5336
.pdfМинистерство образования и науки Российской Федерации Государственное образовательное учреждение
высшего профессионального образования «Хабаровская государственная академия экономики и права»
Кафедра информационные системы в экономике
ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ
Лабораторный практикум для студентов IV курса специальности 080801 «Прикладная информатика в экономике» очной формы обучения
Хабаровск 2010
4
ББК З
Х12
Интеллектуальные информационные системы : лабораторный практикум для студентов IV курса специальности 080801 «Прикладная информатика в экономике» очной формы обучения / сост. Л. Я. Матюхина, М. С. Сорыч. – Хабаровск : ХГАЭП, 2010. – 92 с.
Рецензент В.Д. Хан канд. физ.-мат.наук, доцент кафедры прикладной математики, ТОГУ
Утверждено издательско-библиотечным советом академии в качестве лабораторного практикума для студентов
Матюхина Людмила Яковлевна
Сорыч Михаил Сергеевич
ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ
Лабораторный практикум для студентов IV курса специальности 080801 «Прикладная информатика в экономике»
очной формы обучения
Редактор Г. С. Одинцова
Подписано в печать ________. Формат 60х84 / 60. Бумага писчая. Печать офсетная. Усл. п.л. 5,3 Уч.-изд.л. 3,8 Тираж 50 экз. Заказ № ___.
680042, г. Хабаровск, ул. Тихоокеанская, 134, ХГАЭП © Хабаровская государственная академия экономики и права, 2010
3
Содержание
Введение……………………………………………………………………………….4
1.Программа дисциплины «Интеллектуальные информационные системы» ...…5
2.Лабораторный практикум………………………………………………………….6
2.1.Лабораторная работа 1. Выбор конкурентоспособного товара методом нечеткого отношения предпочтения…………………………………………...……6
2.2.Лабораторная работа 2. Принятие решений в условиях риска при проведении экспериментов с учётом их стоимости (Байесовский подход)…………………...18
2.3.Лабораторная работа 3. Изучение свойств линейного нейрона и линейной нейронной сети………………………………………………………………………26
2.4.Лабораторная работа 4. Изучение многослойного нелинейного персептрона и алгоритма обратного распространения ошибки…………………………….…...47
2.5.Лабораторная работа 5. Изучение радиальных, вероятностных нейронных сетей, сетей регрессии……………………………………………………………….54
2.6.Лабораторная работа 6. Изучение сетей Кохонена и алгоритма обучения без учителя………………………………………………………………………………..66
2.7.Лабораторная работа 7. Генетические алгоритмы…………………...….……80
Библиографический список…………………………………………………………87
Приложение А – Методы представления знаний………………………………….89
4
Введение
Лабораторный практикум состоит из семи лабораторных работ по мягким вычислениям. Для выполнения этих работ используется программный пакет MATLAB 6.5 . С момента введения Л. Заде, термин « мягкие вычисления» интерпретируется как нечёткие системы, нейронные сети и генетические алгоритмы, а его аналог «вычислительный интеллект» определяет развитие искусственного интеллекта в ХХI веке. Мягкие интеллектуальные системы, такие как нечёткие нейронные сети с генетической настройкой параметров, обладают свойствами обучаемости, самоадаптации и позволяют управлять неопределённостью.
Вработе приведена программа дисциплины « Интеллектуальные информационные системы» для студентов специальности 080801 « Прикладная информатика в экономике».
Влабораторной работе 1 рассматриваются основы теории нечётких множеств и конкретный пример применения нечёткого отношения предпочтения.
Влабораторной работе 2 рассматривается механизм логического вывода в системах байесовского типа и формула Байеса для получения новой информации.
Влабораторных работах с 3 по 6 рассматривается теория нейронных сетей
иеё реализация в программе MATLAB 6.5. Изучается структура однослойных и многослойных нейронных сетей, реализовывается процесс обучения нейронной сети; выясняются вопросы линейной разделимости и неразделимости; рассматривается обучающий алгоритм обратного распространения; сети встречного распространения и среди них сети Кохонена, Гроссберга, а также применения сетей для решения экономических задач.
