Подсистема нечёткого вывода для оптимизатора баз знаний на технологиях мягких вычислений
Автор: Сорокин Сергей Владимирович, Нефедов Никита Юрьевич, Решетников Андрей Геннадьевич, Ульянов Сергей Викторович
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Статья в выпуске: 1, 2013 года.
Бесплатный доступ
В статье рассматривается архитектура системы нечёткого вывода, реализованная в рамках инструментария оптимизатора баз знаний на мягких вычислениях. Разработанная архитектура подразумевает вынесение интерфейса алгоритмов, заинтересованных в получении списка активных правил, в отдельный класс. Сам алгоритм нечёткого вывода реализован в виде шаблонного метода, примитивные операции которого реализованы в классах конкретных моделей нечёткого вывода и баз правил. При этом алгоритм конфигурируется объектом, которому необходимо направлять список активных правил. Описаны три режима работы подсистемы: нечёткий вывод, создание неполных баз правил и анализ правил. Представлены результаты работы оптимизатора баз знаний на примере создания ИСУ неустойчивым динамическим объектом. Проведенное тестирование показало, что спроектированная в оптимизаторе ИСУ, обладает большей робастностью, чем ИСУ, спроектированные с использованием других современных средств.
Нечёткий вывод, программная архитектура, интеллектуальные системы управления
Короткий адрес: https://sciup.org/14122571
IDR: 14122571
Fuzzy inference subsystem for soft computing optimizer of knowledge bases
Software architecture of fuzzy inference subsystem for soft computing optimizer is considered. Proposed architecture is based on segregation of interface of algorithms, interested in active rules, to separate interface. Fuzzy inference algorithm is implemented as a template method; its primitive operations are implemented in concrete realizations of fuzzy inference models and fuzzy rule bases. Algorithm is also configurable by the object which will receive a list of active rules. Three operational modes of subsystem are described: fuzzy inference, LBRW rule database creation and rule analysis. Performance of soft computing optimizer is demonstrated on the task of creating control system for instable dynamic object. This control system exhibited increasing robustness comparing to systems created with other state-of-the-art tools.
Список литературы Подсистема нечёткого вывода для оптимизатора баз знаний на технологиях мягких вычислений
- Ульянов С.В., Литвинцева Л.В., Добрынин В.Н., Мишин А.А., Интеллектуальное робастное управление: Технологии мягких вычислений. М.: - ВНИИгеосистем. 2011. - С. 408.
- EDN: QMWJSR
- Сорокин С.В., Литвинцева Л.В., Ульянов С.В. Технология интеллектуальных мягких вычислений в проектировании робастных нечётких систем управления: оптимизатор баз знаний // Нечёткие системы и мягкие вычисления. - Тверь: ТвГУ, 2008. - Том 3. - №1.
- EDN: NQVHTD
- Гамма Э., Хелм Р., Джонсон Р., Влиссидес Д. Приемы объектно-ориентированного проектирования. Паттерны проектирования. - СПб.: Питер, 2008. - С. 366.
- Ульянов С.В., Мишин А.А., Миногин А.А. и др. Информационная технология проектирования робастных баз знаний нечетких регуляторов. Ч. III: квантовый нечёткий вывод и квантовая информация. // Системный анализ в науке и образовании: сетевое научное издание. - 2010. - №3. - [Электронный ресурс]. URL: http:/www.sanse.ru/archive/17. - 0421000111\\0029.
