
- •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

Особенности и преимущества подхода на основе нечеткой логики
zВозможность формализации, анализа и обработки
неточной, недоопределенной, противоречивой
исходной информации (в частности, информации, выраженной на естественном языке)
zНаличие математического аппарата для организации
вычислений и логического вывода в условиях такой
информации
zВозможность построения моделей сложных систем
на качественном, понятийном уровне, отражающих
принципы функционирования системы
«Знание некоторых принципов легко возмещает незнание некоторых фактов» Гельвеций
Специальные главы интеллектуальных систем. Установочная лекция |
9 |

Проявления нечеткости информации
zБольшинство понятий реального мира нельзя описать в терминах «стандартной» двузначной логики («да-нет»)
zНаиболее явно это видно на примере шкал, в которых классы обозначаются конструкциями естественного языка («много», «мало», «высокий», «эффективный», «похожий», «примерно равный», «намного больше» и т.д.)
z Нечеткость информации проявляется в следующих аспектах:
zотсутствие четкой, однозначной границы между понятием и его отрицанием
z Философский парадокс «кучи песка»
z невозможность однозначного отнесения объекта к конкретному классу z Рост средний/выше среднего, деловая часть города/спальный район и т.п.
z Более того, исследования по обработке естественного языка и моделированию рассуждений позволили сделать вывод о склонности человека к гранулированию информации
zОсновные понятия, с которыми мы оперируем, получаются в результате группировки объектов или значений по сходству. Число получаемых информационных гранул невелико, и они имеют нечеткие границы
Специальные главы интеллектуальных систем. Установочная лекция |
10 |

В каких случаях возникают нечеткие описания в моделях
zОграничения на ресурсы моделирования не позволяют получить четкую информацию (в принципе существующую), и приходится использовать знания и опыт экспертов, выражаемые ими в словесной форме
z Соответственно, модель оказывается «погруженной» в нечеткую среду
zОграничения на ресурсы не позволяют найти решение задачи формальными методами, но ЛПР его находит, пользуясь своим опытом, который оно может передать другому ЛПР в форме нечетких правил
zПример – парковка автомобиля
zВ данном случае «погруженной» в нечеткую среду оказывается уже не модель, а исходная постановка задачи
zНеобходимость оперировать объектами нечисловой природы в моделях управления и принятия решений
zПримеры: надежность, привлекательность, технологичность
zФактически речь идет о необходимости усиления порядковых шкал
Специальные главы интеллектуальных систем. Установочная лекция |
11 |

«Принцип несовместимости»
zСложность моделируемой системы в первом
приближении обратно пропорциональна точности,
с которой ее можно описать и исследовать
традиционными математическими методами
Вместе с тем, для многих сложных систем можно
построить модели, описывающие их поведение
на уровне не микро-, а макропараметров, т.е. принципов их функционирования, и для ряда
практических ситуаций этого оказывается достаточно
Специальные главы интеллектуальных систем. Установочная лекция |
12 |