Московский государственный университет путей сообщения
Опубликован: 12.09.2011 | Доступ: свободный | Студентов: 3732 / 301 | Оценка: 4.67 / 4.33 | Длительность: 18:55:00
Специальности: Программист
Лекция 3:

Система принятия решений на основе математической логики событий

< Лекция 2 || Лекция 3: 123 || Лекция 4 >

Минимизация длины логической цепочки в системе принятия решений

Предваряя подробное исследование в последующих лекциях, отметим, что замена логических операции операцией суммирования при счете передаточной функции приводит к актуальности однократного учета всех входящих переменных, т.е. к единственности вхождения переменных в каждое логическое выражение, составляющее описание системы принятия решений. Выше с целью обеспечения такого единственного вхождения переменной был использован прием размножения решений R_6.

При разработке электронных схем исследуется понятие "длина логической цепочки" — под ней подразумевается максимальное количество электронных элементов, которое должен преодолеть сигнал на входе схемы, пройдя последовательное тактируемое преобразование, чтобы на выходе схемы сформировался сигнал. От этой длины, определяющей время переходного процесса, зависит быстродействие схемы. Поэтому актуальной задачей является минимизация максимальной длины логической цепочки при возможности параллельного выполнения всех таких цепочек (что характерно для прохождения электрического сигнала по схеме).

Очевидно, что в схеме на рис.3.4 максимальная длина логической цепочки равна двум.

Применим ко всем выражениям (3.5), каждое из которых является или может быть преобразовано в дизъюнкцию конъюнкций, прием размножения решений . Теперь (рис.3.9) схема состоит из цепочек единичной длины. Каждый входной сигнал подвергается обработке только конъюнктором. Так как электронная схема полностью определяет конструкцию системы принятия решений на основе достоверности событий, то можно преобразовать полученную электронную схему в однослойную схему СПР, показанную на том же рисунке.

Таким образом, доказано следующее утверждение:

Любая СПР, сформированная на основе логического описания булевыми функциями, способом размножения решений преобразуется в однослойную СПР на основе достоверности событий.

Преимуществом таких СПР является то, что они представляют собой таблицы с ассоциативной выборкой по принципу наибольшей похожести.

Конечно, можно за каждым решением закреплять один выход СПР, на котором объединить общее решение, полученное по разным путям, в виде текста. При корректно заданных исходных данных – на основе правил использования исчерпывающих множеств событий – СПР будет "работать" правильно, выдавая адекватные ответы. Тогда рекомендация "Прими решение R" будет выдана, а информация о пути, приведшему к этому решению, будет утрачена.

Преобразование электронной схемы с единичной длиной логической цепочки в однослойную систему принятия решений

увеличить изображение
Рис. 3.9. Преобразование электронной схемы с единичной длиной логической цепочки в однослойную систему принятия решений

При составлении "электронной" схемы такое объединение производится с помощью операции дизъюнкции, что приводит к длине логической цепочки, равной двум. Но ведь если, формируя структуру СПР, строго следовать порядку построения "электронная схема \to система принятия решений", то и СПР будет иметь максимальную логическую цепочку с длиной, равной 2.

Таким образом, размножение решений – операция, целесообразность которой свойственна СПР, что делает ее построение отличающимся, развивающим "схемотехнический" подход. "Электронные" схемы целесообразно использовать на начальном этапе исследования логического описания СПР, а далее, оттолкнувшись от них, перейти к более совершенной однослойной структуре.

Размножение решений имеет важное достоинство. Оно позволяет установить причину, найти объяснение принимаемого решения. Это означает, что текст решения может быть дополнен указанием причины принятия именно такого решения.

Например, получив информацию о необходимости заказа велосипеда в отделе спортинвентаря, бабушка может воспользоваться и важным объяснением: "… потому что сейчас, скорее всего, весна, а Вы, вероятно, только что сытно позавтракали" (рис.3.10).

Таким образом, построен алгоритм параллельных (бесформульных!) вычислений [5] сложных логических конструкций в области действительных переменных, предназначенный для реализации высокого быстродействия в системах управления и принятия решений. Более того, сведение СПР к однослойной нейронной сети приводит к применению лишь тех передаточных функций (элементов N_1 на рис.3.6 и 3.9), которые имитируют конъюнкторы. Это служит повышению достоверности оценок, стандартизации и адекватности природным процессам.

Бабушка

Рис. 3.10. Бабушка

От логических операций совершен переход к их некоторым суррогатам на основе передаточной функции. Операционной основой этой функции является сложение взвешенных сигналов на входе. Логические переменные оказались замененными действительными – достоверностью высказываний.

Логическая нейронная сеть БАБУШКА

увеличить изображение
Рис. 3.11. Логическая нейронная сеть БАБУШКА

Не пора ли ясно выразиться, – зачем мы это делаем? Необходимо открыться: Изображая передаточную функцию буквой N, и уже назвав ее функцией активации, мы предварительно подразумеваем нейрон, нейроподобный элемент - исполнитель этой функции активации, способный участвовать в образовании, подобно кирпичику, сложных сетевых структур. Теперь мы можем на рис.3.9 заменить квадратики кружочками, подразумевая нейроны, как это было сделано в разделе 2.3, и теперь отображено на рис.3.11.

