Лекция Введение в интеллектуальные информационные технологии - страница 5

представляет собой поисковый метод, основанный на природных механизмах селекции и генетики. Он работает с кодами безотно-сительно их смысловой интерпретации. Потому сам код и его структура описыва-ются понятием генотип, а его интерпретация, исходя Лекция Введение в интеллектуальные информационные технологии - страница 5 из убеждений решаемой задачки, понятием фенотип. Каждый код представляет, на самом деле, точку про­странства поиска. С целью очень приблизиться к биологическим тер­минам, экземпляр кода именуют хромосомой либо особью. В Лекция Введение в интеллектуальные информационные технологии - страница 5 обозначении строчки кода будем использовать термин «особь». На каждом шаге работы генетический метод употребляет несколько то­чек поиска сразу. Совокупа этих точек в пространстве поиска является набором особей либо популяцией. Количество особей Лекция Введение в интеллектуальные информационные технологии - страница 5 в популяции именуют размером популяции. Размер популяции является фиксированным и представляет одну из черт генетического метода. Формирование исход-ной популяции происходит с внедрением какого-нибудь случайного закона, на базе которого выбирается необходимое количество Лекция Введение в интеллектуальные информационные технологии - страница 5 точек поискового места. На каждом шаге работы генетический метод обновляет популя­цию методом сотворения новых особей и поражения старенькых. Чтоб отличать по­пуляции на каждом из шагов и сами эти шаги Лекция Введение в интеллектуальные информационные технологии - страница 5, их именуют поколениями и обычно идентифицируют по номеру. К примеру, популяция, приобретенная из ис­ходной популяции после первого шага работы метода, будет первым поко­лением, после последующего шага - вторым, и т.д. В Лекция Введение в интеллектуальные информационные технологии - страница 5 процессе работы метода генерация новых особей происходит на ос­нове моделирования процесса размножения. При всем этом, естественно, порожда­ющие особи именуются родителями, а порожденные соответственно - потомками. Родительс­кая пара, обычно, порождает Лекция Введение в интеллектуальные информационные технологии - страница 5 пару потомков. Конкретная генерация новых кодовых строк из 2-ух избранных происходит за счет работы оператора скрещивания, который также именуют кроссинговером. При порождении новейшей популяции оператор скрещивания может применяться не ко всем парам родителей Лекция Введение в интеллектуальные информационные технологии - страница 5. Часть этих пар может перебегать в популяцию сле­дующего поколения конкретно. Как нередко будет появляться такая ситуация, находится в зависимости от значения вероятности внедрения оператора скрещива­ния, которая является одним из характеристик Лекция Введение в интеллектуальные информационные технологии - страница 5 генетического метода. Возможность внедрения оператора скрещивания обычно выбирается в границах от 0,9 до 1, чтоб обеспечить возникновение новых особей, расширяющих место поиска. При значении вероятности меньше единицы нередко употребляют необыкновенную стратегию - элитизм, которая подразумевает Лекция Введение в интеллектуальные информационные технологии - страница 5 переход в популяцию последующего поколения элиты, другими словами наилучших особей текущей популяции, без всяких конфигураций. Применение элитизма содействует сохранению общего свойства популяции на высочайшем уровне. При всем этом элитные особи участвуют Лекция Введение в интеллектуальные информационные технологии - страница 5 к тому же в процессе отбора родителей для следующего скрещивания. Количество элитных особей определяется по формуле , где К – количество элитных особей, Р - возможность внедрения оператора скрещивания, N – размер популяции. В случае использования Лекция Введение в интеллектуальные информационные технологии - страница 5 элитизма все избранные родительские пары подвергаются скрещиванию, невзирая на то, что возможность внедрения оператора скрещивания меньше единицы, что позволяет сохранить прежний размер популяции.

