Прикладные интеллектуальные системы, основанные на мягких вычислениях. Ярушкина Н.Г. - 107 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

106
Срез по оси t – есть нечеткая метка со своей функцией принадлежности.
Такое представление тенденции можно рассматривать как идеальное, т.к. на
практике эксперт заранее определяет основные значения параметра (лингвис-
тические термы) и может описывать изменения на их основе. Задача эксперта
описать НТ как множество пар: время – терм. Время ограничено экспертом и
задается периодом, т.е. всегда нужно указывать для какого интервала описыва-
ется НТ. Допустим, имеются следующие описания параметра: низкое, среднее,
высокое. Тогда тенденция роста описывается в следующем виде:
РОСТ Низкое Среднее Высокое
T
1
1 0 0
T
2
0 1 0
T
3
0 0 1
Описание НТ представляет собой следующие действия эксперта:
1. определение лингвистических термов;
2. определение периода НТ;
3. описание нечетких меток в каждом моменте периода.
В качестве инструмента определения НТ может выступать многослойная
нейронная сеть, входом которой является множество нечетких меток, а выхо-
дом значения тенденций (0 или 1). Количество выходов может варьироваться в
зависимости от выбранного варианта: одна нейронная сеть (НС) – один тип НТ,
одна НС – на все типы. Задача эксперта не только описать тенденцию, а так же
обучить НС.
Для обучения НС пользователем подготавливаются выборка данных,
представляющая собой ряды нечетких меток и соответствующие им тенденции.
Каждая нечеткая метка выражается вероятностью лингвистических термов:
«низкое», «среднее», «высокое», -т.е. тройкой чисел от 0 до1. Например, тен-
денцию «Период» можно представить следующим рядом чисел: «высокое»
(0,0,1), «среднее» (0,1,0), «низкое» (1,0,0), «среднее» (0,1,0), «высокое» (0,0,1),
«среднее» (0,1,0) и т.д. Следует отметить такую характеристику тенденции, как
период ее протекания, выражающий глубину просмотра данных для текущей
точки. Эксперт должен заранее определить, каков будет период НТ и исходя из
этого строить обучающие ряды (количество меток в ряде есть период тенден-
ции). Обученные НС (набор весов) представляют собой отдельные модули для
каждого вида НТ.
Преобразование исходных данных, включающих точку нахождения НТ
(текущий момент времени для временного ряда) и глубину просмотра (период),
происходит следующим образом:
- фаззификация данных: преобразование четких данных в нечеткую мет-
ку на основе лингвистических термов, заданных на этапе обучения сис-
темы;

Страницы