Описана методика порівняння нечітко представлених відносин в моделі проблемної середовища (ПС), що дозволяє виконати несмещенную оцінку рівності нечітко виражених показників і тим самим підвищити достовірність порівняння. Описано алгоритми самонавчання, формують програми доцільного поведінки в різних ПС, що відрізняються імітацією відпрацювання пробують дій на нечітких семантичних мережах, що дає можливість виключити вплив інтелектуальних систем на ПС в процесі вивчення закономірностей середовища.

Анотація наукової статті з комп'ютерних та інформаційних наук, автор наукової роботи - Красовська Л.В.


Algorithms of self-training the savvy systems on ill-defined semantic sets with imitation an work of actions

The matching procedure of the indistinctly introduced rationes in a problem medium (PM) model permitting to fulfil a unbiassed estimator of equality of the indistinctly expressed indexes and to boost reliability of matching is circumscribed. The selftraining algorithms formatted programs of expedient behaviour in different PM distinguished by cloning of trying out actions improvement on indistinct semantic networks that enables to eliminate influence of intellectual systems to a PM during study of a medium regularities are circumscribed.


Область наук:
  • Комп'ютер та інформатика
  • Рік видавництва: 2006
    Журнал
    Известия вищих навчальних закладів Росії. Радіоелектроніка
    Наукова стаття на тему 'АЛГОРИТМИ самонавчання ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ НА НЕЧІТКИХ семантичних мережах з імітацією відпрацювання ДІЙ'

    Текст наукової роботи на тему «АЛГОРИТМИ самонавчання ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ НА НЕЧІТКИХ семантичних мережах з імітацією відпрацювання ДІЙ»

    ?S. V. Taranin, G. N. Devyatkov Novosibirsk state technical university

    Generalized frequency transformation for the networks on stepped nonuniform sections of transmission line

    The generalized frequency transformation is presented. It enables to transform the networks on lumped elements to the networks on stepped nonuniform sections of transmission line with arbitrary quantity and length of steps. Also, equal transformations for the networks on stepped nonuniform sections of transmission line are presented.

    Nonuniform transmission line, frequency transformation

    Стаття надійшла до редакції 26 грудня 2005 р.

    681.51: 519

    Л. В. Красовська

    Дагестанський державний технічний університет

    Алгоритми самонавчання інтелектуальних систем на нечітких семантичних мережах з імітацією відпрацювання дій

    Описана методика порівняння нечітко представлених відносин в моделі проблемної середовища (ПС), що дозволяє виконати несмещенную оцінку рівності нечітко виражених показників і тим самим підвищити достовірність порівняння. Описано алгоритми самонавчання, що формують програми доцільного поведінки в різних ПС, що відрізняються імітацією відпрацювання пробують дій на нечітких семантичних мережах, що дає можливість виключити вплив інтелектуальних систем на ПС в процесі вивчення закономірностей середовища.

    Інтелектуальні системи, проблемна среда, нечітка семантична мережа, безліч вершин і ребер, характеристики, терм, алгоритми самонавчання

    Характерною особливістю інтелектуальних систем (ІС), здатних функціонувати в умовах невизначеності, є те, що знання про такі системи повинні бути не тільки структуровані, а й представлені безвідносно до конкретних умов функціонування. Для опису ситуацій проблемної середовища (ПС) безвідносно до конкретної області можна використовувати нечіткі семантичні мережі (НСС) активного і пасивного типів [1].

    Формально НСС є орієнтованим нечітким мультиграфом Gi = {Vi, Ei},

    де =}, / = 1, (п -1) і Б ^ = {ei}, / = 1, п - безлічі вершин і ребер відповідно.

    Вершини vi биективно відповідають об'єктам ПС, а ребра ei - відносинам, складаю *

    щимся в середовищі між цими об'єктами. Вершини vi можуть бути двох типів: вільні vi

    0 * і зайняті vi. Кожна вільна (активна) вершина vi визначається безліччю характеристик X, яким повинні володіти конкретні об'єкти од е О (О - безліч об'єктивним-

    © Красовська Л. В., 2006 7

    ====================================== Известия вузів Росії. Радіоелектроніка. 2006. Вип. 4

    тов), щоб була дозволена позначка цієї вершини їх іменами в конкретній (поточної) сі *

    туации ПС. Після виконання такої позначки активна вершина V стає пасивною V0 і визначається безліччю характеристик Хц конкретного об'єкта, яким вона позначена. Іншими словами, активна вершина V * е У ^ позначається об'єктом оц (ХГ) і О, якщо виконується умова Xг е Хц, де запис оц (ХГ) означає, що об'єкт оц описується безліччю характеристик Хц.

