Нечіткі множини та нечітка логіка

У постановці задач часто зустрічаються елементи нечіткості. Нечіткість може бути лінгвістичною, тобто виникати з властивостей мови опису задач (приміром, такі характеристики, як “великий” або “малий”, не задають кількісну міру та мають сильну контекстну залежність - так, карликовий бегемот напевно більше крупного хом’яка).

Теорія нечітких множин дає строгий математичний опис розпливчастих тверджень (“ fuzzy logic ”), дозволяючи тим самим подолати лінгвістичний бар'єр між людиною, судження й оцінки якої є наближеними і нечіткими, і комп’ютерами, здатними виконувати тільки чіткі інструкції.

Зараз існує кілька підходів до формалізації нечітких понять. Один з них - нечіткі множини Заде. Він долає обмеження класичної теорії множин щодо того, що елемент може або належати, або не належати множині. Вводиться характеристична функція належності, що приймає свої значення на інтервалі від 0 до1.

Галузь застосування нечітких множин дуже широка і різноманітна. У царині аналізу великих систем, таких, як управління економікою країни або галузі, з'являється можливість моделювання невизначеності, яка подається у градаціях поінформованості центру про нижчі рівні. У галузі лінгвістики – це моделювання змісту речень і текстів за допомогою розподілу можливостей, які описують функції належності. В техніці теорія нечітких алгоритмів стимулює розвиток гнучких автоматизованих виробництв і робототехнічних комплексів, зокрема, роботів, здатних виконувати окремі інтелектуальні дії людини. Теорія нечітких множин корисна при створенні діалогових систем з мовою спілкування, близькою до природного.

Між ШІ і теорією нечітких множин існує тісний взаємозв'язок, що випливає з тези Л. Заде про те, що «людина мислить не числами, а нечіткими поняттями».

Експертні системи

Експертна система (ЕС) — це складна ІС, що оперує знаннями в певній ПрО з метою надання рекомендацій або вирішення проблеми.

ЕС акумулює знання експертів, щоб надати можливість використовувати їх менш кваліфікованим користувачам. Вона на основі обробки цих знань може давати інтелектуальні поради, приймати рішення на рівні експерта-професіонала, а також пояснювати процес знаходження того або іншого рішення.

ЕС - це програма, що поводиться як експерт в певній вузькій ПрО. ЕС мають розв’язувати задачі з невизначеними і неповними вихідні даними, застосовуючи для цього експертні знання. Ці системи надають пояснення своєї поведінки і свого рішення, але відповідальність за прий­няте рішення несе особисто користувач. ЕС мають широке практичне застосування. Розроблені ЕС у науці (класифікація тварин і рослин за видами), у медицині (постановка діагнозу, аналіз електрокардіограм, визначення методів лікування), у техніці (пошук несправностей у технічних пристроях), у соціології, криміналістиці, лінгвістиці тощо.

Прийнято виділяти в ЕС три основні модулі:

• база знань;

• машина виведення;

• інтерфейс із користувачем.

Оцінка ЕС користувачем значною мірою залежить від того, наскільки праця з експертною системою схожа на співробітництво з експертом, і, відповідно, істотно залежить від якості пояснень, які система надає користувачеві у відповідь на його запитання. Важлива риса ЕС - їх адаптивність, тобто здатність до навчання.

Для функціонування ЕС її БЗ має бути наповнена знаннями. Для цього запрошують експертів - висококваліфікованих спеціалістів у тій галузі, для якої розробляється ЕС. Їх завдання — формально описати всі свої знання, потрібні для функціонування ЕС. У БЗ містяться знання двох типів:

1) загальновідомі факти, явища, закономірності даної ПрО;

2) набір емпіричних правил, за якими спеціалісти приймають рішення за умов невизначеності, непов­ноти та суперечливості інформації.

Не нашли, что искали? Воспользуйтесь поиском: