ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 29.12.2024

Просмотров: 8665

Скачиваний: 3

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

СОДЕРЖАНИЕ

Федеральное агентство по образованию

Оглавление

Глава 1. Основные понятия искусственного интеллекта

§ 1.1. Основные термины и определения

§ 1.2. История развития систем ии

§ 1.3. Направления развития искусственного интеллекта

§ 1.4. Основные направления развития и применения

Вопросы для самоконтроля

Глава 2. Положения теории нечетких множеств

§ 2.1. Нечеткое множество. Операции над нечеткими множествами

§ 2.1.1. Основные операции над нечеткими множествами.

§ 2.2. Построение функции принадлежности

§ 2.2.1. Некоторые методы построения функции принадлежности.

§ 2.3. Нечеткие числа

§ 2.4. Операции с нечеткими числами (l-r)-типа

§ 2.5. Нечеткая и лингвистическая переменные

§ 2.6. Нечеткие отношения

§ 2.7. Нечеткая логика

§ 2.8. Нечеткие выводы

§ 2.9. Автоматизация обработки информации с использованием

Вопросы для самоконтроля

Глава 3. Основные интеллектуальные системы

§ 3.1. Данные и знания

§ 3.2. Модели представления знаний

§ 3.3.1. Продукционные правила.

§ 3.3.2. Фреймы.

§ 3.3.3. Семантические сети.

Вопросы для самоконтроля

§ 3.4. Экспертные системы. Предметные области

§ 3.5. Назначение и область применения экспертных систем

§ 3.6. Методология разработки экспертных систем

§ 3.7. Основные экспертные системы

§ 3.8. Трудности в разработке экспертных систем и пути их

Вопросы для самоконтроля

§ 3.9. Назначение, классификация роботов

§ 3.10. Примеры роботов и робототехнических систем

§ 3.10.1. Домашние (бытовые) роботы.

§ 3.10.2. Роботы спасатели и исследовательские роботы.

§ 3.10.3. Роботы для промышленности и медицины.

§ 3.10.4. Военные роботы и робототехнические системы.

§ 3.10.5. Мозг как аналого-цифровое устройство.

§ 3.10.6. Роботы – игрушки.

§ 3.11. Проблемы технической реализации роботов

Вопросы для самоконтроля

§ 3.12. Адаптивные промышленные роботы

§ 3.12.1. Адаптация и обучение.

§ 3.12.2. Классификация адаптивных систем управления

§ 3.12.3. Примеры адаптивных систем управления роботами.

§ 3.12.4. Проблемы в создании промышленных роботов.

Вопросы для самоконтроля

§ 3.13. Нейросетевые и нейрокомпьютерные технологии

§ 3.13.1. Общая характеристика направления.

§ 3.13.2. Нейропакеты.

Вопросы для самоконтроля

§ 3.14. Нейронные сети

§ 3.14.1. Персептрон и его развитие.

3.14.1.1. Математический нейрон Мак-Каллока-Питтса.

3.14.1.2. Персептрон Розенблатта и правило Хебба.

3.14.1.3. Дельта-правило и распознавание букв.

3.14.1.4. Адалайн, мадалайн и обобщенное дельта-правило.

§ 3.14.2. Многослойный персептрон и алгоритм обратного

§ 3.14.3. Виды активационных функций.

Вопросы для самоконтроля

Список литературы

Основы искусственного интеллекта

§ 2.8. Нечеткие выводы

Нечеткие выводы, нечеткие или приближенные рассуждения - это наиболее важный метод в нечеткой логике. Выводы а четком искусственном интеллекте охватывали как частный случай все нечеткие выводы, поэтому экспертные системы, построенные на четкой методологии ИИ, можно считать частным случаем нечетких экспертных систем (ЭС). Но и в нечетких ЭС, применяя на этапе исследований помимо правил четкие выводы с помощью фреймов или других методов, во многих случаях изучают также возможность их расширения до уровня нечетких выводов. Однако почти все реально работающие прикладные системы, активно использующие промежуточные нечеткие оценки, в настоящее время либо системы, основанные на правилах, а именно нечетких продукционных правилах, либо реализационные системы, использующие нечеткие отношения.

В ЭС на четкой методологии информация представима в виде системы условных высказываний, устанавливающих взаимосвязь между значениями входных и выходных параметров процесса подготовки принятия решений. Если в зависимости от возможных значений входных параметров делается вывод о значениях выходного параметра, то такую систему высказываний называют системой L(1) - типа. Данную систему представим в виде:

(2.10)

где m - число высказываний; Aj () - высказывание, отражающее входную ситуацию (значение входного параметра);Bj - высказывание, отражающее четкую выходную ситуацию (четкое значение выходного параметра или конкретные варианты решений задачи).

В случае, когда в зависимости от возможных значений выходной (Bj) ситуации экспертом делается предположение о возможной входной ситуации (Aj) (о возможных значениях входных параметров), систему высказываний называют системой L(2) -типа. Представим ее в виде:

(2.11)

Системы высказываний называются однозначными, если выполняются следующие условия:

для системы L(1) -типа;


для системы L(2) -типа.

Система высказываний называется неизбыточной, если:

.

Пусть W - множество всех входных ситуаций процесса принятия решений. Систему высказываний называют полной, если выполняются условия:

для системы L(1) -типа;

для системы L(2) -типа,

где PW -входной параметр процесса принятия решения.

