Нечеткое моделирование сложных систем на основе прямого и обратного логического вывода

• Автор: Дубинин, Алексей Анатольевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Воронеж
• Количество страниц: 152 с. : ил.

СОДЕРЖАНИЕ
Введение.

Глава 1. Модели сложных систем для задач диагностики и прогнозирования

1.1. Принципы и особенности разработки моделей сложных систем для задач диагностики и прогнозирования

1.2. Нечеткие модели систем.

1.3. Цели и задачи диссертационного исследования

Выводы по первой главе

Глава 2. Нечеткий логический вывод как основа для решения задач прогнозирования и диагностики.

2.1. Компьютерное исследование свойств обратного логического вывода

2.2. Использование нечеткого логического вывода для решения задачи медицинской диагностики.

2.3. Выбор существенных входных переменных на основе информационного подхода.

2.4. Алгоритм нахождения существенных входных переменных
Выводы по второй главе
Глава 3. Моделирование сложных систем с помощью функций нечетких переменных
3.1. Функция нечетких переменных и се свойства
3.2. Задача синтеза функции нечетких переменных.
3.3. Нечеткое моделирование целенаправленных систем.
3.4. Задача анализа функции нечетких переменных.
Выводы по третьей главе
Глава 4. Описание программного комплекса ЕиггуМос.
4.1. Сгруктура профаммного комплекса ГиггуМос.
4.2. Профаммный модуль Моделирование обратного нечеткого логического вывода
4.3. Программный модуль Анализ и синтез функций нечетких переменных на основе метода Мариноса.
4.4. Программный модуль Экспертная система медицинской диагностики.
4.5. Программный модуль Оценка прироста древесины.
Выводы по четвертой главе.
Заключение
Библиографический список использованной литературы
ВВЕДЕНИЕ
Актуальность


Система не сводится к простой совокупности элементов, и, разделяя систему на отдельные части, и изучая каждую из них отдельности, нельзя определить все свойства системы в целом. Любой объект, который обладает всеми рассматриваемыми свойствами, можно называть системой. Поэтому характеристики системы в целом определяются не только характеристиками составляющих се элементов, сколько характеристиками связей между ними. Наличие взаимосвязей между элементами определяет особое свойство сложных систем - организованную сложность. Структура системы представляет собой устойчивую упорядоченность ее элементов и связей. В зависимости от характера организации в системе элементов и их связей можно выделить три основных типа структур: сетевую, скелетную и централизованную (рис. Рис. Отличительная особенность состоит в том, что цель этим системам внутренне не присуща. Это системы способные к выбору своего поведения в зависимости от внутренне присущей цели (люди). Главным отличием целенаправленных систем от казуальных является наличие информационных взаи модсйстви й. Под сложность системы подразумевается количество информации (множество переменных, параметров и состояний), необходимой для описания реальной системы [1. При решении задач сложность понимаегся двояко, во-первых, сложность является свойством систем, во-вторых, она является свойством задач. Выделяется два принципа оценки сложности системы. Согласному первому принципу сложность системы должна быть пропорциональна объему информации, необходимой для описания системы. В соответствии со вторым принципом сложность системы должна быть пропорциональна объему информации, необходимому для разрешения любой нечеткости, связанной с рассматриваемой нечеткостью. Сложность систем изучается для создания методов, с помощью которых она может быть снижена до приемлемого уровня. Упрощение системы - попытка уменьшить как сложность, основанную на дескриптивной информации, так и сложность, основанную на нечеткой информации. При этом оба типа сложности друг с другом не согласуются, уменьшая одну сложность, увеличивается вторая. Рассмотрим взаимодействие трех элементов: исследователь, система, модель функционирования которой должен построить исследователь, и внешняя среда - совокупность объектов, не принадлежащих системе, но связанных с ней и оказывающих на нее существенное влияние. Множество значений *(/), определенных для всех / обозначим через Хт и назовем входным процессом Хт = {*(/):/ е Т] []. Выходное воздействие >(/), поступающее из системы во внешнюю среду в момент времени / - выходным процессом Кг = (у(/):/е Г}. Т,Хт,Ут)=0. Поскольку 1. Рис. Выходные переменные системы рассматриваются как переменные, значение которых при соответствующих значениях параметров определяются внутри системы, в отличие от входных переменных, значения которых задаются извне. Вес факторы, влияющие на определение входных переменных, называются средой системы (рис 1. Рис. В основе изучения и моделирования процессов функционирования систем лежит эксперимент. Суть реального эксперимента состоит в непосредственном изучении конкретного физического объекта. В ходе логического эксперимента свойства объекта исследуются с помощью его математической или содержательной модели. Модель - это искусственно созданный объект, дающий упрощенное представление о реальном объекте, процессе или явлении, отражающий существенные стороны изучаемого объект с точки зрения цели моделирования. Моделирование - это построение моделей, предназначенных для изучения и исследования объектов, процессов или явлений [, ]. Существуют различные классификации моделей: по целям использования выделяются модели учебные, опытные, имитационные, игровые, научно-технические; по области знаний делятся на биологические, экономические, исторические, социологические модели; по фактору времени разделяются модели динамические и статические. Статическая модель отражает строение и параметры объекта, и описывает объект в определенный момент времени. Динамическая модель отражает процесс функционирования объекта или изменения и развития процесса во времени.