- •Введение
- •Глава 1 системы, основанные на знаниях
- •1.1. История создания искусственного интеллекта
- •1.2. Процесс мышления
- •1.3. Основные понятия и классификация систем, основанных на знаниях
- •1.4. Экспертные системы как элемент искусственного интеллекта
- •1.5. Теоретические аспекты извлечения знаний
- •1.6. Коммуникативные методы извлечения знаний
- •1.7. Текстологические методы извлечения знаний
- •Глава 2 модели представления знаний
- •2.1. Представление знаний и выводы в экспертных системах
- •2.2. Модель представления знаний средствами логики предикатов первого порядка
- •2.3. Представление знаний продукционными правилами
- •2.4. Модель представления знаний в виде фреймов
- •2.5. Представление знаний в виде семантической сети
- •2.6. Модель доски объявлений
- •2.7. Модель представления знаний в виде сценария
- •Глава 3 архитектура и технология разработки экспертных систем
- •3.1. Основные положения
- •3.2. Технология разработки экспертной системы
- •3.3. Механизм вывода (интерпретатор правил)
- •3.4. Взаимодействие пользователей с экспертной системой
- •3.5. Подсистема анализа и синтеза сообщений
- •3.6. Морфологический анализ входных сообщений
- •3.7. Синтаксический анализ входных сообщений
- •3.8. Семантический анализ входных сообщений
- •3.9. Синтез выходных сообщений
- •3.10. Диалоговая подсистема
- •3.11. Объяснительные способности эс
- •Глава 4 применение нечеткой логики в эксперТнЫх системах
- •4.1. Предпосылки возникновения нечеткой логики
- •4.2. Нечеткая логика
- •4.3. Нечеткие подмножества
- •4.4. Нечеткие правила вывода в экспертных системах
- •4.5. Задания для разработки экспертных систем
- •Глава 5 ГенетическиЙ алгоритм
- •5.1. Предисловие
- •5.2. Генетический алгоритм
- •5.3. Параметры и этапы генетического алгоритма
- •5.3.1. Кодирование информации и формирование популяции
- •5.3.2. Оценивание популяции
- •5.3.3. Селекция
- •5.3.4. Скрещивание и формирование нового поколения
- •7.3.5. Мутация
- •5.4. Настройка параметров генетического алгоритма
- •5.5. Канонический генетический алгоритм
- •5.6. Пример работы и анализа генетического алгоритма
- •5.7. Общие рекомендации к программной реализации генетического алгоритма
- •5.8. Задания для лабораторных работ
- •Глава 6 искусственные нейронные сети
- •6.1. Биологические нейронные сети
- •6.2. Формальный нейрон
- •6.3 Нейронные сети
- •6.4. Обучение инс
- •8.5. Алгоритм обратного распространения ошибки
- •6.6. Работа нейронной сети
- •6.7. Пример работы и обучения нейронной сети
- •6.8. Программная реализация
- •6.9. Задания для лабораторных работ
- •Заключение
- •Приложение 1 Контрольные вопросы
- •Приложение 2 Темы рефератов и индивидуальных заданий Темы рефератов
- •Темы индивидуальных заданий
- •Приложение 3 Ресурсы в сети Интернет
- •Список литератуРы
- •Оглавление
4.3. Нечеткие подмножества
Пусть E есть множество, A – подмножество E, т.е. А E. Принадлежность любого элемента x подмножеству A можно выразить с помощью функции принадлежности , значения которой указывают, является ли (да или нет) x элементом A:
, если ,
, если .
Предположим теперь, что характеристическая функция для элементов подмножества A может принимать не только значения 0 или 1, но и любое значение а[0,1], т.е. [0,1].
Математический объект, определяемый выражением , где – элемент универсального множества E, а число после вертикальной черты – значение функции принадлежности для этого элемента, будем называть нечетким подмножеством множества E.
На рис. 4.1 приведено графическое представление нечеткого множества с помощью его функции принадлежности [3].
-
Рис. 4.1. Функция принадлежности
Строгое определение понятия нечеткого подмножества имеет следующий вид. Пусть E есть множество и x – элемент E. Тогда нечетким подмножеством A множества E называется множество упорядоченных пар
,
где – степень принадлежности x к A. Если принимает свои значения во множестве M значений функции принадлежности, то можно сказать, что x принимает значения в M посредством . Множество M называют множеством принадлежностей.
Операции над нечеткими множествами. Рассмотрим различные операции теории обычных множеств применительно к нечетким подмножествам, а также введем новые операции для нечетких подмножеств. Пусть Е – множество и М=[0,1] – множество принадлежностей, А и B – два нечетких подмножества из Е.
Равенство. Два нечетких подмножества A и B равны (обозначается A=B) тогда и только тогда, когда
.
Если найдется, по крайней мере, один такой элемент x из E, что равенство не удовлетворяется, то A и B не равны ().
Пересечение. Пересечение двух нечетких подмножеств A и B, обозначаемое , определяют как наибольшее нечеткое подмножество, содержащееся одновременно в A и B.
.
На рис. 4.2 графически представлено пересечение двух нечетких подмножеств.
Объединение. Объединение двух нечетких подмножеств A и B, B, определим как наименьшее нечеткое подмножество, которое содержит как A, так и B:
.
На рис. 4.3 графически представлено объединение двух нечетких подмножеств.
|
|
Рис. 4.2. Пересечение двух нечетких подмножеств |
Рис. 4.3. Объединение двух нечетких подмножеств |
Дополнение. Будем говорить, что A и B – два нечетких подмножества E дополняют друг друга, если
.
Это обозначается следующим образом:
или .
На рис. 4.4 представлено графически дополнение нечеткого подмножества A.
Дизъюнктивная сумма. Дизъюнктивная сумма двух нечетких подмножеств определяется в терминах объединений и пересечений следующим образом [3]:
.
-
Рис. 4.4. Дополнение нечеткого подмножества
Пример
Разность двух подмножеств определяется соотношением
.
Используя данные, приведенные в предыдущем примере, получаем
Перемещение. Операция перемещения изменяет значения на величину . При производится перемещение функции вправо, а при – влево.
Соответствующее выражение имеет вид
.
Нормализация. Операция осуществляется в соответствии со следующей формулой:
.