Синтез базы правил нечеткой логической модели на основе задачи обучения с учителем

Аннотация

В настоящее время интеллектуально-информационные системы активно внедряются практически во все сферы производства. Из множества методов к построению подобных систем можно выделить два: с использованием экспертных знаний (к которым относится нечеткое моделирование) и машинного обучения с учителем, которые оценивают эти знания по доступным данным, размеченным в зависимости «объект–ответ». Каждый метод имеет свои существенные достоинства и недостатки. Приведена реализация совмещения обоих подходов для задачи классификации. Метод обучения нечеткого классификатора включает в себя фаззификацию входных признаков объектов, формирование условий логических правил для базы нечеткой модели и отбор наиболее характерных заключений правил с целью заполнения реляционной матрицы. Термы входных признаков и их функции принадлежности выступают в качестве гиперпараметров модели. В качестве примера рассмотрена задача бинарной классификации в двумерном координатном пространстве при нелинейном распределении классов. Для каждой из координат найден набор термов и функций принадлежности, обеспечивший высокое качество классификации на обучающих и тестовых данных. Нечеткий классификатор, обученный предложенным методом, способен решать задачи бинарной и мультиклассовой классификации. Он может применяться в ситуации, если возникли затруднения с априорным заданием базы правил, и, как выход, допускается обучение с учителем. Поскольку в его основе лежат логические правила, это обеспечивает транспарентность модели и позволяет объяснять выдаваемые ею результаты.