авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 |

Моделирование процессов самообучения интеллектуальных систем на нечетких семантических сетях в недоопределенных средах

-- [ Страница 1 ] --

На правах рукописи

КРАСОВСКАЯ ЛЮДМИЛА ВЛАДИМИРОВНА

МОДЕЛИРОВАНИЕ ПРОЦЕССОВ САМООБУЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ НА НЕЧЕТКИХ СЕМАНТИЧЕСКИХ СЕТЯХ В НЕДООПРЕДЕЛЕННЫХ СРЕДАХ

Специальность: 05.13.18 математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата технических наук

Махачкала – 2006г.

Работа выполнена в ГОУ ВПО «Дагестанский государственный технический университет»

НАУЧНЫЙ РУКОВОДИТЕЛЬ: доктор технических наук, профессор

Мелехин В.Б.

ОФИЦИАЛЬНЫЕ ОППОНЕНТЫ: доктор технических наук, профессор

Исмаилов Ш.-М.А.

кандидат технических наук, доцент

Омаров О.М.

ВЕДУЩАЯ ОРГАНИЗАЦИЯ: Дагестанский научный центр Российской

Академии наук

Защита состоится «21» ноября 2006г. в 14 час. 00 мин. на заседании специализированного совета К 212.052.03 по защите диссертаций при Дагестанском государственном техническом университете по адресу: 367015, г. Махачкала, пр. Шамиля, 70.

С диссертацией можно ознакомиться в библиотеке Дагестанского государственного технического университета.

Автореферат разослан «21» октября 2006г.

Ученый секретарь

диссертационного совета

к.т.н., доцент Меркухин Е.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Создание и совершенствование принципов управления сложными объектами, разработка эффективных систем принятия решений и построение экспертных систем на основе современных достижений искусственного интеллекта является одним из важнейших направлений развития производства и ускорения научно-технического прогресса.

Актуальность рассматриваемой проблемы подтверждается и бурным развитием исследований в области искусственного интеллекта, а также интенсивным их внедрением в различные сферы человеческой деятельности. Существенный вклад в развитие интеллектуальных систем (ИС) внесли: Аверкин А.Н., Берштейн Л.С., Вагин В.Н., Ефимов Е.И., Журавлев Ю.Н., Зарипов А.Х., Клыков Ю.И., Литвицева Л.В., Левин Д.Д., Любарский Ю.А., Мелихов А.Н., Нариньяни А.С., Поспелов Д.А., Попов Э.В., Тимофеев А.В., Фин В.К., Цаленко М.Ш., Чернухин Ю.В., Яхно Т.М. и многие другие.

Однако несмотря на достигнутые успехи, проблема создания эффективных интеллектуальных систем (ИС) на сегодняшний день остается открытой. Особую актуальность приобретают исследования, связанные с созданием систем, способных принимать решения и целенаправленно функционировать в априорно неописанных проблемных средах (ПС). Это обусловлено тем, что априорное описание закономерностей реальной среды вряд ли возможно с той полнотой, которая необходима для эффективного планирования целенаправленного поведения в реальных условиях.

Цель работы и задачи работы. Целью работы является разработка алгоритмов самообучения и построение программного комплекса для моделирования процессов целесообразного поведения интеллектуальных систем, способных автономно функционировать в недоопределенных проблемных средах (ПС), когда модель среды представляется в виде нечеткой семантической сети (НСС).

Поставленная цель формулирует следующие основные задачи диссертационного исследования:

- построить эффективную информационную модель проблемной среды для представления знаний безотносительно к конкретной предметной области, позволяющую организовать самообучение и принятие решений в сложных динамических проблемных средах на основе имитации целесообразного поведения на НСС;

- разработать методику несмещенной оценки и равенства нечетко выраженных отношений между объектами модели в ПС;

- синтезировать и исследовать процедуры самообучения, позволяющие организовывать целесообразное поведение интеллектуальной системы в априорно неописанных проблемных средах;

- разработать и исследовать процедуры целенаправленного поведения с привлечением механизмов адаптации, обобщения и применения накопленного опыта в сложных проблемных средах;

- разработать пакет программ для моделирования целесообразного поведения ИС, позволяющий определить эффективность использования алгоритмов в различных условиях ПС.

Методы исследования. В процессе решения поставленных задач использованы теория искусственного интеллекта, принципы ситуационного управления, теория четких и расплывчатых множеств, теория графов, математическая логика, теория алгоритмов, теория вероятностей и математического моделирования.

Научная новизна. Для решения поставленных задач разработаны алгоритмы самообучения ИС, наделяющие их способностями изучать различные закономерности ПС и на этой основе организовать целесообразное поведение в априорно неописанных средах.

