ბუნდოვანი ლოგიკა არქტიკაში. Sugeno ტიპის სისტემების დიზაინი. ბუნდოვანი კომპლექტების მაგალითები
ბუნდოვანი ლოგიკის სტანდარტული ნაშრომი, როგორც წესი, განიცდის ორ რამეს:
- შემთხვევების 99%-ში სტატია ეხება ექსკლუზიურად ბუნდოვანი ლოგიკის გამოყენებას ბუნდოვანი სიმრავლეების კონტექსტში, უფრო სწორად, ბუნდოვანი დასკვნის, უფრო ზუსტად კი მამდანის ალგორითმის კონტექსტში. როგორც ჩანს, მხოლოდ ამ გზით შეიძლება ბუნდოვანი ლოგიკის გამოყენება, მაგრამ ეს ასე არ არის.
- თითქმის ყოველთვის სტატია დაწერილია მათემატიკური ენით. შესანიშნავია, მაგრამ პროგრამისტები იყენებენ განსხვავებულ ენას სხვადასხვა აღნიშვნებით. აქედან გამომდინარე, გამოდის, რომ სტატია უბრალოდ გაუგებარია მათთვის, ვინც, როგორც ჩანს, სასარგებლო უნდა იყოს.
ყველაზე საყურადღებო ფაქტი ბუნდოვანი ლოგიკის შესახებ არის ის, რომ ეს არის უპირველეს ყოვლისა ლოგიკები. მათემატიკური ლოგიკის საწყისებიდან ცნობილია, რომ ნებისმიერი ლოგიკური ფუნქცია შეიძლება წარმოდგენილი იყოს დისიუნქციური ან კავშირებითი ნორმალური ფორმით, საიდანაც ირკვევა, რომ წინადადებათა გამოთვლების განსახორციელებლად საკმარისია მხოლოდ სამი ოპერაცია: შეერთება (&&), დისიუნქცია (||) და უარყოფა (!). კლასიკურ ლოგიკაში თითოეული ეს ოპერაცია მითითებულია ჭეშმარიტების ცხრილით:
A b || a b && a! -------- -------- ---- 0 0 0 0 0 0 1 0 1 1 0 1 0 1 0 1 0 1 1 0 0 1 1 1 1 1 1 1
ბუნდოვან ლოგიკაში, კლასიკური ლოგიკისაგან განსხვავებით, რაოდენობების ნაცვლად მართალიადა ტყუილიგამოყენებული ღირებულება სიმართლის ხარისხი, ნებისმიერი მნიშვნელობის აღება უსასრულო ნაკრებიდან 0-დან 1-მდე ჩათვლით. შესაბამისად, ლოგიკური ოპერაციები აღარ არის წარმოდგენილი ცხრილებში. ბუნდოვან ლოგიკაში ისინი მითითებულია ფუნქციების მიხედვით.
დისიუნქციისა და შეერთების განხორციელების ორი გზა არსებობს:
#მაქსიმინის მიდგომა: a || b => max(a, b) a && b => min(a, b) #კოლომეტრიული მიდგომა: a || b => a + b - a * b a && b => a * b
უარყოფა მოცემულია მხოლოდ ერთი გზით (ძნელი მისახვედრი არ არის):
A => 1 - ა
ადვილია იმის შემოწმება, რომ ექსტრემალურ შემთხვევებში - როდესაც ცვლადების მნიშვნელობები არის ექსკლუზიურად 1 ან 0 - ზემოაღნიშნული ფუნქციები იძლევა ჭეშმარიტების ცხრილებს კლასიკური ლოგიკის ოპერაციებისთვის. მზადაა! ჩვენ ახლა გვაქვს მოწინავე ლოგიკა, რომელიც წარმოუდგენლად მძლავრი, მარტივი და ამავდროულად სრულად თავსებადია კლასიკურ ლოგიკასთან ექსტრემალურ შემთხვევებში. ასე რომ, სადაც ჩვენ [პროგრამისტები] ვიყენებთ ლოგიკურ გამონათქვამებს, შეგვიძლია გამოვიყენოთ ბუნდოვანი ლოგიკური გამონათქვამები? Ნამდვილად არ.
ფაქტია, რომ ყველა პროგრამირების ენის ოპერატორს სჭირდება მკაფიო პირობები, ასე რომ რაღაც მომენტში თქვენ ყოველთვის უნდა მიიღოთ მკაფიო გამომწვევი კრიტერიუმი სიმართლის ბუნდოვანი ხარისხიდან. ეს კვანტურ სამყაროში ხდება: სანამ სისტემა ვითარდება შროდინგერის განტოლების შესაბამისად, მისი კვანტური მდგომარეობა იცვლება დეტერმინისტულად და განუწყვეტლივ, მაგრამ როგორც კი სისტემას შევეხებით, ხდება კვანტური ნახტომი და სისტემა იშლება. ერთ-ერთ დისკრეტულ მდგომარეობაში. ბუნდოვან ლოგიკაში ამას დეფუზიფიკაცია ეწოდება. ბუნება უბრალოდ აქცევს კვანტურ მდგომარეობას ალბათობად და აგორებს კამათელს, მაგრამ ზოგადად რომ ვთქვათ, არსებობს დეფუზიფიკაციის სხვადასხვა მეთოდი. ამ თემას არ ჩავუღრმავდები, რადგან მისი მოცულობა ცალკე სტატიას მოითხოვს. ნება მომეცით აღვნიშნო, რომ დეფუზიზაციის მეთოდი უნდა შეირჩეს პრობლემის სემანტიკის გათვალისწინებით.
მაგალითად, წარმოიდგინეთ რაკეტების მართვის სისტემა, რომელიც იყენებს ბუნდოვან ლოგიკას, რათა თავიდან აიცილოს დაბრკოლებები. წარმოვიდგინოთ, რომ რაკეტა პირდაპირ მთაზე დაფრინავს და საკონტროლო სისტემა ითვლის გამოსავალს: ფრენა მარჯვნივ - 0,5, ფრენა მარცხნივ - 0,5. თუ იყენებთ დეფუზიფიკაციას მასის ცენტრის მეთოდით, საკონტროლო სისტემა გასცემს ბრძანებას სწორი ფრენის შესახებ. ბუმი! ცხადია, ამ შემთხვევაში სწორი გადაწყვეტილებაა კამათლის გაგორება და ბრძანების მიღება „მარცხნივ“ ან „მარჯვნივ“ 50%-იანი ალბათობით.
უმარტივეს შემთხვევაში, როცა გადაწყვეტილების მიღება გჭირდებათ სიმართლის ხარისხზე დაყრდნობით, შეგიძლიათ ნაკრები დაყოთ ინტერვალებად და გამოიყენოთ if-else-if.
თუ ბუნდოვანი ლოგიკა გამოიყენება საძიებო კრიტერიუმის გამოყენებით, მაშინ დეფუზირება შეიძლება საერთოდ არ იყოს საჭირო. შედარების გაკეთებით, ჩვენ მივიღებთ თანასწორობის გარკვეულ ხარისხს საძიებო სივრცის თითოეული ელემენტისთვის. ჩვენ შეგვიძლია განვსაზღვროთ თანასწორობის გარკვეული მინიმალური ხარისხი, რომლის ქვემოთ ჩვენ არ გვაინტერესებს; დანარჩენი ელემენტებისთვის თანასწორობის ხარისხი იქნება შესაბამისობა, რომლის კლებადი თანმიმდევრობით დავახარისხებთ შედეგებს და მივცეთ მომხმარებელს გადაწყვიტოს რომელი შედეგია სწორი.
მაგალითად, მე მოგცემთ ბუნდოვანი ლოგიკის გამოყენებას პრობლემის გადასაჭრელად, რომლითაც კოლეჯში ვხალისობდი - სურათიდან ჩინური სიმბოლოს პოვნის პრობლემა.
მე მაშინვე უარვყავი მომხმარებლის მიერ დახატული ნებისმიერი ჩანაწერის ეკრანზე ამოცნობის იდეა (მაშინ ეს იყო PDA ეკრანი). ამის ნაცვლად, პროგრამამ შესთავაზა იაპონური კალიგრაფიის წესებით განსაზღვრული 23-ის რიგიდან ამოსული ტიპის არჩევა. მახასიათებლის ტიპის არჩევის შემდეგ მომხმარებელმა დახატა მართკუთხედი, რომელშიც ეს ფუნქცია ჯდებოდა. ფაქტობრივად, იეროგლიფი - ლექსიკონში შეტანილი და შენახული - წარმოდგენილი იყო როგორც მართკუთხედების ერთობლიობა, რომლისთვისაც განსაზღვრული იყო ტიპი.
როგორ განვსაზღვროთ იეროგლიფების თანასწორობა ასეთ წარმოდგენაში? დასაწყისისთვის, მოდით ჩამოვაყალიბოთ კრიტერიუმი მკაფიო განცხადებაში:
იეროგლიფები A და B ტოლია, თუ და მხოლოდ იმ შემთხვევაში, თუ A-ში ყველა დარტყმისთვის არის B-ში თანაბარი დარტყმა, ხოლო B-ში ყველა დარტყმისთვის არის A-ში თანაბარი დარტყმა.
ირიბად ვარაუდობენ, რომ იეროგლიფები არ შეიცავს დუბლიკატულ ნიშან-თვისებებს, ანუ თუ გარკვეული მახასიათებელი ემთხვევა სხვა იეროგლიფის ნიშანს, მაშინ ის არ შეიძლება დაემთხვეს იმავე იეროგლიფის რომელიმე სხვა ნიშანს.
თვისებების თანასწორობა შეიძლება განისაზღვროს შემდეგნაირად:
ნიშან-თვისებები თანაბარია, თუ და მხოლოდ იმ შემთხვევაში, თუ ისინი ერთი ტიპისაა და მათი მართკუთხედები ერთსა და იმავე ფართობს იკავებს.
ეს ორი განსაზღვრება გვაძლევს განცხადებების სისტემას, რომელიც საკმარისია ძიების ალგორითმის განსახორციელებლად.
პირველი, მოდით ავაშენოთ მატრიცა E შემდეგნაირად:
იყიდება i 1..n for j 1..n E = A[i] == B[j] ბოლო ბოლოს #A და B არის იეროგლიფები; A[i] და B[j] მათი მახასიათებლებია და "==" ოპერატორი ითვლის მათ ბუნდოვან თანასწორობას. #ვარაუდობენ, რომ ორივე იეროგლიფს აქვს ერთნაირი რაოდენობის მახასიათებელი - n.
შემდეგ ჩვენ ვხურავთ ამ მატრიცას ვექტორში M[n]:
იყიდება i 1..n M[i] = E.max_in_row(i) end #The max_in_row მეთოდი ითვლის მაქსიმალურ მნიშვნელობას მატრიცის მწკრივში.
მე ვიყენებ მაქსიმინის მიდგომას, რადგან პრაქტიკაში, კოლომეტრიული მიდგომა წარმოქმნის ძალიან მცირე მნიშვნელობებს შეერთებისთვის. თუ გავიხსენებთ, რომ max არის დისიუნქცია, გამოდის, რომ ჩვენ ვიანგარიშებთ დებულებას, რომ A-ს i-ე თვისება უდრის B-ის პირველ მახასიათებელს ან მეორე ან მესამეს და ა.შ. ამრიგად, M არის A და B მახასიათებლებს შორის შესატყვისების ვექტორი.
#უბრალოდ ბუნდოვანი შეერთება. e = M.min #ან ასე: e = M.sum / M.length #(ელემენტების ჯამის თანაფარდობა ვექტორის სიგრძესთან).
ორივე მეთოდი მუშაობს, მაგრამ სხვადასხვა გზით, ხოლო მეორე მეთოდი მუშაობს მაშინაც კი, თუ თქვენ ნათლად შეადარებთ მახასიათებლებს. რომელი უფრო სწორია, ეს ფილოსოფიური კითხვაა.
