WWW.REFERATCENTRAL.ORG.UA - Я ТУТ НАВЧАЮСЬ

... відкритий, безкоштовний архів рефератів, курсових, дипломних робіт

ГоловнаМатематика, Геометрія, Статистика → Представлення неточних знань та стратегії неточного виводу в умовах невизначеності - Реферат

Представлення неточних знань та стратегії неточного виводу в умовах невизначеності - Реферат

денному.
В додаток, значення нечітких змінних A і A', представлених нечіткими множинами і не повинні бути рівними, а повинні перетинатись. Наприклад, нечіткі факти (температура висока) та (тиск високий) не порівнюються, тому що нечіткі змінні температура і тиск не одні і ті ж. Однак, якщо дані нечіткі факти (тиск низький), (тиск середній) і (тиск високий), як показано на мал.2, ясно, що (тиск низький) і (тиск середній) перетинаються і порівнюються, в той час, як (тиск низький) and (тиск високий) не порівнюються.
тиск
мал. 2 Порівняння нечітких фактів.
Для правила FUZZY-CRISP, заключення C' дорівнює C, а Cfc = CFr * CFf * S, де S є міра подібності між нечіткими множинами (що визначається нечітким паттерном A) і (з яким порівнюється факт A').
Міра подібності базується на мірі можливості P і мірі необхідності N. Вона обчислюється у відповідності з формулою, що приведена в [12]
якщо
в іншому випадку
де
і
є доповненням до , яка описується такою функцією належності:
.
Якщо тип правила є FUZZY-FUZZY, і нечіткий факт та нечіткий паттерн антецедента порівнюються так же, як і в правилі типу FUZZY-CRISP rule, тоді, як показано в [13], антецедент і консеквент такого правила пов'язані нечітким відношенням , де є нечіткою множиною, яка представляє значення нечіткого антецедентного паттерна, є нечіткою множиною, яка представляє значення нечіткого консеквента.
Обчислення заключення базується на композиційному правилі виводу [16], яке яке може бути описане наступним чином: , де є нечіткою множиною, яка представляє значення нечіткого об'єкту консеквента. Функція належності обчислюється так само, як і в [17]: , де .
Фактор визначеності заключення обчислюється так CFc = CFr * CFf.
Приклад правила типу FUZZY-FUZZY:
(defrule правило- fuzzy-fuzzy ; антецедент і консеквент- є нечіткі об'єкти.
(температура висока)
и (assert (зміна- температури мала)))
и (температура середня) ; факт з бази даних.
Графічна ілюстрація порівняння нечіткого факту та нечіткого паттерну, генерація нечіткого заключення показані на мол.3.
Нечіткі множини Нечітка множина консеквенту Затверджена
факту і антецеденту нечітка множина
Z
Температура середня зміна невелика зміна
Температура висока затверджена ???
Мал.3.Композиційне правило виводу(max-min)
??? використовуються для того, щоб показати невідомий лінгвістичний вираз.
2.3.2 Складні правила
Консеквентна частина правила може містити багато паттернів ( з неявною кон'юнкцією між ними. Вони трактуються як множина правил з єдиним консеквентом. Якщо консеквентне твердження є нечіткий факт, нечітке значення обчислюється за допомогою слідуючого базового алгоритму, що приведений в [14]:
If and then CF
CFf
CFf
- - - - - - - - - - - - - - - - - -
C CFc
де і є факти (crisp or fuzzy), якіпорівнюються з антецедентами відповідно і . В цьому випадку нечітка множина, яка описує значення нечіткого твердження в заключенні, обчислюється відповідно з формулою , де показує перетин двох нечітких множин, а функція належності визначається так
, для
є результатом нечіткого виводу для факту і простого правила If then C.
є результатом нечіткого виводу для факту і простого правила if then C.
Фактор визначеності заключення обчислюється відповідно з моделлю системи MYCIN'S
CFc = min(Cf ,Cf ) * CFr.
Приведений вище алгоритм може застосовуватись повторно, щоб управляти будь-якою комбінацією антецедентних паттернів, тобто
Fc = Fc Fc … Fc , CFc = min(CFf ,CFf ,…CFf ) *CFr.
2.4 Загальний вклад
