
- •Предисловие.
- •1. Основные задачи искусственного интеллекта.
- •1.1. История развития систем искусственного интеллекта.
- •1.2. Обзор основных направлений в области искусственного интеллекта
- •1.3. Решение задач и искусственный интеллект
- •1.3.1. Графовое представление задачи в пространстве состояний.
- •1.3.2. Стратегии поиска в пространстве состояний
- •2. Проблемная область искусственного интеллекта
- •2.1. Представление знаний
- •2.2 Модели представления знаний
- •2.2.1. Семантические сети
- •2.2.2. Фреймы
- •2.2.3. Формальные логические модели
- •2.2.4. Продукционная модель
- •2.2.5. Вывод на знаниях
- •3. Сильные методы решения задач. Экспертные системы
- •3.1. Структура экспертных систем
- •3.2. Классификация экспертных систем
- •3.3. Отличие эс от других программных продуктов
- •3.4. Цикл работы экспертных систем
- •3.5. Технология проектирования и разработки экспертных систем
- •4. Принятие решений в условиях неопределенности
- •4.1. Нечеткая логика
- •4.1.1. Нечеткие множества
- •4.1.2. Более строгое представление о нечетких множествах
- •4.1.3. Основные характеристики нечетких множеств
- •4.1.4. Примеры нечетких множеств и их характеристик
- •4.1.5. Операции над нечеткими множествами
- •4.1.6. Четкое множество α-уровня (или уровня α)
- •4.1.7. Нечеткая и лингвистическая переменные
- •4.1.8. Нечеткие числа
- •5. Машинное обучение на основе нейронных сетей
- •5.1. Биологический нейрон и его математическая модель
- •5.1.1. Биологический нейрон
- •5.1.2. Искусственный нейрон
- •5.2. Нейросети
- •5.2.1. Классификация и свойства нейросетей
- •5.2.2. Обучение искусственных нейронных сетей
- •5.3. Теорема Колмогорова
- •5.4. Персептрон
- •5.4.1. Алгоритм обучения персептрона
- •5.4.2. Линейная разделимость и персептронная представляемость
- •Логическая функция
- •Входы и выходы нейронов сети,
- •5.5. Сеть обратного распространения
- •5.5.1. Алгоритм обучения сети обратного распространения
- •5.6. Сеть встречного распространения
- •5.6.1. Сеть Кохонена. Классификация образов
- •5.6.2. Алгоритм обучения сети Кохонена
- •5. 6.3. Нейроны Гроссберга. Входные и выходные звезды
- •5.6.4. О бучение входной звезды
- •5.6.5. Обучение выходной звезды
- •5.6.6. Двухслойная сеть встречного распространения
- •5.6.7. Алгоритм обучения сети встречного распространения
- •5.7. Стохастические сети
- •5.7.1. Обучение Больцмана
- •5.7.2. Обучение Коши
- •5.8. Сети с обратными связями
- •5.8.1. Сеть Хопфилда
- •5.8.2. Правило обучения Хебба
- •5.8.3. Процедура ортогонализации образов
- •5.9. Сеть дап (двунаправленная ассоциативная память)
- •5.10. Сеть арт (адаптивная резонансная теория)
- •5.10.1. Алгоритм функционирования сети арт-1
- •Список иллюстраций
4.1.8. Нечеткие числа
Одной из основных областей применения нечеткой логики является выполнение арифметических операций с нечеткими множествами, описывающими ту или иную модель или систему так, как если бы это были обычные числа. В качестве нечетких множеств при этом могут использоваться и термы лингвистических переменных, с помощью которых исследуемая система или модель была описана в силу невозможности применения обычных, количественных математических методов. А для снижения трудоемкости операций с нечеткими множествами используют специальный их тип — нечеткие числа.
Нечеткие
числа —
нечеткие переменные, определенные на
числовой оси.
