Методическое пособие 314

Задание целевого вектора:

>> T = [0 0 0 1 1 1];

2. Создание сети.

Сформируем двухслойную сеть с диапазоном изменения входного сигнала от 0 до 5:

>>net = newff([0 5],[2 1],{'tansig','logsig'},'trainbfg'); 3. Тестирование сети:

>>a = sim(net,P)

a =

0.0586 0.0772 0.0822 0.0870 0.1326 0.5901

Выходные сигналы сети, обученной с установками по умолчанию, не соответствуют целевому вектору.

4. Обучение с новыми параметрами.

Обучение сети производится в соответствии с целевым вектором:

>> net = train(net,P,T);

На втором цикле процесс обучения заканчивается. 4. Повторное тестирование сети

>> a = sim(net,P) a =

0.0706 0.1024 0.1474 0.9009 0.9647 0.9655

В данном примере многослойная НС, обученная с установками по умолчанию, показала плохой результат отображения обучающей выборки, но после изменения параметров и повторного обучения сети результат стал приемлемым.

Контрольные вопросы

1.Какие задачи решаются с помощью искусственных нейронных сетей в электроэнергетике?

2.Структура и математическая модель искусственного

нейрона.

51

3.Функции активации нейронов.

4.Особенности логистической сигмоидальной функции активации.

5.Персептрон со многими входами и одним выходом.

6.Однослойный персептрон.

7.Двухслойный персептрон.

8.Q-слойная нейронная сеть.

9.Разбиение гиперпространства с помощью одновходовых персептронов.

10.Разбиение гиперпространства с помощью двухвходовых персептронов.

11.Обучение персептронных сетей.

12.Структурная схема сети Хопфилда и задача, решаемая сетью Хопфилда.

13.Алгоритм функционирования сети Хопфилда.

14.Структурная схема сети Хэмминга и задача, решаемая сетью Хэмминга.

15.Алгоритм функционирования сети Хэмминга.

16.Вероятностная сеть.

17.Коллективы нейронных сетей.

18.Аппаратно-программные средства реализации нейронных сетей для задач электроэнергетики.

19.Функция создания нейронной сети в системе

MATLAB.

20.Функции активации нейронной сети в системе

MATLAB.

21.Подготовка данных для обучения нейронной сети в системе MATLAB.

22.Создание нейронной сети.

23.Обучение нейронной сети.

24.Тестирование нейронной сети.

25.Обучение с новыми параметрами в системе

MATLAB.

26.Повторное обучение сети.

52

3.ЭКСПЕРТНЫЕ СИСТЕМЫ

3.1.Структура и классификация экспертных систем

Экспертные системы (ЭС) разрабатываются в следующих случаях:

1)невозможно создать полную математическую модель предметной области;

2)при наличии модели не удается определить четкую целевую функцию управления;

3)при наличии целевой функции затруднительна алгоритмизация определения ее критериальных точек;

4)при наличии алгоритмов их выполнение требует больших аппаратных и программных затрат или времени.

Классы задач, которые решают ЭС, применяемые в электроэнергетике, следующие: изменение коммутационного состояния; обучение персонала (системы-тренажеры); мониторинг состояния оборудования в реальном масштабе времени; обнаружение неисправностей в оборудовании (диагностика повреждений); планирование и оптимизация режимов работы; системы-советчики оператора; системы проектирования [10].

3.1.1. Определение и структура экспертной системы

Экспертные системы – системы, базирующиеся на знаниях, которые предоставляют эксперты, т.е. специалисты в предметной области (в данном случае, в области электроэнергетики) [6]. Отсюда следует, что ЭС являются системы с неопределенными данными. Поскольку, во-первых, объем знаний эксперта о предметной области может быть недостаточен, во-вторых, знания эксперта субъективны.

При разработке ЭС в составе группы разработчиков должны присутствовать специалисты по предметной области (эксперты), инженеры по знаниям и традиционные программисты. Задача экспертов – создать максимально полное описание предметной области.

Инженеры по знаниям – специалисты по инструментальным средствам представления описания предметной об-

53

ласти, под которыми понимаются символьные языки и средства работы с этими языками. При этом реальное описание предметной области заменяется формальным, в котором возможно выполнение логических операций преобразования. Задача инженеров по знаниям состоит в систематизации знаний, выделении основных признаков в массиве знаний, выборе символьного языка и основных процедур обработки данных.