Моделирование процесса мутации новых особей осуществляется за счет работы оператора мутации Лекция Введение в интеллектуальные информационные технологии - страница 5. Главным параметром оператора мутации также является возможность мутации. Так как размер популяции фиксирован, то порождение потомков долж­но сопровождаться ликвидированием других особей. Выбор пар родителей из по­пуляции для порождения потомков Лекция Введение в интеллектуальные информационные технологии - страница 5 производит оператор отбора, а выбор осо­бей для поражения - оператор редукции. Главным параметром их работы является, обычно, качество особи, которое определяется значением целе­вой функции в точке места поиска, описываемой этой особью. В Лекция Введение в интеллектуальные информационные технологии - страница 5 базе оператора отбора лежит принцип «выживает сильнейший». Выбор особи для размножения делается случаем. Возможность роли особи в процессе размножения определяется по формуле , где i – номер особи, - возможность роли особи в Лекция Введение в интеллектуальные информационные технологии - страница 5 процессе размножения, - значение мотивированной функции для i -ой особи. Разумеется, что одна особь может быть задействована в нескольких родительских парах.

Таким макаром, можно перечислить главные понятия и определения, исполь­зуемые в Лекция Введение в интеллектуальные информационные технологии - страница 5 области генетических алгоритмов: генотип и фенотип; особь и качество особи;
популяция и размер популяции; поколение; предки и потомки.

К чертам генетического метода относятся: размер популяции; оператор скрещивания и возможность его использования; оператор мутации и Лекция Введение в интеллектуальные информационные технологии - страница 5 возможность мутации; оператор отбора; оператор редукции; аспект останова.

Операторы отбора, скрещивания, мутации и редукции именуют еще гене­тическими операторами.

Аспектом останова работы генетического метода может быть одно из 3-х событий Лекция Введение в интеллектуальные информационные технологии - страница 5:

Свойства генетического метода определяются методом подбора, обеспечивающего поиск наилучшего решения задачки Лекция Введение в интеллектуальные информационные технологии - страница 5 за маленькое время работы. Разглядим примеры внедрения генетических алгоритмов при решении оптимизационных задач.

Пример поиска одномерной функции.

Пусть имеется набор натуральных чисел от 0 до 31 и функция , определен­ная на этом Лекция Введение в интеллектуальные информационные технологии - страница 5 наборе чисел. Требуется отыскать наибольшее значение функции.

При решении задачки используем в качестве кода двоичное представление аргументов функции. Это положение представляет собой фенотип решаемой задачки. Сам код будет представлять собой двоичную строчку из 5 бит Лекция Введение в интеллектуальные информационные технологии - страница 5. Это генотип алгорит­ма. Функция является мотивированной функцией. При задании черт генетического метода будем исходить из последующих правил:

  1. Размер исходной популяции N можно делать произвольным образом, к примеру подкидыванием монеты;

  2. Возможность оператора Лекция Введение в интеллектуальные информационные технологии - страница 5 скрещивания ;

  3. Возможность оператора мутации

Пусть процесс мутации зак­лючается в инверсии 1-го из битов строчки, избираемого случаем по равно­мерному закону; возможность оператора мутации равна 0,001; размер популяции (табл. 5); в связи Лекция Введение в интеллектуальные информационные технологии - страница 5 с простейшей задачей стратегия элитизма в методе не применяется.

Таблица 5

Начальная популяция из 4 особей.




Код

Значение

Возможность

1

01011

11

11/43

2

10010

18

18/43

3

00010

2

2/43

4

01100

12

12/43


Представим, что оператор отбора избрал для производства потомков две пары строк (1,2) и (2,4). В каждой паре разбиение на подстроки оператором Лекция Введение в интеллектуальные информационные технологии - страница 5 скрещивания происходит независимо (табл. 6).

Таблица 6

Работа оператора скрещивания



Предки

Потомки

Значение для потомков

1

0 1011

00010

2

2

1 0010

11011

27

3

10010

10000

16

4

01100

01110

14


Пусть оператор мутации, невзирая на низкую возможность 0,001, изменяет значение кода потомка в третьей строке (табл.6) с 10000 на 10001. Тогда за счет порожденных потомков популяция Лекция Введение в интеллектуальные информационные технологии - страница 5 расширяется до восьми особей. Оператор редукции уменьшает популяцию до начального числа особей, исключая те особи, в каких значения мотивированной функции малы (табл. 7).

Таблица 7.

Популяция первого поколения особей.



Код

Значение

Возможность Лекция Введение в интеллектуальные информационные технологии - страница 5

1

10010

18

18/76

2

11011

27

27/76

3

10001

17

17/76

4

01110

14

14/76


На этом шаг работы генетического метода завершается. Разумеется, что даже за эту одну итерацию качество популяции существенно возросло. Наилучшее решение возросло с 18 до 27 при рациональном решении 31.


Оптимизационная задачка по обучению нейронной сети Лекция Введение в интеллектуальные информационные технологии - страница 5.

Обучение нейронных сетей является одной из главных областей внедрения генетических алгоритмов. Для построения и обучения нейронной сети зададим набор при­меров, который представляет собой совокупа векторов вида, где - значения всех входов нейронной сети, a Лекция Введение в интеллектуальные информационные технологии - страница 5 - значения всех выходов нейронной сети, которые должны получаться в процес­се ее работы. Структура эталонных векторов задает сразу количество входных и выходных нейронов, другими словами в этом случае n и Лекция Введение в интеллектуальные информационные технологии - страница 5 m соответственно. Целью обучения нейронной сети является достижение таковой ситуации, когда при подаче на вход сети хоть какого вектора X из набора примеров на ее выходе выходит выходной вектор , отличающийся от эталонного вектора Y менее Лекция Введение в интеллектуальные информационные технологии - страница 5 чем на заданную заблаговременно и вычисляемую спецефическим образом величину .

Начальными данными для решения задачки являются количество входных и выходных нейронов; набор обучающих примеров. Требуется отыскать последующие свойства нейронной сети: количество укрытых Лекция Введение в интеллектуальные информационные технологии - страница 5 слоев; количество нейронов в каждом сокрытом слое; значения весов всех входов для каждого укрытого и выходного нейрона; функции активации для каждого укрытого и выходного нейрона. Разумеется, что мотивированной функцией в данной задачке Лекция Введение в интеллектуальные информационные технологии - страница 5 будет наибольшее значение , приобретенное посреди всех векторов набора примеров. Подбирая значения черт нейронной сети и вычис­ляя всякий раз значение , можно отыскать такое значение , которое требуется. Чем меньше значение , тем Лекция Введение в интеллектуальные информационные технологии - страница 5 лучше будет построена нейронная сеть.

Таким макаром, задачка обучения нейронной сети сводится к задачке поиска рационального решения. Следует увидеть, что даже для простых нейронных сетей эта задачка является многомерной и очень сложной Лекция Введение в интеллектуальные информационные технологии - страница 5. Цель отыскать нейронную сеть, удовлетворяющую условию , для реальных задач недости­жима и обычно не ставится. Потому поиск рационального решения превраща­ется в поиск наилучшего решения, где с фуррором можно применить генетический метод.

Обычно, генетические Лекция Введение в интеллектуальные информационные технологии - страница 5 методы употребляются на разных эта­пах построения и обучения сети в качестве основного либо вспомогательного сред­ства. Генетический метод может употребляться на первом шаге работы для поиска общих характеристик нейронной сети Лекция Введение в интеллектуальные информационные технологии - страница 5: количества укрытых слоев и нейронов. Также генетический метод может употребляться на заключитель­ном шаге работы для поиска всех значений весов нейронной сети и функций активации. При этом функции активации, обычно, выбираются Лекция Введение в интеллектуальные информационные технологии - страница 5 из ограниченного набора, а еще почаще подбирается не сама формула функции ак­тивации, а один либо несколько ее характеристик.

Для упрощения возьмем не­большую сеть прямого распространения (рис. 46) и построим для нее обучающий Лекция Введение в интеллектуальные информационные технологии - страница 5 метод. Сеть состоит из 6 нейронов: 3-х входных, 2-ух укрытых и 1-го выходного.



Рис. 46 Нейронная сеть.

Используем сигмоидальную функцию качестве функции активации , а для вычисления значения мотивированной функции выражение

,

где k – число примеров; - значение выхода нейронной Лекция Введение в интеллектуальные информационные технологии - страница 5 сети для j –го примера; - эталонное значение выхода нейронной сети для j – го примера.

