НЕЧІТКЕ МОДЕЛЮВАННЯ ВЕРБАЛЬНОЇ ІНФОРМАЦІЇ ДЛЯ ПРОДУКЦІЙНИХ СИСТЕМ

Автор(и)

DOI:

https://doi.org/10.30837/2522-9818.2019.10.005

Ключові слова:

функція належності, відношення порядку, лінгвістична змінна

Анотація

Предметом дослідження статті є формалізація неструктурованої або слабоструктурованої вербальної інформації для нечіткої продукційної системи. Мета роботи – розробка методу побудови функцій належності для нечітких множин термів лінгвістичної змінної, який дозволить формалізувати неструктуровану або слабоструктуровану вербальну інформацію для нечітких продукційних систем. В статті вирішуються наступні завдання: для розробки методу побудови функцій належності визначити послідовність етапів: етап моделювання вербальної інформації у вигляді орграфів, етап побудови відношення порядку на елементах цієї моделі, етап визначення лінгвістичної змінної на базі створеної моделі та визначення функцій належності для нечітких множин термів лінгвістичної змінної. Використовуються методи: теорії графів, математичної індукції, нечіткого моделювання. Отримано результати: розроблено метод побудови функції належності лінгвістичних змінних, які формалізують неструктуровану або слабоструктуровану якісну інформацію для нечітких продукційних систем. Для цього процес побудови функції належності було розбито на етапи. Суттю окремих етапів є формалізація певних відображень. Реалізація першого етапу потребує створення моделі неструктурованої або слабоструктурованої вербальної інформації. Розглянуто три моделі інформації на базі орієнтованих дерев за зростаючою складністю. Як узагальнення розглянуто модель на базі ациклічного орієнтованого графу. Така модель  є основою для обробки інформації, що має структуру більшої складності. На другому етапі надано теоретичне підґрунтя побудови відношення порядку для елементів розглянутих моделей. Для реалізації третього етапу запропоновано спосіб ідентифікації елементів, що знаходяться у відношенні порядку, на базі позиційної системи. На основі ідентифікатора кожного упорядкованого елементу побудовано функції належності нечітких множин термів лінгвістичної змінної. Для реалізації етапів розроблено відповідні процедури. Висновки: застосування методу дозволить автоматизувати надання значень векторам вхідної та вихідної інформації, автоматизувати формування нечітких множин термів відповідних лінгвістичних змінних, дозволить будувати нечіткі продукції як базу знань нечіткої продукційної системи, а також проводити навчання  такої системи.

Біографії авторів

Anna Bakurova, Національний університет "Запорізька політехніка"

доктор економічних наук, професор, професор кафедри системного аналізу та обчислювальної математики

Mariia Pasichnyk, Національний університет "Запорізька політехніка"

аспірант кафедри системного аналізу та обчислювальної математики

Elina Tereschenko, Національний університет "Запорізька політехніка"

кандидат фіз.-мат. наук, доцент, доцент кафедри системного аналізу та обчислювальної математики

Посилання

Konar, A. (2018), Artificial intelligence and soft computing: behavioral and cognitive modeling of the human brain, CRC press, 787 p. DOI: https://doi.org/10.1201/9781420049138

Stovba, S. D. (2007), Design of fuzzy systems by means of Matlab, Hotline-telecom,Moscow, 288 p.

Borisov, A. N., Krumberg, O. A., Fyodorov, I. P. (1990), Decision-making on the basis of fuzzy models: Examples of using, Zinatne, Riga, 184 p.

Novák, V., Perfilieva, I., Mockor, J. (1999), Mathematical Principles of Fuzzy Logic, Springer Science & Business Media, 320 p. DOI: https://doi.org/10.1007/978-1-4615-5217-8

Samohvalov, Yu Y. (2017), "Assessment of validity of management decisions on the basis of fuzzy logic", Control systems and machines, No. 3, P. 26–34. DOI: https://doi.org/10.15407/usim.2017.03.026

Bakurova, A. V., Ivanov, V. N. (2013), "Method for constructing the function of normalizing termsets to display the membership function of the operational risk assessment", Economical cybernetics, No. 4-6 (82-84), P. 40–43.