კიდევ რამდენიმე სიტყვა უნდა ითქვას თვისებების შედარების შესახებ. დეფინიციის მიხედვით, ნიშან-თვისებათა თანასწორობა არის ორი პირობის შეერთება: ტიპების თანასწორობა და მართკუთხედების თანასწორობა. ზოგიერთი სახეობის თვისებები ძალიან ჰგავს. შესვლისას მომხმარებელს შეუძლია ადვილად დააბნიოს ისინი, ამიტომ ღირს მსგავსების ცხრილის არსებობა, რომლის მნიშვნელობები ასახავს, თუ რამდენად მსგავსია i მახასიათებელი j (ბუნებრივია, იქნება ისინი მთავარ დიაგონალზე). როგორც მართკუთხედების თანასწორობის ხარისხი, შეგვიძლია ავიღოთ მათი გადაკვეთის ფართობის თანაფარდობა უფრო დიდი მართკუთხედის ფართობთან.
ზოგადად, ბუნდოვანი ლოგიკის სფერო ძალიან ვრცელია. ნებისმიერ ალგორითმში, წესების ნებისმიერ სისტემაში შეეცადეთ ჩაანაცვლოთ სიმართლე და სიცრუე სიმართლის ხარისხით და, შესაძლოა, წესების ეს სისტემა ან ალგორითმი უფრო ზუსტად ასახავდეს რეალობას. ბოლოს და ბოლოს, ჩვენ ვცხოვრობთ სამყაროში, რომელიც ფუნდამენტურად ბუნდოვანია.
ბუნდოვანი ლოგიკა არის კლასიკური ლოგიკის სუპერკომპლექტი. ის აფართოებს კლასიკური ლოგიკის შესაძლებლობებს, რაც საშუალებას აძლევს გაურკვევლობის კონცეფციის გამოყენებას ლოგიკურ დასკვნებში. ტერმინი „ფუზი“ მათემატიკური თეორიასთან მიმართებაში შეიძლება იყოს შეცდომაში შემყვანი. უფრო ზუსტად, მის არსს ახასიათებდა სახელწოდება „უწყვეტი ლოგიკა“. ბუნდოვანი ლოგიკის აპარატი ისეთივე მკაცრი და ზუსტია, როგორც კლასიკური, მაგრამ მნიშვნელობებთან ერთად "false" და "true", საშუალებას გაძლევთ იმუშაოთ მნიშვნელობებით მათ შორის ინტერვალში. ფიგურალურად რომ ვთქვათ, ბუნდოვანი ლოგიკა საშუალებას გაძლევთ აღიქვათ მიმდებარე სამყაროს ყველა ჩრდილი და არა მხოლოდ სუფთა ფერები.
ბუნდოვანი ლოგიკა, როგორც მათემატიკის ახალი დარგი, შემოიღო 60-იან წლებში კალიფორნიის უნივერსიტეტის პროფესორმა ლოტფი ზადემ. თავდაპირველად იგი შემუშავებული იყო, როგორც ბუნებრივ ენაში გაურკვევლობის მოდელირების საშუალება, მაგრამ შემდგომში პრობლემების სპექტრი, რომლებშიც ბუნდოვანმა ლოგიკამ იპოვა გამოყენება, მნიშვნელოვნად გაფართოვდა. ამჟამად იგი გამოიყენება რეალურ დროში ხაზოვანი და არაწრფივი სისტემების გასაკონტროლებლად მონაცემთა ანალიზის, ამოცნობისა და ოპერაციების კვლევის პრობლემების გადაჭრისას.
ხშირად, ბუნდოვან ლოგიკასა და ადამიანის ბუნებრივ იდეებს შორის კავშირის საილუსტრაციოდ სამყაროს შესახებ, მოცემულია მაგალითი უდაბნოს შესახებ. მოდით განვსაზღვროთ „უდაბნოს“ ცნება, როგორც „ქვიშით დაფარული უნაყოფო ტერიტორია“. ახლა განიხილეთ უმარტივესი განცხადება: "საჰარა უდაბნოა". არ შეიძლება არ დაეთანხმო მას, ზემოთ მოცემული განმარტების გათვალისწინებით. დავუშვათ, რომ ქვიშის ერთი მარცვალი ამოღებულია საჰარას ზედაპირიდან. საჰარა ისევ უდაბნოა? ალბათ კი. ვაგრძელებთ ქვიშის მარცვლის სათითაოდ ამოღებას, ყოველ ჯერზე ვაფასებთ ზემოაღნიშნული განცხადების მართებულობას. გარკვეული პერიოდის შემდეგ საჰარაში ქვიშა აღარ დარჩება და განცხადება ყალბი გახდება. მაგრამ რომელი კონკრეტული ქვიშის მარცვლის შემდეგ იცვლება მისი სიმართლე? რეალურ ცხოვრებაში, ქვიშის ერთი მარცვლის მოცილება უდაბნოს არ ქრება. მაგალითი გვიჩვენებს, რომ ტრადიციული ლოგიკა ყოველთვის არ ეთანხმება ადამიანის იდეებს. განცხადებების ჭეშმარიტების ხარისხის შესაფასებლად ბუნებრივ ენას აქვს სპეციალური საშუალებები (ზოგიერთი ზმნიზედა და ფრაზები, მაგალითად: „გარკვეულწილად“, „ძალიან“ და ა.შ.). ბუნდოვანი ლოგიკის მოსვლასთან ერთად ისინი მათემატიკაშიც გამოჩნდნენ.
ტრადიციული ლოგიკის ერთ-ერთი ძირითადი კონცეფციაა ქვესიმრავლის კონცეფცია. ანალოგიურად, საეჭვო ლოგიკა ემყარება ბუნდოვანი ქვესიმრავლეების თეორიას (ფუზი სიმრავლეები). ეს თეორია ეხება სიმრავლეებს, რომლებიც განსაზღვრულია არაორობითი კლების ურთიერთობებით. ეს ნიშნავს, რომ მხედველობაში მიიღება არა მხოლოდ ელემენტი შედის თუ არა ნაკრებში, არამედ მისი წარმოშობის ხარისხი, რომელიც შეიძლება განსხვავდებოდეს 0-დან 1-მდე.
დაე ს- კომპლექტი სასრული რაოდენობის ელემენტებით, ს=(s 1, s 2,..., s n), სადაც n არის სიმრავლის ელემენტების რაოდენობა (კარდინალურობა) ს. კლასიკურ სიმრავლეების თეორიაში, ქვესიმრავლე უკომპლექტი სშეიძლება განისაზღვროს, როგორც ელემენტების ჩვენება სბევრი IN = {0, 1}:
U: S => V.
ეს რუქა შეიძლება წარმოდგენილი იყოს ფორმის მოწესრიგებული წყვილების ნაკრებით:
(s i,m ui), iО,
სადაც s i არის სიმრავლის i-ე ელემენტი ს; n - კომპლექტის სიმძლავრე ს; m Ui - ნაკრების ელემენტი IN= (0, 1). თუ m Ui = 1, მაშინ s i არის ქვესიმრავლის ელემენტი უ. კომპლექტის ელემენტი "0". INგამოიყენება იმის აღსანიშნავად, რომ s i არ არის ქვეჯგუფში უ. პრედიკატის "s k О" ჭეშმარიტების გადამოწმება უ"შესრულებულია წყვილის მოძიებით, რომელშიც s k არის პირველი ელემენტი. თუ ამ წყვილისთვის m Uk =l, მაშინ პრედიკატის მნიშვნელობა იქნება "true", წინააღმდეგ შემთხვევაში - "false".
თუ უ- ქვეჯგუფი ს, ეს უშეიძლება წარმოდგენილი იყოს n-განზომილებიანი ვექტორით (m U 1, m U 2,…, m Un), სადაც ვექტორის i-ე ელემენტი უდრის "1"-ს, თუ სიმრავლის შესაბამისი ელემენტია სშეიცავს უ, და "0" წინააღმდეგ შემთხვევაში. ამრიგად, უშეიძლება ცალსახად იყოს წარმოდგენილი n-განზომილებიანი ორობითი ჰიპერკუბის წერტილით Სასტუმრო, IN= (0, 1) (სურათი 1).
სურათი 1 - ტრადიციული ნაკრების გრაფიკული გამოსახულება
ბუნდოვანი ქვეჯგუფი ფშეიძლება წარმოდგენილი იყოს როგორც ნაკრების ელემენტების ჩვენება სთითო ინტერვალზე მე= . ეს გამოსახვა განისაზღვრება მოწესრიგებული წყვილების სიმრავლით: (s i ,m F ,(s i)), iО, სადაც s i არის სიმრავლის i-ე ელემენტი. ს; n - კომპლექტის სიმძლავრე ს; m F (s i) О - s i ელემენტის გაჩენის ხარისხი სიმრავლეში ფ. m F (s i) 1-ის ტოლი მნიშვნელობა ნიშნავს სრულ მოვლენას, m F (s i) = 0 მიუთითებს, რომ ელემენტი s i არ ეკუთვნის სიმრავლეს ფ. ხშირად რუკების განსაზღვრა ხდება ფუნქციით m F (x) x-ის წევრობის ბუნდოვან სიმრავლეში ფ. ამის გამო სინონიმებად გამოიყენება ტერმინები „ფუზი ქვესიმრავლე“ და „წევრობის ფუნქცია“. პრედიკატის ჭეშმარიტების ხარისხი "s k О ფ" განისაზღვრება m F (s k) მნიშვნელობის პოვნით დაწყვილებული s k ელემენტთან, რომელიც განსაზღვრავს s k-ის გაჩენის ხარისხს ფ.
ტრადიციული ქვესიმრავლის გეომეტრიული ინტერპრეტაციის განზოგადებით ბუნდოვან შემთხვევამდე, ჩვენ ვიღებთ წარმოდგენას ფწერტილი ჰიპერკუბში მე ნ, მე= . ტრადიციული ქვესიმრავლებისგან განსხვავებით, წერტილები, რომლებიც წარმოადგენენ ბუნდოვან ქვესიმრავლეს, შეიძლება განთავსდეს არა მხოლოდ ჰიპერკუბის წვეროებზე, არამედ მის შიგნითაც (სურათი 2).
სურათი 2 - ბუნდოვანი ნაკრების გრაფიკული გამოსახვა
განვიხილოთ ბუნდოვანი ქვესიმრავლის განსაზღვრის მაგალითი. არსებობს ყველა ადამიანის ნაკრები ს. მოდით განვსაზღვროთ ბუნდოვანი ქვესიმრავლე თამ სიმრავლის ყველა მაღალი ადამიანი. მოდით გავაცნოთ თითოეული ადამიანისთვის ქვეჯგუფში მისი წევრობის ხარისხი თ. ამისათვის ჩვენ ვაყენებთ წევრობის ფუნქციას m T (h), რომელიც განსაზღვრავს, თუ რამდენად შეიძლება ჩაითვალოს h სანტიმეტრი სიმაღლის მქონე ადამიანი.
(1)
სადაც h არის კონკრეტული ადამიანის სიმაღლე სანტიმეტრებში.
ამ ფუნქციის გრაფიკი წარმოდგენილია სურათზე 3.
სურათი 3 - წევრობის ფუნქციის გრაფიკი rn T (h)
დაე, მიხაილის სიმაღლე იყოს 163 სმ, მაშინ დებულების ჭეშმარიტება "მიხაილი მაღალია" იქნება 0,21-ის ტოლი. ამ შემთხვევაში გამოყენებული წევრობის ფუნქცია ტრივიალურია. უმეტეს რეალური პრობლემების გადაჭრისას, ასეთ ფუნქციებს უფრო რთული ფორმა აქვთ; გარდა ამისა, მათი არგუმენტების რაოდენობა შეიძლება იყოს დიდი.
