Название: Логический вывод на основе нечеткой метаимпликации
Вид работы: реферат
Рубрика: Информатика
Размер файла: 96.06 Kb
Скачать файл: referat.me-130784.docx
Краткое описание работы: О.А. Мелихова В работе подробно рассмотрена суть логического вывода на основе нечеткой метаимпликации, с помощью примеров показана максиминная свертка нечетких отношений, используемая в моделях принятия решений и при распознавании нечетких образов.
Логический вывод на основе нечеткой метаимпликации
О.А. Мелихова
В работе подробно рассмотрена суть логического вывода на основе нечеткой метаимпликации, с помощью примеров показана максиминная свертка нечетких отношений, используемая в моделях принятия решений и при распознавании нечетких образов.
При выполнении нечетких выводов используются нечеткие соответствия R, заданные между одной проблемной областью (множество X) и другой областью (множество Y) в виде нечеткого подмножества прямого произведения , определяемого по формуле [7,13]:
, (1.1)
где – область отправления,
– область прибытия,
– функция принадлежности
нечеткому соответствию R, а знак
означает совокупность (объединение) множеств.
Если существует правило типа “если A, то B”, использующее нечеткие множества A и B
, то один из способов построения нечеткого соответствия R состоит в следующем:
или
, (1.2)
где – функции принадлежности элементов x, y соответственно множествам A и B.
Пример 1. Пусть X и Y- области натуральных чисел от 1 до 4. Определим следующим образом нечеткие множества: A= “маленькие”, B= “большие”.
X=Y={1,2,3,4}, т.е. для примера взят частный случай соответствия- отношение на множестве {1,2,3,4}:
.
Для примера “если x маленькое, то y большое” (или , где знак означает операцию нечеткой метаимпликации) можно построить нечеткое отношение R следующим образом:
y1 | y2 | y3 | y4 | ||
x1 | 0 | 0,1 | 0,6 | 1 | |
R= | x2 | 0 | 0,1 | 0,6 | 0,6 |
x3 | 0 | 0,1 | 0,1 | 0,1 | |
x4 | 0 | 0 | 0 | 0 |
В качестве элементов матрицы R записаны значения , вычисленные по формуле (1.2).
Для свертки нечетких отношений чаще выбирается свертка max-min (максиминная композиция). Пусть R – нечеткое соответствие множества X и множества Y, а S – нечеткое соответствие множества Y и множества V. Тогда нечеткое соответствие между X и V определяется как свертка (композиция) , где
или
. (1.3)
Пример 2. Пусть и заданы нечеткие множества A
= “не маленькие”, H
= “очень большие”, где
.
Тогда для правила “если y не маленькое, то v очень большое” (или ), в соответствии с формулой (1.2) нечеткое соответствие S определяется как
v1 | v2 | v3 | v4 | ||
y1 | 0 | 0 | 0 | 0 | |
S= | y2 | 0 | 0 | 0,4 | 0,4 |
y3 | 0 | 0 | 0,5 | 0,9 | |
y4 | 0 | 0 | 0,5 | 1 |
Если теперь по формуле (1.3) вычислить свертку max-min с нечетким отношением R, полученным в примере 1.1, то из двух отношений:
если x маленькое, то y большое,
если y не маленькое, то v очень большое
можно построить нечеткое отношение из X в V.
y1 | y2 | y3 | y4 | v1 | v2 | v3 | v4 | |||||||||||
x1 | 0 | 0,1 | 0,6 | 1 | y1 | 0 | 0 | 0 | 0 | |||||||||
= | x2 | 0 | 0,1 | 0,6 | 0,6 | ![]() |
y2 | 0 | 0 | 0,4 | 0,4 | = | ||||||
x3 | 0 | 0,1 | 0,1 | 0,1 | y3 | 0 | 0 | 0,5 | 0,9 | |||||||||
x4 | 0 | 0 | 0 | 0 | y4 | 0 | 0 | 0,5 | 1 | |||||||||
v1 | v2 | v3 | v4 | |||||||||||||||
x1 | 0 | 0 | 0,5 | 1 | ||||||||||||||
= | x2 | 0 | 0 | 0,5 | 0,6 | |||||||||||||
x3 | 0 | 0 | 0,1 | 0,1 | ||||||||||||||
x4 | 0 | 0 | 0 | 0 |
Модель принятия решений на основе композиционного правила вывода описывает связь всех возможных состояний сложной системы с управляющими решениями. Формально модель задается в виде тройки (X,R,Y), где – базовые множества, на которых заданы, соответственно, входы
и выходы
системы, R – нечеткое соответствие “вход-выход”. Соответствие R строится на основе словесной качественной информации специалиста (эксперта), путем непосредственной формализации его нечетких стратегий. Эксперт описывает особенности принятия решений при функционировании сложной системы в виде ряда высказываний типа “если
, то
, иначе, если
, то
, иначе, ..., если
, то
”. Здесь
,
,...,
– нечеткие подмножества, определенные на базовом множестве X, а
,
,...,
– нечеткие подмножества из базового множества Y. Все эти нечеткие подмножества задаются функциями принадлежности
и
.
