- •(С ПРИМЕРАМИ ИЗ ОБЛАСТИ СВАРКИ)
- •ПРИНЯТЫЕ УСЛОВНЫЕ СОКРАЩЕНИЯ
- •1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ РЕШЕНИЯ ЗАДАЧ ВЫБОРА
- •1.1. Задачи и процессы их решения как объект изучения
- •1.2. Классификации задач
- •1.3. Структура и особенности задач выбора
- •1.4. Анализ задач
- •1.5. Поиск и сбор дополнительной информации
- •1.6. Формализация и анализ исходной информации
- •1.6.1. Виды информации в печатных источниках
- •1.6.2. Обработка текстовой информации
- •2. МОДЕЛИРОВАНИЕ ЗАДАЧ ВЫБОРА
- •2.1. Общие вопросы моделирования задач
- •2.3. Граф-схемы алгоритмов выбора решений
- •3. СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ РЕШЕНИЯ ЗАДАЧ ВЫБОРА
- •3.1. Проблемы подготовки данных для решения задач
- •3.2. Проблемы моделирования задач выбора
- •3.2.1. Проблемы построения таблиц соответствий
- •3.2.2. Проблемы построения граф-схем алгоритмов выбора решений
- •3.2.3. Проблема неоднозначности решений, генерируемых табличными моделями задач
- •3.3. Совершенствование методов построения моделей задач выбора
- •4. ИСПОЛЬЗОВАНИЕ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ ДЛЯ РЕШЕНИЯ ЗАДАЧ ВЫБОРА
- •4.1.1. Основные идеи искусственного интеллекта
- •4.1.2. Экспертные системы
- •4.1.3. Представление знаний в форме продукционных правил
- •4.2. Методы теории нечетких множеств
- •4.2.1. Формализация нечетких понятий с помощью функций принадлежности
- •4.2.2. Таблицы соответствий со степенями принадлежности
- •5. ОСНОВЫ МЕТОДИКИ РЕШЕНИЯ НЕФОРМАЛИЗОВАННЫХ ЗАДАЧ
- •5.1. Формирование общей методологии решения задач
- •5.2. Основные положения методики решения неформализованных задач
- •6. АВТОМАТИЗАЦИЯ РЕШЕНИЯ ЗАДАЧ ВЫБОРА
- •6.1. Опыт автоматизации решения неформализованных задач
- •ЗАКЛЮЧЕНИЕ
- •СПИСОК ЛИТЕРАТУРЫ
В настоящее время продукционные правила целесооб разно использовать прежде всего на начальной стадии извле чения знаний, когда при проработке литературы фиксируют ся факты, относящиеся к предметной области решаемой за дачи.
4.2.Методы теории нечетких множеств
Вработах по теории принятия решений и теории искус ственного интеллекта источником многих идей называют тео рию нечетких множеств [27, 28]. Ее создатель американский математик Л. Заде обратил внимание на то, что большая часть накопленных во всех областях знаний имеет описательный характер, при этом используются понятия, не имеющие точ ной количественной оценки. Такое положение затрудняет ис пользование богатых возможностей вычислительной техники, так как для компьютерной обработки данных требуются фор мализация и моделирование понятий и знаний.
Втеории нечетких множеств (ТНМ) введены базовые понятия «лингвистическая переменная», «нечеткое множест во» и производные от них - «нечеткая переменная», «нечет кое отношение», «терм-множество» и др. С помощью экс пертных оценок нечеткие понятия и отношения естественно го и предметно-ориентированного языков заменяются нечет кими подмножествами, которыми можно оперировать как некоторыми математическими объектами. ТНМ позволяет формально описывать объекты и явления, которые настолько сложны или некорректно определены, что не поддаются опи санию в общепринятых количественных терминах.
Применение ТНМ для решения неформализованных за дач безусловно актуально, поскольку, как отмечалось выше, преобладающая часть знаний о сварке зафиксирована в тек