- •Введение
- •1. Искусственный интеллект в роботах
- •1.1. Обеспечение взаимодействия системы управления с человеком
- •1.2. Схема интеллектуального управления в робототехнических комплексах
- •1.3. Интеллектуальное программирование и интеллектуальный интерфейс
- •1.4. Организация интеллектуальных систем
- •2. Экспертные системы
- •2.1. Структура экспертных систем
- •2.2. Технология разработки экспертных систем
- •2.3. Механизм вывода в экспертных системах
- •2.4. Методы поиска решений в экспертных системах
- •2.5. Поиск в одном пространстве состояний
- •2.6. Поиск решения методом редукции
- •2.7. Поиск решения во множестве факторизованных пространств
- •2.8. Поиск в фиксированном множестве пространств
- •2.9. Поиск в изменяющемся множестве пространств (метод нисходящего уточнения)
- •2.10. Поиск в альтернативных пространствах
- •2.11. Поиск с использованием нескольких моделей
- •3. Представление знаний в системах
- •3.1. Продукционные системы
- •3.2. Системы поиска на основе классической логики
- •3.3. Использование логики предикатов первого порядка при представлении знаний
- •3.4. Использование фреймов при представлении данных
- •3.5. Семантические сети
- •4. Нейронные сети в системах искусственного интеллекта
- •4.1. Области применения нейронных сетей
- •4.2. Персептронные нейронные сети
- •4.3. Обучение персептронных сетей
- •4.4. Сети встречного распространения
- •4.5. Обучение нейронных сетей методом обратного распространения ошибки
- •4.6. Обучение без учителя
- •4.7. Сети без обучения
- •4.8. Нейронные сети с радиальными базисными функциями (вероятностные сети)
- •4.9. Коллективы нейронных сетей
- •4.10. Аппаратно-программные средства реализации нейронных сетей для задач робототехники
- •2. Использование сетей для распознавания речи
- •3. Использование сетей для формирования законов управления
- •5. Методы нечеткой логики в интеллектуальных системах
- •5.1. Логические операции над нечеткими множествами
- •5.2. Получение выводов в нечеткой логике
- •5.3. Алгоритмы поиска решения в нечеткой логике
- •Заключение
- •Библиографический список
- •394026 Воронеж, Московский просп., 14
5.1. Логические операции над нечеткими множествами
1. Включение (доминирование) AB , означает, что для нечетких подмножеств A и B, входящих в универсальное мно-
55
жество F, справедливо соотношение:
xE: MA(x) MB(x)
2. Равенство A=B , что означает, что для нечетких подмножеств A и B равны функции принадлежности в пределах множества Е: xE: MA(x)=MB(x)
3. Дополнение A=B : MB(x)=1-MA(x)
Операция дополнения действительна, если функция принадлежности не больше 1.
4. Пересечение AB MAB=min(MA, MB)=MAMB
Пересечение случайных подмножеств эквивалентно логической функции “И”, функция принадлежности пересечения определяется как минимум для функций MA и MB
5. Объединение AB MAB=max(MA, MB)=MAMB
Объединение нечетких множеств эквивалентно логической функции “или” и определяется как максимум для функций MA, MB
5.2. Получение выводов в нечеткой логике
Для получения решения в нечеткой логике используются логические выводы, которые базируются на нечетких отношениях /5/. Нечеткие отношения состоят из предпосылки и заключения. Степень связи предпосылкой и заключением часто устанавливается экспертным путем и выражается функцией принадлежности отношения.
Пример: если x есть A,то y есть B.
Для такого нечеткого отношения экспертным путем устанавливается: MA,B=[0, 1] – любое значение от 0 до 1.
Если предметная область представляется наборами многих параметров, то она соответственно представляется множеством нечетких множеств, которые связаны нечеткими отношениями. Поиск решения в совокупности нечетких множеств выполняется в следующей последовательности:
Фаззификация. На этом этапе определяется степень истинности для значений параметров полученных из предметной области, т. е. определяется конкретное значение функции
56
для конкретных параметров.
Логические выводы. На этом этапе для всех предпосылок строятся нечеткие множества для всех заключений (для всех выходных данных). Каждое нечеткое отношение, связывающее входные параметры с выходными, анализируются по величине функции принадлежности и, таким образом, для каждой выходной переменной определяется набор функций принадлежности с учетом определенных значений функций принадлежности входных параметров. Функция принадлежности выходного параметра модифицируется в соответствии с этим набором, обычно по принципу минимизации или усечения. Это означает, что функция принадлежности выходного параметра для каждого значения входного параметра ограничивается уровнем, который определяется по совокупности значений функций принадлежности входных параметров.
x Mx
y My pMp
z Mz
3. Композиция, которая заключается в объединении нечетких множеств, полученных из всех логических правил, в одно нечеткое множеств. Функция принадлежности выходного параметра в этом множестве определяется по максимуму функций принадлежности MP1, MP2, …, определенных для каждого набора входных параметров.
M=max(MPi)
4. Дефаззификация: вычисление конкретного значения выходного параметра.