Для останова работы генетического метода можно указать число поколений, а можно задать условие на значение Лекция Введение в интеллектуальные информационные технологии - страница 5 мотивированной функции. К примеру, приостановить работу метода, когда значение мотивированной функции . При обучении нейронной сети размер популяции должен быть более 100 особей. В качестве кода при решении задачки будем использовать массив из 11 реальных чисел (табл. 8), по Лекция Введение в интеллектуальные информационные технологии - страница 5 четыре на каждый сокрытый нейрон и три для выходного нейрона, которые представляют собой веса соответственных входов нейронов и характеристики их функций активности. Для частей хромосомы (особи) – генов – введем ограничения, обусловленные природой Лекция Введение в интеллектуальные информационные технологии - страница 5 нейронных сетей: Для оператора скрещивания можно установить возможность внедрения 0,95 и использовать элитизм. В качестве оператора мутации будем использовать случайное изменение значений весов и параметра функции активации для каждого нейрона на Лекция Введение в интеллектуальные информационные технологии - страница 5 случайную величину. Возможность мутации 0,01. При этом сразу будет изменяться параметр функции только для 1-го нейрона, и для каждого нейрона будет изменяться один из входных весов. Какие непосредственно веса и характеристики будут изменяться, определяется Лекция Введение в интеллектуальные информационные технологии - страница 5 по равномерному закону. К примеру, мутация может быть последующей: значение возрастает на 0,1; значение миниатюризируется на 0,01 и т.д. Начальная информация будет формироваться на базе равномерного рассредотачивания для каждого гена хромосомы (особи).

Таблица 8

Структура Лекция Введение в интеллектуальные информационные технологии - страница 5 кода.
























Рассмотренный процесс указывает, как сложной является задачка построения и обучения нейросети как исходя из убеждений ее размерности, так и исходя из убеждений ее вычислительной трудности. Все же, генетические алго Лекция Введение в интеллектуальные информационные технологии - страница 5­ритмы представляют один из действенных и роскошных путей ее решения.


Выводы по лекции.

Эволюционные вычисления, в том числе и генетические методы, представляют собой подход к решению задачки по­иска наилучшего решения, а не верно Лекция Введение в интеллектуальные информационные технологии - страница 5 определенный метод. Для решения конк­ретной задачки, кроме ее формализации, формулировки генотипа и фенотипа, требуется создавать и определенный генетический метод. Для этого задают значения размера популяции, вероятности мутации, обрисовывают процесс рабо Лекция Введение в интеллектуальные информационные технологии - страница 5­ты операторов отбора, скрещивания, мутации и редукции, что и было показано в рассмотренных примерах. Но возможно окажется, что метод, удачно решаю­щий одну задачку, совсем не подходит для решения другой. Создание Лекция Введение в интеллектуальные информационные технологии - страница 5 генетических алгоритмов, отлично решающих максимально большее число задач, является предметом проводимых в текущее время исследовательских работ.


Лекция 10. Системный подход к проектированию сложных систем.


В лекции приводится понятие системы, рассматриваются вопросы системного анализа и математического моделирования Лекция Введение в интеллектуальные информационные технологии - страница 5 для проектирования сложных систем.


Характеристики сложной системы и закономерности ее функционирования.


Проф подход к задачкам проектирования сложных систем в электротехнике, электромеханике, электрическом оборудовании и других областях техники является одной из важных предпосылок Лекция Введение в интеллектуальные информационные технологии - страница 5 их удачного функционирования. Усложнение конструкций технических устройств и систем определяется повыше-нием требований к ним по экономичности, безопасности, экологичности, к качеству многофункциональных способностей. Модернизация и создание новых промышленных технологий, внедрение Лекция Введение в интеллектуальные информационные технологии - страница 5 достижений компьютерной техники, новейших инфор-мационных и коммуникационных сред приводит к изменению подходов в формировании принципов математического моделирования сложных технических систем при их исследовании и проектировании. При всем этом препядствия выработки творческих решений на Лекция Введение в интеллектуальные информационные технологии - страница 5 всех стадиях исследования и проектирования сложных систем, оценки их состояния и прогнозирования последствий в критериях неопределенности становятся животрепещущими и могут быть решены с применением умственных способов и компьютерных систем, владеющих познаниями и Лекция Введение в интеллектуальные информационные технологии - страница 5 наделенных способностью логического вывода.

