Univerzitet u Istočnom Sarajevu
Saobraćajni fakultet
Doboj
Seminarski rad iz predmeta:
EKSPERTNI SISTEMI
Теma:
Fazi logika i neuronske mreže
Profesor: Student:
Dr Zdravko Božičković Dragan Dostanić
Broj indeksa: 153/09
Doboj, maj 2013
Ekspertni sistemi Dragan Dostanić 153/09
SADRŽAJ:
UVOD......................................................................................................................................... 2
1. UMJETNA INTELIGENCIJA................................................................................................3
1.1. Pojam inteligencije........................................................................................................... 3
1.2.Pojam, karakteristike, podjela i primjena umjetne inteligencije.......................................3
2. PUZZY LOGIC (FAZI LOGIKA).........................................................................................6
2.1. Lingvističke promjenljive.................................................................................................7
2.2. Fazi skup...........................................................................................................................8
2.3.Fazi pravilo......................................................................................................................11
2.4.Algoritam aproksimativnog rezonovanja........................................................................12
2.5. Fazi sistem...................................................................................................................... 12
2.6. Primeri primene FS........................................................................................................ 13
3. NEURONSKE MREŽE........................................................................................................ 14
3.1. Pojam neuronskih mreža................................................................................................14
3.2. Vještačke neuronske mreže............................................................................................16
3.3. Učenje NM.....................................................................................................................17
3.4. Realizacija neuronskih mreža.........................................................................................17
3.5. Podjela neuronskih mreža...............................................................................................18
3.6. Mogućnosti neuronskih mreža.......................................................................................18
3.7. Područje primjene neuronskih mreža.............................................................................19
4. ZAKLJUČAK....................................................................................................................... 20
5. LITERATURА......................................................................................................................21
1
Ekspertni sistemi Dragan Dostanić 153/09
1. UMJETNA INTELIGENCIJA
1.1. Pojam inteligencije
Intelekt je oduvjek bio vezan za čovjeka, jedino živo biće na našoj planeti koje posjeduje to
svojstvo. Vrhunac pojma inteligencije je kad se navede rješavanje problema, jer vrhunsko
rješavanje problema neminovno zahtjeva inteligenciju, što ovom pojmu daje empirijsku notu. Jednu
od relativno prihvatljivih definicija pojma inteligencije dao je profesor Christopher Evans u svojoj
čuvenoj knjizi "Moćni mikro" Inteligencija je sposobnost sistema da se prilagodi promjenama u
svijetu i što je ta sposobnost veća, odnosno profinjenija snaga prilagođavanja, sistem je
inteligentniji. Druga nama možda još bliža definicija kaže da je inteligencija sposobnost
ostvarivanja ciljeva na naj jednostavniji način.
Klasični primjer inteligencije dat je u anegdoti iz đačkog života Karl Friedrich Gauss-a. Kao
prvoškolac je dobio "nerješiv" zadatak da sabere brojeveod jedan do sto. Gauss je vrlo brzo i
elegantno došao do rješenja: uvidio je da jezbir prvog i zadnjeg broja 101, drugog i predzadnjeg
takođe 101 i tako sve do zbirazadnjeg para brojeva 50 i 51. Budući da parova ima 50, proizvod 50
puta 101 dajerješenje 5050.
Postoje četiri modela inteligencije a to su:
1. Ulazna ili perceptivna inteligencija –ova inteligencija omogućava prepoznavanje. Ovo je jedna
od najbitnijih inteligencija jer ako ne prepoznaš nemožeš ni riješiti. Prepoznavanje se vrši
podsvjesno. Veoma je bitno problem prepoznati u pravom trenutku i od toga zavisi stepen
inteligentnosti.
2. Serijska inteligencija - je zadužena za zadatke koji se dešavaju u ciklusima. Stalno se nešto
analizira i veoma je bitno je imati moć da se izabere najbolje rješenje.
3. Paralelna inteligencija je zadužena za istovremenu obradu velike količine podataka. Ovaj model
inteligencije je i najređi.
4. Memorija- znanje utiče na konačno inteligentno ponašanje. To znači da nije dovoljno samo se
roditi inteligentan nego treba čitav život učiti.