К основным результатам составляющих новизну проведенного исследования, можно отнести следующее:

  1. Предложена оригинальная модель ПС в виде нечеткой семантической сети, отличающаяся от известных наличием вершин, определяющих независимые от ИС события, что позволяет моделировать динамические проблемные среды, и обеспечивать имитацию самообучения ИС в недоопределенных динамических средах.
  2. Разработана методика сравнения нечетко представленных отношений в модели ПС, отличающаяся от известных тем, что она позволяет выполнять несмещенную оценку равенства нечетко выраженных показателей и тем самым повысить достоверность сравнения.
  3. Синтезированы и исследованы алгоритмы самообучения, позволяющие формировать программы целесообразного поведения в различных проблемных средах, отличающиеся от известных, имитацией отработки пробующих действий на НСС, что дает возможность исключить влияние ИС на ПС в процессе изучения закономерностей среды;
  4. Разработаны и исследованы процедуры выбора алгоритмов целесообразного поведения ИС в соответствии с характером закономерностей ПС, установленных в процессе моделирования целесообразного поведения.
  5. Разработан пакет программ, позволяющий моделировать целесообразное поведение интеллектуального робота в ПС, и на этой основе определить эффективность применения алгоритмов самообучения в различных условиях проблемной среды.

Практическая ценность работы заключается в возможности использования разработанных алгоритмов целесообразного поведения для самообучения интеллектуальных систем в реальных труднодоступных для человека проблемных средах.

Важной особенностью предложенных информационных моделей представления знаний и алгоритмов целесообразного поведения является их достаточно высокая универсальность, позволяющая использовать эти методы и процедуры для построения решающих систем интеллектуальных роботов; в системах ситуационного управления сложными объектами; для организации планирования движения различных автоматических транспортных средств и т.д.

Реализация результатов работы.

Полученные результаты использованы в учебном процессе при чтении лекций по дисциплине «Интеллектуальные системы» и при проведении курсового и дипломного проектирования.

Апробация работы. Работа в целом и ее отдельные результаты докладывались и обсуждались на Всероссийской научно-технической конференции “Современные информационные технологии в управлении”, 2003г., на III Республиканской научно-практической конференции ДНЦ РАН, 2004г., на научно-технических конференциях Дагестанского Государственного технического университета с 2003 по 2005г.

Публикации. По теме диссертации опубликовано 10 печатных работ, из них 7 статей общим объемом 2.5 п.л.

Структура и объем диссертационной работы. Диссертация состоит из введения, 4 разделов и заключения, изложенных на 140 страницах, содержит 43 рисунка, 41 таблицу, 93 наименования библиографии. Имеется приложение на 65 стр., куда вынесены листинг моделирующей программы, а также акты о внедрении результатов диссертационной работы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследования, сформулированы цель и задачи работы, определена научная новизна и показана практическая значимость работы.

В первой главе рассмотрены вопросы организации и построения информационных моделей представления знаний ИС безотносительно к конкретной предметной области. Рассмотрена классификация образов ПС. Усовершенствована модель обобщенного описания ситуаций проблемной среды в виде нечеткой семантической сети.

Характерной особенностью ИС, способных функционировать в условиях неопределенности является то, что такие системы должны быть наделены способностями к самообучению, а знания таких сис­тем должны быть не только структурированы, но и представлены безотносительно к конкретным условиям функционирования. Для описания ситуаций ПС безотносительно к конкретной области можно использовать нечеткие семантические сети (НСС) ак­тивного и пассивного типа.

Формально нечеткая семантическая сеть является ори­ентированным нечетким мультиграфом G1=(V1,E1),где V1={vi1} i1= 1,n1 и E1={ei2} i2=1,n2-соответственно множество вершин и ребер. Вершины биективно соответствуют объектам ПС, ребра – отношениям, складывающимся в среде между этими объектами.

Однако описание ПС с помощью известных НСС не позволяет эффективным образом организовать моделирование процесса самообучения ИС в динамических проблемных средах. Для устранения указанного недостатка в дополнение к активным и пассивным вершинам сети определяется множество вершин V*, соответствующих событиям, происходящим в проблемной среде независимо от ИС. При этом ребра, исходящие из этих вершин к вершинам, помеченным объектами, определяются характером воздействия соответствующих событий среды на соответствующие объекты. В самом общем случае формат описания вершин – событий будет иметь следующее содержание:<идентификатор события><повторяемость события><возможные результаты воздействия на вершины объектов>.

Для представления отношений в НСС используется тройка < xi, i(xi), Tj>, где xi – количественное значение.

Для перехода от количественных значений отношений между объектами ПС, измеренных при помощи информационно-измери­тельной системы ИС и определяемых базовыми значениями лингвистических переменных, к качественным их значениям, т.е. к одному из термов можно использовать преобразо­вания следующего вида:

, если ;

F: xi , если ; (1)

, если ;

где и, соответственно нижняя и верхняя граница числовых значений терма .

При этом степень принадлежности значений базовой переменной к множеству числовых значений терма может вычис­ляться согласно следующему характерному числовому выражению:

(2)

где - интервал численных значений терма ; - середина интервала числовых значений этого тер­ма.

Рассмотренный подход определения компонентов тройки < xi, > при помощи выражений (1) и (2) позволяет легко переходить от количественного значения отношения, определяемого базовой переменной xi, к качественному значению отношения, выраженному парой <>, а также осуществлять обратный переход от качественного значения к количественному при функционировании в конкретных условиях ПС.

