I ntelligens R endszerek E lmélete

1. Intelligens Rendszerek Elmélete 9 Óbudai Egyetem, NIK Dr. Kutor László

2. Tudáskezelés fuzzy logikával, lágy számítási modellek kapcsolatai http://nik.uni-obuda.hu/mobil Óbudai Egyetem, NIK Dr. Kutor László

3. „ A pontosság (önmagában) nem igazság” Henri Matisse „A képzett elme jellemzője, hogy a dolgok természetéhez igazodó pontosságot vár el, és nem keres pontosságot, ahol az csak megközelítően lehetséges” Arisztotelész „Ameddig a matematika törvényei a valóságra vonatkoznak, addig nem biztosak. Amint biztosak akkor nem a valóságra vonatkoznak” Albert Einstein Pontosság – pontatlanság ? Bizonyosság - bizonytalanság Óbudai Egyetem, NIK Dr. Kutor László

4. Lotfi Zadeh (1965, Berkeley) fuzzy (angol) = életlen, homályos, nem tiszta, ………. árnyalt. Ellentéte: crisp (angol) = éles, tiszta., hagyományosan kétértékű (igaz-hamis) Fuzzy (fazi) logikára épülő rendszerek A = (10, 01), (40, 02), (60, 03), (80, 04), (100,05), (120, 06), (140, 07), (160, 08), (180, 09), (200,1) Fuzzy halmazok Igazság(gyors) I H Változó(sebesség) A „nyugati” tudományban erősen kritizált Ázsiában marketing tényező, a hatékonyság, a „hightech” jelzője Óbudai Egyetem, NIK Dr. Kutor László

5. Logika: a bölcselés tudománya, a helyes gondolkodás művészetének tana Következtetés: a burkolt ismeret kihámozása meglévő ismereteinkből Úttörői: Arisztotelész (2000 évig tökéletesnek hitték) Leibniz (1646-1716): a logika matematizálása G. Boole (1815-1864): algebrai rendszer kidolgozója „A gondolkodás törvényei” „A logika matematikai elemzése” Továbbfejlesztői: A. De Morgan (1806-1925) W. S. Jevons (1835-1882) C. S. Peirce (1839-1914) a XX. Században: G. Ferge, G. Peano, B. Russel Tudáskezelés logikával Óbudai Egyetem, NIK Dr. Kutor László

6. Klasszikus (Arisztotelészi) A logikák osztályozása Szimbolikus (formális) Ítélet kalkulus Predikátum kalkulus Nem klasszikus (szimbolikus) Modális Temporális (idői) Többértékű Intuicionista Valószínűségi Fuzzy Óbudai Egyetem, NIK Dr. Kutor László

7. Fuzzy fogalom eredeti értelme: életlen, homályos A fuzzy fogalomhoz kapcsolható szinonimák: éles – homályos (crisp – fuzzy) tiszta – zűrös A logikára (gondolkodásra) értve pejoratív!!! kemény – lágy A fuzzy (halmazokra épülő) rendszerek a lágy számítási modellek közé tartoznak, melyek a biológiai információ feldolgozást tekintik kiindulásnak. Területei: 1.neurális hálózatok, 2. fuzzy rendszerek, 3. genetikus algoritmusok Lágy számítási modellek Óbudai Egyetem, NIK Dr. Kutor László

8. Összetett rendszerekben, ahol nehéz, vagy lehetetlen megfelelő rendszermodellt kialakítani Olyan rendszerekben, melyeket szokásosan emberi szakértő irányít, (emberek adják a bemeneteket vagy a szabályokat) Olyan rendszerekben melyek folyamatos, vagy közel folyamatos bemenetekkel és nem lineáris kimeneti válaszfüggvényekkel jellemezhetők Olyan rendszerekben, melyekben a pontatlanság és a homályosság a rendszer gyakori velejárója Mikor célszerű fuzzy logikát alkalmazni Óbudai Egyetem, NIK Dr. Kutor László

9. A matematika, a számítástudomány és a villamosmérnöki tudományok határán helyezkedik el. A rendszerek működését és vezérlését meghatározó törvények nyelvi eszközökkel (szavakkal) leírhatók. Alapja a Fuzzy halmazelmélet. Átmenet van az igaz és a hamis között. Bevezeti a részleges igazságtartalmat Az emberi tudás megjeleníthető a technikában. Szinte mindenre ki lehet terjeszteni (?). A Fuzzy logika lényege és alkalmazásának alapfeltevései Óbudai Egyetem, NIK Dr. Kutor László

10. Átmenetek ábrázolása Tagság (igazság) érték változó Óbudai Egyetem, NIK Dr. Kutor László

11. „Nyelvi” változók Igen Nem 50 80 110 140 170 200 Alacsony Magas Lassú Gyors Hideg Meleg Óbudai Egyetem, NIK Dr. Kutor László

12. Tagsági (igazság) függvény értelmezése Igazság (tagság) 1.0 0.5 0.0 sebesség magasság 100 150 200 250 Óbudai Egyetem, NIK Dr. Kutor László

13. Élet (vitalitás) Az élet görbéje ~ 3*106 szívdobbanás ? ? ? Életkor Jogi fogalmak: Születés nagykorúság önrendelkezés vége halál Óbudai Egyetem, NIK Dr. Kutor László

14. Gyakorlatban használt tagsági függvények igazság 1 Kicsi közepes nagy sebesség 0 Mottó: a lineáris függvényeket sokkal könnyebb megvalósítani, a fuzzy rendszer nem érzékeny a „finomságokra” Óbudai Egyetem, NIK Dr. Kutor László

