Прикладные интеллектуальные системы, основанные на мягких вычислениях. Ярушкина Н.Г. - 17 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

17
будущего – это интеграция автономных достижений, причем глубинная инте-
грация, осуществляемая на основе создания гибридных систем.
Трудно сказать под каким именем будет происходить такая широкая гиб-
ридизация, возможна регенерация термина гибридные системы или развитие
термина синергетический интеллект.
В любом случае впереди - гибридизация достижений инженерии зна-
ний, распознавания образов, нейроинформатики, роботики, которая долж-
на обеспечить синергизм сигнала, числа, слова и понятия.
В самом общем виде такую тенденцию можно выразить как переход от
задачи создания думающей машины к задаче создания интеллектуального
существа.
1.2.1. Моделирование восприятия и умозаключений. Интеграция нейронных
сетей и систем логического вывода – нечеткие нейронные сети
Исследование известных архитектур гибридных систем и алгоритмов их
обучения позволяет, по нашему мнению, считать их моделями, адекватно отра-
жающими соотношение восприятия и логического умозаключения при когни-
тивной деятельности человека. При реальном решении задачи человек комби-
нирует процессы мышления (компьютерный аналог – логический вывод), вспо-
минания (сознательное «внутреннее» возбуждение образа), восприятия окру-
жающих предметов (распознавание) и, возможно, движения (управление те-
лом). Обученная нечеткая нейронная сеть и хранит паттерны, и выполняет ло-
гические операции, так как содержит И-ИЛИ- нейроны, и переключается от
распознавания на логический вывод, так как обычно включает в себя несколько
отдельно обученных сетей с разными функциями.
Таким образом, несмотря на то, что нечеткие нейронные сети созданы как
нейро-нечеткие контроллеры для управления процессами, они могут служить
когнитивной моделью для изучения взаимодействия процессов восприятия и
мышления при когнитивной деятельности.
1.2.2. Моделирование сознания и неосознанного
Особенностью гибридных систем является их принципиальная интерпре-
тируемость, то есть как и всякая система логического вывода, гибридная систе-
ма объясняет свой результат с помощью обратного просмотра протокола при-
меняемых вербализованных правил. Любая нечеткая нейронная сеть работает
как система нечеткого логического вывода, но строится не с помощью инжене-
рии знаний, а с помощью обучения по образцам. В результате матрица весов
отражает силу связи входных и выходных переменных. Результатом обучения
нечеткой нейронной сети служит не только матрица весов, но совокупность
правил и оценок их достоверности. Следовательно, любая гибридная система
является как минимум двухуровневой, включающей систему и метасистему,

Страницы