ბუნდოვანი ქვეჯგუფებისთვის წევრობის ფუნქციების აგების მეთოდები საკმაოდ მრავალფეროვანია. უმეტეს შემთხვევაში, ისინი ასახავს ექსპერტების სუბიექტურ შეხედულებებს საგნის სფეროს შესახებ. ასე, მაგალითად, 180 სმ სიმაღლის ადამიანი ზოგს მაღალი ეჩვენება, ზოგს კი არა. თუმცა, ხშირად ასეთი სუბიექტურობა ხელს უწყობს გაურკვევლობის ხარისხის შემცირებას ცუდად ფორმალიზებული პრობლემების გადაჭრისას. როგორც წესი, წევრობის ფუნქციების დასაყენებლად გამოიყენება სტანდარტული დამოკიდებულებები, რომელთა პარამეტრები განისაზღვრება ექსპერტთა მოსაზრებების დამუშავებით. თვითნებური ფუნქციების წარმოდგენა ავტომატური სისტემების დანერგვისას ხშირად რთულია, ამიტომ რეალურ განვითარებაში ასეთი დამოკიდებულებები მიახლოებულია ცალმხრივი წრფივი ფუნქციებით.
აუცილებელია გავიგოთ განსხვავება ბუნდოვან ლოგიკასა და ალბათობის თეორიას შორის. ის მდგომარეობს განსხვავებაში ალბათობის ცნებებსა და მიკუთვნებულობის ხარისხს შორის. ალბათობა განსაზღვრავს, რამდენად სავარაუდოა, რომ შესაძლებელია რამდენიმე ურთიერთგამომრიცხავი შედეგიდან ერთი ან მრავალი მნიშვნელობიდან ერთი. მაგალითად, შეიძლება განისაზღვროს განცხადების ჭეშმარიტების ალბათობა. განცხადება შეიძლება იყოს ჭეშმარიტი ან მცდარი. წევრობის ხარისხი გვიჩვენებს, თუ რამდენად ეკუთვნის კონკრეტული მნიშვნელობა გარკვეულ კლასს (ქვესიმრავლეს). მაგალითად, განცხადების ჭეშმარიტების დადგენისას, მისი შესაძლო მნიშვნელობები არ შემოიფარგლება მხოლოდ „მცდარი“ და „მართალი“, არამედ შეიძლება მოხვდეს მათ შორის. კიდევ ერთი განსხვავება გამოიხატება ამ ცნებების მათემატიკურ თვისებებში. ალბათობისგან განსხვავებით, წევრობის ხარისხი არ საჭიროებს დანამატების აქსიომის შესრულებას.
ბუნდოვანი ლოგიკის, როგორც ახალი სამეცნიერო მიმართულების ბედი მის შინაარსს ჰგავს - უჩვეულო, რთული და პარადოქსული. ბუნდოვანი ლოგიკა ეფუძნება ბუნდოვანი სიმრავლეების თეორიას, რომელიც ასახულია ზადეს ნამუშევრების სერიაში 1965-1973 წლებში.
ახალი მეცნიერების თეორიული საფუძვლების განვითარების პარალელურად, ზადე მუშაობდა მისი პრაქტიკული გამოყენების სხვადასხვა შესაძლებლობებზე. და 1973 წელს ეს ძალისხმევა წარმატებით დაგვირგვინდა - მან შეძლო ეჩვენებინა, რომ ბუნდოვანი ლოგიკა შეიძლება გამოყენებულ იქნას, როგორც საფუძველი ახალი თაობის ინტელექტუალური კონტროლის სისტემებისთვის.
თუმცა, ბუნდოვანი ლოგიკის გამოყენების ძირითადი შედეგები იაპონიაში იქნა მიღებული. იაპონელებმა სრულყოფილებამდე მიიყვანა ბუნდოვანი ლოგიკის პრაქტიკული განხორციელება, მაგრამ გამოიყენეს იგი ძირითადად მასობრივი ბაზრის პროდუქტებში - საყოფაცხოვრებო ტექნიკა და ა.შ.
რა თქმა უნდა, განსაკუთრებით მინდა აღვნიშნო ფუზი ლოგიკისა და ბუნდოვანი კომპლექტების პრინციპებზე დაფუძნებული პროგრამული უზრუნველყოფა, რომელიც აქტიურად გამოიყენება ადამიანის საქმიანობის ფინანსურ და ეკონომიკურ სფეროებში.
საეჭვო ლოგიკაზე დაფუძნებული პროგრამების მაგალითები
1. CubiCalcარის ერთგვარი საექსპერტო სისტემა, რომელშიც მომხმარებელი ადგენს „თუ-მაშინ“ ტიპის წესებს და სისტემა ცდილობს, ამ წესების საფუძველზე, ადეკვატურად უპასუხოს ცვალებად სიტუაციებს. შემოღებული წესები შეიცავს ბუნდოვან სიდიდეებს, ე.ი. აქვს ფორმა „თუ X ეკუთვნის A-ს, მაშინ Y ეკუთვნის B-ს“, სადაც A და B არის ბუნდოვანი სიმრავლეები. მაგალითად: „თუ ეს თაღლითი მოახერხებს პოპულარობის შენარჩუნებას რეგიონებში, მაშინ მისი შანსები არჩევნებში ძალიან დიდი იქნება“. აქ გამოყენებულია ორი ბუნდოვანი ტერმინი - „პოპულარობა“ და „არჩევნების ალბათობა“, რომელთა ზუსტი მნიშვნელობით დაყენება თითქმის შეუძლებელია, მაგრამ შედარებით მარტივია განაწილების ფუნქციის ჩვენება. და CubiCalc-ში ჩაშენებული ბუნდოვანი ლოგიკის აპარატი გაძლევთ საოცარ შესაძლებლობას, რომ შემდგომში იმუშაოთ ამ ცნებებით, როგორც ზუსტად და შექმნათ მთელი ლოგიკური სისტემები მათ საფუძველზე, ორიგინალური განმარტებების ბუნდოვან ბუნებაზე ფიქრის გარეშე.
CubiCalcდა რჩება დღესდღეობით ერთ-ერთ ყველაზე გაყიდვადი ბუნდოვანი ლოგიკის პაკეტად.
2. FuziCalc FuziWare არის მსოფლიოში პირველი ცხრილი, რომელიც საშუალებას გაძლევთ იმუშაოთ როგორც ზუსტი რიცხვითი მნიშვნელობებით, ასევე მიახლოებითი, „ბუნდოვანი“ მნიშვნელობებით.
თუ გამოთვლის პროცესში იყენებდით ბუნდოვან სიდიდეებს, შედეგს ასევე ექნება განაწილების ფუნქციის ფორმა. თუმცა, ნებისმიერ შემთხვევაში, შედეგი იქნება მიღებული! და ეს უფრო ზუსტი და საიმედო იქნება, ვიდრე თქვენთვის ხელმისაწვდომი ნებისმიერი სხვა მეთოდის გამოყენება.
3. ტრიუმფი-ანალიტიკა არის საბითუმო და საცალო ვაჭრობის საწარმოს, სუპერმარკეტისა და სადისტრიბუციო ქსელის ოპერატიული და სტრატეგიული მართვის პროგრამა. დღეს Triumph Analytics არის ერთადერთი ანალიტიკური პროდუქტი რუსულ ბაზარზე, რომელიც უზრუნველყოფს სავაჭრო საქმიანობის ანალიზის, პროგნოზირების და ოპტიმიზაციის შესაძლებლობებს. პაკეტის მიზანია სავაჭრო საწარმოს ხელმძღვანელს მიაწოდოს თავისი ბიზნესის სრული და ზუსტი სურათი, სწრაფად გამოავლინოს ფარული რეზერვები და, საბოლოო ჯამში, გაზარდოს მომგებიანობა და შეამციროს მისი კომპანიის ხარჯები.
ტრიუმფი-ანალიტიკა- Parus Corporation-ის პროდუქტი, რომელიც შემუშავებულია კორპორაციის დაკვეთით მენეჯერთა, კონსულტანტთა და ანალიტიკოსთა ეროვნული ალიანსის სპეციალისტების მიერ. პროგრამა ეფუძნება ძლიერ ანალიტიკურ ალგორითმებს, რომლებიც გამოიყენება მსხვილი კორპორაციებისა და რეგიონული მენეჯერების სიტუაციური ცენტრების შესაქმნელად.
შეფუთვაში ტრიუმფი-ანალიტიკაგამოყენებულია ანალიზის, პროგნოზირებისა და სიტუაციური მოდელირების ყველაზე თანამედროვე ტექნოლოგიები - ნერვული ქსელები, საეჭვო ლოგიკა, სისტემის დინამიკა. პროგრამაში გამოყენებული ტექნოლოგიების დანერგვა არასპეციალისტს არ შეუძლია და მათი გამოყენების გარეშე ანალიზისა და პროგნოზების ხარისხი არადამაკმაყოფილებელი იქნება. პროდუქტი აღმოჩნდა: მსუბუქი, სწრაფი, მოქნილი, ძლიერი.
ეს საშუალებას გაძლევთ სწრაფად დაადგინოთ ყველა ძირითადი ტიპის შეცდომა კომერციული საწარმოს მენეჯმენტში.
ყველაზე თანამედროვე პროგრამული უზრუნველყოფისა და მონაცემთა ბაზის განვითარების ინსტრუმენტების გამოყენებამ მოგვცა საშუალება მიგვეღო უნიკალური მახასიათებლები სიმძლავრისა და შესრულების თვალსაზრისით. ამრიგად, კომპლექსის გამოყენებით მსხვილი საბითუმო კომპანიის საქმიანობის ექსპრეს ანალიზი ტრიუმფი-ანალიტიკაიღებს 30 წუთზე ნაკლებს.
4. AnyLogic- პირველი და ერთადერთი სიმულაციური მოდელირების ინსტრუმენტი, რომელიც აერთიანებს სისტემის დინამიკის, „პროცესის“ დისკრეტული მოვლენის და აგენტზე დაფუძნებული მოდელირების მეთოდებს ერთ ენაზე და ერთი მოდელის განვითარების გარემოში.
მოქნილობა AnyLogicსაშუალებას გაძლევთ ასახოთ რთული და ჰეტეროგენული ეკონომიკური და სოციალური სისტემების დინამიკა აბსტრაქციის ნებისმიერ სასურველ დონეზე. AnyLogic მოიცავს პრიმიტივებისა და ბიბლიოთეკის ობიექტების კომპლექტს წარმოებისა და ლოჯისტიკის, ბიზნეს პროცესების და პერსონალის, ფინანსების, სამომხმარებლო ბაზრისა და მიმდებარე ინფრასტრუქტურის ეფექტური მოდელირებისთვის მათ ბუნებრივ ურთიერთქმედებაში. AnyLogic-ის მიერ შემოთავაზებული ობიექტზე ორიენტირებული მიდგომა ხელს უწყობს დიდი მოდელების განმეორებით, ნაბიჯ-ნაბიჯ მშენებლობას.
რედაქტორში AnyLogicთქვენ შეგიძლიათ განავითაროთ მოდელის ანიმაცია და ინტერაქტიული გრაფიკული ინტერფეისი. რედაქტორი მხარს უჭერს ფორმების დიდ კომპლექტს, კონტროლს (ღილაკები, სლაიდერები, შეყვანის ველები და ა.შ.), რასტრული გრაფიკისა და ვექტორული გრაფიკის იმპორტი DXF ფორმატში. ანიმაცია შეიძლება იყოს იერარქიული და მრავალი პერსპექტივის მხარდაჭერა. მაგალითად, თქვენ შეგიძლიათ განსაზღვროთ წარმოების პროცესის გლობალური ხედვა რამდენიმე აგრეგირებული ინდიკატორით, ასევე კონკრეტული ოპერაციების დეტალური ანიმაციით - და გადახვიდეთ მათ შორის.
IN AnyLogicმოიცავს მონაცემთა ანალიზის ხელსაწყოებს და ბიზნეს გრაფიკული ელემენტების დიდ კომპლექტს, რომლებიც შექმნილია მოდელირების შედეგების ეფექტური დამუშავებისა და პრეზენტაციისთვის: სტატისტიკა, მონაცემთა ნაკრები, გრაფიკები, სქემები, ჰისტოგრამები.
