Decision Support Systems. Theory and Practice (DSS 2007)

All 6 messages.

	Participator of the conference:	Перегуда Александер Михайлович, e-mail:al-pereguda[at]rambler.ru
	Authors:	Б.М. Герасимов, А.М. Перегуда
	Title of report:	МЕТОДИКА ПОСТРОЕНИЯ НЕЙРО-НЕЧЕТКОЙ БАЗЫ ЗНАНИЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ, ИСПОЛЬЗУЕМОЙ ПРИ ОЦЕНИВАНИИ СОСТОЯНИЯ СЛОЖНОГО ТЕХНИЧЕСКОГО ОБЪЕКТА УПРАВЛЕНИЯ

Сычев А.С., ИПММС НАНУ

272

  Ув. Б.М. Герасимов, А.М. Перегуда
  1) По результатам ваших экспериментов проиллюстрированных на рис. 4 и таблице 1 Нейро-нечеткая БЗ явно проигрывает нейронной сети по качеству работы.
  2)Конечно ограничения на объем работы не позволяют включить полное описание экспериментов, но поскольку речь идет об нейронных сетях, хотелось бы узнать размеры обучающей и тестовой выборок.
  3)Объяснение необходимости замены логических функций «И» и «ИЛИ» на нейронные сети не совсем понятен. Если можно приведите пример, где такая замена является целесообразной.
  4)Вы указываете на то, что используете модифицированную сигмоидальную активационную функцию нейрона. Если это существенно для данной задачи, то необходимо уточнить в чем заключается данная модификация или дать ссылку на ее описание.

Перегуда Александер, Житомирский военный институт, Житомир, Украина	273
Ув. А.С.Сычев отвечаю на Ваши вопросы: 1) Результаты экспериментов (рис.4 и таб.1) характеризуют только точность формализации экспертных знаний. При проектировании, разработке, использовании и коррекции БЗ важное значение помимо точности формализации знаний играет возможность интерпретации параметров БЗ в виде знаний. Это означает, например, что при реализации продукционного правила представленного на рис.2 с использованием классической нейронной сети мы получим более точное значение конечного результата d2(в сравнении с классической продукционной системой или нейро-нечеткой БЗ), но не сможем получить и интерпретировать значения промежуточных переменных на выходе блоков «min», а так же не сможем воссоздать по структуре БЗ исходное продукционное правило. При оценке качества работы БЗ в данном случае мы используем сложный критерий: точность-интерпретируемость. 2) Размеры обучающей и тестовой выборки, для которых приведены результаты экспериментов, равнялись 100 наборам пар: значения входных переменных - значения выходных переменных; при этом в качестве выходных значений использовались значения всех лингвистических переменных БЗ кроме входных. 3) Логические функции «И» и «ИЛИ» являются элементами лингвистической конструкции формируемой экспертами, то есть являются частью знаний передаваемых экспертами, - эти знания существуют независимо от БЗ. В случае необходимости автоматизированного использования этих знаний возникает потребность формализации этих знаний в БЗ. В любой БЗ формализующей знания представленные в виде продукционных правил для формализации логических функций «И» и «ИЛИ» используются специальные операции: традиционно это операции «min» и «max», а так же так называемые t-нормы (различные конструкции из операций сложения, вычитания, умножения, операций «min» и «max» и др.). Предлагаемая нейро-нечеткая БЗ является одним из возможных способов (инструментов) для формализации знаний передаваемых в логических связках «И» и «ИЛИ». Результаты экспериментов с предлагаемой нейро-нечеткой БЗ позволили выявить преимущества данного способа формализации знаний в сравнении с известными (см. Выводы в докладе). 4) Используемая модифицированная сигмоидальная активационная функция имеет дополнительный настраиваемый параметр – смещение вдоль оси Y (традиционные настраиваемые параметры: крутизна и смещение вдоль оси Х, плюс веса синапсов).