Для сравнения двух значений отношений между собой, заданных тройками < xi,> и < xi,> введем характеристику степени равенства (близости) , которая может вычисляться следующим образом:

где - параметр, задающий приведенное значение точности сравнения величины отношения;

- операция расплывчатой экви­валентности, определяемая по формуле ;

& - конъюнкция, показывающая одновременность выполняющихся условий.

Выражение (3) можно обосновать следующим образом. Два количественных значения отношения равны меж­ду собой, если они попадают в интервал численных значений одного и того же терма , в окрестность одной и той же точки, определяе­мую значением параметра (случай а). Два количественных значения и нечетко равны между собой, если они принадлежат интервалу численных значений одного и того же терма . Причем, если оба значения степени принадлежности сравниваемых значений попадают в одну и ту же половину интервала численных значений терма, то степень сравнения вычисляется по «б», в противном случае, она определяется по «в». Значения и не равны между собой, если они попадают в интервалы численных значений различных тер­мов лингвистической переменной (случай г). Следовательно, два значе­ния одного и того же отношения равны при . Эти значения отношения являются нечетко равными, если и они не равны в случае, ког­да .

Во второй главе рассмотрены вопросы, связанные с организацией самообучения ИС в проблемных средах первого уровня сложности. Разработаны и исследованы алгоритмы самообучения с активной и активно-пассивной логикой, позволяющие ИС автоматически формировать модель целесообразного поведения в априорно неописанных условиях функционирования.

На каждом этапе самообучения ИС имитирует отработку пробных действий на НСС. Для имитации отработки действий на НСС каждое из них определяется с помощью следующего формата описания <<имя действия><НСС, определяющие условия отработки действия><НСС, описывающие результат>>, которое будем называть фреймом действия (ФД).

Имитация отработки действий осуществляется следующим образом. В НСС, определяющей текущую ситуацию ПС по третьей части ФД вносятся соответствующие действию изменения значений отношений между объектами среды. Если в результате имитации отработки действия текущая ситуация приближается к целевой ситуации по своему содержанию то, формируется звено в цепи поведения в форме элементарного акта поведения & bj1 , где приведенная запись означает, что при восприятии текущей ситуации ПС отработка действия bj1 приводит к ее преобразованию в результирующую ситуацию тек. Причем степень близости ( Siтек,Sцел )< ( Si+1тек, Sцел), т.е. действие bj1 преобразует ситуацию Siтек в ситуацию Si+1тек, между которой и цепью наблюдается меньшее число различий, чем между целевой и исходной ситуациями.

Если действие приводит к необходимому преобразованию ситуаций в среде, то оно закрепляется в формируемой программе целесообразного поведения (ПЦП). В результате формируется модель следующего вида &. Полученная модель поведения закрепляется окончательным образом достижением цели после ее непосредственной реализации в ПС. Это в значительной степени упрощает процесс самообучения, так как позволяет исключить из этого процесса реальные изменения в среде, которые могут быть вызваны при непосредственной отработке пробных действий не способствующих улучшению сложившейся текущей ситуации.

В работе разработаны два алгоритма самообучения в средах первого уровня сложности: с активной и активно-пассивной логикой поведения. Алгоритм с активной логикой поведения предназначен для самообучения ИС в статических средах, т.е. средах, в которых преобразование ситуаций происходит только в результате отрабатываемых системой действий. В динамических ПС преобразование ситуации происходит еще и от независимых от ИС событий. Поэтому в таких средах используются алгоритмы самообучения с активно-пассивной логикой поведения.

В алгоритме с активно-пассивной логикой сначала выполняется наблюдение за изменением ситуации. Если произошло самопроизвольное преобразование ситуации, то в этой вновь сформированной ситуации ИС по выше описанному принципу выявляет целесообразное воздействие и формирует отдельное звено целесообразного поведения, запоминая цепочку Siтек& bj Sцел. Далее принимается Sцел за Siтек и продолжаются наблюдения за изменением среды. Если процесс не привел к достижению цели, то ИС переходит к самообучению на основе активной логики поведения. В работе приведено структурированное описание указанных алгоритмов самообучения, показывающие сложность алгоритмов самообучения, определяющую числом пробных действий, выполненных ИС в процессе самообучения в зависимости от числа объектов, характеризующих ПС. Указанная сложность имеет порядок ]n2[, n – число объектов ПС.

В третьей главе рассмотрены проблемы организации самообучения ИС в проблемных средах второго уровня сложности.

Среда второго уровня сложности характеризуется наличием разветвленной взаимосвязи условных сигналов, определяющих и сопровождающих различные преобразования ее допустимых ситуаций.

Таким образом, ПС относится к среде второго уровня сложности:

- при появлении "тормозных сигналов", препятствующих отработке ранее сформированной программы целесообразного поведения, которая до появления этого сигнала в ПС приводила к достижению соответствующего стандартного сигнала;

- при наблюдении суммарных комплексов условных сигналов, определяющих необходимость одновременного выполнения в среде нескольких событий, связанных с достижением заданной цели;

- при наличии в среде причинно - следственных связей между условными сигналами и происходящими событиями.



Pages:   || 2 | 3 |
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.