AnyLogic მხარს უჭერს მრავალი სხვადასხვა ტიპის მოდელის ექსპერიმენტს: მარტივი გაშვება, გაშვებების შედარება, პარამეტრების ცვალებადობა, მგრძნობელობის ანალიზი, ოპტიმიზაცია, კალიბრაცია, ასევე მომხმარებლის სცენარზე დაფუძნებული პერსონალური ექსპერიმენტი.
5. ᲛᲔ ᲕᲤᲘᲥᲠᲝᲑმოგცემთ ფუნდამენტურად ახალ შესაძლებლობებს, რომლებიც სცილდება სტანდარტული დოკუმენტის ფორმების შემუშავებას. მას შეუძლია თქვენი დაგეგმვისა და დიზაინის განვითარებას ახალი ხარისხი მიანიჭოს. პროგრამული პაკეტი ᲛᲔ ᲕᲤᲘᲥᲠᲝᲑ- წარმოების და ფინანსური პროექტებისა და პროცესების სიმულაციის უნიკალური საშუალება.
90-იანი წლების დასაწყისის პაკეტი ᲛᲔ ᲕᲤᲘᲥᲠᲝᲑდასავლეთში სტრუქტურული მოდელირების აღიარებულ სტანდარტად იქცა. იგი ფართოდ გამოიყენება კორპორაციების ინტელექტუალურ ცენტრებში, ბანკებში, სამთავრობო უწყებებში და საპროექტო და კვლევით დაწესებულებებში. უცხოელი ინვესტორის თვალში ITHINK სისტემის გამოყენებით შემუშავებული საინვესტიციო პროექტი დამატებით ხელსაყრელ მახასიათებლებს იძენს. ამ ელიტარულ ინსტრუმენტთან მუშაობა მიუთითებს დეველოპერების გარკვეულ „გაცნობაზე“ პროექტების ანალიზის უახლესი, ყველაზე დახვეწილი ტექნოლოგიებით.
Გამოყენებით ᲛᲔ ᲕᲤᲘᲥᲠᲝᲑმოგვარდა სხვადასხვა პრობლემები, დაწყებული 1989 წელს სამხრეთ-აღმოსავლეთ აზიაში კაშხლის განადგურების მიზეზების ანალიზით. და დამთავრებული კლინიკის სასწრაფო დახმარების განყოფილებაში შესული პაციენტების მოვლისა და განაწილებით. თუმცა, მისთვის ყველაზე ბუნებრივია ეგრეთ წოდებული „ნაკადის“ ამოცანები. ისინი მოიცავს სიტუაციების ძალიან ფართო ჯგუფს, რომლებიც გვხვდება ბიზნესის დაგეგმვის სფეროში მეწარმეების, მენეჯერების და ექსპერტების ყოველდღიურ ცხოვრებაში. ფაქტია, რომ დროთა განმავლობაში განვითარებული ფენომენების უმეტესობა შეიძლება წარმოდგენილი იყოს როგორც დინების პროცესები.
პაკეტი მიმართულია მომხმარებელთა ფართო ჯგუფზე - აღმასრულებლებიდან, რომლებიც წყვეტენ კომპლექსურ მენეჯმენტის პრობლემებს ფასიანი ქაღალდების სპეციალისტებამდე, საკონსულტაციო კომპანიებსა და ინდივიდუალურ მეწარმეებსა და მკვლევარებს.
6. პოლიანალიტიკოსიგამიზნულია ანალიტიკური ინფორმაციის მისაღებად წყაროს მონაცემების ავტომატურად დამუშავებით და შეიძლება გამოყენებულ იქნას ანალიტიკოსების მიერ, რომლებიც ჩართული არიან საქმიანობის სხვადასხვა სფეროში.
პლასტიკური ჩანთა პოლიანალიტიკოსი- სისტემა, რომელიც დაფუძნებულია ხელოვნური ინტელექტის ტექნოლოგიაზე Data Mining. წყაროს მონაცემების დამუშავებისას, ის საშუალებას გაძლევთ ამოიცნოთ მრავალფაქტორიანი დამოკიდებულებები, რომლებსაც შემდეგ ეძლევათ ფუნქციური გამონათქვამების ფორმა (მათში ფუნქციების კლასი თითქმის თვითნებურია); ასევე შეგიძლიათ შექმნათ სტრუქტურული და კლასიფიკაციის წესები. ამ შემთხვევაში ანალიზდება სხვადასხვა ტიპის საწყისი მონაცემები: რეალური რიცხვები, ლოგიკური და კატეგორიული სიდიდეები. მიღებული წესები იღებენ ფუნქციების, მარყუჟების ან პირობითი კონსტრუქციების ფორმას.
ძალიან მნიშვნელოვანია, რომ პაკეტთან მუშაობისას პოლიანალიტიკოსიანალიტიკოსს არ სჭირდება მონაცემების რაიმე შაბლონის დაშვება; ანალიზის პროგრამა ამას გააკეთებს მისთვის. რა თქმა უნდა, მომხმარებელი სრულად არ არის გამორიცხული მონაცემთა ანალიზის პროცესიდან - მას, რა თქმა უნდა, მოეთხოვება, მიუთითოს დამოკიდებული და დამოუკიდებელი ცვლადები, რომელთა როლს ასრულებს შესასწავლ მონაცემთა ბაზაში ჩანაწერების ველები.
სისტემა პოლიანალიტიკოსიშედგება ორი ნაწილისაგან. პირველი მათგანი არის ARNAVAC უნივერსალური მონაცემთა წინასწარი დამუშავების მოდული. ამ მოდულში დანერგილი მეთოდები ტრადიციულია ანალიტიკური მონაცემთა დამუშავების ავტომატიზაციისთვის. ARNAVAC ამოიცნობს ფუნქციურად დაკავშირებულ კლასტერებს მონაცემთა ნაკრებებში, ფილტრავს ხმაურს და შემთხვევით აცილებს. შემდეგ ავტომატური ანალიტიკოსი აშენებს მრავალვარიანტულ ხაზოვანი რეგრესიის ურთიერთობას, როგორც წყაროს მონაცემების უმარტივეს და ხელმისაწვდომ აღწერას, უნივერსალური მაღალსიჩქარიანი ალგორითმის გამოყენებით, რომელიც ავტომატურად ირჩევს ყველაზე გავლენიან პარამეტრებს მათი მნიშვნელობის სწორი განსაზღვრით.
ჰიპოთეზების აგების პროცესი ხდება ავტომატურად, მიუხედავად მათი სირთულისა.
7. ექსპრო ოსტატიახორციელებს შეფასების, პროგნოზირებისა და კლასიფიკაციის ანალიტიკური პრობლემების ადამიანური გადაწყვეტილებების ინტუიციურად აშკარა ლოგიკას, რომელიც კარგად ეთანხმება რთული სისტემების შესწავლის ზოგადად მიღებულ პრინციპებს და, შესაბამისად, შეიძლება ჩაითვალოს კონსტრუქტად სისტემური პრობლემების ფართო სპექტრის გადასაჭრელად. .
ცალკეული საექსპერტო-ანალიტიკური ამოცანის გადაჭრის სტრუქტურა მოიცავს შემდეგ ძირითად საინფორმაციო კომპონენტებს:
ექსპერტის ანალიტიკური ამოცანის საგნობრივი არეალის კონცეპტუალური მოდელი ან პრეფერენციების სისტემა, რომელიც წარმოადგენს ექსპერტის ფორმალიზებულ გაგებას ამოცანის, მისი ელემენტებისა და კავშირების შესახებ; - საგნების ან უბრალოდ რეალურ სამყაროს ობიექტების შეფასებები, რომლებიც ანალიზდება პრობლემის გადაჭრისას;
გარე დინამიკის ფაქტორები, წარმოდგენილი სტატისტიკური მონაცემების სახით (რომლებიც აღწერს კონცეპტუალური მოდელისა და ობიექტების მდგომარეობას წარსულში) და სამომავლო ფაქტორებს (რომლებიც აღწერს კონცეპტუალურ მოდელსა და ობიექტებში მომავალში შესაძლო ცვლილებებს);
შესწორებები ან შიდა დინამიკის ფაქტორები, რომლებიც წარმოიქმნება თავად კონცეპტუალური მოდელის მიერ დადგენილი წესების მიხედვით.
უპირატესობის სისტემა არის საექსპერტო-ანალიტიკური ამოცანის ყველაზე მნიშვნელოვანი კომპონენტი და მიზნად ისახავს ექსპერტის ცნობიერი ცოდნის ფორმირებას პრობლემის საგნის არეალის სტრუქტურის, კავშირებისა და მახასიათებლების შესახებ. უპირატესობის სისტემა წარმოდგენილია როგორც წვეროების ერთობლიობა და მათ შორის მიმართული კავშირები. უპირატესობის სისტემის წვეროები აღწერს ცნებებს, რომლებიც მითითებულია ექსპერტის მიერ და ატარებს კონკრეტულ სემანტიკურ დატვირთვას, რომელიც დამოკიდებულია ამოცანაზე. ეს ცნებები, თავის მხრივ, განისაზღვრება სხვა ცნებებით კავშირების გამოყენებით. კავშირები შეიძლება ჩაითვალოს ურთიერთობებად, რომლებიც განსაზღვრავს ზოგიერთი კონცეფციის გავლენას სხვებზე.
პროგრამულ პაკეტში პრეფერენციების სისტემის ცნებებს შორის კავშირების ფორმალიზებისთვის გამოიყენება სუგენოს მიხედვით საეჭვო საზომის კონსტრუქცია, რომელიც თითოეული კონცეფციის თითოეული კონტექსტისთვის მითითებულია მისი კონკრეტული ცნებების კომპლექტზე. სხვა სიტყვებით რომ ვთქვათ, თითოეულ წვეროს ენიჭება რამდენიმე ბუნდოვანი ზომა მისი კონტექსტების რაოდენობის მიხედვით. მართლაც, ნებისმიერ კონცეფციას შეიძლება ჰქონდეს განსხვავებული მნიშვნელობა სხვადასხვა კონტექსტში.
ბუნდოვან ზომებს ასევე აქვთ ერთი შესანიშნავი თვისება. ისინი მხარს უჭერენ ექსპერტთა შეფასებების მოდალობის კონცეფციას და შეუძლიათ არა მხოლოდ პრეფერენციების ფორმალიზება უპირატესობების სისტემის წვეროებზე, არამედ მიუთითონ ამ პრეფერენციების სემანტიკური კონოტაცია (შესაძლოა, ძალიან შესაძლებელია, ალბათ აუცილებელია და ა.შ.). სემანტიკური კონოტაციის გავლენა იმდენად დიდია, რომ ზოგიერთ შემთხვევაში შეიძლება გამოიწვიოს კონტრპროდუქტიული შედეგები, რაც სავსებით დასტურდება არსებული პრაქტიკით.
საექსპერტო ცოდნის წარმოსაჩენად ბუნდოვანი ზომების გამოყენება პროგრამული პაკეტის გამორჩეული თვისება და უპირატესობაა.
გარე დინამიკის ფაქტორები არის პროგრამული პაკეტის ერთ-ერთი მთავარი კომპონენტი, რომელიც განსაზღვრავს როგორც პრეფერენციების სისტემის, ასევე ობიექტების შეფასების დროის ცვალებადობას. გარე დინამიკის ფაქტორებს შეიძლება ჰქონდეთ განსხვავებული ფიზიკური ბუნება. ერთ-ერთ ვარიანტად შეიძლება ჩაითვალოს ზოგიერთი გარე მოვლენის მოქმედება შესასწავლ სისტემასთან მიმართებაში.
