- •Часть 1
- •Оглавление
- •Часть 1
- •Лекция 1 введение
- •1. Цели и задачи дисциплины. Ее место в учебном процессе.
- •2. История развития систем ии
- •3. Философские аспекты систем ии
- •Лекция 2 искуственный интеллект как научное направление
- •1. Человеко-машинные системы с искусственным интеллектом
- •2. Проблема искусственного интеллекта
- •3. Основные направления исследований в системах с искусственным интеллектом
- •Лекция 3 знания и данные
- •1. Знания - необходимая компонента ии
- •2. Макрознания и макроидеи
- •3. Данные и знания. Классификация знаний
- •4. Проблемы представления знаний
- •Лекция 4 представление знаний и рассуждений
- •Лекция 5 логические модели представления знаний
- •1. Предварительные замечания
- •2. Логическая модель представления знаний
- •Лекция 6 псевдофизичесие логики
- •1.Нечеткость в представлении знаний
- •2.Нечеткие множества.
- •3. Нечеткие отношения
- •2.Нечеткие выводы
- •3.Построение Функций принадлежности.
- •Лекция 7 псевдофизические логики
- •Нечеткaя логика
- •1. Нечеткая и лингвистическая переменные.
- •2. Нечеткая и лингвистическая логика
- •Лекция 8 псевдофизические логики
- •Нечеткие высказывания. Нечеткие алгоритмы
- •1. Нечеткие высказывания
- •2. Свойства высказываний.
- •3. Правила преобразования высказываний.
- •4. Понятие нечеткого оператора и алгоритма
- •5. Выполнение нечетких алгоритмов.
- •Лекция 9 продукционные модели представления знаний
- •3. Классификация ядер продукции.
- •4. Методы поиска решений
- •5. Методы логического вывода. Дедуктивный вывод
- •3. Повышение эффективности поиска
- •Лекция 10 методы представления и обработки нечетких знаний в продукционных системах
- •1. Представление экспертной информации
- •2. Представление экспертной информации в виде
- •Лекция 11 методы представления и обработки нечетких знаний в продукционных системах
- •1. Нечеткий вывод на основе дедуктивного логического вывода
- •2. Нечеткий вывод на основе индуктивного логического вывода
- •Лекция 12 сетевые семантические модели представления знаний
- •1. Основные понятия семантических сетей
- •Лекция 13 сетевые семантические модели представления знаний
- •4. Модели семантических сетей. Активные семантические сети (м-сети).
- •Лекция 14 фреймы и объекты
- •Лекция 15 сценарии
- •1. Основные определения
- •3. Каузальные сценарии
- •Лекция 16 модели обучения
- •1. Неформальные модели
- •2. Формальные модели
- •3. Обучение по примерам
- •Лекции 17 обучение по примерам
- •1. Итеративные алгоритмы обучения
- •2. Спецификация задач обучения по примерам
- •Библиографический список
2. Нечеткий вывод на основе индуктивного логического вывода
1. Выбор значений параметров на основе нечеткого правила отделения
Рассмотрим случай, когда экспертная информация задается системой нечетких высказываний второго типа L(2). В этом случае задача ПР также заключается в том, чтобы для заданных значений x,y,z... входных параметров X,Y,Z... выбрать значения выходного параметра V. Индуктивная схема вывода (ПР) запишется в виде:
(11.11)
A',
B' - четкие высказывания:;
w'=(x,
y,
z...)
.
Схема вывода(11.11) принципиально отличается от предыдущей.
Так
в схеме (11.6) высказывания о значениях
входных параметров (A' и Aj)
являются предпосылками как в самой
схеме вывода так и внутри системы L(1),
а высказывания о значениях выходных
параметров (B' и Bj)
являются следствиями. В схеме вывода
(11.11) высказывания о значениях входных
параметров являются предпосылкой для
самой схемы (это Aj),
и следствием внутри системы L(2)
(Aj),
а высказывания о значениях выходных
параметров являются следствием для
схемы вывода(11.11) (высказывание B'), но
предпосылкой внутри системы L(2)
(высказывание Bj).
Поэтому для выбора значений выходного
параметра V на основе правила отделения
необходимо преобразовать схему вывода
(11.11) к схеме вывода (11.6). Для этого можно
преобразовать систему L(2)
в эквивалентную ей систему L(1),
используя ПРАВИЛО КОНТРАПОЗИЦИИ.
