.217 |
0.026 |
0.322 |
0.179 |
0.422 |
0.079 |
0.530 |
0.066 |
|
34.48 |
7.88 |
47.34 |
40.20 |
51.94 |
8.90 |
59.48 |
21.90 |
69.49 |
8.08 |
|
11.90 |
4.04 |
16.28 |
4.04 |
21.56 |
11.31 |
25.03 |
4.04 |
27.99 |
13.19 |
|
3.60 |
5.42 |
8.61 |
10.79 |
15.93 |
0.24 |
19.03 |
25.09 |
27.10 |
5.42 |
|
1.00 |
1.08 |
2.18 |
1.08 |
3.18 |
3.37 |
4.02 |
1.20 |
5.70 |
1.08 |
|
9.01 |
18.62 |
16.69 |
8.50 |
21.63 |
17.92 |
32.44 |
8.88 |
36.24 |
10.14 |
|
46.00 |
30.15 |
144.32 |
157.80 |
200.10 |
147.95 |
270.43 |
5.96 |
335.18 |
193.27 |
|
3.90 |
6.07 |
10.48 |
6.07 |
19.47 |
24.04 |
22.81 |
10.87 |
30.20 |
6.07 |
Таблица 8.7.
Веса правил в Табл. 8.2 до (
)
и после (
)
настройки
|
|
|
Н |
1.000 1.000 1.000 |
0.500 0.500 0.734 |
нС |
1.000 1.000 1.000 |
0.500 0.632 0.500 |
С |
1.000 1.000 1.000 |
0.757 0.470 0.473 |
вС |
1.000 1.000 1.000 |
0.527 0.480 0.664 |
В |
1.000 1.000 1.000 |
0.499 0.806 0.499 |
Таблица 8.8.
Веса правил в табл. 8.3 до ( ) и после ( ) настройки
|
|
|
Н |
1.000 1.000 1.000 |
0.500 0.744 0.500 |
нС |
1.000 1.000 1.000 |
0.500 0.500 0.400 |
С |
1.000 1.000 1.000 |
0.500 0.500 0.565 |
вС |
1.000 1.000 1.000 |
0.771 0.500 0.500 |
В |
1.000 1.000 1.000 |
0.500 0.500 0.500 |
Таблица 8.9.
Веса правил в табл. 8.1 до ( ) и после ( ) настройки
|
|
|
|
|
|
|
|
1.000 1.000 1.000 |
0.934 0.500 0.419 |
|
|
1.000 1.000 1.000 |
0.663 0.449 0.449 |
|
1.000 1.000 1.000 |
0.500 0.500 0.764 |
|
|
1.000 1.000 1.000 |
0.499 0.500 0.770 |
|
1.000 1.000 1.000 |
0.428 0.500 0.724 |
|
|
1.000 1.000 1.000 |
0.500 0.524 0.915 |
Таблица 8.10.
