Прикладные интеллектуальные системы, основанные на мягких вычислениях. Ярушкина Н.Г. - 21 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

21
В реальном поведении человека невозможно разделить восприятие и ло-
гическую обработку, поэтому более успешной представляется схема глубинной
интеграции. Примерами таких глубинных успешных гибридов может служить
создание нечетких нейронных сетей, объединяющих методы обучения нейрон-
ных сетей, управление неопределенностью нечеткой логики и логический вы-
вод дедуктивных систем. Причем гибридизация является именно глубинной,
так как одна нейронная сеть содержит и логические (дискретные) И-ИЛИ-
нейроны, и непрерывные традиционные пороговые суммирующие нейроны.
Таким образом, происходит создание структуры, объединяющей обработку
сигнала и оценку такой обработки, в том числе логическую [7, 8, 9, 10, 11, 12,
13].
1.6. Искусственная эволюция интеллектуальных систем
Генетические алгоритмы различных видов в основном используются в
нейронных сетях и гибридных системах для оптимизации параметров функций
принадлежности входных и выходных переменных. Но появляются работы, в
которых генетический алгоритм выполняет структурный синтез нейронной се-
ти, в частности, определяет тип сети, количество скрытых слоев и нейронов,
выбирает функции оптимальности, то есть с помощью компьютерного модели-
рования можно наблюдать разработку (развитие) нейронной сети (когнитивной
структуры) в ходе искусственно организованной эволюции.
Для всех классов нейронных сетей, в том числе гибридных систем, связь
системы с окружением устанавливается с помощью обучающей выборки. Чем
более полна и адекватна обучающая выборка, тем выше аппроксимирующая
или классифицирующая способность нейронной сети после обучения. При ис-
пользовании, кроме классического метода обратного распространения сигнала,
еще и генетического алгоритма обучения, гибридные системы получают еще
один инструмент адаптации – функцию оптимальности генетического алгорит-
ма, fitness-function.
Таким образом, нечеткие нейронные сети с генетическим алгоритмом оп-
тимизации структуры можно рассматривать как перспективные модели компь-
ютерного моделирования эволюции интеллекта.
Эволюция интеллекта по современным представлениям может быть охаракте-
ризована формулой:
Моторика + Сенсорика + Безусловные рефлексы
+ условные рефлексы + инстинкты + мышление = интеллект.
Взаимодействие всех названных в формуле систем подразумевает соче-
тание восприятия и логики. Вместе с тем реализация решения интеллектуаль-
ных задач в ходе непрерывной эволюции интеллекта создала сложные структу-
ры (мозг), огромное число элементов которых представляют собой взаимодей-

Страницы