[
Введите текст]
Содержание
54
СИСТЕМЫИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ.
ОПТИМИЗАЦИЯ БАЗ ЗНАНИЙ НЕЧЕТКИХ ЭКСПЕРТНЫХ СИСТЕМ
классификации входных сигналов по классам A и B на основе правил базы зна-
ний:
1.
ВХОДНАЯ ВЕЛИЧИНА "X1"
С РАЗМЕРНОСТЬЮ (-)
ПАРАМЕТРАМИ СЕГМЕНТАЦИИ:
Xmin = 0, X1 = 4, X2 = 5, Xmax = 9
И НАЗВАНИЯМИ СЕГМЕНТОВ:
"
Малое значение", "Большое значение".
2.
ВХОДНАЯ ВЕЛИЧИНА "X2"
С РАЗМЕРНОСТЬЮ (-)
ПАРАМЕТРАМИ СЕГМЕНТАЦИИ:
Xmin = 0, X1 = 4, X2 = 5, Xmax = 9
И НАЗВАНИЯМИ СЕГМЕНТОВ:
"
Малое значение", "Большое значение".
3.
ЕСЛИ "X1" = "Малое значение"
И "X2" = "Малое значение"
ТО "КлассA".
4.
ЕСЛИ "X1" = "Большое значение"
И "X2" = " Большое значение"
ТО "КлассA".
Для уменьшения числа правил в системе делается заключение только о
принадлежности объекта классу A. Если принадлежность объекта классу A не
подтверждается, делается вывод о принадлежности объекта классу B. Сеть, со-
ответствующая приведенной ранее базе знаний, представлена на рис. 3.2.
Пусть при кодировании параметров сегментации разрядность двоичного
представления принимается равной 6. Веса правил и посылок будут кодиро-
ваться 1 битом (
).
Параметры элементов типа "Сегмент" также кодируются 1
битом (
).
Для формирования генотипа будем обходить элементы
сети слева направо и сверху вниз (рис. 3.2), кодируя их параметры.
Для первого элемента "X1":
(
)
(
)
(
)
(
)
010010
011100
28
09
1 2 04 1 2
π
1
1
6
min
max
min
1
1
2
= → =→=
−
− ⋅ −
=
−
− ⋅
−
=
G
B
x x
x
c
l
;
(
)
(
)
(
)
(
)
110010
100011
35
09
1 2 05 1 2
π
2
2
6
min
max
min
2
2
2
= → = →=
−
− ⋅ −
=
−
− ⋅
−
=
G
B
x x
x
c
l
.
2
l
1
1
l
=
3
2
ceil( log 2) 1
l
=
=
1...,46,47,48,49,50,51,52,53,54,55 57,58,59,60,61,62,63,64,65,66,...88