Сравнение модельного и верифицированного диагнозов
|
Параметры состояния больного |
Диагноз |
||||||||||||
№ |
|
|
|
|
|
|
|
|
|
|
|
|
1) |
2) |
1 |
31 |
324 |
980 |
2.8 |
0.12 |
50.07 |
22.76 |
8.05 |
3.7 |
34.2 |
266 |
19.3 |
d1 |
d1 |
2 |
36 |
330 |
900 |
2.9 |
0.14 |
56.52 |
24.33 |
9.02 |
4.1 |
29.7 |
242 |
21.0 |
d1 |
d1 |
3 |
39 |
260 |
800 |
2.3 |
0.18 |
51.73 |
25.62 |
8.53 |
4.2 |
28.5 |
194 |
23.8 |
d2 |
d2 |
4 |
42 |
272 |
867 |
2.5 |
0.28 |
59.31 |
28.44 |
8.53 |
4.0 |
28.7 |
198 |
19.4 |
d2 |
d2 |
5 |
48 |
287 |
491 |
2.2 |
0.24 |
52.77 |
21.61 |
8.53 |
3.5 |
25.3 |
156 |
20.5 |
d3 |
d3 |
6 |
53 |
175 |
507 |
2.4 |
0.25 |
60.70 |
26.14 |
10.40 |
3.9 |
22.4 |
172 |
26.1 |
d3 |
d3 |
7 |
45 |
247 |
728 |
2.0 |
0.34 |
62.06 |
26.14 |
5.55 |
2.3 |
26.5 |
144 |
22.9 |
d4 |
d4 |
8 |
52 |
231 |
768 |
1.5 |
0.36 |
62.77 |
23.01 |
6.83 |
2.5 |
20.0 |
158 |
23.8 |
d4 |
d4 |
9 |
32 |
151 |
610 |
1.3 |
0.42 |
54.49 |
23.91 |
5.55 |
2.4 |
19.8 |
104 |
25.7 |
d5 |
d5 |
10 |
45 |
177 |
542 |
1.6 |
0.48 |
62.06 |
26.14 |
5.55 |
2.3 |
21.7 |
120 |
28.1 |
d5 |
d6 * |
11 |
38 |
128 |
349 |
1.4 |
0.48 |
67.03 |
24.46 |
5.20 |
1.9 |
13.9 |
92 |
30.2 |
d6 |
d6 |
12 |
38 |
145 |
304 |
1.2 |
0.56 |
64.15 |
25.62 |
7.11 |
2.6 |
14.4 |
74 |
25.5 |
d6 |
d6 |
13 |
40 |
327 |
930 |
2.2 |
0.24 |
59.31 |
25.62 |
7.56 |
3.3 |
35.4 |
347 |
18.9 |
d1 |
d2 * |
14 |
38 |
348 |
952 |
1.8 |
0.20 |
34.48 |
20.79 |
9.56 |
5.7 |
34.2 |
352 |
21.6 |
d1 |
d1 |
15 |
34 |
307 |
800 |
1.9 |
0.21 |
57.90 |
25.08 |
6.83 |
2.9 |
30.1 |
304 |
19.3 |
d2 |
d4 ** |
16 |
48 |
284 |
738 |
2.0 |
0.26 |
62.06 |
25.08 |
8.53 |
3.4 |
29.7 |
339 |
20.4 |
d2 |
d2 |
17 |
35 |
174 |
600 |
1.7 |
0.32 |
55.18 |
24.46 |
8.56 |
3.8 |
27.2 |
312 |
22.0 |
d3 |
d3 |
18 |
49 |
229 |
515 |
2.1 |
0.30 |
61.34 |
22.20 |
6.83 |
2.4 |
22.4 |
300 |
23.4 |
d3 |
d4 * |
19 |
58 |
265 |
421 |
2.0 |
0.26 |
60.07 |
22.76 |
4.08 |
1.8 |
17.7 |
258 |
23.8 |
d4 |
d4 |
20 |
49 |
330 |
650 |
1.5 |
0.25 |
69.49 |
25.08 |
6.83 |
2.5 |
20.3 |
244 |
22.0 |
d4 |
d4 |
21 |
48 |
187 |
475 |
1.4 |
0.34 |
60.39 |