ამრიგად, გარე დინამიკის ფაქტორები არის პროგრამული პაკეტის კომპონენტი, რომელიც უზრუნველყოფს გადაწყვეტილებების დინამიკას ექსპერტულ ანალიტიკურ ამოცანებში, რაც დამოკიდებულია სისტემის ფუნქციონირების გარე პირობებში ცვლილებებზე.
კორექტირება ან შიდა დინამიკის ფაქტორები ასევე არის პროგრამული პაკეტის ერთ-ერთი მთავარი კომპონენტი, რომელიც განსაზღვრავს დროთა განმავლობაში ცვალებადობას როგორც პრეფერენციების, ასევე ობიექტების შეფასების სისტემის. გარე ფაქტორებისგან განსხვავებით, შიდა ფაქტორები წარმოიქმნება თავად პრეფერენციების სისტემის მიერ, დროის მოცემულ მომენტში ერთ-ერთი ობიექტის მდგომარეობის შეფასების საფუძველზე. შესწორებების მოქმედება ასევე მიმართულია წვერის კონტექსტზე ან ობიექტის მახასიათებლებზე. მათზე ასევე შეიძლება გავლენა იქონიოს მრავალმა მტკიცებულებამ, თითოეულს თავისი მნიშვნელობა აქვს. შესწორებები გარე ფაქტორებთან ერთად ქმნიან გავლენის ერთიან ველს.
8. MarketEffect შექმნილია ეფექტური მარკეტინგული გადაწყვეტილებების შემუშავებისთვის საშუალო და დიდი მასშტაბის კომერციული და სახელმწიფო საკუთრებაში არსებული საწარმოებისთვის წარმოების, ვაჭრობისა და მომსახურების სფეროში. ის მიმართულია ბაზარზე საქონლის პოპულარიზაციასთან (რეალიზაციასთან), ნედლეულის, მასალის, ენერგორესურსების შესყიდვასთან და ა.შ.
აპლიკაცია მუშაობს, როგორც IDM-ის მიერ შემუშავებული FinExpert სისტემის ნაწილი. FinExpert სისტემის მიერ დაგროვილი გაყიდვების (შესყიდვების) მოცულობების სააღრიცხვო მონაცემები MarketEffect-ში ემსახურება ბაზრის ანალიზის ამოსავალ წერტილს (მოთხოვნა, მიწოდება, ფასები).
აპლიკაცია მიზნად ისახავს საწარმოების მენეჯმენტს, მათი მენეჯმენტის პერსონალს, მარკეტინგისა და გაყიდვების სერვისებს, ყველას, ვინც მონაწილეობს ბაზარზე საწარმოს მოქმედებების სტრატეგიის შემუშავებაში.
MarketEffectსაშუალებას გაძლევთ გადაჭრას შემდეგი პრობლემები:
Ბაზრის ანალიზი.
გაყიდვების (შესყიდვების) ანალიზი და პროგნოზი.
ეფექტურობისა და რისკების პროგნოზირება.
მარკეტინგის დაგეგმვა და ანალიზი.
მოძებნეთ ეფექტური სქემები და სტრატეგიები.
პრობლემების ამ დიაპაზონის გადაწყვეტა ემყარება FinExpert სისტემიდან საბუღალტრო ინფორმაციის გამოყენებას, სხვა კომპიუტერული პროგრამებიდან იმპორტირებულ მონაცემებს, ასევე უშუალოდ აპლიკაციის მომხმარებლის მიერ შეყვანილ ინფორმაციას. MarketEffect; აგებულია ბუნდოვანი ტექნოლოგიის საფუძველზე. ეს საშუალებას გაძლევთ გადაჭრათ აპლიკაციაზე დაკისრებული ამოცანები და დაამუშავოთ საწყისი ინფორმაციის მთელი შესაძლო დიაპაზონი საერთო იდეოლოგიურ და ინსტრუმენტულ საფუძველზე და არ შემოიფარგლოთ ბაზრის მდგომარეობის შესახებ მხოლოდ ზუსტი, რიცხვითი მონაცემების გამოყენებით. აპლიკაცია ასევე საშუალებას გაძლევთ დამატებით გაითვალისწინოთ სპეციალისტების ძალიან ღირებული ცოდნა ბაზრის შესახებ და ვარაუდები მისი განვითარების შესახებ, მიუხედავად იმისა, რომ ეს ინფორმაცია არის აღწერილობითი, ხშირად არარიცხოვანი და გაურკვეველი ბუნებით.
ბაზრის განვითარების დინამიკა განისაზღვრება მრავალი ფაქტორით, რაც დამოკიდებულია ბაზრის სექტორზე, მაკროეკონომიკურ პროცესებზე, კონკურენტების აქტივობაზე, მომხმარებლის პრეფერენციებზე და ა.შ. ეს იგივე ფაქტორები, თავის მხრივ, გავლენას ახდენს საწარმოს მუშაობაზე, მისი ფიქსირებული და ცვლადი ხარჯების სიდიდეზე და შეუძლია დაარღვიოს ბალანსი ბაზრის სექტორში.
საწარმოში მიღებული გადაწყვეტილებების ოპტიმიზაციის მიზნით, შემუშავებულია ალტერნატიული სქემები და სტრატეგიები, რომლებიც გავლენას ახდენენ კონკრეტულად გაანალიზებული პროექტის ან მათი კომბინაციის ეფექტურობისა და რისკების ცვლილებებზე და შესაბამისი გამოთვლები ხორციელდება ბაზრის სიტუაციის პროგნოზირებული ცვლილებების გათვალისწინებით. მიღებული გადაწყვეტილებების საფუძველზე, პრეფერენციების გარკვეული სისტემის შესაბამისად, რომელიც აკმაყოფილებს საწარმოს საჭიროებებს, ფასდება ალტერნატიული სქემები და სტრატეგიები და შეირჩევა ყველაზე ეფექტური გადაწყვეტა.
ბუნდოვანი ტექნოლოგიის გამოყენება შესაძლებელს ხდის პროგნოზირებული მნიშვნელობების დიაპაზონის მიღებას გარკვეული ნდობის შესაბამისად.
აქედან გამომდინარე, აპლიკაციის მომხმარებელს ყოველთვის აქვს შესაძლებლობა შეაფასოს როგორც მთლიანად გაანალიზებული პროექტის, ისე მისი ინდივიდუალური ინდიკატორების რისკის ხარისხი.
9. კრიტიკული შეტყობინებების ბუნდოვანი შეფასება(FECM)შექმნილია დიდი რაოდენობით შეტყობინებების ნაკადის ინტეგრალური (კუმულაციური) ზემოქმედების შესაფასებლად ვალუტის კურსებზე ვაჭრობის წინა დღეს და მის დროს. შედეგად - ამ მაჩვენებლების პროგნოზები. ტექნიკური ანალიზის არსებულ პროგრამულ პროდუქტებთან ერთად, FECM-ის გამოყენება საშუალებას გაძლევთ დააკავშიროთ წარსული და მომავალი გაცვლითი კურსის პროგნოზირებისას და ამით გაზარდოთ ვალუტის ვაჭრობისა და ბიზნესის სხვა სფეროებში მონაწილეთა უნარი სწორი გადაწყვეტილებების მიღებისას.
პროგრამის გამოყენება - ფუნდამენტური ფაქტორების პროგნოზირება და სისტემატური ანალიზი FOREX-ის ბაზარზე ვალუტის ვაჭრობის დროს.
2017 წლის 6 სექტემბერს 96 წლის ასაკში გარდაიცვალა ბუნდოვანი ლოგიკის შემქმნელი ლოტფი ზადე.
2017 წლის 6 სექტემბერს კომპანიამ, რომელიც დაფუძნებულია საეჭვო ლოგიკასა და ნერვულ ქსელის ტექნოლოგიებზე და რომელშიც მე ამჟამად ვმუშაობ, დაიწყო ისეთი ტრანსფორმაციები, რომელთა აღწერა მხოლოდ ამ ძალიან ბუნდოვანი ლოგიკის ფარგლებშია შესაძლებელი. ხვალიდან კი კონტრაქტი შემიწყდება, თუმცა თუ 15 სექტემბრიდან გავხდები უმუშევარი, მაშინ ეს მხოლოდ კენტი ლოგიკით შეიძლება შეფასდეს - 0,28, 0,78 თუ 1,58 - ცხოვრება გვიჩვენებს.
და ორი წლის წინ, ბუნდოვანი ლოგიკის 50 წლის იუბილესთან დაკავშირებით, ალექსანდრე მალიუტინმა დაწერა ჩანაწერი სამეცნიერო pop-up საიტზე "Perelman დარეკავს" (nowwow.info). ეს საიტი ახლა მკვდარია და ამიტომ სტატია უნდა იყოს შენახული. ბოლოს და ბოლოს, ჟურნალისტი, რომელიც ოდესღაც იზვესტიას ხელმძღვანელობდა, უცნაურ ლოგიკაზე წერდა. სხვათა შორის, დიასახლისი ბლოგერები არ უნდა გამოვიდნენ - უცნაური ლოგიკა ახსნილია სარეცხი მანქანის მაგალითით. სჯობს ისწავლოთ პროფესიონალებისგან წერა.
ერთ-ერთი ყველაზე წარმატებული მათემატიკური ტერმინის 50 წლის იუბილესთან დაკავშირებით
ბუნდოვანი ლოგიკა ნახევარი საუკუნისაა - 1965 წლის ივნისში გამოქვეყნდა ფუნდამენტური სტატია "Fuzzy Sets" ჟურნალში Information and Control, რომელიც დაწერილი იყო აზერბაიჯანული წარმოშობის ამერიკელი მათემატიკოსის ლოტფი ზადეს მიერ. დიდხანს იცოცხლოს. სამწუხაროა, რომ ტანზანიური წარმოშობის ბრიტანელი მათემატიკოსი იბრაჰიმ მამდანი, რომელმაც 1975 წელს შემოიტანა პირველი რეალური კონტროლის სისტემა ბუნდოვანი ლოგიკით - კონტროლერი, რომელიც აკონტროლებს ორთქლის ძრავის მუშაობას, არ იცოცხლა საიუბილეო თარიღისთვის. რის შემდეგაც ტექნოლოგიამ აქტიურად დაიწყო განვითარება, იპოვა გამოყენება მრავალ სფეროში.
ზადემ 50 წლის წინ შემოგვთავაზა ცოცხალი ადამიანის ლოგიკის მათემატიკური აღწერა. ჩვეულებრივ მათემატიკურ ლოგიკაში არის მხოლოდ "ჭეშმარიტი" (ასევე აღინიშნება რიცხვი 1) ან "მცდარი" (0). ბუნდოვან ლოგიკაში, განცხადების სიმართლის ხარისხი შეიძლება იყოს ნებისმიერი - უფრო ზუსტად, ნებისმიერი რიცხვი 0-დან 1-მდე. ის გოგო ლამაზია? არც კი და არც არა, მაგრამ „0.78; რომ ის ლამაზია."
უჩვეულოდ ჟღერს. როგორ შეგვიძლია ამის გაგება? სიმარტივისთვის შეიძლება ვივარაუდოთ, რომ ვიღაცამ ჩაატარა გამოკითხვა, რომელშიც გამოკითხულთა 78%-მა გოგონას ლამაზი უწოდა, დანარჩენს კი არა. შეიძლება ასეთი სტრუქტურები იყოს პრაქტიკული გამოყენება? საკმაოდ. ვთქვათ, თქვენ უნდა გადაწყვიტოთ, გაგზავნოთ თუ არა გოგონა Miss Something-ის კონკურსზე (სერიოზული ხარჯი!) და ამისათვის უნდა შეაფასოთ მისი პრიზის მოგების შანსები. ამ დროს გამოგადგებათ არა მხოლოდ სილამაზის, არამედ გამარჯვებისთვის მნიშვნელოვანი სხვა და ასევე ბუნდოვანი პარამეტრების შეფასება: ჭკუა, ერუდიცია, სიკეთე და ა.შ. თქვენ უბრალოდ უნდა გესმოდეთ, საიდან მიიღოთ სიმართლის ხარისხი და როგორ იმოქმედოთ. ბუნდოვანი მონაცემები. ზადე მიხვდა. მან 1973 წლისთვის შექმნა პრაქტიკისთვის საჭირო მათემატიკური აპარატურა. მასზე დაყრდნობით მამდანიმ საკუთარი კონტროლერი შექმნა.
