МЕТОДЫ ПОСТРОЕНИЯ НЕЧЕТКИХ МОДЕЛЕЙ ОЦЕНКИ
СОСТОЯНИЯ ОБЪЕКТОВ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

А.С. Катасев (КНИТУ-КАИ)

В докладе освещается диссертационная работа на тему «Методы формирования нечетких моделей оценки состояния объектов в условиях неопределенности».

В диссертационной работе на основе выполненных автором исследований решена актуальная научная проблема, имеющая важное хозяйственное значение с точки зрения развития и применения средств математического моделирования, численных методов и комплексов программ для формирования и использования нечетких моделей по оценке состояния объектов в различных предметных областях. Обоснована необходимость разработки нового подхода к формированию и использованию нечетких моделей оценки состояния объектов в условиях разнотипности, нечеткости и неполноты исходных данных. Предложенный подход основан на построении модели коллектива нечетких нейронных сетей для получения систем нечетко-продукционных правил, а также на разработке и применении алгоритма логического вывода для оценки состояния объектов. Обоснована необходимость использования нечетко-продукционной модели представления знаний для формализации зависимостей в анализируемых данных. Сформулированы требования к виду нечетко-продукционных правил и алгоритму логического вывода на правилах для оценки состояния объектов с учетом особенностей обрабатываемых данных. Решение научной проблемы потребовало создания научно-обоснованных моделей, методов и алгоритмов, а также комплекса программ для формирования и использования нечетких моделей оценки состояния объектов.

Математическое обеспечение, разработанное в проведенном диссертационном исследовании, состоит из следующих основных компонентов:
1) модифицированный вид нечетко-продукционных правил (для формализации четких и нечетких разнотипных зависимостей в анализируемых данных) и алгоритм логического вывода на правилах (позволяющий производить оценку состояния объектов в условиях разнотипности, нечеткости и неполноты исходных данных с определением комплексной оценки достоверности решения), как базовых компонент нечетких моделей оценки состояния объектов;
2) модель коллектива ННС, состоящая из нескольких ННС одинаковой структуры и позволяющая формировать совокупность систем нечетко-продукционных правил для оценки состояния объектов;
3) вычислительные методы и алгоритмы структурной и параметрической идентификации модели коллектива ННС, позволяющие реализовать этапы инициализации и настройки значений параметров функций принадлежности и элементов матриц весовых коэффициентов в ННС, а также определить оптимальный состав нейронов входного слоя, число нечетких градаций входных нейронов и оптимальное число ННС в коллективе;
4) метод и алгоритм редукции сформированной БЗ (исключения из нее вырожденных и незначимых для оценки состояния объекта нечетких правил).

На основе предложенных методов и алгоритмов реализован оригинальный комплекс программ, позволяющий автоматизировать процессы формирования и использования нечетких моделей оценки состояния объектов в условиях разнотипности, нечеткости и неполноты исходных данных. Проведена оценка классифицирующей способности формируемых нечетких моделей на примере анализа известных наборов данных. Результаты исследований показали, что при отсутствии части входных данных классификация на основе сформированной нечеткой модели выполняется с высокой точностью. В случае полноты исходных данных точность классификации на основе модели превосходит точность других известных методов от 1% до 15%. Сформированы нечеткие модели для оценки состояния механических узлов и деталей металлообрабатывающих станков с числовым программным управлением (промышленность), для оценки состояния водоводов на предмет выявления утечек (нефтяная отрасль), для фильтрации электронных почтовых сообщений (информационная безопасность), а также для диагностики клинических проявлений синдромов поясничного остеохондроза (медицина). Результаты апробации показали эффективность разработанного математического обеспечения и пригодность программного комплекса к решению поставленных задач. Точность оценки состояния объектов в рассматриваемых предметных областях составила соответственно 96%, 93%, 97% и 91%.

ПРЕЗЕНТАЦИЯ ДОКЛАДА

ВИДЕО ДОКЛАДА: