Архитектура нейронной экспертной системы.

База знаний хранит в себе матрицу весов. Недостатком нейросетей является невоз­можность объяснить выходной результат, так как значения распределены по нейронам в виде коэффициентов весов. Ос­новной трудностью в применении нечетких экспертных сис­тем служит необходимость явно сформулировать правили проблемной области в форме продукции. В нечетких ЭС легко построить объяснение результата в форме протокола рассуждений, поэтому в настоящее время создаются гибридные технологии, сочетающие преимущества нечетких систем и нейронных сетей.

Архитектура мягкой экспертной системы.

Мягкая ЭС – нечёткая ЭС, которая обладает следующими особенностями:

• Использует статистические данные, которые интерпретирует как как обучающие выборки для нечётких нейронных сетей (ННС).

• Представляет знания в виде лингвистических переменных (функций принадлежности), нечётких продукций и обученных нейронных сетей. Редукция множества нечётких продукций, настройка AG и базы правил выполняется с помощью ГА.

БЗ МЭС должна содержать следующие части:

• Функции принадлежности (непрерывность, выпуклость)

• Нечёткие продукции

• Обученные ННС

• Процедуры интерпретации хромосом ГА.

• Функции оптимальности.

Экспертная деятельность

Под сложностью понимается обычно одни из следующих свойств и их комбинаций:

• Большой по размерности.

• Большое разнообразие связей и компонент.

• Взаимодействие детерминируемых и стохастических частей.

• Развивается во времени.

• Включает человека, коллектив, социум.

Для систем, обладающих данными признаками, часто осуществляют экспертную деятельность.

Эксперт, анализирующий объект, независимо от природы объекта отвечает на следующие вопросы:

• Какие оценки можно присвоить значениям различных переменных, характеризующих состояние объекта?

• Какие тенденции развития (динамика значений переменных) характеризует объект?

• Как охарактеризовать состояние объекта в целом?

• Каков прогноз развития объекта?

• Какие рекомендации, планы можно предложить для достижения целевого состояния объекта?

• Преобразование чётких рядов в нечёткие – фазификация (Какие оценки сложно присвоить значениям различных переменных, характеризующих состояние объекта?)

• Оценка тенденции нечёткого ВР (Какие тенденции развития (динамики значений переменных) характеризуют объект?)

• Интегральная оценка (Как охарактеризовать состояние объекта в целом?).

• Прогнозирование развития (Каков прогноз развития объекта?).

• Планирование (Какие рекомендации, планы можно предложить для достижения целевого состояния объекта?).

4. Схема нечеткого логического вывода.

Пусть входная переменная х является каким-либо нечет­ким множеством А, и у — нечетким множеством В, тогда вы­ходная переменная z является нечетким множеством С. Если задан факт х = x₀, у = y₀, то необходимо найти z = z₀

Схема вывода на базе нечётких правил сводится к решению следующей задачи:

База правил R₁: Если X – A₁ И Y – B₁, тогда Z – C₁

В противном случае R₂: Если X – A₂ И Y – B₂, тогда Z – C₂

В противном случае: R_n: если X – A_n И Y – B_n, тогда Z – C_n

Факт: x = x₀, y = y₀.

Следствие: z = ?.

Для реализации ИС логическое вывода по базе нечетких правил необходимо определить функции: Каждая из четырех перечисленных выше функций задает вариативность схемы нечеткого вывода.

• представления в системе нечетких понятий (функций принадлежности)

• вычисления логических выражений условных частей правил с логическими связками И, ИЛИ;

• вычисления импликации;

• усреднения результата, получаемого по разным правилам путем композиции.

ИС осуществляет логический вывод по базе нечетких правил по этапам.