Информационная система "Конференции"

Тезисы докладов

математическое моделирование

Каждая интеллектуальная система обладает некоторым набором свойств (способностью к обучению, возможностью объяснения результата и т.п.), которые позволяют использовать эти системы для решения одного класса задач и делают недоступным их использование для другого класса. Нечеткие системы более предпочтительны в том отношении, что их поведение (способ получения решения) может быть объяснено на основе базы нечетких знаний. Однако процесс сбора знаний и построения нечеткой системы достаточно сложен, вследствие чего область применения нечетких систем ограничивается теми случаями, когда эксперт достаточно хорошо ориентируется в области решаемой задачи, а число входов системы не велико. Для того чтобы избежать проблемы настройки нечеткой системы был разработан алгоритм автоматической настройки, основанный на извлечении необходимой для построения системы информации из данных.

Алгоритм состоит из трех этапов:

1. выделение точек оперирования;

2. аппроксимация кривой плотности;

3. построение термов лингвистических переменных.

Точкой оперирования (ТО) называется точка, соответствующая наиболее частому состоянию объекта (переменной). Для выделения ТО производится сглаживание кривой плотности распределения. Затем, на сглаженной кривой определяются точки экстремумов, соответствующие максимумам кривой плотности.

На втором этапе алгоритма происходит аппроксимация плотности распределения значений переменной функциями Гаусса. Значения ТО выступают в качестве математических ожиданий (МО) функций Гаусса, а их дисперсии подбираются в процессе оптимизации. Поиск оптимальных дисперсий осуществляется с помощью генетических алгоритмов. Итогом работы второго этапа являются найденное число значимых ТО и МО и дисперсия для каждой функции Гаусса.

Далее, на третьем этапе происходит формирование термов лингвистических переменных по параметрам, полученным на предыдущих этапах алгоритма. В качестве функций принадлежности выступают функции Гаусса, масштабированные до единицы в своих МО.

Анализ исходных данных и настройка термов по каждой лингвистической переменной происходит вне зависимости от параметров, полученных для других переменных.

Результаты экспериментов с использованием данного подхода будут представлены в докладе.

Примечание. Тезисы докладов публикуются в авторской редакции

Ваши комментарии Обратная связь

[Головная страница] [Конференции]

© 1996-2005, Институт вычислительных технологий СО РАН, Новосибирск
© 1996-2005, Сибирское отделение Российской академии наук, Новосибирск