Дурниця (схема) нечіткого логічного висновку
Ф
Агрегування передумов – за кожним правилом формується
Активізація правил – активізація полягає у кожному їх правил на основі min-активізації (Мамдані), prod-активізації (Ларсен)
Акумулювання висновку – композиція, об'єднання знайдених усічених нечітких множин із використанням операції max-диз'юнкції.
Лінгвістична змінна - премінна, значеннями якої явл-ся терми (слова, фрази природною мовою).
Кожному значенню лінгвістичної змінної відповідає певна нечітка множина зі своєю функцією приналежності.
Сфера застосування нечіткої логіки:
1) Недостатність чи невизначеність знань, коли отримання інформації явл-ся складної чи неможливої задачи.
2) Коли виникає труднощі обробки невизначеної інформації.
3) Прозорість моделювання (на відміну нейросетей).
Область застосування нечіткої логіки:
1) Під час проектування систем підтримки та прийняття рішень на основі експертних систем.
2) Під час розробки нечітких контролерів, застосовуваних під час управління технічними системами.
«+»:1) Вирішення слабоформалізованих завдань.
2) Застосування в областях, де значення змінних бажано виразити у лінгвістичній формі.
«–»: 1) Проблема вибору функції приналежності (вирішується під час створення гібридних інтелектуальних систем)
2) Сформульований набір правил може виявитися неповним та суперечливим.
*16.Процедура (схема) нечіткого логічного висновку. Приклад нечіткого логічного висновку до виконання кількох правил. Переваги та недоліки систем, заснованих на нечіткій логіці [2/2].
Від вибору методу НЛВ та дефазифікації залежить кінцевий результат.
П1: Якщо Температура (Т) – низька І Вологість (F) – середня, то вентиль напіввідкритий.
П2: Якщо Температура (Т) – низька І Вологість (F) – висока, вентиль закритий.
НЛВ: Метод max-min (Мамдані);
Дефаззифікація: Метод середнього із максимумів.
17.Штучні нейронні мережі. Особливості біологічного нейрона. Модель штучного нейрона [1/2].
Під нейронними мережами маються на увазі обчислювальні структури, які моделюють прості біологічні процеси, які зазвичай асоціюються з процесами людського мозку. Нервова система та мозок людини складаються з нейронів, з'єднаних між собою нервовими волокнами, які здатні передавати електричні імпульси між нейронами.
Нейрон – нервова клітина, що обробляє інформацію. Він складається з тіла (ядро і плазма) і відростків нервових волокон двох типів - дендритів, за якими приймаються імпульси від аксонів інших нейронів, і свого аксона (наприкінці розгалужується на волокна), яким може передавати імпульс, згенерований тілом клітини. На закінченнях волокон перебувають синапси, які впливають силу імпульсу. Коли імпульс досягає синаптичного закінчення, вивільняються певні хімічні речовини, які називаються непротрансмітерами, що збуджують або загальмовують, здатність нейрона-приймача генерувати електричні імпульси. Синапси можуть навчатися залежно від активності процесів, у яких беруть участь. Ваги синапсів можуть змінюватися з часом, щозмінює та поведінку відповідного нейрона.
Модель штучного нейрона
x1…xn – вхідні сигнали нейрона, які надходять з інших нейронів. W1…Wn – синапсичні ваги.
Помножувачі (синапси)– здійснюють зв'язок між нейронами, множать вхідний сигнал на число, що характеризує силу зв'язку.
Сумматор –складання сигналів, що надходять по синапсичних зв'язках від інших нейронів.
*17.Штучні нейронні мережі. Особливості біологічного нейрона. Модель штучного нейрона [2/2].
Нелінійний перетворювач– реалізує нелінійну функцію одного аргументу – виходу суматора. Ця функція називаєтьсяфункцією активаціїабопередавальною функцієюнейрона.
1) Обчислює зважену суму своїх входів з інших нейронів.
2) На входах нейрона є збуджуючі та гальмують синапси
3) При перевищенні суми входів порога нейрона виробляється вихідний сигнал.
Види активаційних функцій:
1) гранична функція: область значення (0;1)
«+»: простота реалізації та висока швидкість обчислення
2) Сігмоїдальна (логістична функція)
При зменшенні a сегмент стає пологішим, при a=0 – пряма лінія.
"+": простий вираз її похідної, а також здатність посилювати сигнали слабкі краще, ніж великі і запобігати насиченню від великих сигналів.
"-": область значення мала (0,1).
3)Гіперболічний тангенс: область значень (-1,1)