Стр. 27 - СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ

25 Содержание
СИСТЕМЫИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ.
ОПТИМИЗАЦИЯ БАЗ ЗНАНИЙ НЕЧЕТКИХ ЭКСПЕРТНЫХ СИСТЕМ
танных на данный момент методов состоит из двух этапов: этапа генерации пра-
вил и этапа коррекции ФП. Некоторые исследователи утверждают, что совмест-
ная оптимизация параметров нечетких правил и ФП входных переменных позво-
ляет ускорить процесс обучения. Применение одноэтапных методов параметри-
ческой оптимизации исследовано лишь для некоторых моделей нечетких систем.
Т.о. разработка подобных методов является актуальной.
Применимость различных алгоритмов оптимизации для настройки парамет-
ров системы зависит от выбранной модели и характера решаемых прикладных
задач. Для решения наиболее широкого круга задач могут быть использованы
генетические алгоритмы, сочетающие в себе элементы детерминистического и
стохастического подходов. Классические градиентные методы оптимизации
применимы при строгих ограничениях на вид целевой функции (дифференци-
руемость, отсутствие глубоких локальных минимумов). Генетические алгорит-
мы, напротив, позволяют получать приемлемые решения многоэкстремальных,
многопараметрических задач оптимизации, не накладывая ограничений на вид
целевой функции[15]. Подробно о ГА можно прочитать в работе[4]. Примене-
нию ГА для обучения искусственных нейронных сетей, в том числе нечетких,
посвящены работы[15,21,28] .