Розглядається проблема представлення властивостей складних об'єктів в базах знань експертних систем, коли вони характеризуються невизначеністю і відсутні способи оцінки будь-яких значень розмитості їх кількісних характеристик, що істотно ускладнює дослідження відповідає ознакам простору. Аналіз поставленого завдання свідчить про доцільність початкової орієнтації програмного забезпечення її вирішення на багатозначну інтерпретацію з позиції нечіткого і лінгвістичного моделювання даної проблемної області.

Анотація наукової статті з математики, автор наукової роботи - Гаджієв Ф.Г., Гулузаде Ф.И.


ALGORITHM FOR PRESENTING PROPERTIES OF EXPERT SYSTEM OBJECTS

The article considers the problem of presenting the properties of complex objects in the knowledge bases of expert systems when they are characterized by uncertainty, and there is no other way to estimate ambiguity values ​​of their quantitative characteristics, which complicates the study of the corresponding attribute space. The analysis of the task set testifies to the expediency of the initial orientation of the software for its solution to the multi-valued interpretation from the position of fuzzy and linguistic modeling of the problem area under consideration.


Область наук:
  • Математика
  • Рік видавництва: 2019
    Журнал: Міжнародний науково-дослідний журнал

    Наукова стаття на тему 'АЛГОРИТМ ПОДАННЯ ВЛАСТИВОСТЕЙ ОБ'ЄКТІВ ЕКСПЕРТНОЇ СИСТЕМИ'

    Текст наукової роботи на тему «Алгоритм ПОДАННЯ ВЛАСТИВОСТЕЙ ОБ'ЄКТІВ ЕКСПЕРТНОЇ СИСТЕМИ»

    ?DOI: https://doi.Org/10.23670/IRJ.2019.82.4.002

    АЛГОРИТМ ПОДАННЯ ВЛАСТИВОСТЕЙ ОБ'ЄКТІВ ЕКСПЕРТНОЇ СИСТЕМИ

    Наукова стаття

    Гаджієв Ф.Г.1, Гулузаде Ф.І.2 '* 1, 2 Азербайджанський Університет Нафти і Промисловості, Баку, Азербайджан

    * Корреспондирующий автор (fuad_quluzade [at] mail.org.ua)

    анотація

    Розглядається проблема представлення властивостей складних об'єктів в базах знань експертних систем, коли вони характеризуються невизначеністю і відсутні способи оцінки будь-яких значень розмитості їх кількісних характеристик, що істотно ускладнює дослідження відповідає ознакам простору. Аналіз поставленого завдання свідчить про доцільність початкової орієнтації програмного забезпечення її вирішення на багатозначну інтерпретацію з позиції нечіткого і лінгвістичного моделювання даної проблемної області.

    Ключові слова: інтелектуальні системи, знання, експертні системи, складні об'єкти, нечіткість, функція приналежності.

    ALGORITHM FOR PRESENTING PROPERTIES OF EXPERT SYSTEM OBJECTS

    Research article

    Gadzhiev F.G.1, Guluzade F.I.2 '*

    1 2 Azerbaijan State Oil and Industry University, Baku, Azerbaijan

    * Corresponding author (fuad_quluzade [at] mail.org.ua)

    Abstract

    The article considers the problem of presenting the properties of complex objects in the knowledge bases of expert systems when they are characterized by uncertainty, and there is no other way to estimate ambiguity values ​​of their quantitative characteristics, which complicates the study of the corresponding attribute space . The analysis of the task set testifies to the expediency of the initial orientation of the software for its solution to the multi-valued interpretation from the position of fuzzy and linguistic modeling of the problem area under consideration.

    Keywords: intelligent systems, knowledge, expert systems, complex objects, fuzziness, membership function.

    Вступ

    Розробка експертних систем часто передбачає наявність лінгвістичних характеристик і звичайних операцій, що безпосередньо пов'язано з доцільністю побудови таких систем на основі теорії нечітких множин, орієнтованих на алгебру нечітких чисел. Під останніми розуміють нечітка множина, яке визначено на множині дійсних чисел і є опуклою і унімодальної. До теперішнього часу концепція інтелектуальних систем ґрунтується здебільшого, на такі сучасні наукові напрямки, які характеризуясь неточністю, невизначеністю і відсутністю стандартних засобів вирішення поставлених завдань, орієнтовані на розробку систем, заснованих на знаннях. Будучи системами штучного інтелекту вони створювалися на базі програмного забезпечення що не містить інтелектуальні елементи з одного боку і ефективні процедури чисельних методів, концептуально суперечать інтелектуальним особливостям цих систем [1], [2].

    Слід мати на увазі очевидна присутність інтелектуальності практично у всіх завданнях штучного інтелекту, відсутність можливості моделювання яких стандартними математичними формалізмами в повній мірі орієнтоване на багатозначну інтерпретацію, пов'язуються до концепції нечітких множин і моделей. Остання забезпечує реалізацію нечітких міркувань і прийняття рішень в різних проблемних областях, наприклад, системах планування при нечіткої вихідної інформації, процесах управління технічними та іншими системами, експертних системах. При цьому робляться спроби розширення поняття нечіткості як такого, а традиційний аналіз нечітких властивостей об'єктів узагальнюється на формалізацію класичного розуміння невизначеності та плохоструктрірованності [3], [4].

    Дослідження властивостей об'єктів експертної системи сприяють експертної та системній інтерпретації характеристик досліджуваного простору Я? . При цьому особливого значення набуває аналіз їх операційних значень, так як інтенсивна опрацювання знань в інтеллектуалних системах з урахуванням алгоритмів реалізації звичайних арифметичних операцій та узагальнення вважаються ефективним засобом забезпечення її актуальності.

    Постановка задачі

    Нехай на формальному статичному просторі Я? регулярною мережею задано безліч складних об'єктів

    А = {а-1,0.2, -, ат}

    яким ставлять у відповідність властивості задані у вигляді матриці

    Т = [а1] \; А.Ц -] '-е властивість I - го об'єкта. Оскільки матриця Т відображає її рядки і стовпці

    ((Щ? Т ~) ^ (а- = (а11, а12, ..., а1п))) ((а ++? Т +) ^ (а + = (а ^, а.2], .. ., ат]))),

    то вона повністю відповідає простору RF, а отже характеризує її поточний стан. Потрібно зробити ідентифікацію властивостей об'єктів лінгвістичними характеристиками.

    методи рішення

    Рішення поставленого завдання тісно пов'язане з розумінням важливості проблеми подання знань відповідних складних об'єктах, оскільки будучи плохоструктурірованнимі не містять в собі систематичних процедур, а рішення представляється у вигляді пошуку в просторі станів, що характеризуються нечіткими значеннями її інформаційних одиниць. Останні можуть бути інтерпретованих лінгвістичними характеристиками на основі наступного алгоритму:

    1. Активізація стартового стан бази знань експертної системи.

    2. Вибір досліджуваних властивостей об'єктів.

    3. Активізація процедури формування лінгвістичної шкали.

    4. Підключення апроксимаційних процедур.

    5. Завдання функцій приналежності і а - рівня. Генерація терм-множини і лінгвістичних характеристик об'єктів.

    Найважливішою характеристикою даного алгоритму є пошук ефективного визначення функції приналежності, що реалізовано нами наступним алгоритмом:

    1. Активізація буферної зони бази знань містить лінгвістичні характеристики, певні на основі попереднього алгоритму.

    2. При системному завданні функції приналежності перейти до 5.

    3. Якщо розглянутий лінгвістичний терм «дуже мале», то ц. (Х) = gbell ', інакше, якщо «мале», то ц (х) = gauss', інакше якщо «середнє», то ^ (х) = gauss ', інакше якщо «велике», то ^ (х) = gauss', інакше якщо «дуже

    велике », то ^ (х) = gbell '(по позначенні MATLAB).

    4. Йти до 6.

    5. ц (х) і лінгвістичний терм задані системно.

    6. При продовженні алгоритму йти до 2.

    В алгоритмі можуть бути використані різні класи функцій приналежності, серед яких особливе місце займають експоненціальні:

    Дуже велике

    Значно більше

    більше

    середнє

    мале

    Значно мале Дуже мала

    1 - exp [- (- ^ -) 2'5] 1 - ехр [- (- 02Ц2'5] 1 - exp [- (- ^) 2,5]

    | 0,4-x | J

    1 - exp [-5 | x |]

    1 - exp [- (-

    0,25 | -0,4-x |

    1 - exp [- (- 025-) 2,5]

    ^ -0,7-x ^ 0,5

    1 - exp [- (^ -) 2,5]

    Слід мати на увазі що розглянутий алгоритм характеризується тим, що допускає втручання експерта або не системний процедур. Однак при вирішенні певного класу задач подібне втручання не підтримується експертами з наступних причин:

    - основна увага сосредаточілась на підцілі, а решта питань повинні бути реалізовані системно;

    - експерт в поточній ситуації не налаштовує знаннями про що з'явилася проблеми;

    - у багатьох випадках користувачі не вважають за доцільне вмешіватся в усі технічні деталі;

    Виходячи з цього уявлення елементів терм-множини може проводиться алтернатівнимі способами, наприклад на основі квадратичних функцій:

    Хх) =

    0,

    1

    (Х - а) 2

    (Ь - а) 2

    0,

    якщо х < а якщо а < х < b якщо х > ред

    І-середнє

    0,

    (Х - а) 2

    (Хо - а) 2 (х - а) 2

    (Ь - Хо) 2

    0,

    ,(Х) =

    (Х - а) 2

    якщо х < а якщо а < х < х0

    якщо х0 < х < ред

    0, якщо х < Ред якщо х < а якщо а < х < b

    (Ь - а) 2 '

    0, якщо х > Ред Даний алгоритм визначений таким чином: 1. Завантаження системи.

    1

    V

    2. Визначення характеристик простору ознак.

    3. Обчислення граничних і проміжних значень лінгвістичної шкали.

