Нечетко-темпоральные модели структурного анализа и идентификации динамических процессов в слабо формализованных задачах принятия решений

• Автор: Ковалев, Сергей Михайлович
• Шифр специальности: 05.13.01, 05.13.17
• Научная степень: Докторская
• Год защиты: 2002
• Место защиты: Таганрог
• Количество страниц: 337 с. : ил

Содержание
ВВЕДЕНИЕ
ГЛАВА 1. МЕТОДЫ ПРЕДСТАВЛЕНИЯ НЕЧЕТКОЙ ДИНАМИЧЕСКОЙ ИНФОРМАЦИИ В ИНТЕЛЛЕКТУАЛЬНЫХ МОДЕЛЯХ ПРИНЯТИЯ РЕШЕНИЙ

1.1. Лингвистическая модель представления динамической информации на

основе нечеткотемпоральной высказывательной формы

1.2. Формальнологическая система моделирования динамических описаний на основе нечеткотемпоральных высказываний.

1.3. Нечеткографовые модели представления динамических описаний общего вида.

1.4. Нечеткографовые модели представления качественных и нечеткометрических динамических описаний последовательного вида .

1.5. Выводы.

ГЛАВА 2. НЕЧЕТКОТЕМПОРАЛЬНЫЕ СХЕМЫ ВЫВОДА И МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ

2.1. Общее представление динамической предметной области и нечетко

темпоральной модели принятия решений
2.2. Разработка интерпретирующей модели и нечеткотемпоральной схемы вывода
2.3. Разработка алгоритмов нечеткотемпорального вывода для
динамических описаний последовательного вида.
2.4. Разработка алгоритмов нечеткологического вывода на основе нейронечетких сетевых моделей
2.5. Выводы.
ГЛАВА 3. МЕТОДЫ АВТОМАТИЧЕСКОГО ФОРМИРОВАНИЯ, ОБУЧЕНИЯ И АДАПТАЦИИ НЕЧЕКТОТЕМПОРАЛЬНЫХ
МОДЕЛЕЙ
3.1. Разработка методов автоматического формирования и адаптации нечеткотемпоральных моделей последовательного вида
3.2. Разработка методов адаптации нечеткотемпоральных моделей на основе нейронечетких сетей
3.3. Методы автоматического формирования баз знаний интеллектуальных моделей на основе элементарных нечеткотемпоральных высказываний
3.4. Методы автоматического формирования баз знаний интеллектуальных моделей на основе нечеткотемпоральных высказываний общего вида
3.5. Оценка адекватности и устойчивости нечеткотемпоральных моделей. Общий подход к недетерминированному обучению
3.6. Выводы
ГЛАВА 4. НЕЧЕТКОТЕМПОРАЛЬНЫЕ МОДЕЛИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ИНФОРМАЦИОННОУПРАВЛЯЮЩИХ
СИСТЕМАХ
4.1. Сортировочная горка как слабо формализованный динамический объект автоматизации
4.2. Разработка общей модели интеллектуальной системы горочной автоматизации и механизма управления выводом на основе дискретнонепрерывной динамической системы.
4.3. Нечеткотемпоральные модели выбора стратегий регулирования скоростей скатывания отцепов
4.4. Нечеткотемпоральные модели контроля процессов скатывания отцепов и корректировки управляющих решений.
4.5. Нейронечеткие модели исполнительного уровня интеллектуальной системы горочной автоматизации .
4.6. Выводы
ГЛАВА 5. НЕЧЕТКОТЕМПОРАЛЬНЫЕ МОДЕЛИ ОБРАБОТКИ ДИНАМИЧЕСКОЙ ИНФОРМАЦИИ В ИНФОРМАЦИОННОУПРАВЛЯЮЩИХ СИСТЕМАХ
5.1. Нечеткотемпоральная модель динамического процесса торможения на
основе гибридной нейронечеткой сети
5.2. Нечеткотемпоральная модель определения технического состояния стрелочного электропривода .
5.3. Нечеткотемпоральная модель обработки динамических данных в многофункционапьном датчике счета осей
5.4. Нечеткотемпоральные модели анализа акустических процессов в интегрированных системах автоматического распознавания речи.
5.5. Выводы
ЗАКЛЮЧЕНИЕ.
СПИСОК ЛИТЕРАТУРЫ


НТС в качестве обычных четких и нтервальновременные событий, то оно приобретает вид темпоральной формулы ТПЛ. Однако, отличительной особенностью модели НТВ, как способа описания нечеткотемпоральных структурных знаний, от аналогичных темпоральных формул ТПЛ является то, что входящие в описание НТВ нечеткие события, не есть элементарные объекты, а определяются на основе, как будет далее показано, далеко не тривиальных вычислений. В результате таких вычислений НТС индуцируют на временной оси нечеткие интервалы темпоры, интерпретируемые в качестве базовых примитивов НТВ, отличающихся от соответствующих примитивов темпоральных формул ТПЛ, а, следовательно, описания, опирающиеся на модели НТВ, и формулы ТПЛ, имеют разные свойства. Рассмотрим данный вопрос более подробно и одновременно дадим строгое определение всем понятиям, входящим в выражения 1. С этой целью необходимо ввести ряд дополнительных понятий, связанных с формальным определением класса дискретных ДП, к которым имеют отношения данные НТВ Ковалев, б. Пусть Т дискретная временная шкала. ДП 5. Под первичными параметрами ДП понимается некоторая совокупность, достаточно информативных для исследуемого класса объектов физически измеряемых числовых признаков, характеризующих его мгновенные состояния в i е моменты времени. Примечание. В общем случае выбор первичных параметров не является тривиальной задачей и существенно зависит от особенностей приложения. Далее эта тема не развивается, поскольку данный вопрос предметен и соответствующие решения для конкретных задач будут даны в последующих прикладных разделах диссертации. Сейчас же приведем два примера. Примерами первичных параметров для акустических процессов АП являются вектора кепстральных коэффициентов, характеризующих элементарные сегменты речевые кадры речевого сигнала. Для СЛДП управления вагонными замедлителями такими параметрами являются ходовые свойства отцепа, текущее состояние замедлителя, наличие тех или иных пространственновременных отношений, сложившихся к текущему моменту времени на сортировочной горке. Пусть А 7,, некоторый сегмент дискретной временной шкалы Т, тогда подпоследовательность д . ДП 5, определенным на соответствующем интервале А 7 , и обозначенным через 6 с 5. Для некоторой конкретной реализации ДП 5 введем в рассмотрение множество 5 8 с , элементами которого являются все возможные фрагменты ДП 5. В дальнейшем, там где это не вызовет недоразумений, любой фрагмент 8 , ,. А Г , на дискретной временной шкале Т. Возвращаясь к обсуждению основных понятий, входящих в выражения для модели НТВ 1. НТС в НТВ. Продолжительность, ЛЗ которой будут термы д Ь . С каждым из конкретных термов в формуле 1. Например, понятию Краткий при моделировании согласных звуков в речевых сигналах соответствуют речевых кадра векторов кепстральных коэффициентов. Таким образом, семейству нечетких признаков Ь в выражении 1. ЛЗ, функции принадлежности ФГТ которых определены на целочисленном множестве так, что для каждого из фрагментов 6 ,,,. НТС в исходном описании. НТВ. Прежде чем дать строгое толкование понятию НТС, приведем некоторые соображения относительно присущих эксперту особенностей описания СЛДП, взяв за основу следующие положения Ковалев, а. Первым этапом интеллектуального анализа СЛДП выполняемого, например, с опорой на его визуализованное представление является преобразование больших объемов информации, представленных в виде первичных параметров СЛДП, в относительно небольшой набор некоторых, наиболее значимых с точки зрения эксперта, признаков которые логично назвать вторичными признаками СЛДП, опираясь на которые он строит свои дальнейшие рассуждения. При интерпретации вторичных признаков на временной оси эксперт оценивает их в качестве нечетких временных событий, имеющих различную степень выраженности для различных фрагментов СЛДП в зависимости от их взаимной координации и интенсивности тех признаков, которые данные события обуславливают. Примечание. Например, при прогнозировании процесса торможения отцепа вторичным признаком, зависящим от первичных параметров числа осей в зоне тормозной позиции, мгновенная скорость и др.