Интеллектуальные информационные системы. Макаренко С.И. - 84 стр.

UptoLike

ВУЗ: 

МГГУ им. Шолохова | Москва

Составители: 

Рубрика: 

83
9. НЕЧЕТКИЙ ВЫВОД ЗНАНИЙ
9.1 Основные положения нечеткого вывода знаний
Данные и знания, с которыми приходится иметь дело в ИС, редко
бывают абсолютно точными и достоверными. Присущая знаниям
неопределенность может иметь разнообразный характер, и для ее
описания используется широкий спектр формализмов. Рассмотрим один
из типов неопределенности в данных и знаниях — их неточность.
Будем называть высказывание неточным, если его истинность (или
ложность) не может быть установлена с определенностью.
Основополагающим понятием при построении моделей неточного
вывода является понятие вероятности, поэтому все описываемые далее
методы связаны с вероятностной концепцией.
Модель оперирования с неточными данными и знаниями включает
две составляющие:
- язык представления неточности;
- механизм вывода на неточных знаниях.
Для построения языка необходимо выбрать форму представления
неточности (например, скаляр, интервал, распределение, лингвистическое
выражение, множество) и предусмотреть возможность приписывания
меры неточности всем высказываниям.
Механизмы оперирования с неточными высказываниями можно
разделить на два типа.
1. Механизмы, носящие «присоединенный» характер: пересчет
мер неточности как бы сопровождает процесс вывода,
ведущийся на точных высказываниях. Для разработки
присоединенной модели неточного вывода в основанной на
правилах вывода системе необходимо задать функции пересчета,
позволяющие вычислять:
а) меру неточности х антецедента правила (его левой части) по
мерам неточности x
i
составляющих его высказываний:
x=f(x
1
, ..., x
n
);
б) меру неточности у консеквента правила (его правой части) по
мерам неточности правила (r) и посылки правила (х) у=h(r, x);
в) объединенную меру неточности высказывания А по мерам,
полученным из правил, консеквентом которых является A:
y
0
=g(y
1
, ..., y
m
). 
                   9. НЕЧЕТКИЙ ВЫВОД ЗНАНИЙ

       9.1 Основные положения нечеткого вывода знаний

      Данные и знания, с которыми приходится иметь дело в ИС, редко
бывают абсолютно точными и достоверными. Присущая знаниям
неопределенность может иметь разнообразный характер, и для ее
описания используется широкий спектр формализмов. Рассмотрим один
из типов неопределенности в данных и знаниях — их неточность.
    Будем называть высказывание неточным, если его истинность (или
ложность) не может быть установлена с определенностью.
     Основополагающим понятием при построении моделей неточного
вывода является понятие вероятности, поэтому все описываемые далее
методы связаны с вероятностной концепцией.
      Модель оперирования с неточными данными и знаниями включает
две составляющие:
     - язык представления неточности;
     - механизм вывода на неточных знаниях.
     Для построения языка необходимо выбрать форму представления
неточности (например, скаляр, интервал, распределение, лингвистическое
выражение, множество) и предусмотреть возможность приписывания
меры неточности всем высказываниям.
     Механизмы оперирования с неточными высказываниями можно
разделить на два типа.
     1. Механизмы, носящие «присоединенный» характер: пересчет
        мер неточности как бы сопровождает процесс вывода,
        ведущийся на точных высказываниях. Для разработки
        присоединенной модели неточного вывода в основанной на
        правилах вывода системе необходимо задать функции пересчета,
        позволяющие вычислять:
        а) меру неточности х антецедента правила (его левой части) по
           мерам неточности xi составляющих его высказываний:
           x=f(x1, ..., xn);
        б) меру неточности у консеквента правила (его правой части) по
           мерам неточности правила (r) и посылки правила (х) у=h(r, x);
        в) объединенную меру неточности высказывания А по мерам,
           полученным из правил, консеквентом которых является A:
           y0=g(y1, ..., ym).



                                  83

Страницы