Презентация на тему ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

функция A
Элемент либо принадлежит множеству (A=1), либо нет (A=0).

Третьего не дано (пресловутый принцип исключения третьего).
Следствием теории четких множеств является булева логика, все то множество схем рассуждений и выводов, которые опираются на понятие характеристической функции.

нечеткой логики лежит теория нечетких множеств.
В теории нечетких множеств

вместо характеристической функции используется функция принадлежности mA: X[0,1].
mA – это субъективная оценка степени принадлежности элемента x к множеству A.

до 10) можно определить в виде нечеткого множества A =

1/0+1/1+0.8/2+0.5/3+0.1/4+0/5+0/6+0/7+0/8+0/9+0/10
Интерпретация:
число 0 однозначно является маленьким (mA=1),
число 1 – тоже
число 2 – уже не очень маленькое (mA=0.8). Это тем более касается чисел 3 (mA=0.5) и 4 (mA=0.1, т.е. 4 – это почти наверняка немаленькое число).
числа от 5 до 10 – однозначно не маленькие (mA=0).

Лингвистические переменные
Не обязательно использовать числовые оценки. Зачастую, с точки зрения взаимодействия с пользователем, целесообразнее использовать т.н. "лингвистические переменные" – термины типа "много", "мало", "высокий", "низкий" и т.п.

 mA(x) mB (x) x  X
Отрицание нечеткого множества:
mcA(x) =

1-mA(x)
Пересечение двух множеств (как вычисление минимума двух функций принадлежности):
mAB(x) = mA(x) mB(x)
Объединение двух множеств (максимум двух функций принадлежности):
mAB(x) = mA(x) mB(x)

в общем случае, не выполняется, т.е.
AAc 0, AAc 

X

( >0)
mA(x) = {mA(x)}  x  X
A2

сужает диапазон некоторой нечеткой информации
A1/2 - расширяет

функция принадлежности выглядит как отображение
mA: X [0,1] (mA(x) [0,1], xX)
Нечеткое

множество второго рода осуществляет отображение
mA: X [0,1][0,1]
Т.е. используются не точные оценки в определенном интервале, а в качестве значений mA(x) принимается нечеткое множество над значениями оценки в [0,1].

Пусть принадлежность некоторой величины x к A оценивается в 0.8 ( НМ 1-го рода, (а)).
Если величина именно в 0.8 вызывает у нас сомнения, то можно сказать, что наша оценка лежит в интервале от 0.7 до 0.9 (б). Однако можно сказать что сама оценка представляет собой нечеткое множество. И тогда мы будем иметь дело уже с НМ 2-го рода (в).

к нечеткой логике.
Рассмотрим расширение операций НЕ, И, ИЛИ до

нечетких операций, называемых нечетким отрицанием, t-нормой и s-нормой соответственно.
При этом мы дадим сначала определение того, какими свойствами должна обладать операция, а затем приведем примеры возможной реализации этой операции (с точки зрения математики это красиво).

полный набор нечетких логических операций.
Осталось только понять, каким

образом мы сможем применять их в процессе логического вывода.
На практике нечеткая логика применима особенно тогда, тогда мы имеем дело с приближенными рассуждениями – приближенными оценками, приближенными правилами и т.п.


Пусть, к примеру, существуют знания эксперта в виде

Что необходимо сделать в той ситуации, когда "Уровень воды довольно высокий"?
Т.е. нам надо понять, насколько необходимо открыть кран в этой ситуации (Видимо, надо "слегка открыть" кран).

0.7/1.5м + 0.3/1.6м + 0.7/1.7м + ... + 1/2м

+ 1/2.1м + 1/2.2м
"Открыть" ("открыть кран"):
"Открыть" = 0.1/30о + 0.2/40о + ... + 0.8/70о + 1/80о + 1/90о
"Уровень воды довольно высокий":
"Довольно высокий" = 0.5/1.6м + 1/1.7м + 0.8/1.8м + 0.2/1.9м

Итак, мы получаем следующую формальную схему:

мере сопоставления 
«Слегка открыть" - это поворот на 70o

(точка 70o – это т.н. центральная точка – или центр тяжести заштрихованной фигуры).
Процесс обратного нечеткого вывода, рассмотренный выше, называется дефадзификацией.

это импликация. Обычно в качестве импликации используется t-норма типа

логического произведения:
x1x2 = x1x2
mR(x,y) = mAB(x,y) = (1-mA(x)+mB(y))  1

в виде нечеткого отношения R=AB, то процесс получения нечеткого

результата вывода B' с использованием данных наблюдения A' и знания AB можно представить как B' = A'•R = A'•(AB), где ''- т.н. композиционное правило нечеткого вывода.
В частности, имеем

Осталось определить ЦТ. В качестве ЦТ можно выбрать центр тяжести композиции максимум-минимум, использовать медианы (среднее значение) и т.п.

плавного торможения/разгона поезда при соблюдении условия максимально точного позиционирования

состава относительно пассажирской платформы.
Нечеткие контроллеры

управления, представленными в виде:
если ek есть P1, то Uk

есть PU1
………………………………..
если ek есть P2, то Uk есть PU2
и т.п., где
ek = r - yk отклонение регулируемой величины
ek = ek-ek-1
2ek= ek-ek-1 разность отклонений 2-го порядка
Uk = Uk-Uk-1 приращение задающей величины

знаний,
блок решений
блок дефазификации.
Блок фазификации преобразует четкие величины,

измеренные на выходе объекта управления, в нечеткие величины, описываемые лингвистическими переменными в БЗ.
Блок решений использует нечеткие условные правила, заложенные в БЗ, для преобразования нечетких входных данных в требуемые управляющие воздействия также нечеткого характера.
Блок дефазификации преобразует нечеткие данные с выхода блока решений в четкую величину, которая используется для управления объектом.

Аппаратный реализация
Программная (эмуляция)
Гибридная

управления + карбюратор + автомобиль) имеет вид
Основной задачей СУ

может является регулирование по заданному закону момента Мс, в зависимости от угла открытия дроссельной заслонки, частоты вращения коленчатого вала, его ускорения (замедления) и включения в коробке передач той или иной передачи.