Повна версія

Головна arrow Інформатика arrow ІНТЕЛЕКТУАЛЬНІ СИСТЕМИ: НЕЧІТКІ СИСТЕМИ І МЕРЕЖІ

  • Увеличить шрифт
  • Уменьшить шрифт


<<   ЗМІСТ   >>

ПОНЯТТЯ НЕЧІТКИХ НЕЙРОННИХ (ГІБРИДНИХ) МЕРЕЖ

Основним компонентом в процедурах нечіткого висновку є база правил нечітких продукцій. У той же час існують цілі класи прикладних задач, в яких виявлення і побудова правил нечітких продукцій неможливо або пов'язано з серйозними труднощами концептуального характеру. До таких завдань відносяться завдання розпізнавання образів, екстраполяції і інтерполяції функціональних залежностей, класифікації та прогнозування, нелінійного і ситуаційного управління, а також інтелектуального аналізу даних (Data Mining).

Загальної особливістю подібних завдань є існування деякої залежності або відносини, що зв'язує вхідні і вихідні змінні моделі системи, представленої у формі так званого «чорного ящика». При цьому виявлення і визначення цієї залежності в явному теоретико-множині або аналітичному вигляді не представляється можливим або через брак інформації про моделюється проблемної області, або складності обліку різноманіття чинників, що впливають на характер цього взаємозв'язку.

Для конструктивного вирішення подібних завдань розроблений спеціальний математичний апарат, який отримав назву нейронних мереж. Перевагою моделей, побудованих на основі нейронних мереж, є можливість отримання нової інформації про проблемної області в формі деякого прогнозу. При цьому побудова та налаштування нейронних мереж здійснюється за допомогою їх навчання на основі наявної і доступної інформації.

Недоліком нейронних мереж є уявлення знань про проблемну область у спеціальному вигляді, яке може істотно відрізнятися від можливої змістовної інтерпретації існуючих взаємозв'язків і відносин.

Нечіткі нейронні мережі або гібридні мережі за задумом їх розробників покликані об'єднати в собі переваги нейронних мереж і систем нечіткого виводу. З одного боку, вони дозволяють розробляти і подавати моделі систем у формі правил нечітких продукцій, які володіють наочністю і простотою змістовної інтерпретації. З іншого боку, для побудови правил нечітких продукцій використовуються методи нейронних мереж, що є більш зручним і менш трудомістким процесом для системних аналітиків. Останнім часом апарат гібридних мереж повсюдно визнається фахівцями як один з найбільш перспективних для вирішення слабо або погано структурованих задач прикладного системного аналізу.

 
<<   ЗМІСТ   >>