    Ребра ВГ е Е (відносини між об'єктами ПС) задаються парами (ХГ),], де р (ХI) е [0,1] - ступінь приналежності кількісного значення лінгвістичної змінної Т] е Т * (Т з {Т]} - безліч лінгвістичних змінних, биективно відповідних семантичному визначенню різних відносин) до інтервалу чисельних

    *

    значень терма Т]; Т] - нечітке значення (терм) лінгвістичної змінної Т] е Т .

    У розглянутому випадку при описі НСС обмеження, які визначаються елементами терм-множини лінгвістичної змінної і накладаються на базові змінні ХI е Иi, задаються чітко і обчислюються виходячи з функціонального призначення і можливостей ІС. Інакше кажучи, безліч і розбивається на I = 1, до непересічних відкритих справа інтервалів відповідно до заданого на його елементах відношенню еквівалентності "знаходитися всередині інтервалу I".

    Для переходу від кількісних значень відносин між об'єктами ПС, виміряних за допомогою інформаційно-вимірювальної системи ІС і визначаються базовими значеннями лінгвістичних змінних х ^, до якісних їх значенням, т. Е. До

    одному з термів Т], можна використовувати перетворення такого вигляду:

    Г: /->

    Т], якщо 0 < х ^ < х *;

    Т], якщо х * < х * < х * + 1;

    Т], якщо х * к-1 < х * + 1 < х * к, * ** * - ~

    де х ^, х ^ і х ^ + 1, I = 1, к - нижня межа, середина і верхня межа числових зна-

    * * * -

    ний терма Т] відповідно; х ^ _1, хг- + 1 і х ^, г = 1, к - то ж для терма Т].

    Ступінь приналежності р (ХГ) значень базової змінної ХГ до безлічі числових значень терма Т] може обчислюватися відповідно до наступного характеристическому рівняння:

    _ (Хг- х * У (х ** - ХГ) _ (хг- х У (х * + 1 ХГ) _

    ^ (Х1)

    якщо х ^ е

    ХГ, ХГ

    якщо х ^

    ХГ, ХГ + 1

    Для порівняння двох заданих трійками (х ^, ц (х1), Т ^ і (х ^, ц (х '), Т' ^ 'значень відносин між собою введемо характеристику ступеня їх рівності (близькості) р (х1, х1

    ), Яка обчислюється в такий спосіб:

    1, (| х, - х '|<бо)&(Т] = Т '); ц (х) про ц (х '), (| xi-х' |>в)& (Т '= Т')&

    Р (xi, xi) =

    & {(Xi, x'i) e [x *, x **] v (xi, x'i) e [хГ> x * + i]}; (!)

    {Ц (xi) про [1 -ц (x)]}, (xi - xi |>Sq) & (Tj = T'j) &

    & {(Xi, x ') * [x *, x **] v (xi, x') * [x **, x * + i]};

    o, Tj * Tj,

    де So - параметр, що задає наведене значення точності порівняння величини відносини; ^ - операція розпливчатою еквівалентності, яка визначається за формулою min (max {ц (xi), [1 -ц (x ')]}, max {ц (xi), [1 -ц (x')]}) [2] ; & - знак кон'юнкції.

    Представлене вираз для визначення ступеня близькості дозволяє уникнути перекручування результату, якщо величини приналежності порівнюваних значень відносин рівні, але знаходяться по різні боки від центра ваги функції приналежності.

