|
1.5. Gibrid ulanish usullari
Bir nechta sun'iy intellekt texnologiyalarini birlashtirish natijasida maxsus atama paydo bo'ldi - 1994 yilda L. Zadeh tomonidan kiritilgan "yumshoq hisoblash". Hozirgi vaqtda yumshoq hisoblashlar loyqa mantiq, sun'iy neyron tarmoqlar, ehtimollik asoslari va evolyutsion algoritmlar kabi sohalarni birlashtiradi. Ular bir-birini to'ldiradi va gibrid aqlli tizimlarni yaratish uchun turli kombinatsiyalarda qo'llaniladi.
Quyida bunday uyushmalarga misollar keltirilgan.
Noaniq neyron tarmoqlar. Bunday tarmoqlar loyqa mantiq apparati asosida xulosalar chiqaradi, ammo a'zolik funktsiyalari parametrlari neyron tarmoqlarni o'rganish algoritmlari yordamida sozlanadi. Shuning uchun, bunday tarmoqlarning parametrlarini tanlash uchun biz foydalanamiz
Dastlab ko'p qatlamli perseptronni o'rgatish uchun taklif qilingan orqa tarqalish usuli. Buning uchun loyqa boshqaruv moduli ko'p qatlamli tarmoq shaklida taqdim etiladi. Loyqa neyron tarmog'i odatda to'rtta qatlamdan iborat: kirish o'zgaruvchilari uchun loyqalanish qatlami, shart faollashtirish qiymatlarini yig'ish uchun qatlam, loyqa qoidalarni yig'ish uchun qatlam va chiqish qatlami.
Moslashuvchan loyqa tizimlar. Klassik loyqa tizimlarning kamchiliklari shundaki, qoidalar va a'zolik funktsiyalarini shakllantirish uchun ma'lum bir mavzu bo'yicha mutaxassislarni jalb qilish kerak, buni har doim ham ta'minlash mumkin emas. Adaptiv loyqa tizimlar bu muammoni hal qiladi. Bunday tizimlarda loyqa tizim parametrlari eksperimental ma'lumotlar bo'yicha o'rganish jarayonida tanlanadi. Moslashuvchan loyqa tizimlarni o'rganish algoritmlari neyron tarmoqlarni o'rganish algoritmlariga nisbatan nisbatan ko'p vaqt talab qiladi va murakkab bo'lib, qoida tariqasida ikki bosqichdan iborat:
1. Til qoidalarini yaratish;
2. A'zolik funktsiyalarini tuzatish.
Birinchi muammo sanab turi muammosi bilan bog'liq, ikkinchi muammo uzluksiz bo'shliqlarda optimallashtirish bilan bog'liq. Bunday holda, ma'lum bir qarama-qarshilik paydo bo'ladi: noaniq qoidalarni yaratish uchun a'zolik funktsiyalari va loyqa xulosani amalga oshirish uchun qoidalar kerak. Bundan tashqari, loyqa qoidalarni avtomatik ravishda yaratishda ularning to'liqligi va izchilligini ta'minlash kerak. Noravshan tizimlarni o'qitish usullarining muhim qismi genetik algoritmlardan foydalanadi.
Noaniq so'rovlar. Ma'lumotlar bazasiga loyqa so'rovlar zamonaviy axborotni qayta ishlash tizimlarida istiqbolli yo'nalish hisoblanadi. Ushbu vosita so'rovlarni tabiiy tilda shakllantirish imkonini beradi, masalan: "Shahar markaziga yaqin joylashgan arzon uy-joy takliflari ro'yxatini ko'rsatish", bu standart so'rov mexanizmidan foydalanish mumkin emas.
Noaniq assotsiatsiya qoidalari. Noaniq assotsiatsiya qoidalari lingvistik bayonotlar sifatida tuzilgan ma'lumotlar bazalaridan naqshlarni olish uchun vositadir. Bu erda loyqa tranzaksiya, qo'llab-quvvatlash va loyqa assotsiatsiya qoidasining haqiqiyligi haqida maxsus tushunchalar kiritiladi.
Noaniq kognitiv xaritalar. Fuzzy kognitiv xaritalar 1986 yilda B. Kosko tomonidan taklif qilingan va ma'lum bir hudud tushunchalari o'rtasida aniqlangan sabab-oqibat munosabatlarini modellashtirish uchun ishlatiladi. Oddiy kognitiv xaritalardan farqli o'laroq, loyqa kognitiv xaritalar noaniq yo'naltirilgan grafik bo'lib, ularning tugunlari noaniq to'plamlardir. Grafikning yo'naltirilgan qirralari nafaqat tushunchalar orasidagi sabab-natija munosabatlarini aks ettiradi, balki bog'langan tushunchalarning ta'sir darajasini (vaznini) ham belgilaydi. Tizimli modellashtirish vositasi sifatida loyqa kognitiv xaritalardan faol foydalanish tahlil qilinayotgan tizimni vizual tasvirlash imkoniyati va tushunchalar orasidagi sabab-natija munosabatlarini izohlash qulayligi bilan bog'liq. Asosiy muammolar kognitiv xaritani yaratish jarayoni bilan bog'liq bo'lib, uni rasmiylashtirish mumkin emas. Bundan tashqari, tuzilgan kognitiv xarita haqiqiy simulyatsiya tizimiga mos kelishini isbotlash kerak. Ushbu muammolarni hal qilish uchun ma'lumotlar namunasi asosida kognitiv xaritalarni avtomatik qurish algoritmlari ishlab chiqilgan.
Noaniq klasterlash. Noaniq klasterlash usullari, aniq usullardan (masalan, Kohonen neyron tarmoqlari) farqli o'laroq, bir xil ob'ektni bir vaqtning o'zida bir nechta klasterlarga tegishli bo'lishiga imkon beradi, lekin har xil darajada. Ko'p holatlarda noaniq klasterlash aniqroqdan ko'ra "tabiiyroq" bo'ladi, masalan, klasterlar chegarasida joylashgan ob'ektlar uchun. Eng keng tarqalganlari: c-means loyqa o'z-o'zini tashkil qilish algoritmi va uni Gustafson-Kessel algoritmi ko'rinishida umumlashtirish.
Bundan tashqari, loyqa qaror daraxtlari, loyqa Petri tarmoqlari, loyqa assotsiativ xotira, loyqa o'z-o'zini tashkil etuvchi xaritalar va boshqa gibrid usullar kabi assotsiatsiyalar mavjud.
Do'stlaringiz bilan baham: |