ლოტფი ზადეს დამსახურება მხოლოდ ის არ არის, რომ მან შექმნა ახალი თეორია. მან ძალიან კარგად დაასახელა, ჩვეულებრივად გამოყენებული სიტყვა აირჩია. „ბუზის“ ნაცვლად რომ აეღოთ აბსტრაქტული ტერმინი, მაგალითად, „უწყვეტი ღირებულების ლოგიკა“ (რაც, სხვათა შორის, ასეც არის), მას არ ექნებოდა ფართოდ გაცნობის შანსი. არასპეციალისტები უბრალოდ არ გამოიყენებდნენ ამ ფრაზას, რადგან ვინ იცის რას ნიშნავს.
სხვა საქმეა, როცა მეცნიერულ კონცეფციას ყოველდღიური ჰომონიმი აქვს. შემდეგ ჩვეულებრივ ადამიანს ეჩვენება, რომ მას ესმის რაზეა საუბარი, განსაკუთრებით თუ მასზე ფილმი უნახავს. ასევე ბევრია ასეთი „გასაგები“ ტერმინი მათემატიკასა და ფიზიკაში. Შავი ხვრელი. ჯადოსნური მოედანი. Წვეულების საზღვარი. მომხიბვლელი კვარკი. თეორემა ორი პოლიციელის შესახებ. და რა თქმა უნდა - მატრიცა! ვინ არ იცის, რომ მატრიცა არის როცა კიანუ რივზი ჭერზე დარბის. და თქვენ არ გჭირდებათ მოგვიყვეთ ციფრებით რამდენიმე ცხრილის შესახებ.
მეცნიერების განვითარებისთვის სასარგებლოა ფართო საზოგადოების ვულგარული იდეები. ჩვეულებრივი სიტყვებიც კი უნდა დაემატოს. გადაიღეთ მეტი ფილმი მოვლენის ჰორიზონტზე. არ შეგეშინდეთ გაჭიმვისა და შეცდომების. მთავარი ის არის, რომ მაყურებელი გრძნობს შეხებას მეცნიერების უმაღლეს ზღვარზე და ადამიანის სიდიადეზე და, შესაბამისად, მის პიროვნულ გონებაზე. მით უმეტეს, თუ კვლევის დაფინანსების შესახებ გადაწყვეტილებები დამოკიდებულია ასეთ მაყურებელზე.
გამოჩენილმა საბჭოთა ბირთვულმა მეცნიერმა გეორგი ფლეროვმა თქვა: ”თქვენ უნდა აუხსნათ სამეცნიერო პრობლემა მნიშვნელოვან ავტორიტეტებს არა სწორი გზით, არამედ ისე, რომ მათთვის გასაგები იყოს. ეს თეთრი ტყუილია“. უფლება. არ არის საჭირო მენეჯმენტის აღრევა ლექციებში „ელექტრული სუსტი სიმეტრიის სპონტანური დარღვევების შესახებ“. გვითხარით უკეთ "ღვთის ნაწილაკზე" და "გრავიტაციის დიდ საიდუმლოზე". სხვათა შორის, ამაში განსაკუთრებული ტყუილი არ არის - მაგრამ არის ინვესტიცია. არ აქვს მნიშვნელობა, რომ ფსევდომეცნიერული ზღაპრები გაბერილ მოლოდინებს ბადებს და, შედეგად, ფულის გადამეტებულ ინექციას, რომელიც ფუჭად მთავრდება. საერთო სარგებელი საბოლოოდ აჭარბებს. Dot-com-ის ბუშტი 2001 წელს აფეთქდა, მაგრამ ინტერნეტ ტექნოლოგიამ ძლიერი სტიმული მიიღო.
ამ თვალსაზრისით, ბუნდოვან ლოგიკას გაუმართლა არა მხოლოდ საკუთარი სახელი, არამედ მოხვდა მეცნიერებათა და ტექნოლოგიების სიაში, რომელიც გაერთიანებულია "ხელოვნური ინტელექტის" სახელით - ნერვულ ქსელებთან, ლოგიკურ პროგრამირებასთან, ექსპერტულ სისტემებთან და ა.შ. უკვე დიდი მარკეტინგული თამაშია, სადაც მონაწილეთა სია იღებენ პაკეტის რეკლამის ეფექტს, როგორც ერთი სამეცნიერო მეგაბრენდის პოპულარიზაციის ნაწილი. ხუმრობის გარეშე: ხელოვნური ინტელექტი! ეს არის მომხიბლავი პერსპექტივა, რომელიც არ შეიძლება იყოს უფრო ნათელი. თითოეულ სახლს ჰყავს რკინის მსახური. დაე, ჭკვიანმა კიბერნეტიკმა გააკეთონ ყველაფერი, ჩვენ უბრალოდ შევიყვანთ PIN კოდებს და დავლევთ პინა კოლადებს. გვირაბის ბოლოს ასეთი შუქისთვის ფული არ იშურებს.
ფლეროვის "თეთრმა ტყუილმა" ხელოვნური ინტელექტის მაგალითის გამოყენებით 100% იმუშავა. იაპონიის მთავრობამ 1982 წლიდან 1992 წლამდე ნახევარი მილიარდი დოლარი დახარჯა „მეხუთე თაობის კომპიუტერის“ შესაქმნელად „აზროვნების“ ელემენტებით. ისე არ გამოვიდა, როგორც დაგეგმილი იყო. კერძოდ, გაფუჭდა ლოგიკური პროგრამირების ენა Prolog, რომელიც პირველ როლს 1980-იან წლებში ელოდნენ. Კარგი. ეს ისევეა, როგორც dot-coms: ზოგიერთ ქვეყანაში, საბოლოოდ, მათ მაინც ისწავლეს შესანიშნავი რობოტების შექმნა.
დღეს კიბერნეტიკური სისტემები თითქმის ადამიანებივით ხედავენ, უსმენენ და კითხულობენ, აჯობებენ მოჭადრაკე დიდოსტატებს და ხშირად მართავენ წარმოების პროცესებს უფრო ეფექტურად, ვიდრე სერტიფიცირებული სპეციალისტები. უშუალო დეველოპერების გარდა, თემის ასეთი ძლიერი განვითარებისთვის მადლობა უნდა ვუთხრათ წარმატებული ტერმინოლოგიის ავტორებს, ასევე ისააკ ასიმოვს, არტურ კლარკს, ძმებ ვაჩოვსკის და გორკის კინოსტუდიის მთელ გუნდს. საბჭოთა ბავშვებს აჩუქა რობოტი შემსრულებლების გამოსახულებები.
ინტელექტუალური კიბორგები რეალურად არ შექმნილა. დარწმუნებით იმის თქმაც კი არ შეიძლება, რომ მათი შექმნის მცდელობისას ჩვენ სწორი მიმართულებით მივდივართ. ამის სანახავად, მოდით შევხედოთ, თუ როგორ მუშაობს "ჭკვიანი" სარეცხი მანქანა ყველაზე ზოგადი თვალსაზრისით, რომელსაც, ბუნდოვანი ლოგიკის მართვის განყოფილების წყალობით, შეუძლია განსაზღვროს, როდის არის ტანსაცმელი "საკმარისად სუფთა", რომ წყალი გამოწუროს და დაიწყოს ტრიალი. მაგალითი ასევე საინტერესოა, რადგან გვიჩვენებს, თუ როგორ მიიღწევა პრაქტიკული შედეგი რამდენიმე დისციპლინის გადაკვეთაზე: ფიზიკა, ქიმია და მათემატიკა.
მანქანის მართვის მოწყობილობის ამოცანა შემდეგია. მიიღეთ მონაცემები ტანსაცმლის დაბინძურების ხარისხისა და დაბინძურების ტიპის შესახებ. გაანალიზეთ ისინი და შექმენით გამომავალი პარამეტრი: რეცხვის დრო.
ოპტიკური სენსორი პასუხისმგებელია ორივე შეყვანის ინდიკატორზე, რომელიც განსაზღვრავს რამდენად გამჭვირვალეა საწმენდი ხსნარი. მისი გამჭვირვალობის ხარისხით შეიძლება ვიმსჯელოთ დაბინძურების ხარისხზე: რაც უფრო ჭუჭყიანია ტანკში ჩასმული ტანსაცმელი, მით ნაკლებად გამჭვირვალეა ხსნარი. და დაბინძურების ტიპი განისაზღვრება ხსნარის გამჭვირვალობის ცვლილების სიჩქარით. ცხიმოვანი ნივთიერებები კარგად არ იხსნება, ამიტომ რაც უფრო ნელა იცვლება ხსნარის კონცენტრაცია, მით უფრო ცხიმოვანი დაბინძურება გექნებათ გამკლავება. ესე იგი, სენსორმა დაასრულა მუშაობა.
გაითვალისწინეთ, რომ მან მისცა ორი ზუსტი პარამეტრი, ორი კონკრეტული რიცხვი: ამოხსნის გამჭვირვალობის ხარისხი და ამოხსნის გამჭვირვალობის ცვლილების სიჩქარე. მაგრამ შემდეგ იბრაჰიმ მამდანის ალგორითმი იწყებს მუშაობას.
პირველ ეტაპზე, რომელსაც ეწოდება ფაზუფიკაცია (ფაზურობის დანერგვა), ორივე რიცხვი გადაიქცევა ბუნდოვან ცნებებად. ვთქვათ, ჩვენ შემოვიღეთ დაბინძურების სამი გრადაცია: „სუსტი“, „საშუალო“ და „ძლიერი“. შემდეგ, გამოსავლის გამჭვირვალობის დონის ნაცვლად, ჩნდება სამი ბუნდოვანი გადაწყვეტილება დაბინძურების შესახებ, ვთქვათ: „0.3; სუსტი", "0.6; საშუალო", "0.1; ძლიერი."
რას ნიშნავს ეს რიცხვები? როგორც იმ გოგონას შემთხვევაში, რომლის ბუნდოვანი სილამაზეც ტექსტის დასაწყისში განვიხილეთ, ისინი შეიძლება ჩაითვალოს რაიმე სახის რეფერენდუმის შედეგებად, რომელშიც მოქალაქეების 30%-მა ხმა მისცა, რომ დაბინძურება გადაწყვეტის გამჭვირვალობის მოცემულ დონეზეა. სუსტია, 60% - რომ საშუალოა, 10% - რომ ძლიერია. მაშ, ვინმემ ჩაატარა ეს რეფერენდუმი? შეგვიძლია ვივარაუდოთ, რომ დიახ.
პროდუქტის შემუშავების დროს, მანქანების სარეცხი ექსპერტები შეიკრიბნენ და გაარკვიეს, თუ როგორ იშლება "ამომრჩეველთა" ხმები, ხსნარის გამჭვირვალობის დონის მიხედვით. ეს არ არის მზაკვრობა, გეკითხებით, მათემატიკა ზუსტი მეცნიერებაა, სხვა რა სამრეცხაო ექსპერტები არიან? დიახ, ასე. თუ სერიოზულად გსურთ პრობლემის გადაჭრა, იპოვით ღირსეულ სპეციალისტებს, რომელთა შეფასებები და შეფასებები მნიშვნელოვანი და სასარგებლო იქნება.
