Автореферат (Методы и программные средства ускорения поиска решения в базах знаний нечетких экспертных систем)
Описание файла
Файл "Автореферат" внутри архива находится в папке "Методы и программные средства ускорения поиска решения в базах знаний нечетких экспертных систем". PDF-файл из архива "Методы и программные средства ускорения поиска решения в базах знаний нечетких экспертных систем", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве НИУ «МЭИ» . Не смотря на прямую связь этого архива с НИУ «МЭИ» , его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст из PDF
На правах рукописиЗО МИН ТАЙКМЕТОДЫ И ПРОГРАММНЫЕ СРЕДСТВА УСКОРЕНИЯ ПОИСКАРЕШЕНИЯ В БАЗАХ ЗНАНИЙ НЕЧЁТКИХ ЭКСПЕРТНЫХ СИСТЕМСпециальность 05.13.11 – Математическое и программное обеспечениевычислительных машин, комплексов и компьютерных сетейАвторефератдиссертации на соискание ученой степеникандидата технических наукМосква – 20172Работа выполнена на кафедре прикладной математики ФГБОУ ВО «НИУ«МЭИ»Научный руководитель:Михайлов Илья Сергеевичкандидат технических наук,доцент кафедры Прикладной математикиФГБОУ ВО «НИУ «МЭИ»Официальные оппоненты:Филатова Наталья Николаевнадоктор технических наук, профессор,профессор кафедры «Автоматизациятехнологических процессов» ФГБОУ ВО«Тверской государственный техническийуниверситет»Аверкин Алексей Николаевичкандидат физико-математических наук,ведущий научный сотрудник отделаинтеллектуальных систем ФИЦ"Информатика и управление" РАНВедущая организация:ФГБОУ ВО «Смоленский государственныйуниверситет»Защита состоится «26» января 2018 г.
в 14 час. 00 мин. на заседаниидиссертационного совета Д 212.157.01 при ФГБОУ ВО «НИУ «МЭИ» поадресу: 111250, г. Москва, ул. Красноказарменная, д. 13, ауд. М-704.С диссертацией можно ознакомиться в библиотеке ФГБОУ ВО «НИУ «МЭИ»и на сайте www.mpei.ru.Отзывы в двух экземплярах, заверенные печатью организации, просимнаправлять по адресу: 111250, Москва, Красноказарменная ул., д. 14,Ученый совет МЭИ.Автореферат разослан «»Ученый секретарьдиссертационного совета Д 212.157.01кандидат технических наук, доцент20__ г.М.В. Фомина3ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫАктуальность темы исследования.На данный момент экспертные системы (ЭС) стали основныминструментом, который используется для решения различных типов задач(интерпретация, предсказание, диагностика, планирование, конструирование,контроль, отладка, инструктаж, управление) в самых разнообразныхпроблемных областях.
В основе функционирования ЭС лежит модель знаний.Она содержит набор принципов, которые описывают состояние и поведениеобъекта исследования. Наиболее широко применяемой моделью знаний дляэкспертных систем является продукционная модель в силу своей простоты,удобства обработки и понятности конечному пользователю.Однако в последнее время большое распространение приобретают нечёткиеэкспертные системы (НЭС). Данный тип экспертных систем базируется нанаборе правил, в которых используются лингвистические переменные инечёткие отношения для описания состояния и поведения исследуемогообъекта. Правила, представленные в таком виде, наиболее приближены кестественному языку, поэтому нет необходимости использования отдельногоспециалиста инженера по знаниям для создания и редактирования правил.
Вбольшинстве случаев они могут быть отредактированы самим экспертомпрактически без специальной подготовки.В связи с увеличением числа правил и масштабов таких нечёткихэкспертных систем на первый план исследований выдвигаются различныеметоды ускорения поиска решения в данных системах, а также задачиадаптации моделей знаний систем, для использования таких методов.Для обеспечения ускорения поиска решения в базах знаний нечёткихэкспертных систем в работе предлагается использовать методыискусственного интеллекта, реализованные для классических экспертныхсистем, в частности, алгоритм Rete, предусматривающий однократноевычисление одинаковых условий правил, и выполнить его преобразование,позволяющее применить данный алгоритм в нечётких экспертных системах.Также, потребуется создать модель знаний для поиска решения согласноразрабатываемому методу.Выполненные исследования опираются на результаты работ как в областиконструирования ЭС, моделирования алгоритмов поиска решений, так и вобласти ИИ Д.А.
Поспелова, В.К. Финна, В.Н. Вагина, А.П. Еремеева, И.А.Башмакова, А.И. Башмакова, С.М. Ковалёва, О.П. Кузнецова, В.М. Курейчика,А.Н. Аверкина, Г.С. Осипова, Т.В. Рыбиной, В.Б. Тарасова, И.Б. Фоминых,В.Ф. Хорошевского и др., а также зарубежных ученых Л.А. Заде, Ч. Форги (L.Forgy), В. Новака (V. Novak), Р.
