УДК 004

Актуальность представления нечётких знаний с использованием нечётких множеств

Волохин Денис Васильевич – аспирант Института комплексной безопасности и специального приборостроения МИРЭА – Российского технологического университета.

Аннотация: Представление и обработка нечетких знаний является одной из основных проблем в области искусственного интеллекта, в том числе в системах распознавания образов. Формализация таких знаний и принятие решений в условиях неопределенности средствами нечетких логик не позволяет в полной мере отразить все особенности человеческого мышления. В этой связи для реализации модулей обработки нечетких знаний в системах распознавания образов необходимо сочетать механизмы нечетких логик с когнитивизмом, что требует дополнительных исследований по причине недостаточной изученности этого вопроса. Основной целью данной статьи является изучение представления нечетких знаний.

Ключевые слова: Нечеткая логика, нечеткие множества, нечеткие системы.

Проблема обработки и использования нечетких знаний в системах распознавания образов является одной из самых актуальных в сфере информационных технологий на сегодняшний день. Нечеткая логика является одной из ключевых технологий, позволяющих разрабатывать эффективные и работоспособные системы распознавания образов. Представления нечетких знаний и основные характеристики нечетких множеств развивались довольно сложно, даже подвергаясь обвинениям в лженаучности в конце двадцатого века. С течением времени данное направление смогло развиться и зарекомендовать себя в качестве эффективного средства для проектирования и разработки систем распознавания образов.

Количество успешных применений нечетких множеств исчисляется тысячами на сегодняшний день. В Японии данное направление претерпевает настоящий «бум». В этой стране функционирует специально разработанная организация под названием «Laboratory for International Fuzzy Engineering Research», цель деятельности которой заключается в разработке нечётких методов для нужд промышленности, торговли, систем принятия решений и т.д.

Для того, чтобы более подробно изучить основные преимущества и недостатки нечетких систем, необходимо дать определение нечеткого множества. Пусть U - так называемое универсальное множество, из элементов которого образованы все остальные множества, рассматриваемые в данном классе задач, например множество всех целых чисел, множество всех гладких функций и т.д. Характеристическая функция множества - это функция , значения которой указывают, является ли элементом множества A:

  (1)

В теории нечетких множеств характеристическая функция называется функцией принадлежности, а ее значение - степенью принадлежности элемента x нечеткому множеству A.

Более строго, нечетким множеством A называется совокупность пар:

(2)

где— функция принадлежности, т.е.

Если представить U={a, b, c, d, e}, . Тогда элемент a не принадлежит множеству A, элемент b принадлежит ему в малой степени, элемент c более или менее принадлежит, элемент d принадлежит в значительной степени, e является элементом множества A [2].

Основным отличием теории нечетких множеств относительно классической теории чисел является тот факт, что для четких множеств итоговым результатом расчета характеристической функции являются только значения «0» или «1», для нечетких же множеств количество значений является бесконечным, но ограниченным в диапазоне [0;1].

Разрабатываемые на сегодняшний день системы, основанные на нечёткой логике, могут избежать большое количество проблем при проектировании посредством применения нечётких множеств. Нечёткие системы имеют ряд преимуществ и недостатков, более подробно которые указаны на рис. 1 и рис. 2:

Рисунок 1. Достоинства нечетких систем.

Рисунок 2. Недостатки нечетких систем.

Таким образом, разработка модулей обработки нечетких знаний посредством нечетких множеств заключает в себе как достоинства, так и недостатки. Однако теория нечётких множеств дала возможность решать большое количество прикладных задач, к реализации которых было трудно подойти до этого, так как она объединяет в себе преимущества вычислительных мощностей компьютера и человеческого оперирования знаниями, то есть в ней используются качественные понятия, которым даётся количественная оценка.

Список литературы

1. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. — М.: Мир, 1976. 

2. Смагин, А. А. Интеллектуальные информационные системы: учебное пособие / А. А. Смагин, С. В. Липатова, А. С. Мельниченко. – Ульяновск: УлГУ, 2010. – 136 с.

Интересная статья? Поделись ей с другими: