Автоматична побудова нечіткої системи з матричним представленням правил та коректною базою знань

Автор(и)

  • Данило Ігорович Єгошкін Дніпровський національний університет імені Олеся Гончара, Україна https://orcid.org/0000-0002-0937-4733
  • Наталія Анатоліївна Гук Дніпровський національний університет імені Олеся Гончара, Україна https://orcid.org/0000-0001-7937-1039

DOI:

https://doi.org/10.15587/1729-4061.2022.268908

Ключові слова:

експертна система, нечітка логіка, нечітка класифікація, логіка Хоара, метод резолюцій

Анотація

Об’єктом дослідження є процес автоматичного формування нечітких продукційних правил з урахуванням навчальної вибірки для вирішення завдання класифікації. Вирішується проблема автоматичного створення та подальшої перевірки правильності нечіткої моделі логічного висновку для завдання класифікації. Результатом є автоматично побудована коректна база правил для вирішення завдання класифікації. Аналіз правильності бази знань на коректність здійснюється за допомогою критеріїв повноти, мінімальності, зв’язності та несуперечності. Для доказу повноти бази правил застосовується логіка Хоара та метод резолюцій. Проводиться оцінка якості класифікації за допомогою метрик: accuracy, precision, recall, f1-score. Розглянуто залежність результату класифікації від розміру навчальної вибірки.

Експертна система має такі особливості: здатність навчатися на даних; високий рівень точності; коректна база знань. База знань формується з використанням об’єктів навчальної вибірки на підставі лінгвістичних змінних та терм-множин. Застосовується продукційна модель представлення знань, що поєднує моделі Мамдані та Такагі-Сугено-Канг. Передбачається, що ліві частини продукційних правил описують поєднання ознак об’єктів, а праві частини відповідають класам. Використовується матричне уявлення антецедентів правил. Консеквенти представляються як вектор стовпця. Для автоматичної побудови матриці антецедентів пропонується використовувати декартовий добуток. Формування вектора консеквентів здійснюється автоматично з використанням даних про предметну область та процедури навчання.

Отримана експертна система може застосовуватися для вирішення завдань класифікації, кластеризації, глибинного аналізу даних, аналізу великих даних

Біографії авторів

Данило Ігорович Єгошкін, Дніпровський національний університет імені Олеся Гончара

Аспірант

Кафедра комп’ютерних технологій

Наталія Анатоліївна Гук, Дніпровський національний університет імені Олеся Гончара

Доктор фізико-математичних наук, професор, завідувачка кафедри

Кафедра комп’ютерних технологій

Посилання

  1. Zadeh, L. A., Abbasov, A. M., Yager, R. R., Shahbazova, S. N., Reformat, M. Z. (Eds.) (2014). Recent Developments and New Directions in Soft Computing. Studies in Fuzziness and Soft Computing. doi: https://doi.org/10.1007/978-3-319-06323-2
  2. Ternovoi, M. Yu., Shtohryna, E. S. (2015). Formalnaia spetsyfykatsyia svoistv baz nechetkykh znanyi Mamdany na osnove metahrafa. Visnyk Kharkivskoho natsionalnoho universytetu imeni V. N. Karazina. Seriya: Matematychne modeliuvannia. Informatsiyni tekhnolohiyi. Avtomatyzovani systemy upravlinnia, 27, 157–171. Available at: http://nbuv.gov.ua/UJRN/VKhIMAM_2015_27_17
  3. Krivulya, G. F., Shkil', A. S., Kucherenko, D. E. (2013). Analiz korrektnosti produkcionnyh pravil v sistemah nechetkogo logicheskogo vyvoda s ispol'zovaniem kvantovyh modelej. ASU i pribory avtomatiki, 165, 42–53. Available at: https://openarchive.nure.ua/server/api/core/bitstreams/eeb5b66f-7eb9-4db4-b045-0e774308ee6d/content
  4. Darwiche, A., Marquis, P. (2002). A Knowledge Compilation Map. Journal of Artificial Intelligence Research, 17, 229–264. doi: https://doi.org/10.1613/jair.989
  5. Sugiura, A., Riesenhuber, M., Koseki, Y. (1993). Comprehensibility Improvement of Tabular Knowledge Bases. AAAI-93 Proceedings, 716–721. Available at: https://www.aaai.org/Papers/AAAI/1993/AAAI93-107.pdf
  6. Sugiura, A., Koseki, Y. (1995). Comprehensibility Improvement of Tabular Knowledge Bases. Journal of the Japanese Society for Artificial Intelligence, 10 (4), 628–635. doi: https://doi.org/10.11517/jjsai.10.4_628
  7. Kondratenko, Y. P., Kozlov, A. V. (2019). Generation of Rule Bases of Fuzzy Systems Based on Modified Ant Colony Algorithms. Journal of Automation and Information Sciences, 51 (3), 4–25. doi: https://doi.org/10.1615/jautomatinfscien.v51.i3.20
  8. Zheldak, T. A., Koriashkina, L. S. (2020). Nechitki mnozhyny v systemakh upravlinnia ta pryiniattia rishen. Dnipro: NTU «DP», 222–227.
  9. Hoare, C. A. R. (1969). An axiomatic basis for computer programming. Communications of the ACM, 12 (10), 576–580. doi: https://doi.org/10.1145/363235.363259
  10. Gries, D. (1981). The Predicate Transformer wp. The Science of Programming, 108–113. doi: https://doi.org/10.1007/978-1-4612-5983-1_8
  11. Dijkstra, E. W. (1975). Guarded commands, nondeterminacy and formal derivation of programs. Communications of the ACM, 18 (8), 453–457. doi: https://doi.org/10.1145/360933.360975
  12. Simplify. ESC/Java2 Summary. Available at: https://www.kindsoftware.com/products/opensource/escjava2
  13. Hizha, A. L., Vysokopoyasnyj, I. G. (2017). Avtomaticheskaya proverka semanticheskoy pravil'nosti resheniy zadach po programmirovaniyu. Pytannia prykladnoi matematyky i matematychnoho modeliuvannia, 17, 234–246. Available at: http://nbuv.gov.ua/UJRN/Ppmmm_2017_17_29
  14. Gorman, K. B., Williams, T. D., Fraser, W. R. (2014). Ecological Sexual Dimorphism and Environmental Variability within a Community of Antarctic Penguins (Genus Pygoscelis). PLoS ONE, 9 (3), e90081. doi: https://doi.org/10.1371/journal.pone.0090081
Автоматична побудова нечіткої системи з матричним представленням правил та коректною базою знань

##submission.downloads##

Опубліковано

2022-12-30

Як цитувати

Єгошкін, Д. І., & Гук, Н. А. (2022). Автоматична побудова нечіткої системи з матричним представленням правил та коректною базою знань . Eastern-European Journal of Enterprise Technologies, 6(4 (120), 14–22. https://doi.org/10.15587/1729-4061.2022.268908

Номер

Том 6 № 4 (120) (2022): Математика та кібернетика - прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2022 Danylo Yehoshkin, Natalia Guk

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.