Пример готового реферата по предмету: Интеллектуальные информационные сети
Оглавление
Введение 2
Биография 3
Научное наследие и его значение в мировой науке 9
Личность 13
Связи с Россией 14
Интересные нюансы 16
Заключение 17
Список использованных источников 18
Содержание
Выдержка из текста
Для реализации нечеткой модели был обоснован выбор программных средств. Программная реализация выполнена на языке программирования системы Matlab, с использованием моделя Fuzzy Logic Toolbox и фреймворка Guide.
Теория нечеткой логики — это новый подход к оценке риска, динамично развивается. В последнее время нечеткое моделирование является одним из наиболее активных и перспективных направлений прикладных исследований в области управления и принятия решений
Для эффективного принятия решений при неопределенности условий функционирования системы применяют методы на основе правил нечеткой логики. С другой стороны, нечеткая логика может быть удобным инструментом для решения проблем построения моделей различных процессов, если нет необходимости анализировать объект управления с высокой степенью детализации.Системы с нечеткой логикой, а именно теория нечетких множеств и основанная на ней нечеткая логика, на сегодня является одним из важнейших формализмов, используемых в искусственном интеллекте для моделирования неопределенности в знаниях.
В Японии исследования, направленные на нечеткую логику, нашли обширную финансовую поддержку. Соответственно, Европе и Америка бросили все усилия на сокращение огромного технологического разрыва по сравнению с японскими технологиями. К примеру, агенство космических исследований NASA начало применять нечеткую логику для маневров стыковки.
2. Разработать экспертную систему в среде MATLAB, которая была бы реализована на основе нечеткого вывода и позволяла бы определять, выдавать кредит заемщику или нет. А также, сумму кредита, в случае положительного ответа.
В первой главе курсовой работы рассматриваются теоритические аспекты нечеткой логики для анализа финансовой устойчивости предприятия, а также применение нечетких множеств для анализа экономической деятельности предприятия. Вторая глава посвящена анализу инвестиционного проекта для Кирпичного завода, расчету показателей чистой современной стоимости инвестиций, оценки степени риска инвестиционного проекта.
Предмет исследования: особенности разработки нечеткой модели аналитической системы решения задач автомобильного транспорта на базе для управления приоритетом движения на кольцевом перекрестке.
Очевидной областью внедрения алгоритмов нечеткой логики являются всевозможные экспертные системы, в том числе: нелинейный контроль за процессами ( производство ); самообучающиеся системы ( или классификаторы ), исследование рисковых и критических ситуаций ; распознавание образов; финансовый анализ ( рынки ценных бумаг ) ; исследование данных ( корпоративные хранилища ); совершенствование стратегий управления и координации действий, например сложное промышленное производство.
Первый период (конец 60-х–начало
7. гг.) характеризуется развитием теоретического аппарата нечетких множеств (Л. Заде, Э. Мамдани, Беллман).
Во втором периоде (70– 80-е годы) появляются первые практические результаты в области нечеткого управления сложными техническими системами (парогенератор с нечетким управлением).
Одновременно стало уделяться внимание вопросам построения экспертных систем, построенных на нечеткой логике, раз-работке нечетких контроллеров. Нечеткие экспертные системы для под-держки принятия решений находят широкое применение в медицине и экономике. Наконец, в третьем периоде, который длится с конца 80-х годов и продолжается в настоящее время, появляются пакеты программ для построения нечетких экспертных систем, а области применения нечеткой логики заметно расширяются. Она применяется в автомобильной, аэрокосмической и транспортной промышленности, в области изделий бытовой техники, в сфере финансов, анализа и принятия управленческих решений и многих других.
В основе нечеткой логики лежит теория нечетких множеств, где функция принадлежности элемента множества не бинарная (да / нет), а может принимать любое значение в диапазоне 0-1. Это дает возможность определять понятия, нечеткие по самой своей природе: "хороший", "высокий", "слабый" и т.д. Нечеткая логика дает возможность строить базы знаний и экспертные системы нового поколения, способные хранить и обрабатывать неточную информацию. Системы, основанные на нечеткой логике, разработаны и успешно внедрены в таких областях, как управление технологическими процессами, управление транспортом, управление бытовой, техникой, медицинская и техническая диагностика, финансовый менеджмент, финансовый анализ, биржевое прогнозирования, распознавания образов, исследования рисковых и критических операций , прогнозирования землетрясений, составление автобусных расписаний, климатический контроль в зданиях.
Надо отметить, что действительно, используя такой подход, становится возможным четко определять многие понятия, которые являются нечеткими по самой своей природе: хороший, высокий, слабый, умный, глупый и так далее. При этом, нечеткая логика дает возможность строить базы знаний и экспертные системы нового поколения, способные хранить и обрабатывать неточную информацию как существенную. Разные системы, реально существующие на процессах нечеткой логики, давно разработаны и практически внедрены в таких областях работы, как, например, управление технологическими процессами, управление транспортом, и управление бытовой техникой, и медицинская и техническая диагностика, и финансовый менеджмент, и финансовый анализ, и биржевое прогнозирование, и распознавание образов, и исследование рисковых, а также критических операций, и прогнозирование землетрясений, и составление автобусных расписаний, и климатический контроль в зданиях разной функциональной направленности.
Однако человек в своей повседневной деятельности чаще всего используют нечеткие определения понятия и характеристики объектов. Сегодня при разработке современных интеллектуальных систем управления необходимо расширять онтологии описывающие предметные области знаний за счет математического аппарата нечеткой математики – нечетких множеств, нечеткой логики. Проанализировать проектирование интеллектуальных систем с использованием нечеткой математики при построении модели знаний предметной области.
Проблемы принятия решений в сложных условиях занимают в настоящее время особое место в информационных технологиях. Математические методы широко применяются для описания и анализа сложных экономических, социальных и других систем. Теория оптимизации создала совокупность методов, помогающих при использовании ЭВМ эффективно принимать решения при известных и фиксированных параметрах или когда параметры — случайные величины с известными законами распределения. Существует, однако, ряд задач, которые не поддаются формальному описанию в силу того, что часть параметров представляют собой неточно или качественно заданные величины. Традиционные методы недостаточно пригодны для решения подобных задач именно потому, что они не в состоянии описать возникает неопределенность.
Список использованных источников
1. Аверкин А.Н., Батыршин И.З., Тарасов В.Б. Лотфи Заде И Россия. – Новости Искусственного Интеллекта, № 2-3, 2001, с. 16-20.
2. Биографические заметки о Л. Заде (книга Фей Заде «Моя жизнь и путешествия с отцом нечеткой логики»).
– Новости Искусственного Интеллекта, № 2-3, 2001, с. 24.
3. Великий и простой азербайджанец Лютфи Заде http://news.day.az/society/131685.html
4. Лотфи Заде –
8. лет. – Новости Искусственного Интеллекта, № 2-3, 2001, с. 3-6.
5. Лотфи Заде – http://википедия.орг.рф/wiki/Лотфи_Заде
6. Лотфи Заде – отец теории нечеткой логики – http://www.baku.ru/enc-show.php?id=65156&cmm_id=276
7. Лютфи Заде – http://bourabai.ru/tpoi/zadeh.htm
8. Турксен И.Б. О вкладе Лотфи Заде в современную науку и научное мировоззрение. — Новости Искусственного Интеллекта, № 2-3, 2001, с. 12-15.
список литературы
