СОДЕРЖАНИЕ
СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ.
ВВЕДЕНИЕ.
1. ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ.
1.1. Проблемы разработки систем поддержки принятия решений
1.1.1. Задачи систем поддержки принятия решений.
1.1.2. Методы и системы анализа данных
1.1.3. Методы и задачи ii
1.1.4. Структура, состав экспертных систем и их характеристики
1.2. Технологии интеллектуального анализа данных
1.2.1. Стратегии получения знаний для экспертных систем.
1.2.2. Обнаружение знаний в базах данных i
1.2.3. Подготовка обучающей выборки.
1.2.4. Репрезентативность обучающей выборки.
1.3. Методы нечткой логики и нейронных сетей в задачах интеллектуального анализа информации
1.3.1. Предпосылки использования методов искусственного интеллекта в решении задач интеллектуальной обработки информации
1.3.2. Искусственные нейронные сети.
1.3.3. Нечткая логика
1.3.4. Нечткие логические выводы.
1.3.5. Сравнительный анализ нечтких и нейросетевых моделей.
1.3.6. Нечткие нейронные сети
1.3.7. Примеры нечтких нейронных сетей
1.3.8. Идентификация нейронечтких моделей
1.3.9. Нечткопродукционная модель представления знаний
1.3 Схема нечткого логического вывода на нечткопродукционной
модели представления знаний
1.3 Постановка задачи по разработке структуры и алгоритма обучения нечткой нейронной сети
1.4. Выводы
2. СТРУКТУРА И АЛГОРИТМ ОБУЧЕНИЯ НЕЙРОНЕЧТКОЙ МОДЕЛИ.
2.1. Структура нечткой нейронной сети.
2.1.1. Идентификация параметров и слов нейронной сети.
2.1.2. Пример структуры нечткой нейронной сети
2.1.3. Схема функционирования нейронной сети.
2.1.4. Формы кривых для задания функций принадлежности нечтких множеств.
2.2. Алгоритм обучения нейронечткой модели
2.2.1. Принципы обучения нечткой нейронной сети.
2.2.2. Разработка алгоритма обучения сети.
2.2.3. Реализация алгоритма обучения.
2.2.3.1. Определение весовых коэффициентов в нечткопродукционных правшах.
2.2.3.2. Инициализация параметров функций принадлежности
2.2.3.3. Правила настройки параметров нейронной сети
2.2.4. Критерии качества обучения нечткой нейронной сети.
2.2.5. О сходимости алгоритма обучения нейронной сети.
2.4. Выводы.
3. ИССЛЕДОВАНИЕ АЛГОРИТМА ОБУЧЕНИЯ НА БАЗЕ РАЗРАБОТАННОГО ПРОГРАММНОГО КОМПЛЕКСА НЕЧТКАЯ НЕЙРОННАЯ СЕТЬ.
3.1. Описание разработанного программного обеспечения.
3.1.1. Назначение программного комплекса.
3.1.2. Пример функционирования нейронной сети.
3.2. Режимы работы нечткой нейронной сети.
3.2.1. Работа сети в режиме обучения.
3.2.2. Режим генерации и отбора значимых правил
3.2.3. Тестирование нейронной сети на контрольной выборке данных
3.2.4. Использование нечткой нейронной сети в составе мягких экспертных систем.
3.3. Численнопараметрические исследования.
3.3.1. Сравнение функций принадлежности нечтких ограничений по критериям скорость обучения и точность аппроксимации
3.3.2. Временная сложность вычислений при обучении нечткой нейронной сети.
3.3.3. Обучение нечткой нейронной сети на комплектных и некомплектных выборках
3.4. Выводы
4. РЕШЕНИЕ ЗАДАЧИ ФОРМИРОВАНИЯ БАЗ ЗНАНИЙ ЭКСПЕРТНЫХ СИСТЕМ НА ОСНОВЕ НЕЧТКОЙ НЕЙРОННОЙ СЕТИ .
4.1. Формирование базы знаний системы медицинской диагностики на примере поясничного остеохондроза
4.1.1. Особенности диагностического процесса в медицине
4.1.2. Построение базы знаний системы медицинской диагностики
4.1.3. Результаты использования нейронной сети.
4.2. Формирование базы знаний комплексной системы предупреждения сбоев и аварий технологического оборудования процессов поддержания пластового давления.
4.2.1. Общее описание системы
4.2.2. Формирование базы знаний комплексной системы
4.2.3. Методика оперативного обнаружения утечек из водоводов.
4.2.4. Полученные практические результаты
4.3. Сравнение нечткой нейронной сети с программными средствами формирования баз знаний экспертных систем. .
4.3.1. Обзор программных средств построения систем нечткого логического вывода
4.3.2. Методы извлечения нечтких правил из баз данных.
4.4. Выводы.
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
- Київ+380960830922