23.31 |
5.55 |
2.1 |
21.4 |
204 |
22.7 |
d5 |
d5 |
22 |
42 |
224 |
400 |
1.5 |
0.39 |
55.18 |
21.05 |
7.11 |
2.7 |
20.4 |
215 |
22.5 |
d5 |
d5 |
23 |
32 |
195 |
100 |
1.2 |
0.48 |
60.70 |
21.61 |
7.52 |
2.7 |
22.6 |
191 |
25.9 |
d6 |
d6 |
24 |
51 |
192 |
292 |
1.3 |
0.45 |
62.77 |
23.70 |
5.55 |
1.6 |
19.2 |
188 |
24.4 |
d6 |
d6 |
25 |
36 |
347 |
952 |
2.9 |
0.10 |
62.40 |
23.70 |
12.50 |
4.3 |
35.7 |
298 |
19.6 |
d1 |
d1 |
26 |
48 |
314 |
902 |
3.2 |
0.14 |
59.40 |
24.20 |
10.50 |
4.2 |
33.5 |
287 |
18.8 |
d1 |
d1 |
27 |
42 |
352 |
875 |
3.2 |
0.16 |
52.30 |
22.70 |
9.50 |
3.9 |
38.2 |
322 |
19.0 |
d1 |
d1 |
28 |
40 |
323 |
1040 |
2.7 |
0.20 |
59.60 |
25.20 |
8.80 |
3.2 |
30.4 |
290 |
18.2 |
d1 |
d2 * |
29 |
41 |
377 |
988 |
2.9 |
0.09 |
60.40 |
24.30 |
10.20 |
3.4 |
32.5 |
275 |
17.7 |
d1 |
d1 |
30 |
34 |
309 |
932 |
3.2 |
0.15 |
60.80 |
25.40 |
9.40 |
4.4 |
31.5 |
312 |
18.5 |
d1 |
d1 |
31 |
52 |
279 |
1056 |
2.7 |
0.09 |
59.90 |
21.30 |
8.80 |
3.7 |
33.4 |
334 |
18.7 |
d1 |
d1 |
32 |
44 |
376 |
895 |
2.7 |
0.18 |
61.50 |
23.60 |
9.50 |
3.6 |
30.4 |
312 |
20.1 |
d2 |
d2 |
33 |
46 |
304 |
929 |
2.6 |
0.22 |
58.20 |
25.10 |
10.70 |
3.8 |
32.5 |
346 |
19.2 |
d2 |
d2 |
34 |
46 |
292 |
904 |
2.2 |
0.24 |
56.00 |
27.90 |
10.10 |
4.0 |
29.3 |
290 |
18.5 |
d2 |
d2 |
35 |
42 |
276 |
885 |
2.4 |
0.25 |
61.40 |
29.40 |
11.20 |
3.6 |
27.8 |
226 |
20.8 |
d2 |
d2 |
36 |
31 |
311 |
930 |
2.7 |
0.19 |
62.50 |
23.80 |
9.80 |
2.9 |
25.6 |
249 |
21.0 |
d2 |
d1 * |
37 |
44 |
335 |
992 |
2.4 |
0.22 |
61.60 |
24.70 |
9.90 |
3.3 |
24.6 |
255 |
20.3 |
d2 |
d2 |
38 |
47 |
346 |
873 |
2.3 |
0.18 |
57.70 |
22.50 |
10.60 |
3.7 |
28.7 |
267 |
18.8 |
d2 |
d2 |
39 |
48 |
288 |
804 |
2.4 |
0.27 |
60.00 |
22.20 |
11.50 |
3.5 |
20.9 |
275 |
19.5 |
d3 |
d3 |
40 |
50 |
316 |
875 |
2.1 |
0.31 |
61.40 |
24.00 |
9.30 |
2.8 |
22.5 |
302 |
21.2 |
d3 |
d4 * |
41 |
51 |
292 |
774 |
2.0 |
0.28 |
62.50 |
25.90 |
8.80 |
3.0 |
26.7 |
277 |
22.5 |
d3 |
d4 * |
42 |
54 |
315 |
766 |
2.2 |
0.22 |
53.70 |
26.20 |
8.70 |
2.7 |
21.4 |
265 |
20.5 |
d3 |
d4 * |
Продолжение табл. 8.10.