Иначе говоря, нечеткое число определяется
как нечеткое множество
A
на
множестве действительных чисел R
с функцией принадлежности
,где
x
—
действительное
число, т.е.
.
Нечеткое
число A
нормально, если
выпуклое,
если
для
любых
чисел
выполняется условие
Множество
α-уровня нечеткого числа A
определяется
как
Подмножество
называется носителем нечеткого числа
A
(обозначается
как Supp
A),
если
Нечеткое
число унимодальное,
если
условие
справедливо для одной
и только одной действительной точки.
Выпуклое
нечеткое число A
называется
нечетким
нулем, если
Нечеткое
число A
положительно, если
и
отрицательно, если
Примеры
4.13. Треугольным нечетким числом называется число, задаваемое функцией принадлежности (рис. 5.14)
Рис. 5.14. Функция принадлежности
треугольного
нечеткого числа
Используемое
обозначение -
носитель Supp
A
– интервал
семантический
смысл: «x
приблизительно
равно a».
4.14. Трапецеидальным нечетким числом называется число, задаваемое функцией принадлежности (рис. 5.15)
Рис. 5.15. Функция принадлежности
трапецеидального числа
Используемое
обозначение -
носитель Supp
A
– интервал
семантический
смысл: «x
лежит приблизительно
в интервале
».
4.15. Опять вернемся к задаче интерпретации значений ЛП «возраст», таких как «молодой» возраст, «преклонный» возраст или «переходный» возраст. Определим «возраст» как ЛП (рис. 5.16). Тогда «молодой», «преклонный», «переходный» будут значениями этой лингвистической переменной. Более полно базовый набор значений ЛП «возраст» следующий:
Для ЛП «возраст» базовая шкала — это числовая шкала от 0 до 120, обозначающая количество прожитых лет, а функция принадлежности определяет, насколько мы уверены в том, что данное количество лет можно отнести к данной категории возраста. На рис. 5.17 отражено, как одни и те же значения базовой шкалы могут участвовать в определении различных нечетких множеств.
Рис. 5.16. Лингвистическая переменная «возраст» и нечеткие множества, определяющие ее значения
Рис. 5.17. Формирование нечетких множеств
Рис. 5.18. График функции принадлежности нечеткому множеству «младенческий» возраст
Например, определить значение НМ «младенческий» можно так:
Рисунок 5.18 иллюстрирует оценку этого НМ неким усредненным экспертом.
Этот
эксперт ребенка до полугода с высокой
степенью уверенности относит к
младенцам
Дети от полугода до четырех лет тоже
причисляются к младенцам,
но с меньшей степенью уверенности
),
а в десять лет ребенка
называют так только в очень редких
случаях - к примеру, для девяностолетней
бабушки и 15 лет может считаться
младенчеством. Таким
образом, нечеткие множества позволяют
при определении понятия учитывать
субъективные мнения отдельных
индивидуумов.
Вопросы
4.14. Дайте определение нечеткой переменной. Приведите пример нечеткой переменной.
4.15. Дайте определение лингвистической переменной. Приведите пример.
4.16. Чем отличаются понятия нечеткой и лингвистической переменной?
4.17. Дайте определение нечеткого числа.
4.18. Являются ли нечеткое треугольное число, трапецеидальное нечеткое число нормальными числами?
4.19. Можно ли считать треугольное нечеткое число унимодальным? Трапецеидальное нечеткое число унимодальным? Приведите пример, когда нечеткое число не соответствует этому определению.
Упражнения
4.8.
Эксперт
определяет рост ученика с помощью
понятий «низкий
рост»,
«средний рост», «высокий рост», при
этом минимальный рост равен 145
см, максимальный— 175 см. Проведите
формализацию такого описания
с помощью лингвистической переменной
Укажите,
какие
объекты в данном примере обозначены
через
.
4.9. Постройте терм-множество и расширенное терм-множество в условиях предыдущего примера и изобразите их с помощью функций принадлежности.
4.10. Постройте график функции принадлежности нечеткого числа