Способ построения нечеткого отношения связывает высказывания эксперта по правилу “если , то
” и определяется функцией принадлежности
, получаемой по формуле (1.2). Связка “иначе” между правилами понимается как или-связка, поскольку общее нечеткое отношение состоит из: правило 1, или правило 2 , или, ..., или правило N. Поэтому общее отношение R формально определяется следующим образом:
, где i=1,..., N. (1.4)
Если предположить, что мы имеем нечеткое событие , т.е. входную ситуацию, представленную нечетким подмножеством, и известно общее отношение R, тогда результирующее действие выводится по композиционному правилу вывода:
. Значение функции принадлежности для
вычисляется посредством максиминной операции, определяемой уравнением
. (1.5)
Рассмотренный логический вывод на основе нечеткой обобщенной метаимпликации хорошо зарекомендовал себя при использовании в экспертных системах, а также при принятии решений в реальном масштабе времени в задачах управления и контроля.
Список литературы
Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений. /М.: Математика сегодня, 1974, с.5-49.
Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике. Пер. с франц. М.: Радио и связь, 1990, 288с.
Похожие работы
-
Модели теории графов для выделения контуров по градиентному изображению
Модели теории графов для выделения контуров по градиентному изображению. А.Г. Броневич, Н.С. Зюзерова 1.Введение Важным этапом обработки реальных изображений является выделение контурного (скелетного) изображения. Это оказывается необходимым при распознавании образов и анализе сцен, поскольку контуры являются, как правило, наиболее информативными и неизбыточными признаками исходного изображения.
-
Создание нечеткой экспертной системы для информационного анализа
Санкт-Петербургский Колледж Информатизации и Управления Курсовая работа На тему: «Создание нечеткой экспертной системы для информационного анализа»
-
Искуственный интеллект 2
ГОУ Колледж сфер и услуг №10. Реферат на тему: «Искусственный интеллект Дисциплина «Информатика». Выполнена студентом 2 курса группы 2/23 Жучковым Антоном Андреевичем
-
Конструирование алгоритмов управления на основе нечеткой логики и нейронных сетей
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ Севастопольский национальный технический университет Кафедра технической кибернетики КУРСОВАЯ РАБОТА
-
Анализ и выбор решений на основе нечеткой монотонной экспертной информации
Л.С. Берштейн, А.В. Боженюк Перед разработчиками экспертных систем (ЭС) в области искусственного интеллекта стоят, как правило, следующие три задачи: выбор представления экспертной информации о предметной области в системе; выбор и (или) обоснование подхода к принятию решения (ПР) на основе этой информации; разработка алгоритмов, реализующих выбранный подход к ПР.
-
Естественный и искусственный интеллект
ВВЕДЕНИЕ Тема моего реферата «Естественный и искусственный интеллект». Я выбрала данную тему, потому что эта проблема актуальна в наше время. Большинство людей в той или иной степени тесно связаны с компьютером, но не многие задаются вопросом «Как он работает? На чем основана его работа?». Я хотела бы своим рефератом объяснить и рассказать, что такое естественный интеллект, чем он отличается от искусственного, и почему это так важно знать.
-
Экспертные системы 8
Экспертные системы (ЭС) представляются собой компьютерные программы, использующие принципы искусственного интеллекта и формализованные знания эксперта для обработки оперативной информации и принятия обоснованных решений в анализируемой предметной области.
-
Разработка формальных грамматик
Разработка формальных грамматик 1. Следуя условиям задания, исходя из заданных операций и их приоритетов, была построена следующая грамматика: Просмотр выражения и свертка слева-направо.
-
Нечеткая логика в процессе моделирования
Федеральное агентство по образованию ГОУ ВПО «Марийский Государственный Университет» Кафедра информатики и методики обучения информатики Курсовая работа
-
Системы и методы искусственного интеллекта в экономике
КОНТРОЛЬНАЯ РАБОТА По дисциплине: «Системы и методы искусственного интеллекта в экономике» Задание 1 1. Выбираем массив финансовых показателей по которым будем оценивать финансовую устойчивость предприятия. Устанавливаем эталонные значения данных показателей в каждой группе риска в соответствие с предложенными диапазонами значений финансовых показателей: