- •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
8.6.5. Возможные обобщения
Задача оценки качества дипломного проектирования, один из методов решения которой предложен в этом разделе, принадлежит к широкому классу задач оценки качества интеллектуальной деятельности. Типичными представителями таких видов деятельности являются: подготовка статей, диссертаций, инновационных проектов и другой технической продукции.
Использование нечеткой логики для решения такого рода задач позволяет максимально приблизить математическую модель оценки качества к логике
рассуждений квалифицированных специалистов, принимающих оценочные решения. Построение нечетких экспертных систем, которые основаны на предложенной методике, дает возможность не только оценить качество интеллектуальной деятельности, но и создает условия для ее проектирования, т.е. такого управления частными показателями, при котором интегральный показатель качества будет принимать желаемое значение.
8.7. Оценка кредитоспособности инновационных проектов
Описываемая здесь экспертная система создавалась на базе оболочки FUZZY EXPERT по заказу инновационного фонда Украины и эксплуатируется в 20-ти региональных отделениях этого фонда. Типы решений, перечень частных показателей и базы знаний определялись группой экспертов под руководством Н.И. Петренко.
8.7.1. Типы решений и частные показатели качества
Оценка качества
инновационного проекта используется
для принятия одного из следующих
решений:
-
финансировать,
-
финансировать после доработки,
-
финансировать при наличии средств,
-
отклонить.
Обозначим через
-
интегральный показатель качества
инновационного проекта. Для оценки
этого показателя будем использовать
следующую информацию:
-
уровень предприятия-заявителя, который
оценивается с учетом следующих частных
показателей:
-
уровень руководителя предприя-тия,
-
активы предприятия,
-
пассивы предприятия,
-
балансовая прибыль предприя-тия,
-
дебиторская задолженность предприятия,
-
кредиторская задолженность предприятия.
Для оценки уровня руководителя
предприятия принимаются во внимание
следующие показатели:
-
ком-муникабельность,
-
надежность,
-
образование,
-
опыт работы руководителя,
-
комфортность;
-
технико-экономический уровень проекта,
для оценки которого используются
следующие частные показатели:
-
масштаб проекта,
-
новизна проекта,
-
приоритетность направления,
-
степень проработки,
-
правовая защищенность,
-
экологический уровень;
-
уровень ожидаемых продаж;
-
финансовый уровень предприятия-заявителя,
который оценивается с учетом следующих
частных показателей:
-
соотношение собственных средств к
средствам инновационного фонда,
-
возвращаемость инновационных средств.
Задача оценки
состоит в том, чтобы поставить в
соответствие некоторому инновационному
проекту с известными частными показателями
одно из решений
.
8.7.2. Нечеткие базы знаний
Взаимосвязь принятых показателей качества инновационного проекта изображена на рис. 8.25 в виде дерева логического вывода, которому соответствует система соотношений:
,
(8.21)
,
(8.22)
,
(8.23)
,
(8.24)
.
(8.25)
Рассматриваемые
частные показатели
,
,
,
,
и
,
а также укрупненные показатели
,
,
рассматриваются
как лингвистические переменные с единой
шкалой качественных термов: оН - очень
низкий, Н - низкий, нС - ниже среднего, С
- средний, вС - выше среднего, В - высокий,
оВ - очень высокий.
Каждый из этих термов представляет нечеткое множество, заданное с помощью соответствующей функции принадлежности.
Знания, соответствующие соотношениям (8.21) - (8.25), представлены в табл. 8.29-8.33.
Таблица 8.29
Знания о соотношении (8.21)
|
|
|
|
|
В |
В |
В |
В |
|
вС |
В |
В |
В |
|
В |
В |
В |
вС |
|
вС |
вС |
вС |
вС |
|
вС |
В |
В |
вС |
|
вС |
вС |
В |
С |
|
В |
В |
С |
С |
|
В |
С |
С |
С |
|
В |
С |
вС |
С |
|
Н |
Н |
Н |
Н |
|
С |
Н |
Н |
Н |
|
Таблица 8.30.
Знания о соотношении (8.22)
|
|
|
|
|
|
|
Н |
Н |
Н |
Н |
Н |
В |
Н |
В |
В |
В |
нС |
нС |
нС |
нС |
В |
В |
В |
С |
С |
нС |
С |
В |
В |
В |
вС |
вС |
С |
вС |
В |
В |
В |
В |
В |
Н |
В |
В |
В |
В |
С |
вС |
Н |
|
Таблица 8.31.
Знания о соотношении (8.23)
|
|
|
|
|
|
оН |
оН |
оН |
оН |
оН |
оН |
Н |
Н |
Н |
Н |
Н |
Н |
нС |
С |
нС |
С |
нС |
нС |
С |
С |
С |
С |
С |
С |
вС |
В |
вС |
В |
С |
вС |
В |
В |
В |
В |
В |
В |
оВ |
оВ |
оВ |
оВ |
оВ |
оВ |
Таблица 8.32. Знания о соотношении (8.24) |
|
Таблица 8.33. Знания о соотношении (8.25) |
||||||||
|
|
|
|
|
|
|
|
|
|
|
оН |
оН |
оН |
оН |
оН |
оН |
Н |
оН |
оН |
Н |
|
Н |
Н |
Н |
Н |
Н |
Н |
|
С |
Н |
нС |
|
С |
С |
Н |
Н |
Н |
С |
нС |
С |
С |
С |
|
С |
С |
С |
С |
С |
С |
С |
вС |
В |
вС |
|
В |
В |
В |
В |
В |
В |
вС |
оВ |
оВ |
В |
|
оВ |
оВ |
оВ |
оВ |
оВ |
оВ |
В |
|
|
|
|