Ягера (R. Yager) и др.Объектом исследования являются методы поиска решения впродукционных экспертных системах. Предметом исследования являютсяметоды ускорения поиска решения в продукционных экспертных системах иметоды модификации баз знаний, направленные на ускорения поиска решения.4Целью работы является исследование и разработка методов ипрограммных средств ускорения поиска решения для нечётких экспертныхсистем.Для достижения данной цели в работе были поставлены следующиезадачи:исследование и анализ основных характеристик и особенностей ЭС, анализмоделей знаний ЭС;анализ методов ускорения обработки правил в экспертных системах иразработка их классификации;разработка алгоритмов для ускорения поиска решения в нечёткой ЭС наоснове алгоритма Rete;разработка модели знаний для обеспечения оптимизации базы правил ипоиска решения в нечёткой ЭС, согласно предложенному алгоритму;разработка архитектуры механизма поиска решения для нечёткой ЭС, наоснове предложенного метода;программная реализация прототипа нечёткой ЭС, функционирующей наоснове предложенного алгоритма.Методы исследования.
Поставленные задачи решаются с использованиемметодов дискретной математики, математической логики, искусственногоинтеллекта, методов нечёткой логики, теории программирования.Научная новизна исследования состоит в следующем:1) предложена формальная модель знаний для поиска решения согласноразработанному алгоритму Fuzzy Rete, которая позволяет оптимизироватьи сократить объём базы правил нечёткой экспертной системы;2) разработан алгоритм FuzzyRete для ускорения поиска решения в базахзнаний нечётких экспертных систем, созданный на основе алгоритма Rete,и заключающийся в сокращении объёма вычислений за счёт объединениянечётких условий в нечёткой базе правил, представленной в форматеразработанной формальной модели;3) предложена архитектура решателя нечёткой ЭС, функционирующего наоснове разработанного подхода;4) разработан алгоритм преобразования знаний из базы знаний экспертнойсистемы в формат предложенной формальной модели для обеспеченияработы алгоритма Fuzzy Rete.
Также данный алгоритм позволяетоценивать степени близости нечётких условий в нечёткой базе правил ивыполнять их объединение. Предложенный алгоритм позволяет сокращатьобъём нечёткой базы правил без существенной потери точностивычисления нечётких условий.Практическая значимость работы заключается в создании программныхсредств для реализации ускорения поиска решения на основе алгоритма FuzzyRete для нечётких ЭС и реализации прототипа нечёткой ЭС, повышающихэффективностьирасширяющихинтеллектуальныевозможностикомпьютерных систем.5Практическая значимость работы подтверждается использованиемразработанных в диссертации программных модулей, в том числе модуляускоренияпоискарешениядлянечёткихэкспертныхсистем,зарегистрированного в государственном реестре программ для ЭВМ (2016свидетельство № 2016613791 от 16 февраля 2016 г.), в НИР кафедры ПМ,выполняемой по гранту РФФИ №15-07-04574, и государственному заданиюМинобрнауки РФ №2.737.2014/К, а также в учебно-научном процессекафедры ПМ НИУ «МЭИ», о чем имеется акт о внедрении.Достоверность научных результатов подтверждена теоретическимивыкладками, данными компьютерного моделирования, а также сравнениемполученных результатов с результатами, приведенными в научнойлитературе.Апробация работы.
Основные положения и результаты диссертациидокладывались и обсуждались на 19-ой, 20-ой, 21-ой научных конференцияхаспирантов и студентов «Радиотехника, электроника, энергетика» в МЭИ (г.Москва, 2013 – 2015 г.), на XXI,XXII Международной научно-техническойконференции «Информационные средства и технологии »в МЭИ (г. Москва,2013 – 2014 г.), на Международной конференции "Инновационные подходы крешению технико-экономических проблем "в МИЭТ(г.
Зеленоград, 2014 г.),на четырнадцатой национальной конференции по искусственному интеллектус международным участием КИИ-2014 (г. Казань, 2014 г.).Публикации. Основные результаты, полученные при выполнениидиссертационной работы, опубликованы в 10 печатных работах и из них три вжурнале из перечня ВАК.Структура и объем работы. Диссертация состоит из введения, 4 глав,заключения, списка использованной литературы (82 наименования) и 4приложений. Диссертация содержит 124 страницы машинописного текста (безприложений), 35 рисунков и 1 таблицу.СОДЕРЖАНИЕ РАБОТЫВо введении обоснована актуальность темы диссертации, ее научнаяновизна и практическая значимость, сформулирована цель работы и приведенократкое содержание диссертации по главам.В первой главе рассмотрены основные понятия экспертных систем,классификация экспертных систем.
Приводится каноническая структураэкспертной системы. Рассматриваются модели представления знаний вэкспертных системах.Нечёткая экспертная система использует представление знаний в форменечётких продукций, состоящих из лингвистических и нечётких переменных.Понятие нечеткой переменной используется при описании объектов и явленийс помощью нечетких множеств, то есть множеств, принадлежностьконкретного элемента к которым задаётся согласно определённой функциипринадлежности μz(u), характеризующей степень отношения значения6переменной u ко множеству z.