Про задачу описання ситуації на основі прототипів

K. K. Kadomsky, А. А. Kargin

Анотація


Використання прототипів для представлення ситуації дозволяє вирішити проблему інтерпретації ситуацій, що виникає в сучасних системах ситуаційного та когнітивного управління. Вирішується задача представлення складних ситуацій, що характеризуються множиною неповних доповняльних описів, за допомогою нечітких прототипів. Розглядається випадок, коли вихідною інформацією про ситуації є скінченна множина нечітких або лінгвістичних оцінок значень числових ознак. Пропонується представляти прототип у вигляді нечіткого вектора, компоненти якого задані параметрично. Запропоновано спосіб формування ієрархії прототипів за принципом конкретизації, що вимагає зберігання лише обмеженої множини простих, найбільш загальних прототипів. Зберігання простих прототипів організовано у вигляді пам’яті, що адресується за вмістом. Для збільшення швидкості звернення до пам’яті вирішується проблема ефективної оцінки відстані в просторі прототипів. Складні складені прототипи формуються динамічно на основі вектора активності простих прототипів. Часова складність відповідного алгоритму лінійно залежить від обсягу пам’яті.

Повний текст:

PDF (Русский)

Посилання


Melikhov А.N., Bershteyn L.S., Korovin S.YA. Situatsionnyye sovetuyushchiye sistemy s nechetkoy logikoy. — M.: Nauka. Fizmatlit, 1990. — 272 s.

Kargin А.А. Vvedeniye v intellektual’nyye mashiny. Kniga 1. Intellektual’nyye regulyatory. — Donetsk: Nord-Press, DonNU, 2010. — 526 s.

Petrenko T.G., Reznichenko YU.S. Problemno-situatsionnyy podkhod k postroyeniyu avtomatizirovannogo trenazhёra operatora // Iskusstvennyy intellekt. — 2008. — № 4. — C. 483–492.

Marakas G.M. Decision support systems in 21-st century. — US edition. — Upper Saddle River, NY.: Prentice Hall, 1999. — 528 p.

Power D.J. A brief history of decision support systems // DSS Resources. — 2007. — http://DSSResources.com/history/dsshistory.html.

Dzhekson P. Vvedeniye v ekspertnyye sistemy: per. s angl.: uch. pos. — 3-e izdaniye. — M.: Izdatel’skiy dom "Vil’yams", 2001. — 624 s.

Osuga S. Obrabotka znaniy. — M.: Mir, 1989. — 293 s.

Priobreteniye znaniy: per. s yaponskogo / Pod red. S. Osuga, YU. Saeki. — M.: Mir, 1990. — 304 s.

Hayes-Roth F., Jacobstein N. The state of knowledge-based systems // Communications of the ACM. — 1994. — 37, № 3. — Р. 27–39.

Lyuger Dzh. Iskusstvennyy intellekt: strategii i metody resheniya slozhnykh problem. — 4-e izd. — M.: Izdatel’skiy dom "Vil’yams", 2005. — 863 s.

Аnderson Dzh. Kognitivnaya psikhologiya / per. s angl. S. Komarov. — 5-e izd. — SPb.: Piter, 2002. — 496 s.

Solso R. Kognitivnaya psikhologiya. — 6-e izd. — SPb.: Piter, 2006. — 589 s.

SHiffman KH.R. Oshchushcheniye i vospriyatiye. — 5-e izd. — SPb.: Piter, 2003. — 928 s.

Myshleniye obraznoye. Psikhologiya: psikhologicheskiy slovar’. — 2005. — http://azps.ru/handbook/m/mshl792.html.

Wandell B.A. What’s in your mind? // Nature Neuroscience. — 2008. — 11, № 4. — P. 384–386.

Romesburg C. Cluster analysis for researchers. — NY: Lulu Press, 2004. — 344 p.

Kargin А.А., Petrenko T.G. Modeli dinamicheskikh situatsionnykh intellektual’nykh mashin // Iskusstvennyy intellekt. — 2000. — № 1. — C. 82–90.

Smolin D.V. Vvedeniye v iskusstvennyy intellekt: konspekt lektsiy. — M.: FIZMАTLIT, 2004. — 208 s.

Maesschalck R., de Jouan-Rimbaud D., Massart D.L. The Mahalanobis distance // Chemometrics and intelligent laboratory systems. — 2000. — 50. — Issue 1 (4 January 2000). — P. 1–18.

Vaart van der A.W. Asymptotic statistics. — Cambridge, UK: Cambridge University Press, 2000. — 460 p.

Banerjee A., Merugu S., Dhillon I. S., Ghosh J. Clustering with Bregman divergences // Journal of machine learning research. — 2005. — № 6. — P. 1705–1749.

