Публікація:
Гібридні методи і моделі обробки нечіткої інформації на основі штучних імунних систем

Завантаження...
Зображення мініатюри

Дата

2012

Назва журналу

ISSN журналу

Назва тома

Видавництво

Дослідницькі проекти

Організаційні підрозділи

Видання журналу

Анотація

В дисертації розглянуто методи формалізації нечіткої експертної інформації, отриманої в результаті оцінювання якісних ознак та опису значень кількісних ознак у лінгвістичних термах, що дозволяє підвищити адекватність як моделей експертного оцінювання ознак, так і побудованих на них нечітких моделей. Запропоновано імунний підхід щодо класифікації об'єктів у нечіткому середовищі, який характеризується використанням функцій належності (ФН) афінності для визначення належності об'єктів до класів. Вдосконалено методи клонування та мутації антитіл для підвищення швидкості збіжності імунних алгоритмів. Запропоновано синтез нечіткого регулятора для керування нелінійним динамічним об'єктом, який передбачає побудову його моделі, отримання оптимального закону керування та адаптацію його структури і параметрів за допомогою штучних імунних систем (ШІС). The thesis is dedicated to solving the scientific and practical problem of developing hybrid models and methods for fuzzy information processing based on using AIS, which allow more effective information analyzing by the quality of their decisions, terms of receipt and expanding a class of problems solved. The method of obtaining fuzzy expert knowledge based on the targeted procedure of incomplete pair wise comparisons is worked out. The method of determining the vector of features’ priorities, coordination and adjustment of expert assessments on the basis of AIS is proposed. The methods of formalizing fuzzy expert information obtained through evaluation of quality attributes and through description of the indications of quantitative attributes in linguistic terms are highlighted. It have been shawn that these methods can improve the adequacy of the models of expert features evaluation and of fuzzy models built on them. The method of objects’ classification – with or without classes’ standards – based on a generalized estimation of values of AF to a fuzzy set of acceptable solutions, is elaborated. An immune approach to the classification of objects in a fuzzy environment is proposed, which is characterized with using AF affinity to determine the affiliation of objects to classes. The methods of structural and parametric adaptation of fuzzy models and fuzzy neural networks based on AIS are introduced. The methods of cloning and antibodies mutation for increasing the rate of immune algorithms convergence are improved. A synthesis of fuzzy controllers for coping with nonlinear dynamic objects is proposed, which involves the construction of its model, obtaining the optimal control law and adaptation of the structure and the parameters using AIS.

Опис

Ключові слова

нечітка модель, штучні імунні системи, функція належності, адаптація, нечітка нейронна мережа, нечіткий регулятор, мультиантитіло, класифікація, ідентифікація, управління, fuzzy model, artificial immune systems, affiliation function, adaptation, fuzzy neural network, fuzzy controller, multi-antibody, classification, identification, control

Бібліографічний опис

Корабльов М. М. Гібридні методи і моделі обробки нечіткої інформації на основі штучних імунних систем : автореф. дис. ... д-ра техн. наук : 05.13.23 "Системи та засоби штучного інтелекту" / М. М. Корабльов ; МОНМС України, Харк. нац. ун-т радіоелектроніки. - Х., 2012. - 38 с.

DOI

Колекції