Сычев, ИПММС НАНУ

288

  Ув. Б.М. Герасимов, А.М. Перегуда

  1) Если брать рис. 2 то я вижу два варианта развития событий - а) нейронные сети в точности реализуют заданные функции минимума максимума и т.д. – тогда не понятно зачем применять нейронные сети. б) если заданные функции реализуются сетью не точно - то как в данном случае можно воссоздать по структуре БЗ исходное продукционное правило
  2) В данном вопросе я хотел уточнить – а)сколько образов было в обучающей выборке; б)сколько образов было в тестовой; в)как проходило разбиение на обучающую и тестовую выборку; г) было ли проведено тестирование на независимой выборке; д) общее количество входных переменных.
  3) Данный вопрос очень сильно перекликается с моим вопросом №1. Если можно приведите пример подтверждающий пункт выводов №2
  4) При использовании стандартной сигмоиды зачастую применяю нормирование ее выхода, в том числе и смещение по оси Y (в частности добавление константы к выходному значению сигмоиды), в чем отличие используемой Вами модификации.

Перегуда Александер, Житомирский военный институт, Житомир, Украина	289
Ув. А.С.Сычев, отвечаю на Ваши вопросы. Ответ №1. Рис.2 взят из описания начальных этапов исследований в данном направлении, когда решалась задача доказательства того, что нейронные блоки позволяют реализовать преобразования такой же сложности как и операции min и max, поэтому Ваши замечания (относительно рис.2) достаточно логичны и я сними согласен. Для точного отражения сути предлагаемого подхода более корректно было бы на рис.2 вместо обозначений «min» и «max» использовать обозначения «И» и «ИЛИ». Здесь же попытаюсь ответить на вопрос №3. Нейронные блоки (после параметрической настройки БЗ) позволяют реализовать специфические преобразования информации для каждой логической связки «И» и «ИЛИ», что соответствует тому, что в каждую логическую связку экспертами вкладывается различный прагматический смысл. Ярким теоретическим подтверждением того, что целесообразным является использование специфических преобразований для формализации знаний передаваемых в логических связках «И» и «ИЛИ» является сам факт наличия множества разнообразных видов t- и s-норм (первые исследования обосновывающие это предположение проводились в 70- начале 80-х годов прошлого века (например: Нечёткие множества и теория возможностей. Последние достижения. Пер с англ. / Под ред. Р.Р. Ягера – М.: Радио и связь, 1986. – 408 с.). Практическим подтверждением целесообразности предлагаемого подхода являются результаты проведенных экспериментов свидетельствующие о повышении точности формализации знаний в нейро-нечеткой БЗ в сравнении, например, с нечеткой продукционной БЗ (при прочих неизменных условиях: обучающая, тестовая (контрольная) выборка, набор формализуемых правил). Преимущество предлагаемого подхода состоит в том, что он исключает необходимость подбора в каждом конкретном случае (для каждой связки «И», «ИЛИ») наиболее подходящего типа t-(s-) нормы, а такая необходимость может возникнуть не только на этапе проектирования и разработки БЗ, но и на этапе ее модернизации и коррекции. Что касается возможности интерпретации внутренних параметров БЗ (что часто, но не всегда, соответствует возможности восстановления исходной структуры продукционных правил) возможны два варианта: Вариант1. При параметрической настройке ННБЗ ее внутренняя структура (прежде всего связи между нейронными блоками) не изменяется, - тогда по структуре БЗ (связям нейронних блоков) достаточно просто восстановить исходную структуру правил. При этом, необходимости в том что бы преобразования осуществляемые нейронными блоками были эквивалентны преобразованиям какого то конкретного типа t-(s-) нормы нету, некоторые исследователи вообще предлагают использование одного И-ИЛИ оператора (Левин В.И. Обобщенная операция над нечеткими множествами и понятие приближенных решений // Искусственный интеллект, 2002-№4 С.4-8.). Вариант2. Настройка БЗ может сопровождаться введением дополнительных связей внутри и между нейронными блоками. Введение таких связей действительно усложняет интерпретацию внутренних параметров БЗ, однако приводит к увеличению точности формализации знаний в сравнении с вариантом 1. В пределе такая ННБЗ по своим свойствам приближается к свойствам нейронной сети: высокая точность формализации знаний с почти отсутствующей возможностью интерпретации значений внутренних параметров. Ответ №2. В процессе исследований проводились эксперименты по настройке БЗ различной сложности. График представленный на рис.4 является качественным (обобщенным) и согласуется с результатами всех экспериментов. Приведу условия эксперимента для которого представлены количественные результаты (таб.1): 8 - входных переменных, 6 – выходных переменных (5 из которых выступают и как промежуточные переменные), каждая переменная имеет 2-4 терма. Количество образов однозначно определить сложно, т.к. выходные переменные одновременно рассматривались и как промежуточные, а при вычислении значения функции ошибки настройки учитывались значения всех выходных-промежуточных переменных (функций принадлежности их термов). Обучающая и тестовая выборка формировались экспертным путем (двумя независимыми группами). Ответ№4. Привожу формулу:{ f(x)=(1+A)/(1+exp(-(ΣWiXi-B)/C)) -A }, где А,B,C,Wi – настраиваемые параметры.

