66552

Нейро-нечіткі мережі для поданя і обробки знань

Лабораторная работа

Информатика, кибернетика и программирование

Нейрониі мережі, наприклад, є зручними для задач розпізнавання образів, але дуже незручні для пояснення, як вони таке розпізнавання здійснюють. Вони можуть автоматично здобувати знання, але процес їхнього навчання найчастіше відбувається досить повільно

Украинкский

2014-11-30

102.15 KB

5 чел.

Міністерство освіти і науки України

Тернопільський національний технічний університет імені Івана Пулюя

Кафедра комп’ютерних наук

Лабораторна робота №6

Нейро-нечіткі мережі для поданя і обробки знань

 Виконав

 cтудент групи СНс-33

Михалевич М.М.

Перевірив

 Фалендиш В.В.

Тернопіль, 2011

Тема роботи:Нейро-нечіткі мережі для поданя і обробки знань.

Мета роботи:Ознайомитись з нейро-нечіткими мережами для поданя і обробки знань.

Теоритичні відомості

Різні типи інтелектуальних систем мають свої особливості, наприклад, за можливостями навчання, узагальнення і отримання результатів, що робить їх найбільш придатними для вирішення одних класів задач і менш придатними — для інших.

Нейрониі мережі, наприклад, є зручними для задач розпізнавання образів, але дуже незручні для пояснення, як вони таке розпізнавання здійснюють. Вони можуть автоматично здобувати знання, але процес їхнього навчання найчастіше відбувається досить повільно, а аналіз навченої мережі є дуже складним (навчена мережа є звичайно «чорною скринею» для користувача). При цьому яку-небудь апріорну інформацію (знання експерта) для прискорення процесу навчання в нейронну мережу ввести складно.

Системи з нечіткою логікою, напроти, є зручними для пояснення одержуваних за їхньою допомогою висновків, але вони не можуть автоматично здобувати знання для використання їх у механізмах виведень. Необхідність розбиття універсальних множин на окремі області, як правило, обмежує кількість вхідних змінних у таких системах невеликим значенням.

Хаяши  та Імура (А. Ітига) показали, що иейромережа прямого поширення може апроксимувати будь-яку систему, що заснована на нечітких правилах, та будь-яка нейромережа прямого поширення може бути апроксимована системою, що заснована на нечітких правилах.

Нейро-нечітка мережа - це подання системи нечіткого виведення у вигляді нейронної мережі, зручної для навчання, поповнення, аналізу та використання. Структура нейро-нечіткої мережі відповідає основним блокам систем нечіткого виведення.

Завдання до лабораторноїроботи

Згідно з номером індивідуального варіанта студента за журналом згенерувати навчаючу та тестову вибірки даних.

Нехай V- номер студента за журналом, а гапсі - функція, що генерує псев-довипадкові числа у діапазоні [0; 1]. Визначимо кількість екземплярів у навчаючій вибірці Sн кількість екземплярів у тестовій вибірці SТ, кількість вхідних змінних (ознак) вибірок N, значення ознак вибірок: навчаючої xн,  та тестової xт., а також значення цільових ознак для вибірок: навчаючої—yн та тестовоїyт.

Вхідні дані:

V  = 16; N = 2;

S n = 2* 16=  32;

S t = 3*16 = 48;

S= 1,2,3,… S n

S= 1,2,3,… S т

Результат роботи

Навчаюча вибірка Хн і тестова вибірка Хт

Цільові ознаки навчаючої Yн та тестової вибірки Yт

Висновок: На цій лабораторній роботі я ознайомився з нейро-нечіткими мережами для поданя і обробки знань.

Текст програми

unit Unit1;

interface

uses

 Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,

Dialogs, StdCtrls;

type

 TForm1 = class(TForm)

   Button1: TButton;

   Memo1: TMemo;

   Button2: TButton;

   Memo2: TMemo;

   Memo3: TMemo;

   Button3: TButton;

   Button4: TButton;

   Memo4: TMemo;

procedure Button1Click(Sender: TObject);

procedure Button2Click(Sender: TObject);

procedure Button3Click(Sender: TObject);

procedure Button4Click(Sender: TObject);

private

   { Privatedeclarations }

public

   { Publicdeclarations }

end;

var

 Form1: TForm1;

 V,N : real;

Sn,St :integer;

Xn : array [1..32, 1..6] ofreal;

Xt : array [1..48, 1..6] ofreal;

Yn : array [1..32] ofreal;

Yt : array [1..48] ofreal;

rand : real;

 s,j,i: integer;

implementation

{$R *.dfm}

procedure TForm1.Button1Click(Sender: TObject);

begin

randomize;

Random(10);

rand := random/10;

 V := 16;

 N := 2;

Sn := 32;

St := 48;

for s := 1 toSndo

begin

for j := 1 to 6 do

begin

Xn[s,j]:= (V/(s*j))* rand;

end;

     Memo1.Lines.Add(floatToStr(Xn[s,1]) + '|   |' + floatToStr(Xn[s,2])

            + '|   |' + floatToStr(Xn[s,3]) + '|   |' + floatToStr(Xn[s,4])

            + '|   |' + floatToStr(Xn[s,5]) + '|   |' + floatToStr(Xn[s,6]) );

end;

end;

procedure TForm1.Button2Click(Sender: TObject);

begin

randomize;

Random(10);

rand := random/10;

 V := 16;

for s := 1 toStdo

begin

for j := 1 to 6 do

begin

Xt[s,j]:= (V/(s*j))* rand;

end;

     Memo2.Lines.Add( floatToStr(Xt[s,1]) + '|   |' + floatToStr(Xt[s,2])

            + '|   |' + floatToStr(Xt[s,3]) + '|   |' + floatToStr(Xt[s,4])

            + '|   |' + floatToStr(Xt[s,5]) + '|   |' + floatToStr(Xt[s,6]));

end;

end;

procedure TForm1.Button3Click(Sender: TObject);

begin

for s := 1 toSndo

begin

Yn[s]:= 0.1*(Xn[s,1]+Xn[s,2]);

     Memo3.Lines.Add('Y= '+ floatToStr(Yn[s]));

end;

end;

procedure TForm1.Button4Click(Sender: TObject);

begin

for s := 1 toStdo

begin

Yt[s]:= 0.1*(Xn[s,1]+Xn[s,2]);

     Memo4.Lines.Add('Y= '+ floatToStr(Yt[s]));

end;

end;

end.


 

А также другие работы, которые могут Вас заинтересовать

32983. ПЕРСПЕКТИВЫ РАЗВИТИЯ ЕСТЕСТВЕННЫХ И ГУМАНИТАРНЫХ НАУК В КОНТЕКСТЕ МИРОВОЙ СИСТЕМЫ (И.ВАЛЛЕРСТАЙН. ЭВОЛЮЦИЯ СТРУКТУР ЗНАНИЯ В МИРОСИСТЕМНОЙ ПЕРСПЕКТИВЕ) 17.06 KB
  Она синтезирует социологический исторический и экономический подходы к общвенной эволюции. Концепция Мир – системная теория: мир и мировое сообщво – система госв госва в этой системе располагаются по экономическому фактору госваядра центра: США Япония Зап. ввел новое понятие модернити современное индустриальное общво. Согласно их кредо по мере продвижения к правильному пониманию реального мира формируется условие для лучшего управления реальным общвом.
32984. ПОНИМАНИЕ КАК МЕТОД ПОЗНАНИЯ В СОЦ.-ГУМАНИТАРНЫХ НАУКАХ 20.88 KB
  ПОНИМАНИЕ КАК МЕТОД ПОЗНАНИЯ В СОЦ.ГУМАНИТАРНЫХ НАУКАХ Понимание психологическое состояние верное восприятие или интерпретация к. В психолингвистике понимание трактуется преимущественно как result смыслового восприятия речевого сообщения. Понимание как метод гуманитарных наук было противопоставлено объяснению как методу естественных наук.
32985. ПОСТНЕКЛАССИЧЕСКАЯ НАУКА: МЕТОДОЛОГИЧЕСКИЕ ОСНОВАНИЯ И ФИЛОСОФСКИЕ ПОСЛЕДСТВИЯ 18.97 KB
  В качестве парадигмальной теории постнеклассической науки выступает синергетика теория самоорганизации изучающая поведение открытых неравновесных систем. Наиболее ценным достижением постнеклассической науки выступает предпринятая в ней попытка соединения объективного мира и мира человека. Гуманитарные и естественные науки больше не представляются разделенными непреодолимой пропастью.
32986. ПРЕДМЕТНЫЕ СФЕРЫ И ГРАНИ ВЗАИМОДЕЙСТВИЯ ФИЛОСОФИИ И НАУКИ (Ф.ФРАНК. КАКАЯ ПОЛЬЗА В ФИЛОСОФИИ НАУКИ) 18.2 KB
  ПРЕДМЕТНЫЕ СФЕРЫ И ГРАНИ ВЗАИМОДЕЙСТВИЯ ФИЛОСОФИИ И НАУКИ Ф. КАКАЯ ПОЛЬЗА В ФИЛОСОФИИ НАУКИ 1. философия всегда стремилась связать абстрактные положения науки со здравым смыслом вырабатывая тем самым единый и доступный рациональному пониманию взгляд на мир из которого вытекают определенные принципы человеческого поведения и деятти задача философии науки – гуманизация науки и преодоление разрыва м у ее гуманитарными и естественнонаучными областями 2. Философия науки – связующее звено способное обеспечить единое научное понимание мира и...
32987. ПРИРОДА И СУЩНОСТЬ НАУЧНЫХ РЕВОЛЮЦИЙ (Т.КУН. СТРУКТУРА НАУЧНЫХ РЕВОЛЮЦИЙ) 14.44 KB
  Развитие науки процесс поочередной смены 2х периодов: 1 нормальная наука безраздельно господствует парадигма 2 научная революция : распад парадигмы конкуренция м у альтернативными парадигмами победа одной из них переход к новому периоду нормальной науки . Свва парадигмы: 1 принята научным сообщвом как основа для дальнейшей работы; 2 содержит переменные вопросы т. Переход одной парадигмы к др. 2 Период нормальной науки : начинается с признания парадигмы формулируются и широко применяются самые многообразные и...
32988. ПРИРОДА И СУЩНОСТЬ НАУЧНЫХ РЕВОЛЮЦИЙ 23.48 KB
  Макс Планк – старое поколение ученых не приживается к новым идеям однако они отходят от науки и умирают. компонентов науки. Есть микрореволюции – в рамках той или иной науки физика биология экология; глобальные революции появление науки религии. философии проблема роста развития знания является центральной в философии науки.
32989. Общественное сознание и его структура 17.1 KB
  Конец формы Общественное сознание и его структура. Если сознание есть во многом продут социальный есть порождение общественных отношений то что такое общественные отношения общественное сознание Какова их структура Механизм работы И здесь наблюдаются определенные отличия индивидуального сознания и общественного сознания. Вопервых индивидуальное сознание имеет границы жизни обусловленные жизнью конкретного человека. Общественное же сознание может охватывать жизнь множества поколений.
32990. Структура общественного сознания и его основные формы 15.45 KB
  Обыденное и теоретическое сознание.Общественное сознание – это совокупность идей взглядов и оценок свойственных данному обществу в осознании им собственного бытия.Индивидуальное сознание – это совокупность идей взглядов чувств свойственных конкретному человеку.ОБЩЕСТВЕННОЕ СОЗНАНИЕ складывается на основе сознаний отдельных людей но не является их простой суммой.
32991. Философия истории 29.45 KB
  заключается ли он в самой ткани исторического события или он следствие нашей позднейшей его интерпретации Имеет ли история направление Кто является творцом истории Как возможно историческое событие Важнейшее отличие философии истории от истории состоит в том что если историю интересует причины определенных конкретных событий то философия истории анализирует общие закономерности исторического процесса в целом. в таких работах как “Экономическофилософские рукописи 1844 года†“Святое семействНемецкая идеология†а в...