66540

Моделі та методи обробки нечітких знань. Нечіткі множини

Лабораторная работа

Информатика, кибернетика и программирование

При розробці інтелектуальних систем знання про конкретну предметну область, для якої створюється система, рідко бувають повними й абсолютно достовірними. Навіть кількісні дані, отримані шляхом досить точних експериментів

Украинкский

2014-11-30

31.77 KB

2 чел.

Міністерство освіти і науки України

Тернопільський національний технічний університет імені Івана Пулюя

кафедракомп’ютерних наук

Лабораторна робота №5

Моделі та методи обробки нечітких знань.

Нечіткі множини.

 Виконав

 cтудент групи СНс-33

Михалевич М.М.

Перевірив

 Фалендиш В.В.

Тернопіль, 2011

Тема роботи:Моделі та методи обробки нечітких знань. Нечіткі множини.

Мета роботи:Вивчення основних понять нечітких множин і способів їх представлення.

Теоритичні відомості

При розробці інтелектуальних систем знання про конкретну предметну область, для якої створюється система, рідко бувають повними й абсолютно достовірними. Навіть кількісні дані, отримані шляхом досить точних експериментів, мають статистичні оцінки вірогідності, надійності, значимості і т.д. Інформація, якою заповнюються експертні системи, отримується у результаті  опитування експертів, думки яких є суб’єктивними і можуть розходитися. Поряд із кількісними характеристиками в базах знань інтелектуальних систем повинні зберігатися якісні показники, евристичні правила, текстові знання і т.д. При обробці знань із застосуванням механізмів формальної логіки виникає протиріччя між нечіткими знаннями і чіткими методами логічного виведення. Розв’язати це протиріччя можна шляхом подолання нечіткості знань (коли це можливо) або використанням спеціальних методів подання й обробки нечітких знань.

Зміст терміна нечіткість багатозначний та включає такі основні компоненти: недетермінованість висновків, багатозначність інтерпретації, ненадійність знань і висновків, неповнота знань і немонотонна логіка, неточність знань.

Основні поняття нечіткості

Недетермінованість висновків – це характерна риса більшості систем штучного інтелекту. Недетермінованість означає, що заздалегідь шлях вирішення конкретної задачі в просторі її станів визначити неможливо. Тому в більшості випадків методом проб і помилок вибирається деякий ланцюжок логічних висновків, що узгоджуються з наявними знаннями, а у випадку якщо він не приводить до успіху, то організується перебір з поверненням для пошуку іншого ланцюжка і т. д. Такий підхід припускає визначення деякого первісного шляху. Недетермінованість висновків варто враховувати при розробці ефективних способів подання і збереження знань, а також при побудові методів пошуку й обробки знань, що дозволяють одержати рішення задачі за найменше число кроків. Для побудови таких методів звичайно застосовуються евристичні метазнання (знання про знання).

Багатозначність інтерпретації – звичайне явище в задачах розпізнавання. При розумінні природної мови серйозними проблемами стають багатозначність змісту слів, їхня підпорядкованість, порядок слів у реченні і т.п. Проблеми розуміння змісту виникають у будь-якій системі, що взаємодіє з користувачем природною мовою. Розпізнавання графічних образів також пов’язано з вирішенням проблеми багатозначної інтерпретації. При комп’ютерній обробці знань багатозначність необхідно усувати шляхом вибору правильної інтерпретації, для чого розроблено спеціальні методи.

Ненадійність знань і висновків означає, що для оцінки вірогідності знань не можна застосувати двобальну шкалу (1 – абсолютно достовірні знання, 0 – недостовірні знання). Для більш тонкої оцінки вірогідності знань застосовується імовірнісний підхід, заснований на теоремі Байєса, і інші методи (наприклад, метод висновків з використанням коефіцієнтів упевненості). Широке застосування на практиці одержали нечіткі висновки, які будуються на базі нечіткої логіки, що веде своє походження від теорії нечітких множин.

Неповнота знань і немонотонна логікаАбсолютно повних знань не буває, оскільки процес пізнання нескінченний. У зв’язку з цим стан бази знань повинний змінюватися з часом. На відміну від простого додавання інформації, як у базах даних, при додаванні нових знань виникає небезпека одержання суперечливих виcновків: тобто висновки, отримані з використанням нових знань, можуть спростовувати ті, що були отримані раніше. Ще гірше, якщо нові знання будуть знаходитися в протиріччі з старими, тоді механізм висновку може стати непрацездатним.

Більшість експертних систем першого покоління були засновані на моделі закритого світу, обумовленій застосуванням апарату формальної логіки для обробки знань. Модель закритого світу припускає твердий добір знань, що включаються в базу, а саме: база знань заповнюється винятково вірними поняттями, а усе, що ненадійно або невиразно, свідомо вважається помилковим. Така модель має обмежені можливості подання знань і таїть у собі небезпеку одержання протиріччя при додаванні нової інформації. Недоліки моделі закритого світу пов’язані з тим, що формальна логіка виходить з передумови, відповідно до якої набір визначених у системі аксіом (знань) єповним (теорія є повною, якщо кожний її факт можна довести, виходячи з аксіом цієї теорії). Для повного набору знань справедливість раніше отриманих висновків не порушується з додаванням нових фактів. Ця властивість логічних висновків називається монотонністю.На жаль, реальні знання, що закладаються в експертні системи, украй рідко бувають повними.

Неточність знань. Відомо, що кількісні дані (знання) можуть бути неточними, при цьому існують кількісні оцінки такої неточності (довірчий інтервал, рівень значимості, ступінь адекватності і т.д.). Лінгвістичні знання також можуть бути неточними. Для врахування неточності лінгвістичних знань використовується теорія нечітких множин. Фактично нечіткість може бути ключем до розуміння здатності людини справлятися з задачами, що занадто складні для вирішення на ЕОМ. Розвиток досліджень в області нечіткої математики призвів до появи нечіткої логіки і нечітких висновків, що виконуються з використанням знань, представлених нечіткими множинами, нечіткими відношеннями, нечіткими відповідностями

Завдання до лабораторної роботи №5

Завдання:Нехай V–номер варіанта студента. Визначимо:

де round(x)функція округлення.

Сформувати нечіткі множини:

, , .

Результати виконання

V= 16; V1= 5

У результаті виконання лабораторної роботи були сформовані наступні нечіткі множини:

Висновок: На цій лабораторній роботі я ознайомився з поняттям нечіткої множини, а також з способами їх представлення.


 

А также другие работы, которые могут Вас заинтересовать

3668. Процедури і функції — методи класу 64 KB
  Процедури і функції — методи класу Історично першим способом структуризації програм в мовах програмування високого рівня було використання процедур і функцій — щодо самостійних фрагментів програм, оформлених особливим чином і забезпечених ...
3669. Файли і сериалізація об'єктів 160 KB
  NET Framework часто виникають дві в загальному випадку схожі завдання: зберегти (прочитати) вміст даних (файлу) і зберегти (прочитати) поточне полягання об'єкту у файлі або в таблиці бази даних. Не дивлячись на безперечну схожість вказаних завдань, в рамках...
3670. Робота з класами та файлами 1.27 MB
  Робота з файлами Клас Environment Клас Environment дозволяє одержати інформацію про оточення програми (поточний каталог, версія Windows і т.п.) через свої статичні члени. Приклад використання цього класу...
3671. Елементи автоматизації технологічних розрахунків 132 KB
  Елементи автоматизації технологічних розрахунків В модулі надано приклад математичних моделей, які використовуються при вирішення задач по розрахунку режимів різання. Завдання по темі: розробити і від тестувати програми , які реалізують наведена ...
3672. Алгоритми сортування в одновимірних масивах 42.5 KB
  Алгоритми сортування в одновимірних масивах Найпростіше завдання сортування полягає в упорядкуванні елементів масиву по зростанню або убуванню. Іншим завданням є впорядкування елементів масиву відповідно до деякого критерію. Звичайно як такий критер...
3673. Алгоритми пошуку в одновимірних масивах 40.5 KB
  Алгоритми пошуку в одновимірних масивах Алгоритми пошуку застосовуються для знаходження, наприклад, у масиві елемента з потрібними властивостями. Звичайно розрізняють постановки завдання пошуку для першого й останнього входження елемента. В усіх ниж...
3674. Аналіз позакласних виховних заходів 29 KB
  Аналіз позакласних виховних заходів Важлива роль у вихованні студентів, розширенні і поглибленні їхніх знань, розвиткові творчих здібностей належить спеціально організованій в Рівненському музичному училищі виховній роботі у позанавчальний час. Поза...
3675. Загальне мовознавство Конспект лекцій 147 KB
  ЛЕКЦІЯ № 1 ВСТУП МЕТА: з’ясувати суть, мету, предмет і об’єкт загального мовознавства, його роль і місце в лінгвістичній освіті. ПЛАН 1. Мета, завдання курсу "Загальне мовознавство". 2. Місце серед інших лінгвістичних дисциплін. 3. Загальн...
3676. ЕП системи наведення з керуванням на основі програмованого логічного контролера VIPA-100. 5.95 MB
  За темою бакалаврської кваліфікаційної роботи мною був розроблений і виготовлений стенд з електромашинним агрегатом для дослідження ЕП системи наведення з керуванням на основі програмованого логічного контролера VIPA-100. Промисловий контролер...