Методы, алгоритмы и программный комплекс преднастройки и оптимизации параметров нейронечёткой модели формирования баз знаний экспертных систем

• Автор: Корнилов, Георгий Сергеевич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Казань
• Количество страниц: 144 с. : ил.

СОДЕРЖАНИЕ

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ

ВВЕДЕНИЕ

1. ФОРМИРОВАНИЕ БАЗ ЗНАНИЙ ЭКСПЕРТНЫХ СИСТЕМ.

1.1. Экспертные системы

1.1.1. Структура, состав экспертных систем и их характеристики.

1.1.2. Стратегии получения знаний для экспертных систем

1.2. Обнаружение знаний в базах данных.

1.3. Нейронечткая модель формирования баз знаний экспертных систем

1.3.1. Структура и алгоритм обучения нечткой нейронной сети.

1.3.2. Анализ возможностей нечткой нейронной сети.

1.3.3. Проблема гранулирования информации и выбора оптимальных форм функций принадлежности нечтких множеств
1.3.4. Постановка задачи по разработке методики и алгоритмов преднастройки и оптимизации параметров нейронечткой модели.
1.4. Выводы
2. АЛГОРИТМЫ ПРЕДНАСТРОЙКИ И ОПТИМИЗАЦИИ ПАРАМЕТРОВ НЕЧТКОЙ НЕЙРОННОЙ СЕТИ
2.1. Методы кластеризации в задаче гранулирования информации.
2.1.1. Понятие однородности и задача кластеризации.
2.1.2. Анализ методов кластеризации.
2.2. Алгоритм нечткой кластеризации значений входных параметров нечткой нейронной сети.
2.2.1. Постановка задачи нечткой кластеризации значений входных параметров нечткой нейронной сети
2.2.2. Алгоритм нечеткой кластеризации.
2.3. Выбор оптимальных форм и начальных значений параметров функций принадлежности
2.3.1. Постановка задачи выбора оптимальной формы функции принадлежности
2.3.2. Анализ методов построения функции принадлежности
2.3.3. Алгоритм выбора оптимальной формы и инициализации параметров функций принадлежности
2.4. Методика преднастройки и оптимизации параметров нечткой нейронной сети
2.5. Выводы
3. ЧИСЛЕННОПАРАМЕТРИЧЕСКИЕ ИССЛЕДОВАНИЯ.
3.1. Исследования в среде моделирования .
3.1.1. Описание среды моделирования
3.1.2. Анализ устойчивости алгоритма нечеткой кластеризации и оптимальности кластерного решения.
3.1.3. Временная сложность вычислений по нреднастройке и оптимизациипараметров нечткой нейронной сети
3.2. Исследования на базе программного комплекса Нечткая нейронная сеть.
3.2.1. Описание программного комплекса.
3.2.2. Анализ влияния преднастройки и оптимизации на скорость и качество обучения нечткой нейронной сети.
3.3. Выводы
4. ПРАКТИЧЕСКОЕ РЕШЕНИЕ ЗАДАЧИ ФОРМИРОВАНИЯ БАЗ ЗНАНИЙ ЭКСПЕРТНЫХ СИСТЕМ.
4.1. Формирование базы знаний экспертной системы предварительного выявления спама
4.1.1. Задача фильтрации спама и общее описание системы
4.1.2. Построение базы знаний экспертной системы фильтрации почтовых сообщений
4.1.3. Полученные практические результаты
4.2. Формирование базы знаний экспертной системы медицинской диагностики и реабилитации.
4.2.1. Особенности диагностического процесса в медицине
4.2.2. Построение базы знаний экспертной системы.
4.2.3. Полученные практические результаты.3.
4.3. Выводы
ЗАКЛЮЧЕНИЕ.
СПИСОК ЛИТЕРАТУРЫ


Практическая ценность диссертационной работы заключается в разработке и реализации программного комплекса методики, позволяющего повысить эффективность анализа статистических данных и формирования системы нечтконродукционных правил баз знаний экспертных систем. По проблеме диссертационной работы опубликовано работ, в том числе, 7 статей и 9 тезисов докладов, 1 статья в журнале из списка, рекомендованного ВАК России. Основные положения и результаты диссертации докладывались и обсуждались на 4й и 7й ежегодной международной научнопрактической конференции Инфокоммуникационные технологии глобального информационного общества Казань, , ежегодной научнопрактической конференции Наука и профессиональная деятельность Нижнекамск, II Всероссийской научнопрактической конференции Современная торговля теория, методология, практика Казань, 9й международной научнотехнической конференции Проблемы техники и технологии телекоммуникаций, посвященная 0летию со дня рождения академика В. А. Котельникова, 0летию телефонной связи в Татарстане Казань, международной молоджной научной конференции XVII Туполевские чтения Казань, всероссийской молодежной научной конференции Инновационные технологии в торговле и экономике Казань, республиканской научнопрактической конференции Проблемы анализа и моделирования региональных социальноэкономических процессов Казань, международной конференции Мягкие вычисления и измерения 8СМ СанктПетербург, Казанском городском семинаре Методы моделирования Казань, . Реализация результатов работы. Казанского государственного технического университета им. А.Н. Туполева и используются при изучении материалов следующих дисциплин Математические основы человекомашинных систем, Базы знаний интеллектуальных систем, Геория принятия решений в системах обеспечения информационной безопасности. Структура и объм диссертации. Сведения о личном вкладе автора. Разработана методика, методы и алгоритмы преднастройки и оптимизации параметров нейронечткой модели формирования баз знаний экспертных систем, а также программный комплекс реализующий алгоритмы методики на базе нечткой нейронной сети, проведены прикладные исследования при работе с программным комплексом для оценки эффективности использования методики в решении практических задач. На базе нечеткой нейронной сети сформирована база знаний экспертной системы медицинской диагностики и экспертной системы Аитиспам предварительной классификации писем несанкционированной массовой рассылки. Проведена опытная эксплуатация систем, разработан план мероприятий по внедрению в промышленную эксплуатацию. Подготовлены обучающие выборки и проведено обучение нечеткой нейронной сети с получением системы правил. Проведен сравнительный анализ результатов работы нечеткой нейронной сети при различных подходах к настройке ее параметров с применение методики преднастройки и оптимизации и без нее. В первой главе рассматриваются вопросы и проблемы формирования баз знаний интеллектуальных человекомашинных систем поддержки принятия решений. Показывается, что при решении задачи формирования баз знаний целесообразно наряду с экспертными методами использовать методы интеллектуального анализа данных. Актуализируется необходимость повышения эффективности нейронечеткой модели решения данной задачи. Ставится задача по разработке методики и алгоритмов преднастройки и оптимизации параметров нейронечеткой модели формирования без знаний экспертных систем. Во второй главе описывается методика преднастройки и оптимизации параметров нечткой нейронной сети, определяющий ее алгоритм нечткой кластеризации значений входных параметров ННС и алгоритм выбора оптимальной формы и инициализации параметров соответствующих функций принадлежности. Приведены результаты анализа существующих методов кластеризации в задаче гранулирования информации и построения функций принадлежности нечетких гранул. В третьей главе описывается проведение численнопараметрических исследований разработанной методики и алгоритмов с целью их апробации и оценки эффективности. Описывается реализованный с помощью среды математического моделирования 7 программный комплекс разработанных алгоритмов. В данной среде алгоритмы были реализованы с графическим интерфейсом на встроенном языке программирования .