Статья

Название статьи ИСПОЛЬЗОВАНИЕ АППАРАТА НЕЧЕТКОЙ МАТЕМАТИКИ ПРИ МОДЕЛИРОВАНИИ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
Автор З.А. Мелихова, О.А. Мелихова
Рубрика РАЗДЕЛ III. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И НЕЧЕТКИЕ СИСТЕМЫ
Месяц, год 07, 2012
Индекс УДК 669.183.2:658.51.001.57
DOI
Аннотация Рассматриваются модели представления знаний на основе нечеткой логики, классы задач принятия решений в различных предметных областях, модели возникновения простейших информационных и кибернетических систем на ранних стадиях развития эволюции. В работе предлагается, наряду с известными методами логического вывода, использовать ускоренный вывод, позволяющий быстро, но приближенно, оценивать влияние факторов на поведение системы. Нечеткий экспресс вывод строится на основе нечеткой аналогии. При этом исходная модель базы знаний задается в виде нечеткого графа и одного или более нечетких гомоморфных ее образов. Для осуществления вывода на основе нечеткой аналогии необходимо установить нечеткий изоморфизм исходного графа и нечеткого изоморфного образа.

Скачать в PDF

Ключевые слова Кибернетическая система; нечеткие множества; база знаний; нечеткий изоморфизм; эпиморфный образ; композиционное правило вывода; нечеткие эталонные ситуации; импликативные правила.
Библиографический список 1. Редько В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. – М.: Книжный дом «ЛИБРОКОМ», 2011. – 224 с.
2. Мелихова О.А. Методы построения интеллектуальных систем на основе нечеткой логики: Научное издание. – Таганрог: Изд-во ТРТУ, 2007. – 92 с.
3. Мелихова О.А., Мелихова З.А. Использование нечеткой математики при моделировании систем искусственного интеллекта. В 2-х томах. Т. 2. – М: Физматлит, 2009. – С. 728-742.
4. Курейчик В.М. Математическое обеспечение конструкторского и технологического проектирования с применением САПР. – М.: Радио и связь, 1990. – 352 с.
5. Курейчик В.М., Лебедев Б.К. Искусственный интеллект в САПР: Текст лекций. – Таганрог: ТРТИ, 1989. – 48 с.
6. Курейчик В.М., Лебедев Б.К., Нужнов Е.В. Применение экспертных систем в инженерной практике: Учебное пособие. – Таганрог: ТРТУ, 1996. – 135 с.
7. Kureichic V.M., Lebedev B.K., Nuzhnov E.V. Approach to genetic switch box gridles routing // Известия ТРТУ. – 1999. – № 3 (13). – С. 89-96.
8. V.M. Kureichic, B.K. Lebedev, E.V. Nuzhnov. Approach to genetic switch box intellectual maze routing // Известия ТРТУ. – 1999. № 3 (13). – С. 9-13.
9. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы / Под ред. В.М. Курейчика. – М.: Физматлит, 2006. – 320 с.
10. Курейчик В.В., Курейчик В.М., Емельянов В.В. Теория и практика эволюционного моделирования. – М.: Физматлит, 2003. – 115 с.
11. Заде Л. Роль мягких вычислегний и нечеткой логики в понимании, конструировании и развитии информационно-интеллектуальных систем // Новости искусственного интеллекта. – 2001. – № 2. – С. 7-11.
12. Malgorzata Marek-Sadowska. Electrical and Computer Engineering Department. – Santa Barbara: University of California. – USA, 2005. – 254 p.
13. Klir G. Fuzzy Sets, Uncertainty and Information / G. Klir, T. Folger // Prentice Hall. New Jersey. – 1988. – P. 233-249.
14. Тихонов А.Н., Цветков В.Я. Методы и системы поддержки принятия решений. – М.: МАКС Пресс, 2001. – 251 с.
15. Петровский А.Б. Теория принятия решений. – М.: Изд. дом «Академия», 2009. – 293 с.

Comments are closed.