ВУЗ:
Составители:
><
><
><
=
.
~
~
:
~
;
~
~
:
~
;
~
~
:
~
~
)2(
22
)2(
2
11
)2(
1
)2(
mmm
AТOBЕСЛИL
AТOBЕСЛИL
AТOBЕСЛИL
L
L
В данных системах
j
A
~
, (j = 1, 2, …m) – нечеткие высказывания о значениях входных параметров, а
j
B
~
, (j = 1, 2, …m) – нечеткие высказывания о значениях выходных параметров.
Для решения задач поиска решения в условиях нечеткой экспертной информации используется нечет-
кое правило MODUS PONENS, нечеткая индуктивная схема вывода, а также модель, использую-
щая нечеткую экспертную информацию второго рода.
2.5 Нейронные сети
Моделирование сложных систем требует большого числа знаний об объекте, в том числе экспери-
ментальных и экспертных. Для их обработки в последнее время широко используются нейронные сети.
В литературе встречаются несколько типов информационных моделей на основе нейронных сетей [6 –
17]:
− моделирование отклика системы на внешнее воздействие;
− классификация внутренних состояний системы;
− прогноз динамики изменения системы;
− оценка полноты описания системы и определение значимости параметров системы;
− оптимизация параметров системы по отношению к заданной целевой функции;
− управление системой.
В ряде случаев нейронные сети и физико-математические модели могут составлять единую модель,
например, когда внешние условия описываются уравнениями кинетики, а отклик системы – нейронной
сетью. Иногда используются гибридные нейронные модели, параметры которых являются нечеткими.
В основе теории нейронных сетей лежит желание воспроизвести функции мозга при решении кон-
кретной задачи. Однако создающиеся системы не полностью воспроизводят функции мозга, а скорее
представляют математическую модель, воспроизводящую отдельные возможности человеческого мозга,
по аналогии с которым искусственные нейтронные сети характеризуются следующими свойствами [6,
17]:
− обучение (т.е. изменение поведения в зависимости от окружающей среды);
− обобщение (реакция сети после обучения будет, до известной степени, нечувствительна к малым
изменениям входящих сигналов);
− абстрагирование (способность выявления различий во входных сигналах).
Описание биологического нейрона
Из нейробиологии известно, что человеческий мозг состоит из
10
10
-10
11
нейронов. На рис. 8 схематично представлен один биоло-
гический нейрон. Он содержит клеточное тело и отростки (аксон и
дендриты).
Клеточное тело состоит из ядра и окружающей его цитоплаз-
мы. На внешней поверхности содержится мембрана, включающая
три слоя. Она отделяет клеточное тело от окружающих его крайних
окончаний аксона.
Аксон (выход) – отросток нейрона, который служит для пере-
дачи нервных импульсов к другим нейронам или эффекторным органам (мускульным волокнам, клет-
кам желез).
Я
дро
Синапс
Аксон
Дендриты
Рис. 8 Биологический нейрон