ასე რომ, ჩვენ გვაქვს ერთი ბუნდოვანი პარამეტრი "დაბინძურების ხარისხი", ახლა გვჭირდება მეორე: "დაბინძურების ტიპი". მორიგ „რეფერენდუმს“ ვატარებთ. ვთქვათ, მან აჩვენა, რომ ხსნარის კონცენტრაციის ცვლილების ასეთი სიჩქარით, რომელიც სენსორმა მოგვცა, უნდა ჩაითვალოს დაბინძურება, მაგალითად, „0.2; ცხიმის დაბალი შემცველობა", "0.5; ცხიმის საშუალო შემცველობა“, „0.3; ცხიმის მაღალი შემცველობა."
იწყება ალგორითმის მეორე ეტაპი: ბუნდოვანი წესების გამოყენება. ახლა ექსპერტებთან ერთად განვიხილავთ რა უნდა იყოს რეცხვის დრო დაბინძურების ხარისხისა და ტიპის მიხედვით. ყველა შესაძლო ვარიანტის გავლისას, ჩვენ ვიღებთ - სამჯერ სამჯერ - ცხრა შემდეგი ტიპის წესს: "თუ დაბინძურება ძლიერია და საშუალო ცხიმის შემცველობით, მაშინ რეცხვის დრო გრძელია". შემდეგი, ლოგიკის კანონების მიხედვით (ჩვენ გამოვტოვებთ მათ სიმარტივისთვის), ჩვენ ვიანგარიშებთ სიმართლის ხარისხს რეცხვის დროისთვის. მივიღოთ მიღებული ბუნდოვანი რეცხვის დრო: „0.1; პატარა", "0.7; საშუალო", "0.2; დიდი." შეგიძლიათ გადახვიდეთ ფინალურ ეტაპზე.
მას უწოდებენ დეფუზფიკაციას, ანუ ბუნდოვანების აღმოფხვრას - ბოლოს და ბოლოს, ჩვენ უნდა მივცეთ მანქანას ზუსტი შეყვანა, რამდენ ხანს უნდა ატრიალდეს ბარაბანი. არსებობს სხვადასხვა მიდგომა, ერთ-ერთი გავრცელებულია „სიმძიმის ცენტრის“ გამოთვლა. ვთქვათ, ექსპერტებმა თქვეს, რომ რეცხვის მოკლე დროა 20 წუთი, საშუალო 40 წუთი და გრძელი 60 წუთი. შემდეგ, თითოეული მნიშვნელობის „წონის“ გათვალისწინებით, ვიღებთ საბოლოო პარამეტრს: 20*0.1 + 40*0.7 + 60*0.2 = 42. 42 წუთის გარეცხვის შემდეგ ტანსაცმელი „საკმარისად სუფთა“ იქნება. ჰორი.
იბრაჰიმ მამდანიმ ლამაზი რამ მოიფიქრა, არა? ერთი შეხედვით, ეს თითქმის შამანიზმია. თქვენ გაქვთ ზუსტი საწყისი ნომრები და თქვენ უნდა მიიღოთ სხვა ზუსტი ნომრები მათგან. მაგრამ თქვენ არ აინტერესებთ ფორმულების წარმოშობა, არამედ ჩაეფლო ბუნდოვანი ცნებების სამყაროში, როგორმე იმოქმედეთ მათთან და შემდეგ დაუბრუნდით "ზუსტ" სამყაროს - მზა პასუხით ხელში.
სარეცხი მანქანების მწარმოებლებმა კი დაიწყეს ბუნდოვანი ლოგიკის გამოყენების რეკლამირება და პირდაპირ პროდუქტებზე ან ინსტრუქციებში წერენ Fuzzy Logic, Fuzzy Control, Logic Control. ბიზნესმენები პრაგმატული ადამიანები არიან და შემთხვევით სიტყვებს არ ათავსებენ თავიანთ პროდუქტზე. ასე რომ, თუ ხედავთ Fuzzy Logic წარწერას მანქანაზე, ეს ნიშნავს: ის „ყიდის“ პროდუქტს. ტექნოლოგია, გარდა მისი წმინდა სამომხმარებლო თვისებებისა, ასევე აჰიპნოზებს მყიდველს თავისი სახელით, რაც მოტივაციას უქმნის მას დამატებით ასი დოლარის დაშორებას. არ ვიცი, იღებს თუ არა ლოთფი ზადე ამისგან ჰონორარს, მაგრამ ეს სამართლიანი იქნება. მათემატიკის სხვა დარგი არ არის ნახსენები საყოფაცხოვრებო ტექნიკაზე.
მაგრამ თქვენ ალბათ შენიშნეთ, რომ სარეცხი მანქანის მუშაობის აღწერისას ბუნდოვანი ლოგიკით, არ არსებობდა არც ერთი ადგილი, სადაც შეიძლება ეჭვი შეგეპაროთ, რომ მანქანას ჰქონდა საკუთარი გონება. მხოლოდ სერვისის მსგავსი ინსტრუქციები, მხოლოდ დაპროგრამებული პრობლემების გადაჭრა. მანქანა წყალს დროულად ამოიწურავს. მაგრამ ის ვერ გაიგებს რას აკეთებს და რატომ. ფიქრი, რომ რეცხვა შეწყვიტოს და აბაზანაში წყალდიდობა გამოიწვიოს გასართობად, არასოდეს შემოვა მის მიკროპროცესორის თავში. თუ ეს აზრი არ მოუვა პროგრამისტს, რომელიც უბრალოდ გასართობად შექმნის სხვა სასაცილო ლოგიკას მანქანაში. თავად მანქანა ვერ მოიფიქრებს ასეთ რამეს.
იმდენად ხელოვნური ინტელექტი. რობოტები მხოლოდ სწავლობენ ადამიანის საქმიანობის იმიტაციას, თუნდაც ის, რაზეც ახლა ჩვენ ინტელექტუალურ ძალისხმევას ვხარჯავთ, მაგალითად, სხვა ენიდან თარგმნისას. თუნდაც უკეთ თარგმნიან. თქვენ არ გეწყინებათ ამწე, რადგან ის თქვენზე ძლიერია. და ამწეების გამოჩენამ არ გამოიწვია ძალოსანთა გაუჩინარება. მხოლოდ ახლა სიმძიმეების აწევა არის სპორტი და სიამოვნება და არ არის საჭირო სამშენებლო მოედანზე ცემენტის პარკების ტარება. იგივეა თარგმანებთან დაკავშირებით. პროგრამა ჩვენზე ჭკვიანი არ არის, ჩვენ უბრალოდ შეგვეძლო მასში ჩვენი უნარების ფორმალიზება და ეფექტურად ჩატვირთვა და ახლა ჩვენ არ შეგვიძლია დავკარგოთ ჩვენი ინტელექტუალური ძალისხმევა ტექნიკურ თარგმანებზე, არამედ ვიმუშაოთ, ვთქვათ, შექსპირზე.
იმის დაჯერება, რომ მანქანები იძენენ ინტელექტს მოწინავე კიბერნეტიკის წყალობით, იგივეა, რომ გჯეროდეს ტვირთის კულტში. გახსოვთ, დაკარგული კუნძულის მაცხოვრებლებმა ცაში თვითმფრინავის დანახვისას როგორ გააკეთეს იგივე ფიგურა ჩალისგან და ეგონათ, რომ გაფრინდებოდა? მათ მაშინ არაფერი იცოდნენ ლითონებისა და ნავთის შესახებ, რომ აღარაფერი ვთქვათ ამწევ ძალაზე - და განაგრძეთ და აუხსენით.
ასეა ჩვენთან „ხელოვნური ინტელექტი“. რობოტები მალე შეძლებენ მანქანების მართვას და, ალბათ, ოდესმე ფეხბურთში ხალხის გუნდს დაამარცხებენ - მით უმეტეს, რომ ამ მომენტს უახლოვდება არა მხოლოდ იაპონელი ინჟინრები, არამედ ჩვენი ეროვნული ნაკრებიც. მაგრამ ეს სხვა არაფერი იქნება, თუ არა მინდორზე გონივრული ქმედებების იმიტაცია. ამ ადგილობრივების მსგავსად, ჩვენ ჯერ კიდევ არ ვიცით რაღაც კრიტიკულად მნიშვნელოვანი, რაც საშუალებას მოგვცემს შევქმნათ ინტელექტუალური არსება.
ჩვენ, სტანისლავ ლემის სიტყვებით, აუცილებლად გვექნება მანქანის მართვის უნარის გამაძლიერებელი - ისევე როგორც უკვე მივაღწიეთ რეცხვის შეჩერების უნარის გამაძლიერებელს. მაგრამ დაზვერვის გამაძლიერებელი, რომლის გარეგნობა იწინასწარმეტყველა დიდი სამეცნიერო ფანტასტიკის მწერლის მიერ, არ იმუშავებს მიმდინარე "ხელოვნური ინტელექტის" ტექნოლოგიებზე, მათ შორის ბუნდოვანი ლოგიკის საფუძველზე, მიუხედავად მისი ელეგანტურობისა და სარგებლობისა. ბუნდოვანი ლოგიკა არის მხოლოდ გზა, რათა შემცირდეს გამოთვლების რაოდენობა გარკვეული კლასის პრობლემების გადაჭრისას. და მადლობა ამისთვის.
არ არის საჭირო რობოტი შემსრულებლების შიში. შემოქმედების ტკივილები, კეთილშობილური იმპულსები, სამეცნიერო კვლევა, ოცნებები, ღირსება, თავგანწირვა, მზადყოფნა გმირობისთვის, ავანტიურიზმი, პატივი, მეგობრობა, სიამაყე, ცრურწმენა, შური, სიხარბე, სიწითლე, ამპარტავნება, ბოროტება, ვულგარულობა, ლანძღვა, თაღლითობა, თაღლითობა. , დაყენებები - ყველა ამ ნომინაციაში ჩვენ ბევრად უკეთესად ვიმოქმედებთ ვიდრე ჩვენი პატარა ნახევარგამტარი ძმები კიდევ დიდხანს.
ოდესმე გიფიქრიათ იმაზე, თუ როგორ ფიქრობს ადამიანი? რა სიტყვებს ვიყენებთ ჩვეულებრივ რაღაცის საზომის ასახსნელად? ადამიანებისთვის სრულიად გავრცელებულია გამოთქმები „ცოტა მარილი“, „ცოტა გააცივე“, „ცოტა წინ წადი“, „ბევრი დაასხით“, „ცოტა მოიტანეთ“. სწორედ ამ კატეგორიებით აღვიქვამთ გარემომცველ რეალობას. ჩვენს ყოველდღიურ ცხოვრებაში ჩვენ ძალიან იშვიათად ვიყენებთ მკაფიო წესებსა და ალგორითმებს. ადამიანს არ აქვს ზუსტი სენსორები და საზომი ინსტრუმენტები. ამის ნაცვლად, ჩვენ გვაქვს გრძნობები და ჩვენი თანდაყოლილი პროპორციის გრძნობა. მაგრამ ამას ჩვენს მინუსად ვერ ვუწოდებთ, პირიქით, ეს არის ჩვენი მთავარი უპირატესობა. ეს საშუალებას გვაძლევს ვიყოთ ადაპტირებულები. ფაქტია, რომ ჩვენს ირგვლივ სამყარო იმდენად რთულია, რომ ვერც ერთი სუპერ-მეგა მაგარი გამოთვლითი მანქანა ვერ გაითვალისწინებს მის ყველა დამოკიდებულებას. ამიტომ, ზუსტი კომპიუტერული გამოთვლებისთვის, ჩვენ ჩვეულებრივ ვამარტივებთ პრობლემას, ვაიდეალებთ მას, უგულებელყოფთ უმნიშვნელო ფაქტორებს, ვაკეთებთ გარკვეულ ვარაუდებს და ა.შ. ჩვენ შეგვიძლია ამის გაკეთება ზუსტად იმის გამო, რომ ჩვენი პროპორციის გრძნობა საშუალებას გვაძლევს შევაფასოთ „შეუსაბამოდ“ რომელ ფაქტორებს აქვთ მნიშვნელოვანი წვლილი და რომელია უმნიშვნელო. თუმცა, საკმაოდ ბევრი პრობლემაა, რომელთა ფორმალიზება და მათთვის „მკაფიო“ ალგორითმის შექმნა საკმაოდ რთულია.
