- •Введение.
- •История развития, исследования в области ии.
- •Математические основы нл.
- •Выбор функции принадлежности:
- •Нечеткие алгоритмы.
- •Методы нечеткого логического вывода.
- •Методы дефаззификации
- •Методология проектирования экспертных систем.
- •Обобщенная структура основных этапов разработки прототипов эс.
- •Некоторые сведения о мозге.
- •Модель искусственного нейрона.
- •Определение искусственной нейронной сети.
- •Модели нс.
- •Понятие обучения.
- •Процедура обучения.
- •Классификация нейронных сетей
- •Типовые структуры и решаемые задачи
- •Сети Кохонэна Обучение «без учителя»
- •4.1. Традиционный способ
- •4.2. Метод выпуклой комбинации
- •4.3. Модифицированные алгоритмы
- •Основные этапы нейросетевого анализа
- •Генетические алгоритмы
- •Гибридные интеллектуальные системы
История развития, исследования в области ии.
I период:
1943 г. – первая работа по нейронным сетям, авторы: Мак Коллонс, Питс – «Искусственные нейронные сети».
1950 г. – Тьюринг, работа «Вычислительная машина и интеллект».
Шеннон – «Программирование компьютера для шахматной игры»
1956 г. – ИИ официально признан самостоятельным научным направлением.
II период:
Начало работ по ЭС. Ньюэл, Саймон - ill-srtuctured; if-then.
1961 г. – Начата работа по создания GPS (General Problem Solver).
III период:
1965 г. – Работа по нечеткой логике – «Нечеткие множества»
1969 г. – «Нечеткие алгоритмы»
IV период:
Создаются системы
DENDRAL – интеллектуальная обработка результатов в области физики.
MYCIN – диагностика инфекционных заболеваний в области медицины.
HEARSAL – в области лингвистики.
V период:
Создаются промышленные ЭС.
DEC – система управления газопроводом
XCON – выявление неисправностей оборудования нефтехимической промышленности.
1982 г. – Сети Копфильда, Кохонена.
Возобновились работы по НС.
VI период:
Аккуратисты – ученые, которые обосновывают работу со строго математическим обоснованием.
Неформалы – выдвигают различные идеи, программируя их на компьютере.
Резюме:
Все направления развития исследований в области ИИ можно объединить в два основных направления, различающихся подходами к моделированию ЕИ: 1-ое направление – нейробионическое. Сущность: моделирование структур и процессов биологического прототипа – головного мозга человека (ГА)
2-ое направление – информационное (черный ящик). Сущность: не нужно моделировать структуру мозга, необходимо познать только внешние проявления работы человеческого мозга (правила, закономерности). (НЛ)
Между этими направления существует разрыв, проблема в настоящее время не решена.
Направления исследований в области ИИ.
Примечание:
Исследования ученых в последующие годы направлено на ликвидацию разрыва между упомянутыми выше двумя направлениями. В 1994 г. Л. Заде ввел «зонтичный» термин – «мягкие вычисления» (soft computing).
Мягкие вычисления – синтез методов (нечеткие системы + НС + ГА + вероятностные вычисления (сети доверия Байеса)).
Тема: Нечеткая логика.
История:
Основатель теории – Л. Заде.
Неймон первый сформулировал постулат: «стремление получить точную, исчерпывающую модель системы не имеет смысла, т.к. сложность модели (описания) становится соизмеримой со сложностью самого объекта».
Лотфи А.Заде сформулировал эту мысль в виде принципа несовместимости, согласно которому для систем, сложность которых превосходит некоторый пороговый уровень, точность и практический смысл становятся почти исключающими друг друга характеристиками.
Математические основы нл.
Аспекты неполноты информации.
Неточность – данные задаются в интервальной форме (теория интервального анализа).
Неопределенность – неизвестность значения каких-нибудь переменных.
Нечеткость – это не есть случайность.
Случайность – неопределенность либо принадлежности, либо непринадлежности какому-либо множеству.
Нечеткость – понятие относящееся к таким множествам, в которых возможны градация степени принадлежности к ним, от полной принадлежности до полной не принадлежности, т.е. такой класс объектов в котором нет резкой границы между объектами с полной принадлежностью к нему и его окружением.
Нечеткое множество считается заданным, если задано множество пар.
Лекция 3
Варианты записей:
А={(x; µA(x))}={(µA(x); x)}={ µA(x)| x}={x| µA(x)}.
Примечание:
Существуют нечеткие дискретные множества.
А={(1; 0); (2; 0,5); (3; 1); (4; 0,5); (5; 0)}.
Виды функций принадлежности: