Содержание к диссертации
Введение 4
Глава 1. Неиросетевые технологии 10
Неиросетевые технологии и методы работы с ними 10
Генетический алгоритм 17
Метод генетического программирования 21
Автоматическое формирование нейронной сети 27
Проверка работоспособности на тестовых задачах 37
Выводы 45
Глава 2. Интеллектуальные системы на нечеткой логике 46
Нечеткая логика и системы на нечеткой логике 46
Автоматизированное формирование базы нечетких правил 52
Настройка семантики лингвистических переменных 55
Тестовая задача построения нечеткого контроллера 59
Формирование базы правил методом генетического программирования 63
Проверка работоспособности на тестовых задачах 66
Выводы 74
Глава 3. Практическая реализация 75
Комплексная процедура использования эволюционных алгоритмов, автоматически формирующих нечеткие системы управления и нейронные сети 75
Программная система, автоматически генерирующая неиросетевые модели 78
Программная система, автоматически генерирующая нечеткие логические системы 87
Практическая реализация 91
Выводы 121
Заключение 122
Список используемой литературы 123
Публикации автора 132
Приложение 1. Результаты генерирования НС для задачи прогнозирования
вибрационных сигналов турбины 136
Приложение 2. Нейросетевые модели для задачи прогнозирования деградации электрических характеристик солнечных батарей космического
аппарата 147
Приложение 3. Модели на нечеткой логике для задачи прогнозирования деградации электрических характеристик солнечных батарей космического
аппарата 149
Приложение 4. Нейросетевые модели для задачи диагностики
послеоперационной когнитивной дисфункции 151
Приложение 5. Модели на нечеткой логике для задачи диагностики
послеоперационной когнитивной дисфункции 157
Приложение 6. Нейросетевая модель для задачи прогнозирование диагноза
при ультразвуковом исследовании почек 160
v Приложение 7. Документы об использовании 161
(k
Введение к работе
Интеллектуальные информационные технологии (ИИТ) широко и успешно используются для решения различных практических задач. В принципе, можно уже говорить о массовом характере их внедрения. Однако в большинстве конкретных случаев реализация ИИТ является, как правило, трудоемким процессом, требующим больших временных затрат и материальных вложений. Каждый раз исследователь, решивший использовать для решения той или иной задачи технологии искусственных нейронных сетей, сталкивается с вопросом об архитектуре нейронной сети. В отличие от настройки весовых коэффициентов, данный вопрос не так широко освещен в литературе. В большинстве случаев основной метод подбора структуры - метод проб и ошибок, который не может гарантировать оптимального решения. Недостаточная сложность архитектуры нейронной сети ведет к недопустимой ошибке и лишает сеть свойства обобщения. Избыточная сложность архитектуры ведет к увеличению скорости срабатывания и аппроксимации шума, что также лишает сеть свойства обобщения. Все это приводит к необходимости создания эффективного метода автоматизированного формирования нейронных сетей, который мог бы повысить обоснованность и снизить трудоемкость нейросетевого моделирования сложных систем.
Проектирование ИИТ другого типа - систем на нечеткой логике -тоже является сложным творческим процессом, требующим значительных затрат, что существенно сужает круг пользователей и разработчиков, которые могут себе это позволить. Инженеру по знаниям необходимо извлечь знания из эксперта, представить их в виде формальной модели, состоящей из двух основных частей: базы нечетких правил и набора лингвистических переменных. Большинство методик извлечения знаний являются слабо формализованными, что существенно сказывается на стоимости и времени разработки. Одной из основных проблем существующих на этапе извлечения является наличие так называемых «скрытых» знаний эксперта, т.е. тех
знаний, которыми эксперт пользуется не осознанно. Инженеру по знаниям необходимо выявить такие знания и формализовать их в виде некоторой модели. В свою очередь, эксперт должен предоставлять свои знания с учетом особенностей используемых информационных технологий. Таким образом, взаимодействие инженера по знаниям и эксперта превращается во взаимное обучение, на которое и уходит основное время разработки системы. Однако во многих случаях, когда имеются готовые базы данных предметной области, можно было бы избежать значительных временных затрат на разработку рабочих прототипов систем на нечеткой логике.
В этой связи для действительно массового использования ИИТ при решении практических задач разработка алгоритмического обеспечения для автоматизации моделирования сложных систем интеллектуальными информационными технологиями является актуальной научной проблемой.
Целью данной диссертационной работы является повышение эффективности и обоснованности принятия решений при автоматизированном формировании интеллектуальных информационных технологий.
Для достижения поставленной цели необходимо решить следующие задачи:
Проанализировать методы формирования интеллектуальных информационных технологий. Выявить их достоинства и недостатки.
Разработать подход, позволяющий автоматически проектировать нейронные сети (подбор структуры, активационных функций, весовых коэффициентов).
Разработать подход, автоматически проектирующий базу правил систем на нечеткой логике.
Разработать подход, автоматически настраивающий семантику лингвистических переменных в системах на нечеткой логике.
Выполнить программную реализацию разработанных методов и проверить их работоспособность на тестовых задачах.
Разработать процедуру совместного использования обоих подходов в рамках решения конкретной практической задачи.
Проверить работоспособность разработанных подходов и программных систем на реальных практических задачах.