    4. Обчислення ступенів належності, причому при непересічних інтервалі проводиться пряме визначення величини приналежності, а при пересічному інтервалі спочатку встановлюється найближча межа, після чого ступінь приналежності обчислюється щодо значення цього кордону. У рівновіддаленому випадку переважніше вважається права межа.

    5. Організація виведення.

    Апробація роботи

    На основі наведених алгоритмів розроблено програмне забезпечення, яке було апробовано на матеріалах космічних досліджень. Вихідна, прямокутна матриця Т була сформована чотирма властивостями зазначених матеріалів, а щодо одного властивості були отримані наступні результати.

    Таблиця 1 - Властивості об'єктів зі ступенями приналежності

    Ідентифікація об'єктів Властивості об'єкта

    ац ЬЦ Ьц bsi b4i b5i

    Sn 12 12 38 25 18

    Vn 0.387 0.387 0.183 0.094 0.178

    висновок

    В результаті проведених досліджень встановлено прийнятні алгоритми ідентифікації властивостей складних об'єктів з нечітких позицій, які можуть бути реалізовані не тільки в разі експертного або системного завдання значень лінгвістичної змінної, але і в ситуації їх відсутності, коли терм-множина формується на основі системних процедур.

    Конфлікт інтересів Conflict of Interest

    Не вказано. None declared.

    Список літератури / References

    1. Алієв А. А. Soft computing. Частина перша / Алієв А.А., Алієв Р.Р. Баку, АГНА, 1999, 181 с.

    2. Zadeh L.A. Fuzzy sets: Inform. and control / Zadeh L.A., 1965, N8, pp. 338-353.

    3. Stuart J. Russel Artficial Intelligence. A Modern Approach / Stuart J. Russel, Peter Norvig. Prentice Hall. Upper Saddle River. New Jersey 074458, 2005, 1408 p.

    4. Zohri A. Continuity of fuzzy sets approximate additive mappings / Zohri A., Eghbali N .. Jour Pure Appl. Math, V3, N1, 2013, A 35-40.

    5. Borisov A.N. Methods for interactive evaluation of solutions / Borisov A.N., Levchenko A.S .. Riga, Zinatne, 1982, 180

    p.

    6. Mirmostafaee A.K. Fuzzy almost quadratic functions. Results in Math / Mirmostafaee A.K., Moslehian M.S., 52, 2008, p. 161-177.

    7. Кофман А. Введення в теорію нечітких множин / Кофман А. М., Радіозв'язок, 1982, 432 с.

    8. Jager R.R. Fuzzy sets, neural networks and Soft Computing, VAN Nostrand Reinhold / Jager R.R., Zadeh L.A., New York 1994 440 p.

    9. Hasanov G. Fazzi riyaziyyat idaraetma modellarinda / Hasanov G. Baki, Elm, 2000., 454 s.

    10. Presentation of uncertain information with help of canonically conjugate fuzzy subsets. 4th international conference problems of Cybernetics and Informatics (PCI), 2012.

    Список літератури англійською мовою / References in English

    1. Aliyev A.A. Soft computing. First Part / Aliyev A.A., Aliyev R.R .. Baku, ASOA, 1999, 181 p.

    2. Zadeh L.A. Fuzzy sets: Inform. and control / Zadeh L.A., 1965, N8, pp. 338-353.

    3. Stuart J. Russel Artficial Intelligence. A Modern Approach / Stuart J. Russel, Peter Norvig .. Prentice Hall. Upper Saddle River. New Jersey 074458, 2005, 1408 p.

    4. Zohri A. Continuity of fuzzy sets approximate additive mappings / Zohri A., Eghbali N. Jour Pure Appl. Math, V3, N1, 2013, P 35-40.

    5. Borisov A.N. Methods for interactive evaluation of solutions / Borisov A.N., Levchenko A.S. Riga, Zinatne, 1982, 180

    p.

    6. Mirmostafaee A.K. Fuzzy almost quadratic functions / Mirmostafaee A.K., Moslehian M.S. Results in Math, 52, 2008, p. 161-177.

    7. Kofman A. Vvedenie v teoriyu nechetkih mnozhestv [Introduction to the theory of fuzzy sets] / Kofman A. M., Radiosvyaz, 1982, 432 p. [In Russian]

    8. Jager R.R. Fuzzy sets, neural networks and Soft Computing, VAN Nostrand Reinhold / Jager R.R., Zadeh L.A., New York 1994 440 p.

    9. Hasanov G. Fuzzy math in management models. Baku, Elm, 2000., 454 p.

    10. Presentation of uncertain information with help of canonically conjugate fuzzy subsets. 4th international conference problems of Cybernetics and Informatics (PCI), 2012.


    Ключові слова: ФУНКЦІЯ ПРИЛАДДЯ / нечіткі / СКЛАДНІ ОБ'ЄКТИ / ЕКСПЕРТНІ СИСТЕМИ / ЗНАННЯ / ІНТЕЛЕКТУАЛЬНІ СИСТЕМИ / INTELLIGENT SYSTEMS / KNOWLEDGE / EXPERT SYSTEMS / COMPLEX OBJECTS / FUZZINESS / MEMBERSHIP FUNCTION

    Завантажити оригінал статті:

    Завантажити