- •9. Этапы проектирования базы данных.
- •10. Реляционная модель данных.
- •11.Теория нормальных форм. Функциональные зависимости.
- •12. Ограничения целостности.
- •13.Общее понятие документальных информационных систем
- •14.Основные показатели эффективности функционирования документальных информационных систем.
- •15.Классификационные информационно-поисковые языки
- •16. Дескрипторные информационно-поисковые языки.
- •17. Распределенные базы данных
- •18.Технологии распределенной обработки информации
- •19. Аппаратное обеспечение информационных систем. Устройства ввода информации.
- •20. Аппаратное обеспечение информационных систем. Устройства обработки информации.
- •21. Аппаратное обеспечение информационных систем. Устройства хранения информации.
- •22. Аппаратное обеспечение информационных систем. Устройства вывода информации.
- •23. Программное обеспечение информационных систем.
- •24. Основные понятия искусственного интеллекта.
- •25.Модели представления знаний. Логические модели.
- •26. Модели представления знаний. Продукционные модели.
- •27.Модели представления знаний. Семантические сети.
- •Семантические сети или сетевые модели знаний
- •28.Модели представления знаний. Фреймовые модели.
- •29. Модели представления знаний. Модели на основе теории нечетких множеств.
- •Нечёткая логика
- •30. Общее понятие экспертной системы.
- •Ресурсы телекоммуникационных сетей.
- •Глобальные компьютерные сети.
- •39. Общее понятие гис
- •40. Виды гис
- •41. Организация пространственных данных в геоинформационных системах.
- •42. Решение аналитических задач с использованием геоинформационных систем.
- •43. Безопасность информационной системы.
- •44. Организационные средства защиты информации.
- •45. Аппаратные и программные средства защиты.
- •46. Криптографическое закрытие информации.
- •47. Защита информации от компьютерных вирусов.
- •48. Физические средства защиты.
29. Модели представления знаний. Модели на основе теории нечетких множеств.
Использование теории нечетких множеств в представлении знаний
При попытке формализовать человеческие знания исследователи столкнулись с проблемой, затруднявшей использование традициейного математического аппарата для их описания. Существует целый класс описаний, оперирующих качественными характеристиками объектов (много, мало, сильный, очень сильный и т. п.). Эти характеристики обычно размыты и не могут быть однозначно интерпретированы, однако содержат важную информацию.
В задачах, решаемых интеллектуальными системами, часто приходится пользоваться неточными знаниями, которые не всегда могут иметь четкие значения истинности.
В начале 70-х американский математик Лотфи Заде предложил формальный аппарат нечеткой (fuzzy) алгебры и нечеткой логики. Позднее это направление получило широкое распространение и положило начало одной из ветвей искусственного интеллекта под названием мягкие вычисления . Л. Заде ввел одно из главных понятий в нечеткой логике — понятие лингвистической переменной.
Теория нечётких множеств (Заде) — это расширение классической теории множеств, используется в нечёткой логике. Впервые предложена Лотфи Заде в 60-х годах XX века.
В классической теории множеств принадлежность элементов множеству оценивается в бинарных терминах в соответствии с чётким условием — элемент либо принадлежит, либо нет данному множеству. Напротив, теория нечётких множеств разрешает градуированную оценку отношения принадлежности элементов множеству; то есть это отношение описывается при помощи функций принадлежности (u— >0,1 ). Нечёткие множества — это расширение классической теории множеств, поскольку на некотором множестве функция принадлежности может действовать так же, как ииндикаторная функция , отображая все элементы либо в 1, либо в 0, как в классическом варианте.
Лингвистическая переменная (ЛП) — это переменная, значение которой определяется набором словесных характеристик некоторого свойства.
Например, ЛП «ветер» определяется через набор {слабый, умеренный, сильный, очень сильный}. Значения лингвистической переменной определяются через так называемые нечеткие множества.
Нечеткое множество определяется через некоторую базовую шкалу Ви функцию принадлежности нечеткому множеству m(х),xÎ В, принимающую значения на интервале [0...1]. Таким образом, нечеткое множествo В —это совокупность пар вида (х,m(х), где),xÎ В.
Функция принадлежности определяет субъективную степень уверенности эксперта в том, что данное конкретное значение базовойшкалы соответствует определяемому нечеткому множеству.
Теория нечётких множеств (Заде)— это расширение классической теории множеств, используется в нечёткой логике. Впервые предложена Лотфи Задев 60-х годах XX века.
В классической теории множеств принадлежность элементов множеству оценивается в бинарных терминах в соответствии с чётким условием — элемент либо принадлежит, либо нет данному множеству. Напротив, теория нечётких множеств разрешает градуированную оценку отношения принадлежности элементов множеству; то есть это отношение описывается при помощифункции принадлежности (u— >0,1 ). Нечёткие множества — это расширение классической теории множеств, поскольку на некотором множестве функция принадлежности может действовать так же, как индикаторная функция, отображая все элементы либо в 1, либо в 0, как в классическом варианте.
Нечёткое множество B, где B = {(3,0.3), (4,0.7), (5,1), (6,0.4)} в стандартных обозначениях теории нечётких множеств обычно записывается как B = {0.3/3, 0.7/4, 1/5, 0.4/6}. Заметим, что произвольное значение со степенью принадлежности нуль zero не появляется в этом выражении нечёткого множества. Стандартное обозначение для степени принадлежности нечёткому множеству B значения 6 выглядит так: μB(6) = 0.4.