Разработка и исследование логического вывода в базах нечетких знаний продукционного типа с целью принятия решений в интеллектуальных системах

• Автор: Кияшко, Александр Борисович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 1998
• Место защиты: Таганрог
• Количество страниц: 160 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ Ч
1. МОДЕЛИ ПРЕДСТАВЛЕНИЯ И ОБРАБОТКИ НЕЧЕТКОЙ ИНФОРМАЦИИ И ЗНАНИЙ
1 Л. Модели представления нечеткой информации /У
1.2. Модели представления нечетких знаний
1.3. Алгоритмы обработки нечеткой информации и знаний
1.4. Выводы у}
2. РЕАЛИЗАЦИЯ НЕЧЕТКОГО ЛОГИЧЕСКОГО ВЫВОДА В БАЗЕ ЗНАНИЙ ПРОДУКЦИОННОГО ТИПА SO
2.1. Проблемы, возникающие при реализации ситуационного и модифицированного композиционного логических выводов
2.2. Метод определения степеней сходства и различия нечетких ситуаций
2.3. Выводы
3. ПОСТРОЕНИЕ БАЗЫ НЕЧЕТКИХ ЗНАНИЙ ПРОДУКЦИОННОГО ТИПА
3.1. Проблемы, возникающие при построении баз нечетких знаний продукционного типа
3.2. Принципы классификации состояния объекта ТВ
3.3. Методы кластер-анализа А'
3.4. Классификация текущих состояний объекта в интеллектуальной системе ЗУ
3.5. Метод построения базы нечетких знаний продукционного типа
3.6. Реализация нечеткого логического вывода в базе нечетких знаний продукционного типа ду
3.7. Верификация базы знаний продукционного типа
3.8. Выводы je-
4. ПРОГРАММНЫЕ СРЕДСТВА ПРОЕКТИРОВАНИЯ И
ПОДДЕРЖКИ БАЗ НЕЧЕТКИХ ЗНАНИЙ ЮЧ
4.1. Обзор средств проектирования и поддержки баз нечетких знаний 2СЧ
4.2. Программно-аппаратный комплекс проектирования и поддержки баз нечетких знаний БигЕх-РТьгСор /б1
4.3. Анализ средств проектирования и поддержки баз нечетких знаний 28
4.4. Выводы /32
5. МОДЕЛИРОВАНИЕ ПРИКЛАДНОЙ ЗАДАЧИ НЕЧЕТКОГО УПРАВЛЕНИЯ НА ОСНОВЕ БАЗЫ ЗНАНИЙ ПРОДУКЦИОННОГО ТИПА /33
5.1. Понятие нечеткого ситуационного управления
5.2. Постановка задачи /ЗУ
5.3. Методы решения /j$g
5.4. Выводы /у
ЗАКЛЮЧЕНИЕ ./51
СПИСОК ЛИТЕРАТУРЫ /Ю

ВВЕДЕНИЕ
Актуальность работы. В настоящее время во всем мире идет бурное развитие интеллектуальных систем и программно-аппаратных средств, обеспечивающих обработку нечеткой информации и управление в нечеткой среде.
В основе интеллектуальных систем (ИС) заложен принцип моделирования знаний человека, используемых для логического вывода решений. Практический опыт показывает, что полноценное моделирование человеческих знаний невозможно без учета присущих им особенностей. К таким особенностям в первую очередь относятся характерный для человека субъективизм при оценке ситуаций, неполнота, неопределенность в традиционном математическом смысле используемых понятий и критериев.
В своих логических рассуждениях человек, как правило, использует качественные оценки и понятия типа «большой - средний - малый», «холодный - довольно теплый - теплый - горячий». Такого рода категории хорошо описываются методами теории нечетких множеств, нечеткой логики и лингвистических переменных. Знания, формализованные при помощи указанной теории называются нечеткими знаниями.
В настоящее время методы теории нечетких множеств находят широкое применение при создании систем, основанных на знаниях, или, другими словами, систем с элементами искусственного интеллекта.
Развитие систем, основанных на нечетких знаниях, порождает потребность как в теоретическом осмыслении фундаментальных проблем, связанных с накоплением и преобразованием нечетких знаний, так и в создании специализированных аппаратно-программных комплексов поддержки проектирования и функционирования ИС с нечеткой логикой.
За последние 15 лет появилось несколько десятков тысяч публикаций по теоретическим и прикладным аспектам систем обработки нечеткой информации. Разработаны программные и аппаратно

Здесь v(ju {y), и {v)) является степенью включения нечеткого
*** ' ‘ '>
множества /у (у) в нечеткое множество р (у).
Считается, что ситуация s ( нечетко включается в ситуацшо Sj, S Sj, если степень включения Sj В Sj не меньше некоторого порога включения ?щС € [0,6; 1], определяемого условиями управления, т.е. К 5/, Sj) - One
Существование двух взаимных включений ситуаций S, и Sj означает, что при пороге включения /тс ситуации 51 и Sj примерно одинаковы. Такое сходство ситуаций называется нечетким равенством, и степень нечеткого равенства p(S/, Sj) ситуаций S1 и Sj определяется следующим образом:
ц( s j, Sj)=p(S и Sj) & v( Sj, S i). (5)
После преобразований (5) можно получить
д(у Д,) = & MiMs, (у)> у, (у))> (6)

где д(дЛ (у), д, (у)) вычисляется следующим образом:
MVsiylMsiy))-&((// (Т‘) -> jLl (Tj))) (7)
/с/. Д
Считается, что ситуации St и нечетко равны, 51 ~ Sj, если р
(Sj,Sj)>t, /е[0,6;1], где t - некоторый порог нечеткого равенства
ситуаций.
Нечеткой (р - с{)-общностыо ситуаций называется /3/ такое сходство ситуаций, когда нечеткие значения всех признаков в ситуациях нечетко равны, кроме нечетких значений не более, чем q признаков. Если ситуации 51 и Sj описываются р признаками, то для их (р - <у)-общности достаточно
нечеткого равенстваp-q признаков из множества.