Иначе говоря, для любой входной ситуации существует экспертное высказывание, устанавливающее взаимосвязь между данной входной и некоторой выходной ситуациями.

При задании экспертной информации системой высказываний L(1) -типа выбор решения основывается на правиле modus ponens, а в случае задания системой L(2) - типа - индуктивной схемой вывода.

Пусть A и B - произвольные четкие высказывания. Согласно правилу modus ponens из высказываний <ЕСЛИ A, ТО B> и A выводимо высказывание B. Формальное правило modus ponens запишется в виде:

Согласно индуктивной схеме вывода из высказываний <ЕСЛИ A, ТО B> и A следует правдоподобность высказывания B. Формально индуктивная схема вывода запишется в виде:

В общем случае, когда не известны даже нечеткие полезности вариантов решения, рекомендуется применять нечеткие выводы или приближенные рассуждения (наиболее важный метод в нечеткой логике) для принятия решений в неопределенной ситуации.

Нечеткий вывод - получение нового заключения из правил вывода, которые хранятся в базе знаний системы ИИ, и заданных фактов.

Основой для проведения операции нечеткого логического вывода является база правил, содержащая нечеткие высказывания в форме «ЕСЛИ-ТО» и функции принадлежности для соответствующих лингвистических термов. При этом должны соблюдаться следующие условия:


1) Существует хотя бы одно правило для каждого лингвистического терма выходной переменной.

2) Для любого терма входной переменной имеется хотя бы одно правило, в котором этот терм используется в качестве предпосылки (левая часть правила).

В противном случае имеет место неполная база нечетких правил.

Системы высказываний в этом случае могут быть представлены следующим образом:

(Знание) ЕСЛИ x есть A, ТО y есть B,

(Факт)x есть A',

(Вывод) y есть B' (восходящий нечеткий вывод);

(Знание) ЕСЛИ x есть A, ТО y есть B,

(Факт) y есть B',

(Вывод)x есть A' (нисходящий нечеткий вывод),

где A,A',B,B' - нечеткие множества, причем , , где X - полное (универсальное) множество;

- степень принадлежности xi множеству A, ,, , аналогично определены A' и B', .

Нечеткие множества A,A',B,B' можно рассматривать как векторы, записав их в следующем виде:

, ,

, ,

, ,

, .

Если A - причина, а B - следствие (результат), то знание отражает нечеткое причинное отношение предпосылки и заключения, поэтому назовем егонечетким отношением и обозначим через R:


R =,

где называется нечеткой импликацией.

R можно рассматривать как нечеткое множество на прямом произведении полного пространства предпосылокX и полного пространства заключений Y. Таким образом, процесс получения нечеткого результата вывода B' с использованием данных наблюдения A' и знания можно представить в виде:

. (2.12)

Здесь называетсякомпозиционным правилом нечеткого вывода (или правилом свертки). Если использовать векторную форму записи для A,A',B,B' (3) и записать R в виде матрицы:

,

то результат вывода B' представляется в следующем виде:

или , где- операцияMIN, алгебраическое произведение или другая операция.

Чаще всего используется операция MIN. Имеется несколько операций для получения нечеткого отношения:

; ;.

Например, нечеткий вывод с применением максиминной композиции в качестве композиционного правила нечеткого вывода и операции минимума в качестве нечеткой импликации можно представить:

.

Для анализа эффективности правил нечеткого условного вывода предлагается воспользоваться рядом критериев для F-условного логического вывода, смысл которых заключается в том, что они дают возможность проверить насколько то или иное правило нечеткого условного вывода удовлетворяет человеческой интуиции при приближенных рассуждениях. Разработка правил условного логического вывода в данной задаче охватывает, в основном, три вида условных предложений:


Р1=ЕСЛИ х есть А, ТО y есть В;

Р2=ЕСЛИ х есть А, ТО y есть В, иначе С; (2.13)

Р3=ЕСЛИ х1 есть А1 и х2 есть А2, и ... хn есть Аn, ТО y есть В.

Для логического предложения Р1 предлагается правило вывода:

Предпосылка 1: ЕСЛИ х есть А, ТО y есть В; (2.14)

Предпосылка 2: х есть А'.

Следствие: y есть В',

где А и А' - F-концепции, представленные как F-множества в универсуме U; В - F-концепция или F-множество в универсуме V.

Откуда В' является следствием, представленным как F-множество в V. Для получения логического следствия, с использованием правил нечеткого условного логического вывода, предпосылки 1 и 2 должны быть соответственно приведены к F-отношению вида R(A1(x),A2(y)) и унарному F-отношению типа R(A1(x1)). Здесь A1(x) и A2(y) определяются атрибутами x и y, которые принимают значения из универсумов U и V соответственно.

Тогда R(A1(x))=А'. (2.15)

Для R(A1(x),A2(y)) можно записать следующие правила их определения.

1.Максиминное правило условного предложения

. (2.16)

2.Арифметическое правило условного предложения

. (2.17)

3.Мини-функциональное правило условного предложения

. (2.18)

Здесь - декартово произведение и объединение соответственно;A-1 – инверсия нечеткого множества А; + - предельная сумма.

Таким образом, логическое следствие R(A2(y)), которое является В' в (5), нетрудно представить в виде:

, ,