Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
РЕФЕРАТ
На тему: «Функция принадлежности»
Выполнила: студентка 4-его курса
группы А-1-96
Демина А.Ю.
Обнинск 2000
Содержание
интеллекта.
Буквально несколько десятилетий назад все было понятно: знание – особенность исключительно человеческого интеллекта, так как он предполагает способность не только хранить информацию, но и понимать ее. Однако бурное развитие современных информационных технологий привело к кардинальному пересмотру многих привычных определений. В их числе оказалось и само понятие интеллекта: уникальность человеческого разума была поставлена под сомнение самим человеком.
Первые исследования в области искусственного интеллекта (ИИ) были начаты в 60-х годах и первоначально ограничивались решением простейших задач, как то: наделение машин способностью доказывать несложные теоремы, обучение логике игры в шахматы и т.п. От решения первых простейших задач исследователи постепенно перешли к более сложным моделям: ускорение типовых вычислений как продукт их первоначальной деятельности перестало удовлетворять нуждам общества. Собственно говоря, отсюда и берет свое начало история хорошо известных сегодня систем автоматизации.
Однако после массового внедрения этих систем в бизнес-процессы, возникли первые трудности. Выяснилось, что многие задачи, успешно и быстро решаемые человеком-экспертом, не поддаются описанию в понятиях компьютерной логики, основанной только на математике. Альянс «человек + компьютер» по-прежнему оставался доминирующим при выборе и построении моделей подобных систем. Естественно, учитывая все возрастающую тенденцию к максимальной автоматизации деятельности, создавшееся положение требовало глобального переосмысления существующего подхода к информации вообще. Машины необходимо было научить не только структурировать информацию, но и думать, принимая самостоятельные решения. Именно этот момент можно по праву считать началом века ИИ.
Специалисты быстро поняли, что основной задачей новой области должно стать эффективное управление поступающими информационными потоками, то есть, в конечном счете, получение знаний из информации. Было очевидно, что для начала часть материалов может и должна быть отсеяна, исходя из определенных критериев.
В настоящее время в исследованиях по ИИ выделились несколько основных направлений:
Согласуясь с темой реферата, рассмотрим только первое направление.
Проблема представления знаний является одной из основных проблем для системы ИИ, так как функционирование такой системы опирается на знания о проблемной области, которые хранятся в ее памяти.
В области приобретения знаний к настоящему времени разработано значительное число подходов, стратегий, методов и процедур работы с экспертами, предложены различные способы обработки полученных результатов, а также создан целый ряд программных средств, автоматизирующих процессы извлечения знаний из экспертов, специальных текстов и баз данных.
Наибольшее развитие из всех разработок ИИ получили экспертные системы (ЭС). Они завоевали устойчивое признание в качестве систем поддержки принятия решения. Подобные системы способны аккумулировать знания, полученные человеком в различных областях деятельности. Однако большинство систем все еще сильно зависит от классической логики (ее основоположником считается Аристотель). Существенный недостаток классической или булевой логики – с ее помощью невозможно описать ассоциативное мышление человека. Решить эту проблему и призвана нечеткая логика, в состав аппарата которой входит функция принадлежности.
Одним из основных методов представления знаний в ЭС являются продукционные правила, главным недостатком которых является то, что для их функционирования требуется наличие полной информации о системе.
Нечеткие системы тоже основаны на правилах продукционного типа, однако в качестве посылки и заключения в правиле используются лингвистические переменные, что позволяет избежать ограничений, присущих классическим продукционным правилам.
Нечеткость возникает в случае, когда эксперт пытается количественно охарактеризовать качественные понятия и отношения, которые он использует в своих рассуждениях. Приобретение нечетких знаний является чрезвычайно сложной задачей, поскольку эксперты, как правило, не в состоянии определять и строить функцию принадлежности (ФП) множества F, которая отображает элементы множества F в интервал [0;1]. Кроме того, эксперт часто не может (не хочет) оперировать четкими понятиями, а использует для решения задачи нечеткие переменные, которые он подсознательно понимает, но выразить количественно затрудняется. Например, в своих рассуждениях эксперт может оперировать понятием «большой», однако никоим образом не характеризуя это понятие количественно. Решать эту проблему должен уже инженер знаний с помощью аппарата нечеткой логики. Разберем, как это происходит.
Точные значения переменных преобразуются в значения лингвистических переменных посредством применения некоторых положений теории нечетких множеств, а именно – при помощи определенных ФП.
В нечеткой логике значения любой величины представляются не числами, а словами естественного языка и называются термами. Принадлежность каждого точного значения одному из термов лингвистической переменной (ЛП) и определяется с помощью ФП. Ее вид может быть абсолютно произвольным. Сейчас сформировалось понятие о так называемых стандартных ФП (см рис. ниже).
Стандартные ФП легко применимы к решению большинства задач. Однако, если предстоит решать специфическую задачу, можно выбрать и более подходящую форму ФП, при этом можно добиться лучших результатов работы системы, чем при использовании функции стандартного типа.
Дадим некое подобие алгоритма по формализации задачи в терминах нечеткой логики.
После такого описания задачи необходимо перейти к составления базы нечетких правил.
Можно выделить две группы методов построения ФП: прямые и косвенные. В прямых методах эксперт непосредственно задает правила определения значений ФП lia (u) . Сюда относится непосредственное задание ФП таблицей, формулой или примером.
В косвенных методах значения ФП выбираются таким образом, чтобы удовлетворялись заранее сформулированные условия. Как правило прямые метода используются для описания понятий, которые характеризуются измеримыми признаками (высотой, ростом, массой, объемом).
Подведем некоторые итоги нашего обзора и отметим наиболее важные аспекты влияния и роль, которую сыграли и играют ФП в формировании и развитии ИИ.
Литература