Лабораторная работа 7 посвящена генетическим алгоритмам, рассматривается оптимизационная задача, которая решается с помощью генетических вычислений, а также базовые операторы стандартного генетического алгоритма и эволюционных стратегий.
Во всех лабораторных работах формулируются индивидуальные задания для студентов.
Вприложении рассматривается понятие «знание» и его связь с понятиями «информация» и «данные». Приводится классификация знаний и классификация методов представления знаний.
Вбиблиографическом разделе дан список источников основной и дополнительной литературы и адреса сайтов.
5
1. Программа дисциплины «Интеллектуальные информационные системы»
Тема 1. Основные понятия ИИС
Информационные объекты и процессы. Основные свойства ИИС. Классификация ИИС. Основные классы информационных технологий, ориентированных на знания.
Тема 2. Экспертные системы (ЭС)
Развитие ЭС. Составные части ЭС: база знаний, механизм вывода, механизмы приобретения и объяснения знаний, интеллектуальный интерфейс. Методика создания ЭС. Применение ЭС. Статические и динамические ЭС. Этапы проектирования ЭС.
Тема 3. Знания. Базы знаний
Организация базы знаний. Предметное (фактуальное) и проблемное (операционное) знания. Декларативная и процедурная формы представления знаний. Методы представления знаний. Логический и эвристический методы рассуждения в ИИС. Нечёткий вывод знаний. Приобретение знаний. Извлечение знаний из данных. Машинное обучение на примерах.
Тема 4. Нейронные сети (НС)
Модель нейрона. Моделирование нейронов мозга. Задачи нейронных сетей. Обучение однослойных НС. Радиально-базисные НС. Нейронные сети регрессии. Вероятностные НС.
Тема 5. Генетические алгоритмы (ГА)
Стандартный ГА. Применение ГА. Разновидности ГА. Анализ применимости ГА для решения задач оптимизации.
Тема 6. Мультиагентные системы (МС)
Гетерогенные сети. Понятие «агент». Свойства агентов: реактивность, актив, коммуникативность, автономность, рассудительность. Модели поведения агентов. МС с большим числом агентов, их особенности и архитектура. Применение МС.
Тема 7. Проектирование интеллектуальной информационной системы
Вопросы идентификации, концептуализации, формализации знаний, реализации, тестирования и опытной эксплуатации ИИС. Категории участников процесса проектирования.
6
2. Лабораторный практикум
2.1. Лабораторная работа 1
Тема: Выбор конкурентоспособного товара методом нечёткого
отношения предпочтения
Цель работы – научиться строить информационные модели, основанные на теории нечётких множеств и нечёткой логике.
Теоретические сведения
В многочисленных работах по теории нечётких множеств встречаются различные определения и разнообразные обозначения для нечётких множеств. В
данной работе будет использоваться математическое определение.
Нечёткое множество – это множество упорядоченных пар (кортежей) вида:
A = { < x, A (x) > },
где х – элемент некоторого универсального множества Х;
A (x) − функция принадлежности, которая отображает Х на [ 0,1].
Нечёткие множества задаются либо перечислением всех элементов с указанием соответствующих значений функции принадлежности, либо в аналитической форме для функции принадлежности. В составе пакета MATLAB
содержится 11 встроенных типов функций принадлежности. Они сформированы на основе кусочно-линейных функций, кривых Гаусса, сигмоидной кривой,
квадратичных и кубических полиномиальных кривых. К наиболее простым и распространённым относятся треугольные ( trimf ) и трапециевидные ( trapmf).
Эти функции используются для задания таких свойств множеств, которые характеризуют неопределённость типа: «приблизительно равно», « среднее значение», « расположен в интервале», « подобен объекту», « похож на предмет».
