Алгоритмы обучения для неч-ой нейр-ой сети контроллера

Пусть задана четкая обучающая выборка

{(x₁ ,t_1, z_1, y₁),…(x_k, t_k, z_k, y_k)}, где x, t, z – входные условия количества белья, температуры воды и загрязненности, а y – длительность стирки. Ошибку на k-ом образце определим как обычно

E ^k =1/2( O_i -Y_i )².

Используем традиционный градиентный метод для обучения параметров левой и правой частей неч-их правил. Покажем, как можно настроить параметры функции формы.

b₄(t + 1) = b₄(t) - (E/b₄), c₄(t + 1) = c₄(t) - (E/c₄), c₁(t + 1) = c₁(t) - (E/c₁).

Используя данные соотношения как правила изменения весов в алгоритме обратного распространения ошибки, можно настроить параметры функций принадлежности в ходе обучения нечёткой нейронной сети.

28. Примеры интеллектуальных систем.

1. Системы проверки грамматики и правописания при подготовке текстов

2. Системы распознавания текстов (Cuneform, FineReader)

3. Системы распознавания речи (Горыныч)

4. Поисковые системы в Internet, к которым можно обращаться с запросами на естественном языке (Апорт, Яндекс)

5. Автопилоты взлета/посадки

6. Программы перевода.

7. Экспертные системы.

29. Понятия И и ИЛИ - нейрона.

См. вопрос 25

30. Архитектура нечеткой нейронной сети.

Понятие данных и знаний.

Технология обработки данных является базовой технологией для создания ЭИС. Основным инструментом такой технологии является СУБД. Если система использует базу знаний, то такая система является интеллектуальной системой (Пр. база знаний – база правил «если…то»).

Знания отличаются от данных возможностью интерпретации. Заголовок любой реляционной таблицы является элементом знаний в отличии от содержимого таблицы. Резкой границы между БД и БЗ не существует. Современные развитые СУБД такие как Oracle объединяют 2 технологии, используемые как реляционные БД, так и базы бизнес-правил.

Особенностью ИТ является использование обработчика знаний, который на базе логического вывода формирует результат с помощью стандартного метода, поэтому разработка интеллектуальных систем редко предполагает разработку программ, а основная трудоёмкость сосредоточена в разработке баз данных и знаний.

Знания, хранимые в алгоритмах и программах, называются процедурными, а знания, хранимые в БД и БЗ, называют декларативными. Разработка интеллектуальных систем чаще связана с разработкой деклараций, чем процедур.

Базовая архитектура интеллектуальной системы. Основные технологии разработки интеллектуальных систем.

Основные этапы разработки системы со знаниями:

1. Извлечение знаний

2. Представление знаний

3. Обработка знаний

Извлечение знаний – систематизация или формальная предметная область на основе описаний или работу с экспертом. С его помощью знания обычно извлекают интервьюированием эксперта и протоколированием решения задачи экспертом.

Нечёткие нейронные сети позволяют извлекать знания из данных с помощью процесса обучения. В настоящее время они поддержаны развитым инструментарием. Совокупность технологий и инструментальных средств обработки знаний называют инженерией знаний, а разработчика систем со знаниями называют инженером знаний.

В настоящее время используются следующие методы представления знаний:

1. Графовые модели с эвристиками обычно используются в системах принятия решений. Строится граф всех возможных решений, а эвристика представляет собой правило оценки ситуаций.

2. Логические модели, данное представление знаний подразумевает описание проблемной области с помощью некоторой логики (Пр. логики высказываний, логики предикатов, нечёткой логики и т.д.). Самым распространённым инструментом логического представления знаний стал язык Prolog, который реализует язык предикатов в порядке. Обработчик логических формул в данной среде реализует метод резолюций. В математической логике и автоматическом доказательстве теорем, правило резолюций – это правило вывода, восходящее к методу доказательства теорем через поиск противоречий; используется в логике высказываний и логике предикатов первого порядка.

3. Функциональные модели. Языки функциональных описаний возникли как языки описаний символьных цепочек. Основной язык функциональных описаний – LISP (List’s processing – обработка списков) – рекурсивный язык. Данный язык кроме построения интеллектуальных систем широко используется для обработки текстов.

4. Модели семантических сетей. Семантическая сеть – графовая модель, в которой вершины могут принадлежать к различным сущностям, 2 дуги выражают разные типы отношений, в частности, а одной сети могут встретиться следующие отношения: часть целое, причина-следствие и т.д. В семантической сети трудно формализуемый инструмент, поэтому для них обработчики знаний построены только для некоторых ограниченных видов.

5. Фреймовые модели. Фреймом называют шаблон, описывающий ситуацию. Такой шаблон имеет имя и набор значимых позиций. Развитие фреймовой парадигмы привело к формированию объектно-ориентированного программирования и проектирования. Пр. конструкция класса.