
- •Специальные главы интеллектуальных систем
- •О дисциплине «Специальные главы интеллектуальных систем»
- •Содержание
- •Содержание
- •Мягкие вычисления vs. «традиционный» («классический») искусственный интеллект
- •Основные составляющие мягких вычислений
- •Вычислительный интеллект как развитие парадигмы мягких вычислений
- •Содержание
- •Особенности и преимущества подхода на основе нечеткой логики
- •Проявления нечеткости информации
- •В каких случаях возникают нечеткие описания в моделях
- •«Принцип несовместимости»
- •Нечеткая логика – общая характеристика
- •Нечеткие множества – общая идея
- •Формальное определение нечеткого множества
- •Примеры непрерывных нечетких множеств (1)
- •Примеры непрерывных нечетких множеств (2)
- •Примеры формализации нечетких понятий
- •Субъективность функции принадлежности
- •Отличие нечеткости от случайности
- •Методы задания функций принадлежности нечетких множеств
- •Характеристики нечеткого множества
- •Характеристики нечеткого множества: высота
- •Характеристики нечеткого множества: носитель
- •Характеристики нечеткого множества: ядро
- •Монотонность множеств уровня относительно вложения
- •Включение и равенство нечетких множеств
- •Выпуклость нечетких множеств
- •Нечеткое разбиение
- •Ортогональное нечеткое разбиение («разбиение единицы»)
- •Базовые операции над нечеткими множествами (вариант реализации)
- •Понятие лингвистической переменной
- •Формальное определение лингвистической переменной
- •Атомарные и составные термы
- •Формализация атомарных и составных термов
- •Пример формализации составного терма
- •Содержание
- •Вывод в классической логике vs. нечеткий логический вывод (1)
- •Вывод в классической логике vs. нечеткий логический вывод (2)
- •Общее понятие нечеткой системы
- •Базовая структура нечеткой системы
- •База правил
- •Механизм вывода
- •Пример: балансирование перевернутого маятника
- •Задача о маятнике: лингвистические переменные для входных и выходного параметров
- •Задача о маятнике: система нечетких правил
- •Схема приближенных рассуждений Мамдани
- •Задача о маятнике: пример вывода на основе схемы Мамдани (1)
- •Задача о маятнике: пример вывода на основе схемы Мамдани (2)
- •Операция приведения к четкости (скаляризация, дефаззификация)
- •Схема приближенных рассуждений Такаги-Суджено
- •Особенности схемы Такаги-Суджено
- •Использование схемы Такаги-Суджено для аппроксимации функций
- •Нечеткие системы как универсальные аппроксиматоры
- •Общий принцип нечеткого управления
- •Преимущества нечетких систем управления
- •Содержание
- •Примеры промышленных приложений нечетких систем (1)
- •Примеры промышленных приложений нечетких систем (2)
- •Система кондиционирования с нечеткой логикой Mitsubishi
- •Управление работой стиральной машины (Hitachi, Mitsubishi)
- •Система сортировки столовых приборов
- •Нечеткий процессор WARP (Weight Associative Rule Processor), SGS-Thomson
- •Новые, перспективные приложения нечеткой логики
- •Содержание
- •Программные средства поддержки нечетких и нейро-нечетких систем
- •«Классическая» литература по нечеткой логике
- •Современная литература по нечеткой логике
- •Некоторые интернет-ресурсы по нечеткой логике

Мягкие вычисления vs. «традиционный» 



(«классический») искусственный интеллект



Искусственный интеллект
«Традиционный» ИИ
z символьное представление и обработка информации (знаний);
z моделирование рассуждений на основе логического вывода (дедукция, индукция, аргументация, рассуждения по аналогии и т.д.)
z использование классических методов поиска, традиционных, структур данных и алгоритмов обработки символьной информации
Мягкие вычисления
(Soft Computing)
z Основная идея – создание интеллектуальных вычислительных моделей и методов, которые:
z ориентированы на обработку неточной, неопределенной, частично истинной информации;
z базируются на определенных аналогиях из реального мира
z Представление знаний является не чисто символьным, а символьночисловым или числовым
Специальные главы интеллектуальных систем. Установочная лекция |
5 |

Основные составляющие мягких вычислений
Направление |
Сфера применения |
|
|
|
|
Нечеткая логика |
Обработка неточной, недоопределенной, |
|
противоречивой информации, |
||
(Fuzzy Logic) |
||
моделирование приближенных рассуждений |
||
|
||
Искусственные нейронные |
Распознавание, обучение, адаптация |
|
сети (Artificial Neural Networks) |
||
Эволюционные вычисления |
Оптимизация и поиск в пространствах |
|
(Evolutionary Computing) |
большой размерности, обучение |
|
Вероятностные рассуждения |
Обработка информации и моделирование |
|
рассуждений в условиях вероятностной |
||
(Probabilistic Reasoning) |
||
неопределенности |
||
|
||
|
|
Достаточное внимание уделяется также построению гибридных моделей на основе
совместного использования нескольких направлений, в целях взаимной компенсации их недостатков и объединения преимуществ. Примеры гибридных моделей:
•Нейро-нечеткие сети (Neuro-Fuzzy Networks)
•Нейронные и нейро-нечеткие сети с эволюционной настройкой и др.
Специальные главы интеллектуальных систем. Установочная лекция |
6 |

Вычислительный интеллект как развитие парадигмы мягких вычислений
zРазвитие парадигмы мягких вычислений привело к появлению более широкого направления,
называемого вычислительным интеллектом
(Computational Intelligence)
zНаряду с четырьмя основными направлениями мягких вычислений, в состав вычислительного интеллекта принято включать:
zнелинейную динамику
zфрактальный анализ
zтеорию хаоса
zкогнитивные модели и др.
Специальные главы интеллектуальных систем. Установочная лекция |
7 |

Содержание
zО мягких вычислениях
zТеоретические основы нечеткой логики
zВведение в нечеткие системы
zНечеткое моделирование и управление
zПриложения нечетких систем
zПрограммные средства, литература, Интернет-ресурсы по нечеткой логике
Специальные главы интеллектуальных систем. Установочная лекция |
8 |