15. Gyakran használt nyelvi változók és tagsági függvények igazság változó kicsi kis-közepes közepes nagy közepes nagy igazság „hangolás” változó Óbudai Egyetem, NIK Dr. Kutor László

16. Negáció (komplemens) 1- µa És (metszet) min (µa, µb) Vagy (unió) max (µa, µb) Logikai alapműveletek fuzzy halmazokkal µa 1-µa a a µa a µb b a és b a vagy b Óbudai Egyetem, NIK Dr. Kutor László

17. Fuzzy logikát alkalmazó szabályalapú rendszer Bemeneti változók Kimeneti változók Konkrét - Fuzzy átalakító Következtető rendszer Fuzzy - Konkrét átalakító Bementi tagsági függvények Fuzzy szabály adatbázis Kimeneti tagsági függvények Konkrét (crisp) érték fuzzyvá alakítása = „fuzzyfikálás” Fuzzy változók konkrét értékké alakítása = „ defuzzifikálás” Óbudai Egyetem, NIK Dr. Kutor László

18. Fuzzy szabályok értelmezése Ha(feltétel)akkor (következmény) Y Ha (b) akkor (B) B A Ha (a) akkor (A) a b X Konkrét értékű változó B Óbudai Egyetem, NIK Dr. Kutor László

19. Válaszkiválasztó technikák 1. Céljuk:: A számos egyidejűleg aktivizált szabály kiértékelésével egy konkrét válasz kiszámítása 1. Maximáló módszer: Az aktivizált (egyidejűleg működő ((„tüzelő”) szabályok kimenő változói közül a legnagyobb hatást adót választjuk 2. „singleton” módszer Igazság Igazság Óbudai Egyetem, NIK Dr. Kutor László

20. Válaszkiválasztó technikák 2. Céljuk:: A számos egyidejűleg aktivizált szabály kiértékelésével egy konkrét válasz kiszámítása 3. Központ (centroid) módszer 4. Súlyozott átlagoló módszer: Az aktivált szabályok kimeneteinek (tagsági függvényeinek) súlyozott átlagát vesszük Igazság k Súly = a tagsági függvény területe k = (XaSa+XbSb)/2 Óbudai Egyetem, NIK Dr. Kutor László

21. Mamdani (1975) A következtetés eredményeként keletkező fuzzy halmazt a bemenő adatok fuzzy halmaza és a szabálybázist leíró fuzzy reláció (max-min) kompozíciójaként állítja elő Takagi - Sugeno – Kang (TSK, 1985) A szabályok következmény részében nem fuzzy halmaz szerepel, hanem a bemenetek függvénye. Klasszikus fuzzy következtető rendszerek Óbudai Egyetem, NIK Dr. Kutor László

22. ( A Mamdani modell Max-min következtetés igazság igazság bemeneti változó kimeneti változó Max-szorzat következtetés igazság igazság bemeneti változó kimeneti változó Óbudai Egyetem, NIK Dr. Kutor László

23. A bemeneti és kimeneti változók és tagsági függvényeinek meghatározása. A Fuzzy szabályok létrehozása. Következtető (válaszkiválasztó) mechanizmus kiválasztása. Szimulátor segítségével a rendszermodellműködésének ellenőrzése, „behangolása”. A Fuzzy logika alkalmazásának a menete Óbudai Egyetem, NIK Dr. Kutor László

24. Következetes és szilárd alapot ad a pontatlan és bizonytalan inf. feld.-hoz. Interfészt biztosít az emberek által kedvelt nyelvi változók és a számítógépek mennyiségi változói között. Hidat képezhet az MI szimbólum feldolgozó megközelítése és a neurális hálózatok között. A hagyományos modellekkel szemben jelentősen egyszerűbb rendszer leírást tesz lehetővé. A Fuzzy logika alkalmazásának jellemzői és ígéretei Tankönyv: http://www.tankonyvtar.hu/informatika/fuzzy-rendszerek-fuzzy-080904 Óbudai Egyetem, NIK Dr. Kutor László

25. A tudás dimenziója Tapasztalati tudás Képletek szabályok ismerete (Neurális hálózatok) (Szabály alapú rendszerek) Tendencia jellegű, hozzávetőleges (fuzzy) szabályok ismerete (Fuzzy rendszerek) Óbudai Egyetem, NIK Dr. Kutor László

26. 1 a.) a neurális hálózat tanítása (súlykeresés), topológia megkeresése b.) az egyed rátermettségének változtatása a tesztelés során 2 a.) Fuzzy változók tagsági függvényeinek meghatározása, Fuzzy szabályok keresése b.) Fuzzy kiértékelő módszerek alkalmazása az egyedek rátermettségének meghatározására 3 a.) a neurális hálózatok adaptív tulajdonságainak bevitele a Fuzzy logikátalkalmazó rendszerekbe. b.) szabályok automatikus feltárása tapasztalati adatokból Lágy számítási modellek kapcsolata b b GA 2 1 a a 3 NH FL b a Óbudai Egyetem, NIK Dr. Kutor László

27. Milyen viszonyban áll egymással a pontosság és a bizonyosság? Miért van szükség válasz kiválasztó eljárásokra a Fuzzy szabályalapú rendszerekben? Milyen esetekben nem célszerű Fuzzy rendszert alkalmazni? Kérdések Óbudai Egyetem, NIK Dr. Kutor László