Согласно этому правилу для произвольных
выражений А и В высказывания "Если
А, то В" и "Если B, то А" эквивалентны,
т.е.
<Если А, то В> = <Если B, то А> (11.12)
Применяя правило контрапозиции к выражениям получаем:
Введя
новые обозначения запишем систему
эталонных высказываний эквивалентную
в следующем виде
Тогда схема вывода (11.11) запишется
,
(11.13) ,
что будет аналогично рассмотренной ранее.
Истинность нечеткого правила отделения для схемы вывода (11.11) запишется в виде:
,
(11.14)
где
степень истинности правила отделения
для заданных значений w=(x,y,z...)
входных параметров X,
Y,
Z,…
и произвольного
значения v
выходного параметра согласно (11.14)
запишется:
или с учетом (11.13) и (11.14)
(11.15)
Т.о.
при заданной системе эталонных логических
высказываний второго типа для значений
x, y, z... входных параметров, значением
выходного параметра V является такое
множество ,для каждого элемента которого
схема вывода (11.11) имеет наибольшую
степень истинности правила отделения.
Свойство
11.1. Для любых значений w и v истинность
нечеткого правила отделения для схемы
вывода (11.11) истинность схемы вывода
(11.16)
совпадают.
[Следует из сравнения (11.16) и (11.6), и выражений (11.4) и (11.5)]
Свойство 11.2. Схемы вывода (11.11) и (11.16) эквивалентны с точки зрения правила отделения. Другими словами, для одних и тех же значений x, y, z... входных параметров X, Y, Z… , схемы вывода (11.11) и (11.16) на основе правила отделения определяют одно и тоже множество рекомендуемых значений выходного параметра V.
2.
Рассмотрим теперь построение алгоритма
определения значений параметров
проектируемого изделия на основе правила
отделения в случае задания ЭИ нечеткой
системой . Для обоснования алгоритма
запишем выражение для степени истинности
в следующем виде:
где
Расположим
в порядке возрастания:
(11.17)
Тогда
(11.18)
Свойство
11.3. Справедливо выражение т.е. при
любом значении выходного параметра V
значение степени истинности правила
для схемы вывода (11.11) не меньше значения
.
Теорема 11.3. Для произвольного значения выражение
(11.19)
справедливо тогда и только тогда, когда справедливо выражение:
(11.20)
На
основании этой теоремы можно построить
следующий итерационный алгоритм А2
определения значений выходного параметра
V при задании экспериментальной информации
в виде системы второго типа.
Определить
;
;
Определить
Если
Если
, то перейти к 14
Идти к 3;
;
Если
, перейти к 11;Если , перейти к 14;
Перейти к 3;
Если
, то 3, иначе 14;
Перейти
к 3;
Конец
3. Пример 11.3
Рассмотрим
пример нахождения множества рекомендованных
значений выходного параметра V. Пусть
и система высказываний те же, что и в
примере 11.1. Система эталонных высказываний
Определим
Согласно
(13.8) для можно записать
.
Эта
функция достигает наибольшего значения
при выполнении следующих условий:
Согласно
функциям принадлежности, приведенным
в примере 11.1 видим, что при ; при или ;
при , откуда получаем при и .
Таким образом, для указанной выше системы высказываний 2-го типа при значениях входных параметров x=14 и y = 27 рекомендуемые значений выходного параметра на основе правила отделения находятся в диапазонах [25-26] и [34-35].
Выбор значений параметров на основе правила отделения при задании экспертной информации нечеткой системой 2-го типа в отличие от системы 1-го типа обладает следующим недостатком: множество рекомендуемых значений в произвольном случае состоит из нескольких отдельных интервалов. Их количество может меняться в пределах от 1 до m+1, где m - число базовых значений лингвистической переменной . В нашем примере 11.11 - их число равно 2.
Данный
результат связан с тем, что алгоритм
выбора решений максимизирует значение
функции , что согласно выражению (11.18)
связано с уменьшением значений , j=1,m. В
силу унимодальности функций уменьшение
их значений возможно как влево, так и
вправо от точки экстремума. Это порождает
указанный недостаток.