Для неопределённостей типа «малое количество», «незначительная величина», « низкий уровень цен», « низкая себестоимость продукции» используются Z-образные функции принадлежности. S-образные функции и их линейные аналоги используются в случаях неопределённостей типа «большое
7
значение», « высокий уровень дохода», « высока норма прибыли», « высокое качество услуг».
Для нечётких множеств определены операции пересечения,
объединения, разности, симметрической разности, дополнения и др.
Обобщением операций пересечения и объединения являются функции Т (x, y) и S (x, y). К широко известным Т-нормам относятся:
|
|
|
|
|
|
0, |
если max( x, y) 1 |
|
ограниченное произведение T (x, y) = |
|
min( x, y), |
если max( x, y) 1 |
|||||
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
усиленная сумма T (x,y) = max ( 0, x+ y-1), |
|
|
|
|||||
произведение Эйнштейна |
T (x, y) = x∙y/ [ 1+ (1-x) ∙ ( 1-y)], |
|||||||
алгебраическое произведение T (x, y) = x∙y, |
|
|
|
|||||
произведение Гамахера T (x, y ) = x∙y/ [ 1- ( 1-x) ∙ |
( 1-y)] и |
|||||||
минимум T (x, y) = min (x , y). |
|
|
|
|
|
|
||
Для S-конорм это функции: |
|
|
|
|
|
|
|
|
Максимума S (x, y ) = max ( x, y ), |
|
|
|
|
|
|||
Сумма Гамахера S (x, y) = 1- ( 1-x) ( 1-y)/ ( 1 –x∙y), |
||||||||
Алгебраическая сумма S (x, y) = 1 – (1 –x) (1 –y), |
|
|||||||
Сумма Эйнштейна |
S (x, y) = 1 – (1 – x) ( 1 – y)/ ( 1+ x∙y), |
|||||||
Усиленная разность |
S ( x, y ) = min ( 1, x+y) |
и |
|
|||||
|
|
|
|
1, если |
min( x, y) 0 |
|||
Ограниченная сумма S ( x, y ) = |
max( x, y), |
если |
min( x, y) 0 |
|||||
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Особое значение в нечётком моделировании имеют бинарные нечёткие отношения. Под нечётким отношением R на декартовом произведении X1×X2
понимают любое подмножество этого декартова произведения. В данной работе используется нечёткое отношение предпочтения, для которого функция принадлежности определяется по формуле
|
|
R |
(a |
, a |
j |
) |
R |
(a |
j |
, a |
), если |
R |
(a |
, a |
j |
) |
R |
(a |
j |
, a |
) |
R (ai , a j ) = |
|
i |
|
|
|
i |
|
i |
|
|
|
i |
. |
||||||||
|
|
|
|
|
0, в |
|
противном |
случае |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
8
Теоретическим базисом нечёткого логического вывода является операция импликации. Запись X→Y в случае нечёткой импликации определяется через соотношение значений степени принадлежности следствия ( X) и причины ( Y ).
В данном методе используется импликация Лукасевича для правил с одним
выходом: R (1 (1 A (u) B ( )))/(u, ) .
U V
Самостоятельная работа
Выбрать 5 альтернатив определённого товара и 9 критериев,
характеризующих свойства этого товара. Для каждой альтернативы по каждому критерию определить нечёткие переменные и провести их фаззификацию.
Методом нечёткого отношения предпочтения выбрать лучшую альтернативу.
Отчёт по самостоятельной работе должен быть оформлен на листах формата А4 и содержать графики функций принадлежности нечётких множеств,
необходимые расчёты и выводы.
Пример выполнения Лабораторной работы 1
Выбор конкурентоспособного товара методом нечёткого отношения
предпочтения
Рассмотрим задачу выбора рациональной марки автомобиля из числа,
представленных с учётом наиболее важных для конкретного пользователя критериев оценки качества.
Проанализируем 5 альтернатив: a1 – Nissan Teana , a2 – BMW X6, a3 – Honda Legend, a4 – Jaguar S-Type 4,2, a5 – Aston Martin V12 Vanquish S.