При этом функции активации являются простейшими (монотонно возрастающими по каждому сигналу на входе), и выбираться "на вкус". Как говорилось выше, операция сложения взвешенных сигналов на входе является основой такой функции. Практически всегда весами являются "нули" или "единицы".

В данном примере можно рекомендовать функцию активации:

V_i = \begin{cases}
\sum \limits_{j} {V_j - h,\ &если\ \sum \limits_{j} {V_j - h \ge 0\\
0,\ &в\ противном\ случае
\end{cases}

j "пробегает" по входам с единичными весами

Значение h = 1 гарантирует выполнение условия  0 \le V_i \le 1. Это упрощает применение формируемого на выходном слое сигнала для входа в следующую нейронную сеть длинной логической цепочки.

Ключевые термины

Исчерпывающее множество событий образуют события, объединенные по смыслу так, что сумма вероятностей их наступления равна единице.

Дерево логических возможностей формируется на основе композиции исчерпывающих множеств событий . Позволяет упорядочить эти множества на основе последовательного ввода их в рассмотрение при предположении о выполнении ранее рассмотренных. Применяется при изучении вариантов совместного выполнения событий.

Факторное пространство событий образуется всеми рассматриваемыми исчерпывающими множествами событий .

Достоверность высказываний о событиях - предполагаемая вероятность наступления события.

Ассоциативное мышление – выбор эталона, на который более всего похож исследуемый объект. Часто этот выбор производится методом усреднения о нескольких эталонах, на которые этот объект похож с некоторыми весами.

Размножение решений – результат разбиения логического выражения на отдельные конъюнкции (до того объединенные операцией дизъюнкции), определяющие одно и то же решение.

Однослойная нейронная сеть отображает только связи вида

<конъюнкция высказываний о событиях> \to <решение>.

Краткие итоги

  1. Корректно составленная система принятия решений оперирует исчерпывающими множествами событий.
  2. Несколько исчерпывающих множеств событий, являющихся предметом исследования при построении системы принятия решений, образуют факторное пространство событий.
  3. Взаимосвязь событий различных исчерпывающих множеств целесообразно отображать деревом логических возможностей. Оно позволяет выделять множества совместных событий, находить вероятности их наступления, строить факторные подпространства событий.
  4. Дерево логических возможностей позволяет корректно строить логические функции в основе системы принятия решений.
  5. Реализация логических функций по технологии "электронных" схем позволяет построить систему принятия решений, оперирующую с булевыми переменными. Применение исчерпывающих множеств событий исключает необходимость операции НЕ.
  6. Переход от булевых переменных к действительным – к достоверностям высказываний о наступлении событий – возможен с помощью нечеткой логики, основанной на приближенном исполнении схем И и ИЛИ на нейроподобных элементах.
  7. Дальнейший переход к нейронным сетям при сохранении правильной работы системы принятия решений также оказывается результативным, так как следует Природе.
  8. Структура нейронной сети может быть значительно упрощена по известным в математической логике и в схемотехнике методам сокращения максимальной длины логической цепочки. Так формируются однослойные нейронные сети.

Вопросы:

  • Что представляет собой исчерпывающее множество событий?
  • Что представляет собой факторное пространство событий и как его структуризация с помощью дерева логических возможностей помогает корректно сформировать логическое описание системы принятия решений?
  • Как формируется полное и непротиворечивое логическое описание системы принятия решений?
  • Как логическое описание преобразуется в форму, предполагающую однослойную нейронную сеть?
  • Как осуществляется переход к нечетким данным – к достоверностям высказываний о наступлении событий?
  • Как на основе "схемотехнического" подхода производится обоснование однослойных логических нейронных сетей, реализующих системы принятия решений?
< Лекция 2 || Лекция 3: 123 || Лекция 4 >
Кирилл Артамонов
Кирилл Артамонов

"Тогда как задать возбуждение рецепторов, если инспектор точно установил, что скорость автомобиля при наезде на пешехода была равна 114 км/час?
По-видимому, он рассуждает на основе близости скорости к границам указанного интервала: "Достоверность того, что скорость автомобиля составляет 100 км/час, я найду как (114 – 100):(120 – 100), а достоверность того, что скорость автомобиля составляет 120 км/час, я найду как (120 – 114):(120 – 100). Следует обратить внимание на то, что сумма найденных достоверностей равна единице."

Вопрос по расчёту скорости и сумме достоверности: этот математический (приведенный выше в виде контекста из материала лекции 1, страницы 3) метод справедлив к скоростным показателям выходящим за рамки диапазона 100-120. 
То есть, практически применяв к расчёту, скорости из диапазона 114-155, к диапазону 100-120, получал в результате суммирования достоверностей единицу.
Это похоже на то, как я видимые разные скоростные показатели своим рецептором, буду воспринимать линейно с помощью одного диапазона, так как он универсален. 
Правильно ли это ? 
И как манипулировать данными показателями, если есть универсальный диапазон, по результату выводящий в сумме постоянно единицу на разных скоростных показателях стремящегося.

Владислав Гладышев
Владислав Гладышев

А как проходить курс ? я же могу прямо сейчас все лекции прочитать и здать экзамен, к чему там даты ?