Ян Крохин, КПИ-53

332

  Уважаемый Александр Михайлович!
  Я «клюнул» на упоминание в названии Вашего доклада «состояние сложного технического объекта управления». Оказалось, что в выражении «местность находится на высоте Н метров над уровнем моря» никаких видов на море.
  Состояние сложного технического объекта управления базируется на полной определенности (детерминизме). Любое производственное изделие выпускается и эксплуатируется в жестких рамках, оговоренных технической документацией. Техническая документация не терпит неопределенности.
  Как неопределенность СППР, изложенная в Вашем докладе, учитывает состояние сложного технического объекта?
  Крохин.

Перегуда Александер, Житомирский военный институт, Житомир, Украина	333
Ув. Ян, Вы затронули интересный вопрос, на который нельзя дать однозначный ответ. Соглашусь с Вами в том, что техническая документация однозначно определяет границы работоспособного изделия, включая все допустимые (штатные) режимы работы этого изделия. Однако, и Вы согласитесь со мной, что техническая документация не определяет все множество, например, неработоспособных состояний (точнее неработоспособных подсостояний) изделия из которых оператору необходимо вернуть изделие в работоспособное состояние (для каждого неработоспособного состояния алгоритм восстановления изделия свой). Так, для космического аппарата Сич-1, на протяжении почти 10 лет эксплуатации практически не возникало нештатных ситуаций описанных в «Инструкции по действиям оперативного персонала в нештатных ситуациях», это не значит, что нештатных ситуаций не возникало вообще. Это так же не говорит о низком качестве тех. документации или недостаточной компетенции конструкторского бюро – это факт подтверждающий объективную невозможность исчерпывающего описания всех возможных состояний сложного технического объекта управления. Другой взгляд на данный вопрос. Например, техническое состояние некоторого узла определяется значением ряда параметров. Конкретная ситуация – все параметры в допуске, но все на границе допуска и сохраняется тенденция выхода значений этих параметров за границу «коридора». Согласно тех. документации все в норме, и ни каких действий предпринимать не надо, а фактически любой оператор будет рассматривать данную ситуацию как нештатную, требующую немедленного вмешательства. Данный факт подтверждает недостаточную адекватность описания состояния объекта управления с использованием подхода с жесткими (четкими) границами допустимых значений параметров, связано это с искусственной «дискретизацией» состояния объекта управления. В данном случае целесообразно использование нечеткого похода. В моем докладе рассмотрен один из этапов разработки СППР для оперативного персонала системы управления сложным объектом. Роль СППР будет состоять в том, что в нужный момент она будет предоставлять оператору лаконичную и в тоже время исчерпывающую (в пределах накопленных на текущий момент времени знаний) информацию о состоянии объекта управления, напоминать оператору о подобных ситуациях возникших ранее или же о известных схожих состояниях, предлагать возможный алгоритм действий. Знания, заложенные в базу знаний, в обязательном порядке будут согласованы с главным конструктором. (А что касается местности, «…которая находится на высоте Н над уровнем моря», то вовсе не обязательно что бы с этой высоты Н, даже если она положительна, было видно море. У нас в Житомире, например, моря не видно, даже с самой высокой точки ;-) [шутка]).