Для оценки альтернатив используем 10 критериев качества (таблица 1).
Таблица 1 – Значения критериев качества
|
|
|
|
Jaguar |
Aston |
|
Nissan |
BMW |
Honda |
S-Type |
Martin V12 |
|
Teana |
X6 |
Legend |
4,2 |
Vanquish S |
1 |
2 |
3 |
4 |
5 |
6 |
Вес (т) |
1,581 |
2,165 |
1,864 |
1,735 |
1,875 |
Разгон до 100 км/ч |
|
|
|
|
|
(сек) |
7,2 |
5,4 |
7,3 |
6,5 |
4,8 |
Количество пас.мест |
5 |
4 |
5 |
4 |
4 |
Максимальная |
|
|
|
|
|
скорость (км/ч) |
210 |
258 |
250 |
253 |
321 |
9
продолжение таблицы 1
1 |
2 |
3 |
4 |
5 |
6 |
Цена (тыс.дол) |
19,5 |
90 |
69 |
104 |
330 |
Объем двигателя |
|
|
|
|
|
(куб/см) |
3498 |
4395 |
3500 |
4196 |
5935 |
Расход топлива на 100 |
|
|
|
|
|
км (л) |
10,2 |
12,5 |
11,9 |
11,5 |
16,2 |
Мощность двигателя |
|
|
|
|
|
(л.с.) |
249 |
407 |
295 |
300 |
528 |
Год выпуска |
2007 |
2008 |
2006 |
2004 |
2005 |
Количество цилиндров |
|
|
|
|
|
в двигателе (шт) |
6 |
8 |
6 |
8 |
12 |
Определим нечёткие переменные F1 - F10
F1 – Малый вес автомобиля, на базовом множестве [1.5; 2.1], функция принадлежности данной переменной см. на рисунке 1;
1 |
|
|
|
|
|
|
|
|
0.9 |
|
|
|
|
|
|
|
|
0.8 |
|
|
|
|
|
|
|
|
0.7 |
|
|
|
|
|
|
|
|
0.6 |
|
|
|
|
|
|
|
|
0.5 |
|
|
|
|
|
|
|
|
0.4 |
|
|
|
|
|
|
|
|
0.3 |
|
|
|
|
|
|
|
|
0.2 |
|
|
|
|
|
|
|
|
0.1 |
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
1.5 |
1.6 |
1.7 |
1.8 |
1.9 |
2 |
2.1 |
2.2 |
2.3 |
|
|
|
trimf(x, P), P= [1 1.5 2.1] |
|
|
|
||
Рисунок 1 − Вес (т) автомобиля должен быть минимальным [1.5; 2.1] − F1
F2 – Желательный разгон автомобиля в пределах 6 секунд, на базовом множестве [4; 8], функция принадлежности см. на рисунке 2;
|
|
|
|
|
10 |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
0.9 |
|
|
|
|
|
|
|
|
|
0.8 |
|
|
|
|
|
|
|
|
|
0.7 |
|
|
|
|
|
|
|
|
|
0.6 |
|
|
|
|
|
|
|
|
|
0.5 |
|
|
|
|
|
|
|
|
|
0.4 |
|
|
|
|
|
|
|
|
|
0.3 |
|
|
|
|
|
|
|
|
|
0.2 |
|
|
|
|
|
|
|
|
|
0.1 |
|
|
|
|
|
|
|
|
|
0 |
4 |
4.5 |
5 |
5.5 |
6 |
6.5 |
7 |
7.5 |
8 |
Рисунок 2 − Разгон до 100 км/ч желательно меньше 6 сек [4; 8] − F2
F3 – количество пассажирских мест должно быть равно пяти, функция принадлежности данной переменной см. на рисунке 3;
Рисунок 3 − Количество пас. мест должно быть 5 − F3
F4 – средняя скорость, на базовом множестве [200; 340], функция принадлежности данной переменной см. на рисунке 4;