Стр. 40 - СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ

[

Введите текст]

Содержание

38

СИСТЕМЫИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ.

ОПТИМИЗАЦИЯ БАЗ ЗНАНИЙ НЕЧЕТКИХ ЭКСПЕРТНЫХ СИСТЕМ

задачи с необходимой точностью, тогда потребуется более подробное разбиение

переменных и повторное обучение.

2.

На втором этапе эксперт подготавливает обучающую выборку – набор

примеров, который будет использован при оптимизации параметров системы.

Выборка представляет собой таблицу, состоящую из строк вида:

*

* *

*

1 2

,

, ,..., , , ,...,

i

iu i

i

ih

x x x y y y

<

>=<

>

X Y

,

где

1 2

( , ,..., )

i

iu

x x x

=

X

–

вектор входных значений

i

-

го примера, т.е. значений не-

зависимых переменных и степеней уверенности входных фактов,

*

* *

*

1 2

( , ,..., )

i

ih

y y y

=

Y

–

вектор требуемых выходных значений (степеней уверенности

исходов) при подаче на входы системы

i

-

го примера,

1,...,

i

m

=

.

В том случае, когда в качестве требуемых выходов имеются измеренные

значения четкой переменной, их необходимо преобразовать в значения функций

принадлежности, заданных на области определения переменной. Для этого зави-

симая переменная разбивается на необходимое число интервалов (определяется

экспертом), которые будут соответствовать возможным исходам. Далее для каж-

дого из

m

примеров рассчитываются значения функций принадлежности при

указанном в примере значении переменной. Функции принадлежности могут

иметь прямоугольный, трапециевидный или другой адекватный, по мнению экс-

перта, вид.

От качества обучающей выборки в большой степени зависит эффективность

оптимизации. Выборка должна быть непротиворечивой (не должна содержать

примеры с одинаковыми входными значениями, но различными выводами) и как

можно более полной. Однако она может не охватывать все возможные ситуации

или классы объектов наблюдения и может быть несбалансированной (т.е. содер-

жать непропорциональное число примеров для разных исходов). Т.о. предлагае-

мый метод допускает применение непредставительной обучающей выборки.

Данный недостаток должен быть скомпенсирован за счет использования априор-