Введение
1. Интеллектуальные системы поддержки принятия решений 15
1.1. Проблемы разработки систем поддержки принятия решений 15
1.1.1. Задачи систем поддержки принятия решений 15
1.1.2. Методы и системы анализа данных 18
1.1.3. Методы и задачи Data Mining 19
1.1.4. Структура, состав экспертных систем и их характеристики 22
1.2. Технологии интеллектуального анализа данных 25
1.2.1. Стратегии получения знаний для экспертных систем ...25
1.2.2. Обнаружение знаний в базах данных і ..27
1.2.3. Подготовка обучающей выборки ...31
1.2.4. Репрезентативность обучающей выборки ..35
1.3. Методы нечёткой логики и нейронных сетей в задачах интеллектуального анализа информации 37
1.3.1. Предпосылки использования методов искусственного интеллекта в решении задач интеллектуальной обработки информации 37
1.3.2. Искусственные нейронные сети 38
1.3.3. Нечёткая логика 44
1.3.4. Нечёткие логические выводы 49
1.3.5. Сравнительный анализ нечётких и нейросетевых моделей 53
1.3.6. Нечёткие нейронные сети 55
1.3.7. Примеры нечётких нейронных сетей ...58
1.3.8. Идентификация нейронечётких моделей 61
1.3.9. Нечётко-продукционная модель представления знаний ...63
1.3.10. Схема нечёткого логического вывода на нечётко-продукционной модели представления знаний 65
1.3.11. Постановка задачи по разработке структуры и алгоритма обучения нечёткой нейронной сети 68
1.4. Выводы 69
2. Структура и алгоритм обучения нейронечёткой модели 70
2.1. Структура нечёткой нейронной сети ...70
2.1.1. Идентификация параметров и слоев нейронной сети 70
2.1.2. Пример структуры нечёткой нейронной сети 73
2.1.3. Схема функционирования нейронной сети .74
2.1.4. Формы кривых для задания функций принадлежности нечётких " множеств 78
2.2. Алгоритм обучения нейронечёткой модели ...81
2.2.1. Принципы обучения нечёткой нейронной сети ... 81
2.2.2. Разработка алгоритма обучения сети ;„.84
2.2.3. Реализация алгоритма обучения 89
2.2.3.1. Определение весовых коэффициентов в нечётко-продукционных правилах . 89
2.2.3.2. Инициализация параметров функций принадлежности...91
2.2.3.3. Правила настройки параметров нейронной сети .... 94
2.2 А. Критерии качества обучения нечёткой нейронной сети 106
2.2.5. О сходимости алгоритма обучения нейронной сети 108
2.4. Выводы 112
3. Исследование алгоритма обучения на базе разработанного программного комплекса «нечёткая нейронная сеть» 113
3.1. Описание разработанного программного обеспечения 113
3.1.1. Назначение программного комплекса 113
3.1.2. Пример функционирования нейронной сети 114
3.2. Режимы работы нечёткой нейронной сети 119
3.2.1. Работа сети в режиме обучения 119
3.2.2. Режим генерации и отбора значимых правил 121
3.2.3. Тестирование нейронной сети на контрольной выборке данных... 122
3.2.4. Использование нечёткой нейронной сети в составе мягких экспертных систем 123
3.3. Численно-параметрические исследования 125
3.3.1. Сравнение функций принадлежности нечётких ограничений по критериям «скорость обучения» и «точность аппроксимации» 125
3.3.2. Временная сложность вычислений при обучении нечёткой нейронной сети 128
3.3.3. Обучение нечёткой нейронной сети на комплектных и некомплектных выборках 129
3.4. Выводы ...132
4. Решение задачи формирования баз знаний экспертных систем на основе нечёткой нейронной сети 134
4.1. Формирование базы знаний системы медицинской диагностики на примере поясничного остеохондроза ..134
4.1.1. Особенности диагностического процесса в медицине 134
4.1.2. Построение базы знаний системы медицинской диагностики 138
4.1.3. Результаты использования нейронной сети 142
4.2. Формирование базы знаний комплексной системы предупреждения сбоев и аварий технологического оборудования процессов поддержания пластового давления 150
4.2.1. Общее описание системы 150
4.2.2. Формирование базы знаний комплексной системы 155
4.2.3. Методика оперативного обнаружения утечек из водоводов 156
4.2.4. Полученные практические результаты .158
4.3. Сравнение нечёткой нейронной сети с программными средствами формирования баз знаний экспертных систем ...159
4.3.1. Обзор программных средств построения систем нечёткого логического вывода 159
4.3.2. Методы извлечения нечётких правил из баз данных 161
4.4. Выводы 163
Заключение ...165
Список литературы