Сравнение модельного и верифицированного диагнозов
|
Параметры состояния больного |
Диагноз |
||||||||||||
№ |
|
|
|
|
|
|
|
|
|
|
|
|
1) |
2) |
43 |
40 |
300 |
865 |
2.1 |
0.25 |
59.40 |
25.80 |
9.30 |
3.5 |
21.9 |
303 |
21.4 |
d3 |
d3 |
44 |
36 |
270 |
777 |
2.1 |
0.28 |
61.00 |
26.10 |
9.70 |
4.1 |
22.3 |
316 |
21.3 |
d3 |
d3 |
45 |
34 |
275 |
859 |
2.3 |
0.30 |
62.50 |
27.00 |
9.60 |
4.2 |
24.0 |
295 |
22.5 |
d3 |
d3 |
46 |
52 |
261 |
776 |
1.7 |
0.36 |
65.00 |
22.50 |
8.40 |
2.7 |
20.4 |
204 |
23.8 |
d4 |
d4 |
47 |
41 |
258 |
785 |
1.5 |
0.36 |
62.70 |
23.80 |
7.60 |
2.5 |
19.8 |
225 |
24.0 |
d4 |
d4 |
48 |
53 |
290 |
845 |
1.8 |
0.39 |
57.10 |
24.00 |
7.20 |
2.5 |
18.7 |
268 |
22.5 |
d4 |
d4 |
49 |
39 |
203 |
723 |
2.0 |
0.40 |
58.50 |
23.70 |
6.20 |
2.8 |
17.1 |
209 |
24.7 |
d4 |
d4 |
50 |
45 |
244 |
802 |
1.7 |
0.35 |
62.00 |
25.30 |
6.30 |
3.0 |
18.5 |
212 |
24.9 |
d4 |
d4 |
51 |
46 |
233 |
795 |
1.9 |
0.39 |
57.90 |
24.90 |
5.20 |
2.4 |
17.4 |
251 |
23.5 |
d4 |
d4 |
52 |
54 |
262 |
805 |
1.8 |
0.38 |
57.90 |
24.50 |
7.70 |
2.2 |
19.2 |
244 |
22.1 |
d4 |
d4 |
53 |
51 |
245 |
595 |
1.3 |
0.44 |
64.20 |
26.40 |
5.60 |
2.1 |
16.5 |
204 |
24.7 |
d5 |
d5 |
54 |
40 |
209 |
772 |
1.5 |
0.45 |
60.20 |
27.80 |
5.90 |
2.4 |
14.7 |
195 |
25.0 |
d5 |
d5 |
55 |
42 |
198 |
621 |
1.4 |
0.42 |
58.80 |
25.20 |
6.10 |
2.6 |
12.2 |
225 |
24.5 |
d5 |
d5 |
56 |
44 |
245 |
523 |
1.5 |
0.39 |
57.50 |
23.30 |
6.50 |
2.2 |
14.1 |
207 |
26.9 |
d5 |
d5 |
57 |
50 |
237 |
652 |
1.6 |
0.45 |
63.70 |
24.70 |
6.40 |
2.1 |
11.9 |
262 |
24.2 |
d5 |
d5 |
58 |
56 |
202 |
744 |
1.3 |
0.45 |
61.80 |
25.70 |
5.70 |
2.4 |
12.3 |
226 |
22.6 |
d5 |
d5 |
59 |
51 |
247 |
723 |
1.2 |
0.38 |
62.50 |
26.90 |
5.60 |
2.3 |
10.4 |
230 |
25.8 |
d5 |
d5 |
60 |
48 |
192 |
516 |
1.1 |
0.52 |
60.10 |
22.70 |
5.50 |
2.0 |
9.9 |
200 |
22.9 |
d6 |
d6 |
61 |
39 |
188 |
446 |
1.2 |
0.48 |
59.00 |
23.50 |
5.20 |
2.4 |
9.5 |
212 |
26.7 |
d6 |
d6 |
62 |
49 |
212 |
406 |
0.9 |
0.56 |
61.70 |
26.00 |
5.30 |
1.9 |
8.2 |
225 |
29.4 |
d6 |
d6 |
63 |
45 |
247 |
527 |
0.7 |
0.51 |
62.60 |
27.40 |
5.10 |
2.0 |
7.4 |
197 |
28.5 |
d6 |
d6 |
64 |
44 |
206 |
448 |
0.8 |
0.55 |
57.40 |
22.10 |
6.30 |
2.1 |
7.4 |
188 |
30.1 |
d6 |
d6 |
65 |
42 |
228 |
512 |
1.0 |
0.52 |
53.90 |
25.60 |
5.40 |
2.3 |
7.8 |
204 |
29.5 |
d6 |
d6 |
1) врачебный диагноз,
2) компьютерный диагноз.