Bhattacharyya A. On a measure of divergence between two statistical populations defined by their probability distributions // Bulletin of the Calcutta Mathematical Society. — 1943. — 35. — P. 99–109.

Leonenkov А.V. Nechetkoye modelirovaniye v srede MATLAB i fuzzyTECH. — SPb.: BKHV-Peterburg, 2003. — 736 s.

Аltunin А.E., Semukhin M.V. Modeli i algoritmy prinyatiya resheniy v nechetkikh usloviyakh. — Tyumen’: Izd-vo Tyumenskogo gos. un-ta, 2002. — 268 s.

O’Sullivan B., Goerzen J., Stewart D. Real world haskell. — Sebastopol, CA: O’Reilly, 2008. — 714 p.

Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities // The National Academy of Sciences: proceedings of. — 1982. — 79. — Р. 2554–2558.


Пристатейна бібліографія ГОСТ


1. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. — М.: Наука. Физматлит, 1990. — 272 с.

2. Каргин А.А. Введение в интеллектуальные машины. Книга 1. Интеллектуальные регуляторы. — Донецк: Норд-Пресс, ДонНУ, 2010. — 526 с.

3. Петренко Т.Г., Резниченко Ю.С. Проблемно-ситуационный подход к построению автоматизированного тренажёра оператора // Искусственный интеллект. — 2008. — № 4. — C. 483–492.

4. Marakas G.M. Decision support systems in 21-st century. — US edition. — Upper Saddle River, NY.: Prentice Hall, 1999. — 528 p.

5. Power D.J. A brief history of decision support systems // DSS Resources. — 2007. — http://DSSResources.com/history/dsshistory.html.

6. Джексон П. Введение в экспертные системы: пер. с англ.: уч. пос. — 3-е издание. — М.: Издательский дом "Вильямс", 2001. — 624 с.

7. Осуга С. Обработка знаний. — М.: Мир, 1989. — 293 с.

8. Приобретение знаний: пер. с японского / Под ред. С. Осуга, Ю. Саэки. — М.: Мир, 1990. — 304 с.

9. Hayes-Roth F., Jacobstein N. The state of knowledge-based systems // Communications of the ACM. — 1994. — 37, № 3. — Р. 27–39.

10. Люгер Дж. Искусственный интеллект: стратегии и методы решения сложных проблем. — 4-е изд. — М.: Издательский дом "Вильямс", 2005. — 863 с.

11. Андерсон Дж. Когнитивная психология / пер. с англ. С. Комаров. — 5-е изд. — СПб.: Питер, 2002. — 496 с.

12. Солсо Р. Когнитивная психология. — 6-е изд. — СПб.: Питер, 2006. — 589 с.

13. Шиффман Х.Р. Ощущение и восприятие. — 5-е изд. — СПб.: Питер, 2003. — 928 с.

14. Мышление образное. Психология: психологический словарь. — 2005. — http://azps.ru/handbook/m/mshl792.html.

15. Wandell B.A. What’s in your mind? // Nature Neuroscience. — 2008. — 11, № 4. — P. 384–386.

16. Romesburg C. Cluster analysis for researchers. — NY: Lulu Press, 2004. — 344 p.

17. Каргин А.А., Петренко Т.Г. Модели динамических ситуационных интеллектуальных машин // Искусственный интеллект. — 2000. — № 1. — C. 82–90.

18. Смолин Д.В. Введение в искусственный интеллект: конспект лекций. — М.: ФИЗМАТЛИТ, 2004. — 208 с.

19. Maesschalck R., de Jouan-Rimbaud D., Massart D.L. The Mahalanobis distance // Chemometrics and intelligent laboratory systems. — 2000. — 50. — Issue 1 (4 January 2000). — P. 1–18.

20. Vaart van der A.W. Asymptotic statistics. — Cambridge, UK: Cambridge University Press, 2000. — 460 p.

21. Banerjee A., Merugu S., Dhillon I. S., Ghosh J. Clustering with Bregman divergences // Journal of machine learning research. — 2005. — № 6. — P. 1705–1749.

22. Bhattacharyya A. On a measure of divergence between two statistical populations defined by their probability distributions // Bulletin of the Calcutta Mathematical Society. — 1943. — 35. — P. 99–109.

23. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. — СПб.: БХВ-Петербург, 2003. — 736 с.

24. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. — Тюмень: Изд-во Тюменского гос. ун-та, 2002. — 268 с.

25. O’Sullivan B., Goerzen J., Stewart D. Real world haskell. — Sebastopol, CA: O’Reilly, 2008. — 714 p.

26. Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities // The National Academy of Sciences: proceedings of. — 1982. — 79. — Р. 2554–2558.

 



Посилання

  • Поки немає зовнішніх посилань.