Стр. 44 - СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ

[Введите текст]
Содержание 42
СИСТЕМЫИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ.
ОПТИМИЗАЦИЯ БАЗ ЗНАНИЙ НЕЧЕТКИХ ЭКСПЕРТНЫХ СИСТЕМ
или дальнейшее обследование. Учитывая все вышесказанное, приведем формулы
определения ошибки:
) ( max,..., 1 max
1
средн i
m i
m
i
i
E k
m
E
k E
=
= ⋅ + ⋅ =
∑
, (2.3.1)
1
h
i ij
j
E E
=
= ∑ , (2.3.2)
( )
( )




> − ⋅
≤ − ⋅
=
, если ,
, если ,
* 2
*
пр
* 2
*
лс
ij ij ij ij
ij ij ij ij
ij y y y y k
y y y y k
E (2.3.3)
где m – число примеров; средн k – вес, с которым учитывается средняя ошибка;
max k – вес, с которым учитывается максимальная ошибка; h – число выходов се-
ти; лс k – цена ложного срабатывания; пр k – цена ошибки типа "пропуск"; *
ij y –
требуемое значение j-го выхода сети при подаче на входы значений из i-го при-
мера; ij y – фактическое значение j-го выхода сети при подаче на входы значений
из i-го примера. Коэффициенты средн k , max k , лс k и пр k задаются экспертом перед за-
пуском оптимизации исходя из особенностей прикладной области и целей ис-
следования. Для большинства случаев приемлемыми являются следующие зна-
чения коэффициентов: 1
средн = k , 0
max = k , 1
пр лс = = k k . При этом вычисление
функции ошибки производится по упрощенной формуле:
( )
m
y y
E
m
i
h
j
ij ij ∑∑
= =
−
= 1 1
2
*
.
(2.3.4)
Во время обучения корректировка правил и функций принадлежности лин-
гвистических переменных происходит одновременно. Это отличает описывае-
мый подход от большинства существующих методов обучения нечетких моде-
лей, в которых генерация правил и подстройка форм ФП происходит на разных