Традиционные программисты на стандартных языках исполняют программы, поддерживающие символьный язык.

ЭС в общем случае представляют собой продукционные системы [6]. В продукционной системе данные представляются в символьном виде, набор символов составляет алфавит системы. С помощью символов составляются описания. В зависимости от принятого способа представления данных символьное описание состоит или из последовательных символов, или символов, объединенных логическими связками.

Обработка символьных данных состоит в преобразовании символьного описания. Это действие называется продукцией. Продукция представляется как XiW WYi. Это означает, что если в некотором описании Y присутствует последовательность символов Xi, то продукция состоит в исключении Xi из Y и в присоединении к оставшейся части Yi . Например, если Y:abc, то продукция abW Wd представляет Y:cd (приводит к модификации Y:cd).

Продукции поддерживаются правилами преобразования описания, которые называются продукционными. Таким образом, продукционная система включает в себя набор описаний (данных), набор продукционных правил и интерпретатор, т.е. имеет вид:

где B – база данных;

R – продукционные правила или база знаний; I – интерпретатор.

Интерпретатор представляется в виде [6]:

54

Рассмотрим последовательность действий интерпретатора.

На шаге V осуществляется выборка данных и знаний. Эта выборка может выполняться тривиально, т.е. последовательным выбором всех данных и всех правил, или по определенным формальным признакам.

На шаге S осуществляется сопоставление выбранных данных и правил, т.е. выявляется, к каким данным какие правила можно применить. Создаются активные пары "данные – правила", которые используются на следующих шагах.

На шаге K выполняется разрешение конфликтов, при котором определяется последовательность работы с активными парами. Эта последовательность задается механизмом вывода (стратегией поиска).

При установленном порядке обработки данных начинается стадия W, т.е. выполнение. В результате выполнения образуется набор новых описаний, с которым интерпретатор повторяет все шаги работы, и так до тех пор, пока не будет получено решение или выявлено, что его не существует.

В состав экспертной системы входят компоненты, обеспечивающие принятие решений, исполнение экспертной системы и общение с экспертами и пользователями (рис. 3.1).

ОК ДК КПЗ

Рис. 3.1. Структура статической экспертной системы [6]

55

Ядро системы – интеллектуальный решатель ИР, представляющий собой многопроцессорную систему, обеспечивающую работу с базой данных, решение задач поиска и информационное взаимодействие с внешним миром.

Преобразование информации выполняется через рабочую память РП, которая связана с базой данных через интерфейс ИБД.

В базе знаний БЗ размещаются решающие правила, которые определяют последовательность обработки данных в ИР. Здесь же могут размещаться метазнания, которые указывают последовательность применения решающих правил.

Для общения с внешним миром в системе присутствуют следующие компоненты.

1.Компонент приобретения знаний КПЗ. Этот компонент обеспечивает наполнение системы данными и знаниями. Его основа – символьные языки и программные средства их поддержки.

2.Диалоговый компонент ДК. С помощью этого компонента обеспечивается диалог между пользователем и системой. Средства ДК обеспечивают представление информации для пользователя в понятиях предметной области.

3.Объяснительный компонент ОК. Этот компонент – средство представления пользователю сведений о том, почему экспертная система принимает то или иное решение.

Представленная структура является статической экспертной системой, т.к. предназначена для работы в неизменяемой предметной области. Пополнение базы данных или базы знаний может выполняться по инициативе пользователя

спривлечением экспертов.

3.1.2. Классификация экспертных систем

Рассмотрим различные способы классификации ЭС [6]. По назначению экспертные системы делятся на:

ЭС общего назначения;

56

специализированные ЭС:

1)проблемно-ориентированные для задач диагностики, проектирования, прогнозирования;

2)предметно-ориентированные для специфических задач, например, контроля ситуаций на атомных электростанциях.

По степени зависимости от внешней среды выделяют:статические ЭС, не зависящие от внешней среды;динамические ЭС, учитывающие динамику внешней

среды и предназначенные для решения задач в реальном времени. Время реакции в таких системах измеряется в миллисекундах, и эти системы реализуются, как правило, на языке С++.

По типу использования различают:

изолированные ЭС;

ЭС на входе/выходе других систем;

гибридные ЭС или, иначе говоря, экспертные системы, интегрированные с базами данных и другими программными продуктами (приложениями).

По сложности решаемых задач различают:

простые ЭС – до 1000 простых правил;

средние ЭС – от 1000 до 10000 структурированных

правил;

сложные ЭС – более 10000 структурированных правил. По стадии создания выделяют следующие экспертные

системы:

исследовательский образец ЭС, разработанный за 1-2 месяца с минимальной базой знаний;

демонстрационный образец ЭС, разработанный за 2-4 месяца, например, на языке типа LISP, PROLOG, CLIPS;

промышленный образец ЭС, разработанный за 4-8 месяцев, например, на языке типа CLIPS с полной базой знаний;

коммерческий образец ЭС, разработанный за 1,5-2 года, например, на языке типа С++, Java с полной базой знаний.

57

3.2.Технология разработки и механизм вывода

вэкспертных системах

3.2.1.Этапы разработки экспертных систем

Информация для экспертной системы поступает из предметной области ПО. Разработка экспертной системы для конкретной ПО состоит из нескольких унифицированных этапов (рис. 3.2). Первый из них – идентификация И. На этом этапе рассматривается предметная область и определяется целесообразность и возможность создания экспертной системы.

ПО

ПФ И

Т ОЭ

ПФ

ПК

К Ф В

Рис. 3.2. Этапы разработки экспертной системы [6]

Целесообразность определяется степенью неопределенности предметной области. Если предметная область может быть четко формализована в виде алгоритмической или математической модели, то ЭС создавать нецелесообразно.

Возможность создания ЭС определяется наличием экспертов и предварительной оценкой представления ПО в виде символьных описаний.

При положительном решении формируется группа разработки проекта, которая начинает работу с этапа концептуализации К. При этом выбирается символьный язык и систематизируется предметная область, т.е. выявляются основные ее понятия (признаки).

После этого осуществляется формализация Ф. При формализации Ф систематизированные признаки предметной области представляются в символьном виде и разрабатывают-

58

ся или предлагаются правила работы с символьными представлениями.

После формализации Ф на этапе выполнения В экспертная система наполняется знаниями, т.е. сведениями в символьном представлении, которые описывают различные ситуации (свойства) предметной области. Здесь же символьные данные описываются средствами программирования вычислительных систем.

По завершении этапа выполнения В система готова для использования; до передачи ее конечному пользователю выполняется тестирование Т и опытная эксплуатация ОЭ.

При тестировании Т разработчиками проекта системе предлагаются различные наборы данных с известными решениями. Контролируются правильность принятия решений и последовательность их поиска.

При опытной эксплуатации ОЭ системе предлагаются реальные задачи ПО, и оценивается объективность решения с контролем последовательности его принятия.

По результатам тестирования Т и опытной эксплуатации ОЭ принимается решение о степени готовности системы.

При отрицательном решении может выполняться переформулирование ПФ поставленной задачи на этапах идентификации И и концептуализации К и (или) переконструирование ПК на этапе формализации Ф. При положительном выводе о готовности системы она передается конечному пользователю.

Обычно разработка систем выполняется как разработка прототипов, т.е. не ставится задача разработки сразу системы с полным объемом знаний.

Для начала на этапах идентификации И и концептуализации К выбираются наиболее существенные признаки ПО, и система разрабатывается и тестируется только в объеме этих признаков. В дальнейшем в систему добавляется новый объем признаков, создается второй прототип и так далее до исчерпания всех известных признаков.

59

3.2.2. Механизм вывода в экспертных системах

При принятии решения сначала выполняется выборка Выб. (рис. 3.3). При выборке из рабочей памяти РП извлекаются данные, а из базы знаний БЗ правила.

РП В

Выб. Соп. РК

Рис. 3.3. Последовательность вывода в экспертных системах [6]

Все извлекаемые данные и знания анализируются на возможность применения при решении. В результате чего создается набор активных модулей АМ.

Далее модули из набора сопоставляются (Соп.). При сопоставлении создаются пары или тройки из данных и правил, т.е. выбираются данные и правила, которые к этим данным можно применить. Результат сопоставления – набор конфликтных модулей КМ.

Модули конфликтны в том смысле, что поиск решения может начинаться с любого из них. Выбор последовательности работы с КМ осуществляется при разрешении конфликтов

РК.

Полученный означенный модуль ОМ далее выполняется (этап В). В результате модифицируется рабочая память РП (изменяются данные).

В дальнейшем механизм вывода может работать или в стадии разрешения конфликтов РК до перебора всех конфликтных модулей или запускаться по полному циклу с учетом модификации базы данных (рабочей памяти РП).

60