Коли затверджується нечіткий факт, цей факт трактується як вкладв заключення про нечітку змінну (він вкладає глобально). Якщо інформація про нечітку змінну вже була затверджена, тоді нове підтвердження про нечітку змінну комбінується з існуючою інформацією в нечіткому факті. Існує багато методів конбінування підтверджень. Ми використаємо таку формулу для обчислення нового значення нечіткого факту Fg = Ff Fc , де Fg є новим значенням нечіткого факту, Ff є існуючим значенням нечіткого факту, Fc -значення нечіткого факту, що затверджений .
Невизначеності також агрегуються, формуючи загальну невизначеність за такою формулою CFg = maximum(CFf, CFc).
Можливо затверджувати факт в правій частині правила зі специфічним фактором визначеності. Замітимо, що фактор визнпченості буде також обчислюватись відповідно з природою правила і будь-яким глобальним вкладом. Обчислений фактор визначеності потім буде перемножатись з фактором визначеності, який заданий в стверджувальному виразі.Це корисний метод, який встановлює зважений фактор визначеності для правила з багатьма консеквентами.
2.5.Дефазифікація
Виходомнечіткого виводу є нечітка множина, яка описує нечіткий розподіл заключення. Однак, в деяких випадках, таких як застосування в управлінні, потрібно вибирати єдину точку, яка відображатиме найкраще значення множини. Цей процес редукції нечіткої множини в єдину точку називається дефазифікацією. Широко застосовується метод, який обчислює центр ваги (або момент) всієї множини. Метод центру ваги може бути формально записаний так
,
де - рекомендоване, дефазифіковане значення, а - універс.
В системі СИКОН нечітка множина визначається множиною точок, що розглядаються за допомогою лінійних сегментів. Тоді інтеграл редуцюється до простого сумування
де - локальний центр ваги, - локальна область під лінійними сегментами ( ), і - загальне число точок.
Інший метод концентрує увагу на значеннях, в яких розподіл можливостей досягає максимуму. Якщо максимальне значення досягається більш, ніж в одній точці, тоді береться середнє значення всіх максимумів. Неоднозначність має місце, коли максимальне значення трапляється вздовж плато, а не як серія індивідуальних піків.
References
1. J.Mc Dermott. R1: a rule-base configurer of computer systems. Artificial Intelligence, vol.19, n1, 1982.
2. В.П. Гладун, Н.И.Галаган, И.Г.Биба, А.Ф.Кургаев. Об автоматизации решения задач комплектации состава технических средств проблемно-ориентированного комплекса. Управляющие системы и машины, N5, 1982.
3. C.L.Forgy. Rete: a fast algorithm for many pattern many object pattern match problem. Artificial Intelligence, vol. 19, pp 12-37, 1982.
4. E.H.Shortliffe. Computer-based medical consultation: MYCIN. American Elsevier, New York, 1976.
5. G.Shafer. A Mathematical Theory of Evidence. Princeton University Press, Princeton, Nj 1976.
6. T.Whalen, B.Scott, and F.Ganoe. Fault diagnosis in fuzzy network, Proceeding of the International Conference on Cybernetics and Society, IEE Press, New York, 1982.
7. J.Buckley and W.Siler. Fuzzy Operators for possibility interval sets. Fuzzy Sets and Systems, 22: 215-227; 1987.
8. J.F.Baldwin. Evidential support logic programming. Fuzzy Sets and Systems, 24: 1-26; 1987.
9. Z.A.Sosnovsi. FLISP - language for processing fuzzy data. Fuzzy Sets and Systems, 37: 23-32; 1990.
10. Earl Cox. The fuzzy system Handbook. AP.Professional, 1995.
11. L.A.Zadeh. Fuzzy sets. Information and Control, 8: 338-383; 1965.
12. M.Cayrol., H.Farency, and H.Prade. Fuzzy pattern matching. Kybernetes, 11: 103-106; 1982.
13. L.A.Zadeh. The concept of a linguistic Variable and its Application to Approximate Reasoning. New York, 1973.
14. T.Walen and B.Scott. Issues in fuzzy production systems. International Jornal of Man-Machine Studies, 19: 57; 1983.
Loading...

 
 

Цікаве