Методы исследования. Результаты проведенных и представленных в данной работе исследований получены с использованием методов системного анализа, теории информации, теории оптимизации, нейросетевого моделирования, теории нечетких множеств и нечеткой логики.
Научная новизна работы состоит в следующем:
Разработан новый эволюционный алгоритм, автоматически формирующий нейросетевые модели и отличающийся от известных универсальностью подхода к выбору структур нейронных сетей.
Разработан новый эволюционный алгоритм, автоматически формирующий нечеткие системы управления и отличающийся комплексностью подхода, позволяющего формировать базы правил и лингвистические переменные одновременно.
3. Разработана интегрированная процедура совместного использо
вания эволюционных алгоритмов, автоматически формирующих нечеткие
системы управления и нейронные сети, позволяющая осуществлять ком
плексное моделирование сложных систем интеллектуальными информа
ционными технологиями.
Практическая ценность. Разработаны формальные методики, позволяющие автоматически проектировать интеллектуальные информационные технологии. Разработанные программные системы позволяют пользователю, не обладающему профессиональными знаниями в области ИИТ и эволюционного моделирования, получать решения для конкретных практических задач. Решены реальные практические задачи из области техники и медицины. Программные системы, разработанные в ходе выполнения работы, используются в качестве лабораторных установок для обучения студентов Сибирского государственного аэрокосмического
университета по дисциплинам «Интеллектуальные технологии и принятие решения» и «Интеллектуальный анализ данных», студентов Красноярского государственного университета по дисциплинам «Эволюционные алгоритмы моделирования и оптимизации» и «Интеллектуальные технологии анализа данных».
Работа выполнена в рамках ФЦНТП «Исследования и разработки по приоритетным направлениям развития науки и техники на 2002-2006 годы» по теме 2006-РИ-16.0/001/076 (государственный контракт № 02.438.11.7043) и 2006-РИ-19.0/001/377 (государственный контракт № 02.442.11.7337), в рамках НИР 4422 «Разработка и исследование эффективности гибридных методов оптимизации алгоритмически заданных функций дискретных переменных», выполняемой по ведомственной научной программе «Развитие научного потенциала высшей школы», а также по темплану СибГАУ «Бионические методы идентификации и оптимизации сложных систем» (№ Б 1.1.05).
Реализация результатов работы. Разработанные программные системы эволюционного формирования нейросетевых моделей сложных систем и эволюционного формирования интеллектуальных систем на нечеткой логике, а также программная система поддержки принятия решений при комплексной диагностике послеоперационной когнитивной дисфункции зарегистрированы в отраслевом фонде алгоритмов и программ, что делает их доступными для широкого круга пользователей. Первые две программные системы использованы при решении реальных технических задач прогнозирования деградации солнечных электрических батарей космических аппаратов (результаты решения задачи переданы НПО прикладной механики (г. Железногорск) в составе отчета по государственному контракту 02.438.11.7043) и моделирования работы малогабаритной электростанции на водородных топливных элементах (fuel cell). Вторая задача решалась в рамках совместного проекта СибГАУ и Ульмской специальной высшей школы (Fachhochschule Ulm, Германия). Результаты решения по-
лучили высокую оценку немецких специалистов, что подтверждено соответствующими документами. Кроме того, все три программы прошли апробацию при решении реальных задач медицинской диагностики и переданы для эксплуатации при проведении клинических исследований Институту последипломного образования ГОУ ВПО «Красноярская государственная медицинская академия» Федерального агентства по здравоохранению и социальному развитию, что подтверждено актом о передаче и использовании.
Апробация. Разрабатываемые подходы и результаты исследований докладывались и обсуждались на следующих конференциях: X Национальная конференция по искусственному интеллекту с международным участием (КИИ-2006); Международная научно-практическая конференция: «Исследование, разработка и применение высоких технологий в промышленности», Санкт-Петербург, 2006г.; Всероссийская научная конференция «Решетневские чтения», Красноярск, 2003-2006; Межрегиональный научный фестиваль «Молодежь и наука - третье тысячелетие», Красноярск, 2004 г; Региональная конференция "Молодежь и наука - третье тысячелетие", Красноярск, 2006; VIII Международная научно-практическая конференция, Тамбов 2004; Пятая международная конференция молодых ученых, Самара, 2004; Всероссийская научная конференция молодых ученых «Наука. Технологии. Инновации, Новосибирск», 2003.
Основные защищаемые положения.
Разработанный модифицированный эволюционный алгоритм формирования нейросетей позволяет автоматически проектировать нейронные сети и выявлять входы, слабо влияющие на выходы.
Разработанный модифицированный эволюционный алгоритм проектирования систем на нечеткой логике позволяет автоматически формировать базы правил таких систем и получать обобщенные правила, понятные конечному пользователю.
3. Разработанная процедура совместного использования эволюционных алгоритмов, автоматически формирующих нечеткие системы управления и нейронные сети, позволяет комплексно решать задачу проектирования интеллектуальных информационных технологий для моделирования сложных систем.
Публикации. По теме диссертационного исследования опубликовано 22 работы, среди которых 8 статей, в том числе три в изданиях из Перечня ВАК.
Структура и объем работы. Работа состоит из введения, трех глав, заключения, списка литературы и приложений.