მაგალითად, ძნელი წარმოსადგენია, რომ რაიმე სახის ავტომატიზაცია გამოაცხობს ღვეზელებს უფრო გემრიელად, ვიდრე ბებია ზინა. ამ საკითხში ძალიან ბევრი „ბუნდოვანი“ ფაქტორია: საფუარი ყოველ ჯერზე განსხვავებულია, ფქვილი კი განსხვავებული; ასევე ბევრი რამ არის დამოკიდებული ოთახში ტენიანობასა და ტემპერატურაზე. მხოლოდ გამოცდილი ბებია შეძლებს ყველა ამ ფაქტორის გათვალისწინებას.
სწორედ ამიტომ, ხშირ შემთხვევაში სასარგებლოა საკონტროლო მოწყობილობის მიცემა „ბუნდოვანი აზროვნება“. სისტემაში, სადაც რთული ან შეუძლებელია მასზე მოქმედი ყველა ფაქტორის გათვალისწინება, ეს შესაძლებელს ხდის ჩაანაცვლოს ადამიანის ექსპერტი დიდი პრაქტიკული გამოცდილებით ავტომატიზაციით. ახლა, მარტივი მაგალითის გამოყენებით, ჩვენ გადავხედავთ, თუ როგორ კეთდება ეს ტექნიკურ სისტემებში.
ამწე ოპერატორი ვასილი მუშაობს N ქარხანაში. ის ამ საწარმოში 40 წელია, რაც პროფესიული სასწავლებელი დაამთავრა, მუშაობს. მისი ამოცანაა მზა პროდუქციის მქონე პალეტების ამწე აწევა და შესანახ ზონაში განთავსება. მხოლოდ ვასილიმ იცის როგორ გააკეთოს ეს. მრავალწლიანი პრაქტიკის განმავლობაში, მან ნათლად ისწავლა, თუ როგორ უნდა განსაზღვროს, თუ რა სიჩქარით სჭირდება ამწეზე გადაადგილება იმისდა მიხედვით, თუ რა დატვირთვა აქვს მას კაუჭზე, რამდენი მეტრით ადრე სჭირდება სამიზნეზე გაჩერების დაწყებას, როგორ დაარეგულიროს ამწის ბუმის კუთხე, რათა შემცირდეს პლატას რხევა კაუჭზე და ა.შ. მთელი ეს გამოცდილება საშუალებას აძლევს მას ყოველ ჯერზე და ოპტიმალური სიჩქარით მოათავსოს დატვირთვა სამიზნეზე.
თუმცა, ვასილი მალე პენსიაზე წავა და მის შემცვლელი არავინაა. გარდა ამისა, ქარხნის ხელმძღვანელობამ დაადგინა საწარმოო პროცესის ავტომატიზაციის კურსი. იმისთვის, რომ ამწე ოპერატორი ინტელექტუალური მოწყობილობით ჩაანაცვლოთ, აუცილებელია მისი „ფუზიური ლოგიკით“ და ვასილის საექსპერტო ცოდნით მინიჭება. წადი…
აკონტროლეთ სისტემის შეყვანა და გამომავალი
პირველ რიგში, მოდით განვსაზღვროთ ჩვენი მომავალი კონტროლის სისტემის შეყვანის და გამომავალი პარამეტრები. შეყვანები იქნება კრიტერიუმები, რომლითაც ვასილი ჩვეულებრივ აფასებს სისტემის ამჟამინდელ მდგომარეობას:
- მანძილი სამიზნემდე
- ამწე კაუჭზე დატვირთვის რხევის ამპლიტუდა
გამომავალი არის საკონტროლო მოქმედებები, რომლებიც ამწე ოპერატორს შეუძლია შემოიტანოს სისტემაში არსებული მდგომარეობის შესაცვლელად:
- გაზის პედლები - არეგულირებს სიჩქარეს, გავლენას ახდენს ტვირთის რხევის ამპლიტუდაზე
- სამუხრუჭე პედლები - გავლენას ახდენს გაჩერების სიგლუვეზე (ტვირთის რხევის ამპლიტუდა)
- ამწის ბუმის მართვის სახელური - არეგულირებს ბუმის კუთხეს, ანაზღაურებს დატვირთვის რხევას
ახლა მოდით მივმართოთ თავად ვასილის, რათა მისგან "ამოიღოთ" ფასდაუდებელი საექსპერტო ცოდნა.
Ჩვენ ვეკითხებით:
— « ვასილი, მითხარი, რა სიჩქარით უნდა იმოძრაო, რომ ტვირთი მიზანში რაც შეიძლება სწრაფად მიიტანო, ოღონდ ფინიშამდე მკვეთრი დამუხრუჭების გარეშე, ტვირთის ძლიერად რხევის გამო?
ვასილი ასე გიპასუხებს:
- „აბა, ეს ასეა... როგორც კი ტვირთი ჩავკიდე, სანამ ადგილი ჯერ კიდევ შორს არის, გაზს იატაკს ვაჭერ. შუა გზაზე ცოტას ვანელებ და შეუფერხებლად ვივლი, რომ თოკი არ ქანაობდეს. თუ ის ბევრს რხევა, გაზს ოდნავ ვაჭერ და ბუმს ოდნავ საპირისპირო მიმართულებით ვახრით. ახლოს რომ მივდივარ, გაზს მთლიანად ვუშვებ, პირიქით, პატარას ვანელებ“.
ასე რომ, ჩვენ მივიღეთ პირველი ბუნდოვანი წესები ვასილისგან. როდესაც ჩვენ გავაგრძელებთ მასთან ურთიერთობას, დანარჩენს ვისწავლით. წარმოვადგინოთ ყველა მიღებული წესი ცხრილის სახით:
- ეს არის სისტემის შეყვანის პარამეტრის თარგმნა "ფუჟულ" რეგიონში.
პირველი შეყვანის პარამეტრი არის "მანძილი სამიზნემდე". "ბუნდოვანი ლოგიკის" თვალსაზრისით ეს ასეა ენობრივი ცვლადი , რადგან ის მნიშვნელობებად იღებს სიტყვებს და არა რიცხვებს. და კომპიუტერის გაგებით, "მანძილი სამიზნემდე" არის ძალიან მკაფიო პარამეტრი, რომელიც იზომება მეტრებში.
ამიტომ, ამ ეტაპზე, ვასილისგან უნდა გავარკვიოთ, რა არის მისთვის "ახლო" და რა არის "ძალიან ახლოს" - დავადგინოთ მისი ბუნდოვანი დიაპაზონები რიცხვებში. მაგალითად, მისთვის 15 მეტრი აუცილებლად ახლოს იქნება. მაგრამ რაც შეეხება 6 მეტრს, ის დაბნეული იქნება წაკითხვებში და ამ მნიშვნელობას კლასიფიცირებს როგორც "ახლო" ან "ძალიან ახლოს". ამიტომ, „ბუნდოვანი დიაპაზონები“ შეიძლება ერთმანეთს გადაფარონ. ვნახოთ, როგორ გამოიყურება გრაფიკზე:
ფუნქცია M(x) ეწოდება წევრობის ფუნქცია . ის აჩვენებს ხარისხს, რომლითაც პარამეტრი მიეკუთვნება ერთ-ერთ ბუნდოვან მნიშვნელობას. როგორც გრაფიკიდან ჩანს, 32 მეტრიანი მანძილი წევრობის ხარისხით 0.2 ეხება „საშუალო“ მნიშვნელობას და 0.65 წევრობის ხარისხით „ახლო“ მნიშვნელობას.
რაც უფრო დიდია წევრობის ხარისხი, მით მეტია ალბათობა იმისა, რომ კომპიუტერი ცვლადს მიანიჭებს შესაბამის ბუნდოვან მნიშვნელობას. თუმცა, არ აურიოთ წევრობის ფუნქცია ალბათობის განაწილების ფუნქციასთან - ისინი არ არიან იგივე. ამიტომ, კერძოდ, ერთი შეყვანის პარამეტრის სხვადასხვა ბუნდოვან მნიშვნელობებთან მიკუთვნების ხარისხების ჯამი სულაც არ არის 1-ის ტოლი.
ზუსტად იგივე წევრობის ფუნქციები უნდა განისაზღვროს სისტემის დარჩენილი შეყვანისა და გამომავალი პარამეტრებისთვის, კვლავ ამწე ოპერატორის ვასილის საექსპერტო ცოდნის გამოყენებით.
Გადაწყვეტილების მიღება
როგორც კი საკონტროლო სისტემა გადაანაწილებს ყველა შეყვანის პარამეტრს მოცემული წევრობის ფუნქციების მიხედვით, გადაწყვეტილების მიმღები ბლოკი იპოვის გამომავალი პარამეტრების შესაბამის მნიშვნელობებს ბუნდოვანი წესების გამოყენებით (იხ. ცხრილი ზემოთ).
დეფუზირება
ამ ეტაპზე, საკონტროლო სისტემა გააკეთებს შებრუნებულ ტრანსფორმაციას გამომავალი პარამეტრების ბუნდოვანი მნიშვნელობებიდან (ცხრილიდან ნაპოვნი) ნათელ რიცხვებამდე. ამ გარდაქმნების მათემატიკური ალგორითმები მრავალფეროვანია და დამოკიდებულია კონკრეტულ პრობლემაზე. აზრი არ აქვს მათ დეტალურად შეწუხებას - დაე, ეს გააკეთონ სერიოზულმა მათემატიკოსებმა. ინჟინერს მხოლოდ ერთი ცნობილი ალგორითმის დანერგვა სჭირდება.
როგორც ბუნდოვანი ლოგიკის კონტროლერი, შეგიძლიათ გამოიყენოთ მზა მიკროპროცესორული მოწყობილობა, რომელიც მხარს უჭერს ზემოთ აღწერილ ალგორითმებს. ასეთ მოწყობილობას მხოლოდ ყველა ენობრივი ცვლადის წევრობის ფუნქციები და ბუნდოვანი წესების მინიჭება სჭირდება. რა თქმა უნდა, თუ პრაქტიკა გსურთ, შეგიძლიათ აიღოთ ჩვეულებრივი მიკროკონტროლერი და "მკაცრი" წიგნი მათემატიკური ალგორითმების შესახებ, რომლებიც გამოიყენება საეჭვო ლოგიკაში და ეს ყველაფერი თავად განახორციელოთ.
ნებისმიერ შემთხვევაში, საეჭვო ლოგიკის კონტროლერის სტრუქტურა დაახლოებით ასეთი იქნება:
დასკვნა
ამ სტატიაში ჩვენ განვიხილეთ ბუნდოვანი ლოგიკის ძირითადი ცნებები, რომელიც წარმოადგენს „ხელოვნური ინტელექტის“ ფართო კონცეფციის განუყოფელ ნაწილს. საეჭვო ლოგიკა ფართოდ გამოიყენება საექსპერტო სისტემების, გადაწყვეტილების მხარდაჭერის სისტემებისა და ექსპერტულ ცოდნაზე დაფუძნებული კონტროლის სისტემების მშენებლობაში. შემდეგი არის სტატია, რომელშიც ჩვენ გეტყვით, რომელ ინსტრუმენტებსა და მოწყობილობებს ვიყენებთ ყოველდღიურ ცხოვრებაში, იყენებენ ბუნდოვან ლოგიკას. დიახ, დიახ, მე არ შევცდი, თითოეული ჩვენგანი ყოველდღიურად იყენებს ხელოვნურ ინტელექტის მოწყობილობებს. მაგრამ ამის შესახებ მოგვიანებით, მაგრამ ეს ყველაფერი დღესაა! დაიმახსოვრეთ კითხვისას ზარმაცი ჭკვიანი, თქვენ სულ უფრო უახლოვდებით ახალი ტექნოლოგიების სამყაროს! ნახვამდის!