    Вираз (1) можна обгрунтувати наступним чином. Два кількісних значення відносини рівні між собою, якщо вони потрапляють в інтервалі чисельних значень одного і того ж терма T j в околицю однієї і тієї ж точки, яка визначається значенням

    параметра So (перший вираз в (1)). Два кількісних значення xi і x 'нечітко рівні між собою, якщо вони належать інтервалу чисельних значень одного і того ж терма Tj, причому якщо обидва значення ступеня приналежності порівнюваних значень

    потрапляють в одну і ту ж половину інтервалу чисельних значень терма, то ступінь порівняння обчислюється по другому висловом, в іншому випадку - по третьому. Значення x 'і x' не рівні між собою, якщо вони потрапляють в інтервали чисельних значень різних термів лінгвістичної змінної Tj (останній вираз). Отже, два значення одного і того ж відносини рівні при р (x ', x') = 1, є нечітко рівними при р (x ', x'j) > 0, і вони не рівні, якщо р (xг-, x ') = 0.

    Розглянемо ПС як безліч взаємопов'язаних між собою об'єктів і незалежних від ІС подій Q = q}, '1 = i, П1. У кожен дискретний момент часу t середу можна

    охарактеризувати поточною ситуацією Sj е S, яка визначається поточними станами знаходяться в ній об'єктів і характером відносин між цими об'єктами. Частина ситуацій S -

    безліч C2 = {с2}, '2 = i, П2 - будемо називати стандартними (безумовними). ці сі-

    1) x'j - базова змінна до безлічі числових значень терма T '.

    туации обумовлюють різні цілі і підцілі умовного функціонування ІС і викликають у неї при сприйнятті відповідні стандартні реакції (СР), пов'язані з досягненням заданої мети? ц. Для імітації відпрацювання дій на НСС кожне з них визначається за допомогою опису такого формату: <<ім'я дії><НСС, що визначає допустимі умови відпрацювання дії><НСС, що описує результат відпрацювання ».

    Назвемо це опис фреймом дії (ФД). Перша частина - <ім'я дії> - є ідентифікатором дії. Друга частина - <умови, виконання яких в ПС потрібно для успішної відпрацювання дії> - є активною НСС, формальний опис якої є мультиграфом О1 = {У ^ Е ^, де У1 - безліч вільних вершин. Кожна з них позначається списком характеристик ХГ, якими повинні володіти об'єкти, щоб над ними допускалося виконання дії ФД. Третя частина ФД - <результат відпрацювання дії> - є НСС, одержувану з мережі 01

    після відпрацювання дії цього фрейму.

    Відпрацювання дій імітується наступним чином. На першому етапі визначаються всі дії, які можна безпосередньо виконати в ПС відповідно до змісту друге частин, відповідних дій ФД. Потім вибирається конкретна дія для відпрацювання і здійснюється імітація його відпрацювання на НСС, що визначає поточні умови функціонування. В НСС, що визначає поточну ситуацію ПС за змістом третьої частини ФД, вносяться зміни значень відносин між об'єктами середовища, одержувані в результаті безпосередньої відпрацювання дії в ПС. Якщо в результаті імітації відпрацювання дії виникає ситуація? Т, що наближається за своїм змістом до цільової ситуації? Ц, то в ланцюзі поведінки формується ланка в формі імпліка-тивного вирішального правила? Т & Ь] ^ 2). При цьому ступінь близькості р (+1,) > > р (? т., 5Ц), т. е. дія Ь] перетворює ситуацію? т. в ситуацію? т. + 1 так, що між

    знову отриманої та цільової ситуаціями спостерігається менша кількість відмінностей, ніж між цільової та вихідної ситуаціями. В результаті формується модель доцільного поведінки виду Ь (х) =? Т & Ь] ^ STj & Ь] +1 ^ ... ^? Т + & Ь] + п ^ | || .

    Отримана в процесі самонавчання модель поведінки закріплюється остаточно досягненням мети після її безпосередньої реалізації в ПС.

    Наведемо структурований опис алгоритмів самонавчання інтелектуального робота на НСС. Таких алгоритмів може бути два: з активної логікою поведінки і активно-пасивної логікою поведінки. Алгоритм з активною логікою поведінки призначений для самонавчання ІС в статичних середовищах, т. Е. В середовищах, в яких перетворення ситуацій відбувається тільки в результаті відпрацьовуються системою дій.