Особенностью методик анализа сложных систем будет то, что они опираются на понятие системы и употребляют общие закономерности строения, функционирования и развития систем. С философской точки Лекция Введение в интеллектуальные информационные технологии - страница 5 зрения природа систем двояка, другими словами понятие система сразу отражает беспристрастное существование и личное восприятие некой действительности. В текущее время есть некоторое количество узнаваемых точек зрения, раскрывающих суть понятия система. Основатель теории Лекция Введение в интеллектуальные информационные технологии - страница 5 систем Л. Берталанфи обусловил систему как совокупа частей, находящихся в определенных отношениях вместе и со средой. Значимым вкладом в теорию систем является определение системы, данное П. К. Анохиным. Системой можно именовать только таковой комплекс избирательно Лекция Введение в интеллектуальные информационные технологии - страница 5 вовлеченных компонент, у каких взаимодействие и взаимо-отношение получают нрав взаимосодействия компонент, направленного на получение фокусированного полезного результата, другими словами системообразующим фактором является нужный итог. По утверждению Дж. Клира Лекция Введение в интеллектуальные информационные технологии - страница 5 общее определение системы можно сделать более полезным для практики, если ввести классы частей и отношений меж ними. При систематизации систем выделяют два класса системных задач: задачки исследования и задачки проектирования. Задачка исследования систем Лекция Введение в интеллектуальные информационные технологии - страница 5 состоит в накоплении познаний о свойствах и отношениях имеющихся объектов в согласовании с определенными целями. Задачка проектирования систем заключается в разработке новых объектов с данными качествами.

Сложным системам присущи последующие главные Лекция Введение в интеллектуальные информационные технологии - страница 5 закономерности:

Функционирование хоть какой сложной системы подчиняется Лекция Введение в интеллектуальные информационные технологии - страница 5 восьми законам композиции.

  1. Перевод системы из 1-го высококачественного состояния в другое методом малого воздействия в критичную точку фазового перехода системы.

  2. Закон эволюции, который утверждает, что неважно какая система в процессе развития проходит Лекция Введение в интеллектуальные информационные технологии - страница 5 в сокращенной форме свой эволюционный путь, включая все его этапы.

  3. Закон пирамиды, который говорит, что коэффициент полезного деяния хоть какой реальной системы не может достигать 100 %, в связи с чем энергия, почерпнутая системой Лекция Введение в интеллектуальные информационные технологии - страница 5 снаружи, равномерно миниатюризируется по мере приближения к конечной цели.

  4. Закон «островного эффекта», позволяющий найти вероятную степень автономности системы зависимо от ее характеристик и от параметров окружения.

  5. Закон единства и борьбы противоположностей, определяющий возможность и Лекция Введение в интеллектуальные информационные технологии - страница 5 условия объединения противоборствующих сторон.

  6. Закон причинно-следственных связей.

  7. Закон проявления непостоянностей системы, которые выражены нарушением согласованного (когерентного) взаимодействия с фоном этой системы.

  8. Закон значимой зависимости потенциала системы от конфигурации нрава взаимодействия меж ее Лекция Введение в интеллектуальные информационные технологии - страница 5 элементами.



Характеристики сложных систем можно поделить на три главные группы.


Черта системного подхода к исследованию сложных систем.

Главным способом исследования сложных Лекция Введение в интеллектуальные информационные технологии - страница 5 систем является системный анализ, состоящий из нескольких шагов:

На шаге постановки задачки определяются цели исследования, делается выделение системы из среды, рассматриваются методы взаимодействия системы Лекция Введение в интеллектуальные информационные технологии - страница 5 со средой, формулируются главные допущения.

Шаг формирования описания системы включает последующие деяния:

Шаг выбора лучших решений сводится к определению мотивированной функции и нахождению таковой композиции значений черт сложной системы, которая приводит к ее Лекция Введение в интеллектуальные информационные технологии - страница 5 экстремальному значению.

Системный подход к проектированию заключается в рассмотрении всего комплекса заморочек, возникающих в течение актуального цикла исследуемой системы:

- из неразрешимости общей задачки проектирования вытекает необходимость ее декомпозиции на совокупа локальных задач, упорядоченных многоуровне Лекция Введение в интеллектуальные информационные технологии - страница 5-вой параллельно-последовательной логической схемой проектирования;

- из неопределенности начальных данных и ограничений в общей задачке проектирования вытекает необходимость их прогнозирования и обмена проектными решениями меж многофункциональными ячейками системы проектирования в согласовании с Лекция Введение в интеллектуальные информационные технологии - страница 5 определенной логической схемой;

- из логической противоречивости общей задачки проектирования вытекает необходимость организации итерационных циклов, которые определяют сходимость системных решающих процедур;

- из невозможности сконструировать априори «сквозное» правило предпочте-ния следует необходимость Лекция Введение в интеллектуальные информационные технологии - страница 5 «индивидуального» построения многоуровневого аспекта оценки проектных решений, который может быть получен эвристически исключительно в конце итерационного цикла.

Построение формального описания сложной системы является нужным шагом исследования. Формальные модели необходимы для исследования внутреннего Лекция Введение в интеллектуальные информационные технологии - страница 5 строения систем, для прогнозирования, также для определения хороших режимов функционирования. Высочайший уровень абстрагирования имеют лингвистический и теоретико-множественный методы описания систем. Лингвистический подход к описанию систем исходит из «характерных черт» системы. Этот подход очень привлекателен Лекция Введение в интеллектуальные информационные технологии - страница 5, потому что познания в виде выражений являются более легкодоступным видом инфы. Теоретико-множественный подход к описанию систем является более всераспространенным. При всем этом более развитым направлением теории систем является феноменологическое Лекция Введение в интеллектуальные информационные технологии - страница 5, которое основано на представлении системы S как некого преобразования входных воздействий Х в выходные величины Y. В критериях неопределенности обычным приемом является усиление степени размытости языка описания, потому нередко в таких случаях перебегают Лекция Введение в интеллектуальные информационные технологии - страница 5 от рассмотрения входных и выходных величин к рассмотрению подмножеств их частей. Это приводит к вероятностным и нечетким описаниям систем.

Есть различные подходы к формированию целей проектирования. Сложившийся на практике стереотип - ясно Лекция Введение в интеллектуальные информационные технологии - страница 5 поставленная цель есть главнейшее условие фуррора - противоречит опыту профессионалов по системному анализу, утверждающих, что цель сотворения системы и ее составляющие уточняются в процессе работы. В связи с этим одним из критерий, обеспечивающих Лекция Введение в интеллектуальные информационные технологии - страница 5 фуррор хоть какого проекта, является построение последующих прогнозов:

- прогноз состояния либо поведения наружной среды (надсистемы), взаимодействующей с исследуемой системой (объектом);

- прогноз конфигурации целей функционирования и структуры исследуемой системы;

- прогноз развития конкурирующих либо противоборствующих Лекция Введение в интеллектуальные информационные технологии - страница 5 подсистем, их черт и стратегий поведения.

Взаимодействие системы со средой, также частей системы вместе может быть представлено моделями структуры и моделями функционирования. Модель структуры зависимо от цели исследования может иметь Лекция Введение в интеллектуальные информационные технологии - страница 5 последующие разновидности:

Функционирование системы может быть представлено:


Черта подходов к моделированию сложных систем.

Статистический подход основан на построении макромоделей огромных систем, которые могут использовать разные типы описаний: теоретико-мно-жественный, словарный, топологический и Лекция Введение в интеллектуальные информационные технологии - страница 5 др. Макромодели дают представление о зависимости состояния системы от поведения человека и среды, но не учитывают состязательный нрав развития и не содержат представлений об эффективности.

Структурно-функциональный подход связан с построением модели структуры, элементами Лекция Введение в интеллектуальные информационные технологии - страница 5 которой являются функции. Для построения механизма, порождающего функции, употребляют теоретико-множественный аппарат и математико-лингвистические средства.

Ситуационное моделирование

lekciya-opisaniya-bazovie-strukturi-i-etapi-analiza-sistem.html
lekciya-organizacionnie-i-pravovie-osnovi-obyazatelnogo-socialnogo-strahovaniya.html
lekciya-ortopedicheskoe-lechenie-zabolevanij-visochno-nizhnechelyustnogo-sustava-lekciya-povishennaya-stir-aemost-tverdih-tkanej-zubov.html