Borisov, V. V., Fedulov, A. S., Zernov, M. M. (2014), Foundations of fuzzy set theory, Moscow, 98 p.

Kolchev, N. G., Berstein, L. S., Bozhenyuk, A. V. (1991), Fuzzy models for expert systems in CAD, Moscow, 136 p.

Pegat, A. (2013), Fuzzy modeling and management,Moscow, 798 p.

Aracil, J., Garcia-Cerezo, A., Ollero, A. (1991), "Fuzzy control of dynamical systems. Stability analysis based on the conicity criterion", Proceedings of the 4th Iternational Fuzzy Systems Association Congress, Brussels, Belgium, P. 5–8.

Turskis, Z., Zavadskas, E. K., Antucheviciene, J., Kosareva, N. A. (2015), "Hybrid Model Based on Fuzzy AHP and Fuzzy WASPAS for Construction Site Selection", International Journal Of Computers Communications & Control Special Issue On Fuzzy Sets And Applications (Celebration Of The 50th Anniversary Of Fuzzy Sets), No. 10 (6), P. 873–888. DOI: https://doi.org/10.15837/ijccc.2015.6.2078

Saaty T. L., Vargas, L. G. (2011), "The possibility of group choice: Pairwise comparisons and merging functions", Social Choice and Welfare, No. 38 (3), P. 481–496. DOI: https://doi.org/10.1007/s00355-011-0541-6

Ozdemir, M., Saaty, T. L. (2006), "The unknown in decision making: What to do about it", European Journal of Operational Research, No. 174, P. 349 – 359. DOI: https://doi.org/10.1016/j.ejor.2004.12.017

Gnatiyenko, G. M., Snityuk, V. E. (2008), Expert technologies of decision-making,Kiev, 444 p.

Bernard, H., Wutich, A, Ryan, G. (2007), Analyzing qualitative data: Systematic approaches, SAGE publications. 456 p. DOI: https://doi.org/10.4135/9781849208826.n10

Rutkovskaya, D., Pilinsky, M., Rutkovsky, L. (2004), Neural networks, genetic algorithms and indistinct systems,Moscow, 452 p.

Louviere, J. J., Flynn, T. N., Marley, A. (2015), Best-worst scaling: Theory, methods and applications, Cambridge, UK, 342 p. DOI: https://doi.org/10.1017/CBO9781107337855

Hair, Jr., Black, J., Babin, B.,Anderson, R. (2010), Multivariate data analysis: A global perspective,Upper Saddle River,NJ : Pearson Prentice Hall, 739 p. DOI: https://doi.org/10.1007/978-3-030-06031-2_16

Ore, O. (1980), Theory of graphs,Moscow, 336 p.

Taran, T.A. (2003), Foundations of Discrete Mathematics,Kiev, 288 p.

##submission.downloads##

Як цитувати

Bakurova, A., Pasichnyk, M., & Tereschenko, E. (2019). НЕЧІТКЕ МОДЕЛЮВАННЯ ВЕРБАЛЬНОЇ ІНФОРМАЦІЇ ДЛЯ ПРОДУКЦІЙНИХ СИСТЕМ. СУЧАСНИЙ СТАН НАУКОВИХ ДОСЛІДЖЕНЬ ТА ТЕХНОЛОГІЙ В ПРОМИСЛОВОСТІ, (4 (10), 5–13. https://doi.org/10.30837/2522-9818.2019.10.005

Номер

№ 4 (10) (2019)

Розділ

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ

Ліцензія

Авторське право (c) 2019 Anna Bakurova, Mariia Pasichnyk, Elina Tereschenko

Creative Commons License

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

Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  • Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.

  • Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.

  • Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.