    2) Наведена запис означає, що при сприйнятті поточної ситуації ПС? Т відпрацювання дії Ь] призводить до її перетворення в результуючу ситуацію 5 "Т. 10

    Алгоритм з активно-пасивної логікою передбачає можливість зміни ситуації, не пов'язаної з діями системи. У цих умовах спочатку сформуємо поточну ситуацію і будемо спостерігати за її зміною. Якщо відбулося мимовільне зміна сформованої ситуації, то зафіксуємо безліч виконаних в ній дій і імітацією відпрацювання дій перевіримо умова: "серед зафіксованих дій знаходяться дії, що призводять до досягнення мети". Якщо такі дії відсутні, то продовжимо спостерігати за зміною середовища, інакше запам'ятаємо ланцюжок

    8Т & Ь} ^? Т, приймемо 8ц за і продовжимо спостерігати за зміною середовища. якщо

    процес не привів до досягнення мети через заданий інтервал часу, то перейдемо до активної логіці поведінки.

    Алгоритм самонавчання з активною логікою поведінки.

    *

    Вихідні дані 8ц, безліч дій В. Вхідні змінні 8 е Б .

    Вихідні змінні 8т & Ь] ^ 8т + & Ь] +1 ^ - • ^ 8т & Ь] + п ^ ... 8ц.

    1. Описати 8Т, сформувавши відповідну їй НСС.

    *

    2. Вибрати дію Ь] е В, яке може бути реалізовано безпосередньо в поточній ситуації 8Т.

    **

    3. Виконати імітацію відпрацювання обраного дії Ь] е В заміною в НСС 8Т

    відповідних значень відносин на їх значення з третьої частини ФД "НСС, що описує результат відпрацювання дії".

    4. Визначити ступінь близькості р (8т., 8ц) в ситуаціях 8т і 8т +; перевірити умова р (8т +, 8ц) >р (8т., 8ц). При його виконанні перейти до п. 6, в іншому випадку перейти до п. 5.

    5. Відновити в НСС 8т значення відносин, які вони мали до імітації відпрацювання дій.

    **

    6. Виключити дію Ь] з безлічі В .

    **

    7. Перевірити умова: "виконані всі дії Ь] е В і не знайдено дію, кото-

    *

    рої наблизило б 8т до 8ц ". Вибрати з В така дія Ь ,, що 8т & Ь] ^ 8т, при-

    ніж 8т ф 8т .

    т1 + 1 т1

    8. Запам'ятати ланцюжка 8т & Ь] ^ 8ц.

    9. Якщо 8т = 8ц, то завершити імітацію дій, якщо немає, то подальше самонавчання недоцільно і слід перейти до п. 3.

    Вихідні змінні? Т & Ь '^? Т & Ь '^ ... -р ит + п & ь '+ п

    Алгоритм самонавчання з активно-пасивної логікою поведінки.

    *

    Вихідні дані? Ц, безліч дій В. Вхідні змінні? Т е Б.

    ^ ... ^? Т. &Ь, | + п ^ ...? Тт.

    1. Описати поточну ситуацію зовнішнього середовища? Т .

    2. Виконати спостереження за зміною поточної ситуації ПС.

    3. У разі виникнення мимовільна зміна поточної ситуації, то сформувати безліч дій В1 е В, які можна відпрацювати в ПС.

    4. Вибрати дію з В1 і виконати імітацію його відпрацювання.

    5. Перевірити умова: "серед обраних дій знаходиться дію, що приводить до досягнення мети?" При виконанні умови перейти до п. 7; інакше - до п. 6.

    6. Виключити перевіряється дію Ь 'з числа реалізованих на поточному кроці самонавчання.

    7. Запам'ятати ланцюжок? Т & Ь '^? Ц. Прийняти? Ц за? Т, спостерігаючи за зміною середовища.

    8. Перевірити умова "мета досягнута". При виконанні перейти до п. 3; в іншому випадку - до п. 9.

    9. Перейти до активної логіці самонавчання.

    Адаптація ІС в ПС відбувається в реальному часі в міру зміни ситуацій в середовищі шляхом переходу системи від детермінованого функціонування, що визначається відпрацюванням дій імплікатівних вирішальних правил, закріплених в ланцюзі формованої програми доцільного поведінки, до самонавчання системи при попаданні в нові умови середовища.

    Слід зазначити, що алгоритм самонавчання з активно-пасивної логікою поведінки призначений для адаптації ІС до динамічних ПС. Однак він може бути використаний і для самонавчання в статичних середовищах. При цьому функціонування ІС повинно носити тільки активний характер. За указаний час за умови, що в ПС не відбувається мимовільних перетворень, ІС переходить до активних маніпуляцій.

    Таким чином, процес самонавчання ІС можна розглядати як автоматичну генерацію графа Оз за умови, що їй апріорно невідомі результати, до яких можуть привести відпрацьовуються дії.

    бібліографічний список

    1. Берштейн Л. С., Мелехин В. Б. Планування поведінки інтелектуального робота. М .: Енергоатом-издат, 1994. 238 с.

    2. Мелехов А. Н., Берштейн Л. С., Коровін С. П. Експертні відповідні системи з нечіткою логікою. М .: Наука, 1991. 270 с.

    L. V. Krasovskaja

    Dagestan state technical university

    Algorithms of self-training the savvy systems on ill-defined semantic sets with imitation an work of actions

    The matching procedure of the indistinctly introduced rationes in a problem medium (PM) model permitting to fulfil a unbiassed estimator of equality of the indistinctly expressed indexes and to boost reliability of matching is circumscribed. The selftraining algorithms formatted programs of expedient behaviour in different PM distinguished by cloning of trying out actions improvement on indistinct semantic networks that enables to eliminate influence of intellectual systems to a PM during study of a medium regularities are circumscribed.

    Savvy systems, problem-solving ambience, ill-defined semantic network, ensemble of tops and ribs, features, therms, algorithms of self-training

    Стаття надійшла до редакції 5 лютого 2006 р.

    УДК 621.391.2: 519.72

    В. В. Савченко

    Нижегородський державний лінгвістичний університет

    Автоматичне розпізнавання мови методом "дерева"

    на основі інформаційного (R +1) -елементом

    Ставиться і вирішується завдання автоматичного розпізнавання мовних сигналів зі словників великих обсягів методом "дерева". Використовуються статистичний підхід і критерій мінімального інформаційного неузгодженості розподілів по Кульбаку-Лейблеру. Запропоновано новий алгоритм, заснований на зведенні розв'язуваної задачі до послідовності декількох дихотомій. Розглянуто приклад практичного застосування алгоритму в задачі розпізнавання слів-числівників. Показано, що досягається в алгоритмі виграш в складності реалізації супроводжується нехтує малими втратами в точності розпізнавання, які можуть бути ще більш ослаблені за рахунок використання режиму переспроса.

    Мова, мовні сигнали, завдання автоматичного розпізнавання мови, розпізнавання образів, розпізнавання з навчанням

    Інформаційний (R +1) -Елемент - умовний термін, що позначає нові пристрій або алгоритм для розпізнавання образів за вибіркою X з деякого безлічі альтернатив {Pr}, r = 1, R [1]. В основі його функціонування використовуються статистичний підхід і критерій мінімуму інформаційного неузгодженості розподілів по Кульба-ку-Лейблеру. На відміну від інших аналогічних алгоритмів з R виходами (R +1) -Елемент має додатковий (R +1) -й вихід, який при розпізнаванні образів сигналізує про відмову одночасно від всіх можливих R альтернатив. Зазначена особливість може служити основою для побудови принципово нової - ієрархічної - структури системи розпізнавання у вигляді "дерева" зі складністю її реалізації порядку log R .

    © Савченко В. В., 2006

    13


    Ключові слова: ІНТЕЛЕКТУАЛЬНІ СИСТЕМИ / SAVVY SYSTEMS / ПРОБЛЕМНА середу / PROBLEM-SOLVING AMBIENCE / Нечітка семантичну мережу / ILL-DEFINED SEMANTIC NETWORK / БЕЗЛІЧ ВЕРШИН І РЕБЕР / ENSEMBLE OF TOPS AND RIBS / ХАРАКТЕРИСТИКИ / FEATURES / ТЕРМ / THERMS / АЛГОРИТМИ самонавчання / ALGORITHMS OF SELF-TRAINING

    Завантажити оригінал статті:

    Завантажити