- •Технологии искусственного интеллекта
- •Нечеткое множество. Пустое нечеткое множество. Универсум.
- •Носитель нечеткого множества. Конечное и бесконечное нечеткие множества.
- •Множество α-уровня. Высота нечеткого множества. Ядро, границы и точки перехода нечеткого множества.
- •Нормальное и субнормальное нечеткие множества. Унимодальное нечеткое множество.
- •Основные типы функций принадлежности.
- •Операции над нечеткими множествами.
- •Нечеткие операторы.
- •Правила нечетких продукций. Продукционная нечеткая система.
- •Лингвистическая переменная.
- •Методы нечеткой композиции (вывода). Прямой и обратный методы вывода заключений в системах нечетких продукций.
- •Основные этапы нечеткого вывода.
- •Основные алгоритмы нечеткого вывода.
- •Генетический алгоритм.
- •Нейронные сети. Персептрон.
- •Нейронные сети в искусственном интеллекте – это упрощенные модели биологических нейронных сетей.
- •Персептрон
- •Многослойные нейронные сети
- •Многослойный персептрон
- •Алгоритм обратного распространения ошибки.
- •Недостатки алгоритма обратного распространения ошибки
- •1. Паралич сети
- •2. Локальные минимумы
- •3. Размер шага
- •4. Временная неустойчивость
- •Улучшение работы алгоритма обратного распространения ошибки
- •1. Режим обучения
- •2. Максимизация информативности
- •3. Функция активации
- •4. Целевые значения
- •5. Нормализация входов
- •6. Инициализация
- •7. Обучение по подсказке
- •8. Скорость обучения
Основные этапы нечеткого вывода.
Информацией, которая поступает на вход системы нечеткого вывода, являются измеренные некоторым образом входные переменные. Эти переменные соответствуют реальным переменным процесса управления. Информация, которая формируется на выходе системы нечеткого вывода, соответствует выходным переменным, которыми являются управляющие переменные процесса управления.
Системы нечеткого вывода предназначены для преобразования значений входных переменных процесса управления в выходные переменные на основе использования нечетких правил продукций. Для этого системы нечеткого вывода должны содержать базу правил нечетких продукций и реализовывать нечеткий вывод заключений на основе посылок или условий, представленных в форме нечетких лингвистических высказываний.
Таким образом, основными этапами нечеткого вывода являются:
- Формирование базы правил;
- Фаззификация входных переменных;
- Агрегирование подусловий;
- Активизация подзаключений;
- Аккумулирование заключений;
- Дефаззификация выходных переменных.
Формирование базы правил. База правил систем нечеткого вывода предназначена для формального представления эмпирических знаний или знаний экспертов в той или иной проблемной области. База правил нечетких продукций представляет собой конечное множество правил нечетких продукций, согласованных относительно используемых в них лингвистических переменных. Наиболее часто база правил представляется в форме структурированного текста:
ПРАВИЛО_1: ЕСЛИ «Условие_1» ТО «Заключение_1» (F1)
ПРАВИЛО_2: ЕСЛИ «Условие_2» ТО «Заключение_2» (F2)
….. …… ……
ПРАВИЛО_n: ЕСЛИ «Условие_n» ТО «Заключение_n» (Fn),
здесь
через Fi
(
)
обозначены коэффициенты
определенности или
весовые коэффициенты соответствующих
правил. Эти коэффициенты могут принимать
значения из интервала [0,1]. В случае, если
эти весовые коэффициенты отсутствуют,
удобно принять, что их значения равны
1.
Фаззификация. Под фаззификацией понимается не только отдельный этап выполнения нечеткого вывода, но и собственно процесс или процедура нахождения значений функций принадлежности нечетких множеств (термов) на основе обычных (не нечтких) исходных данных. Фаззификацию еще называют введением нечеткости.
Целью данного этапа является установление соответствия между конкретным (обычно – численным) значением отдельной входной переменной системы нечеткого вывода и значением функции принадлежности соответствующего ей терма входной лингвистической переменной. После завершения этого этапа для всех входных переменных должны быть определены конкретные значения функций принадлежности по каждому из лингвистических термов, которые используются в подусловиях базы правил системы нечеткого вывода.
Агрегирование представляет собой процедуру определения степени истинности условий по каждому из правил системы нечеткого вывода.
Активизация представляет собой процедуру или процесс нахождения степени истинности каждого из подзаключений правил нечетких продукций. Активизация в общем случае во многом аналогична композиции нечетких отношений, но не тождественна ей.
Аккумуляция или аккумулирование в системах нечеткого вывода представляет собой процедуру или процесс нахождения функции принадлежности для каждой из выходных лингвистических переменных. Цель аккумуляции заключается в том, чтобы объединить или аккумулировать все степени истинности заключений (подзаключений) для получения функции принадлежности каждой из выходных переменных. Причина необходимости выполнения этого этапа состоит в том, что подзаключения, относящиеся к одной и той же выходной лингвистической переменной, принадлежат различным правилам системы нечеткого вывода.
Дефаззификация представляет собой процедуру или процесс нахождения обычного (не нечеткого) значения для каждой из выходных лингвистических переменных. Цель дефаззификации заключается в том, чтобы, используя результаты аккумуляции всех выходных лингвистических переменных, получить обычное количественное значение каждой из выходных переменных, которое может быть использовано специальными устройствами, внешними по отношению к системе нечеткого вывода.