1.2. Pojam, karakteristike, podjela i primjena umjetne inteligencije
Termin umjetna inteligencija prvi je uveo John McCarthy 1956. godine, kad je rekao da se
inteligencija može opisati tako detaljno da je moguće napraviti stroj koji će je oponašati. Danas
postoje različite definicije umjetne inteligencije. Neke od definicija umjetne inteligencije su:
3
Ekspertni sistemi Dragan Dostanić 153/09
- Umjetna inteligencija je naučna oblast u kojoj se istražuje kako da se naprave računari koji bi
uspešno radili stvari koje u ovom momentu rade bolje ljudi.
- Umjetna inteligencija je nauka koja čini da mašine obavljaju stvari koje bi zahtjevale inteligenciju
kada bi ih obavljao čovjek
- Umjetna inteligencija je dio nauke o računarima usmjeren na stvaranje i proučavanje računarskih
programa koji ispoljavaju svojstva koja se identifikuju kao inteligentna u ljudskom ponašanju:
znanje, zaključivanje, učenje, rješavanje problema, razumjevanje jezika i dr.
- Umjetna inteligencija je disciplina kreiranja mašina koje podražavaju ljudsko ponašanje ili
inteligenciju; mašine koje su senzitivne i misle
Karakteristike koje bi računar morao da ima pa da, barem rudimentarno, bude inteligentan,
su: - prijem podataka,
- čuvanje podataka,
- brzina obrade podataka,
-
efikasnost računarskih programa,
-
promjenljivost računarskih programa,
- mogućnost učenja,
-
ekstrapolacija i rješavanje netrivijalnih zadataka.
Prijem podataka
je prva karakteristika u ovom navođenju. Razvoj UI je uslovljen i
čovjekovom težnjom da uspostavi maksimalno moguću i lagodnu komunikaciju sa mašinom.
Idealno bi bilo da se računaru kaže glasom šta se želi ida on dalje posao obavlja sam. Nažalost,
danas u najvećem broju slučajeva se mora na vrlo dugotrajan i mukotrpan način, preko tastature,
reći kako se nešto radi, pa tek onda tražiti rezultate.
Spremanje podataka
je jedna od karakteristika UI, jer prijem podataka iz vanjskog svijeta i
njihova obrada nemaju nikakvog smisla ako se ne mogu memorisati. Iz tog razloga računar mora
imati odgovarajuće veliki prostor za njihovo spremanje. Prije spremanja podataka neophodna je
odgovarajuća obrada, filtriranje i analiza, jer podatak se ne može uzimati "sirov".
Brzina obrade podataka
je karakteristika UI, bez obzira da li se radi o samom spremanju,
klasifikaciji, sortiranju ili nekoj drugoj operaciji na podacima. Pri tome treba reći da računar mora
imati odgovarajuću arhitekturu.
Efikasnost računarskih programa
Pod programiranjem se podrazumjeva niz upravljačkih
naredbi potrebnih za rad sistema, pri čemu se misli na kodirane algoritme obrade podataka.
Efikasnost računarskih programa podrazumjeva optimalno rješenje postavljenog problema,odnosno
najbrži i najpouzdaniji način sa najmanjim utroškom prostora u memoriji računara. Efikasnost
4
Ekspertni sistemi Dragan Dostanić 153/09
Mogućnosti umjetne inteligencije mogu se najbolje razumjeti ako se usporedi s prirodnom,
odnosno ljudskom inteligencijom. Neke od prednosti umjetne inteligencije su:
-Umjetna inteligencija nema emocija, zato negriješi, dok nama emocije prouzrokuju grešku.
-Trajnija je od ljudske inteligencije, gotovo da je vječna.
-Može se jednostavno umnožiti i biti lako dostupna svima.
-Konzistentnija je od ljudske inteligencije.
-Lako se dokumentira.
Osnovni nedostaci umjetne inteligencije u odnosu na prirodnu inteligenciju su:
-Prirodna inteligencija je kreativnija.
-Prirodna inteligencija neposredno koristi opažajno iskustvo.
-Prirodna inteligencija koristi sva iskustava i sva znanja u svakoj situaciji.
Područje primjene umjetne inteligencije je veoma široko od:
-Igranja igara : DeepBlue (IBM) prvi računarski program koji je pobijedio svjetskog prvaka Garrya
Kasparova
-Dijagnoza : program za medicinsku dijagnozu baziran na vjerodostojnoj analizi
-Robotika : kirurzi koriste asistenta robota u mikrooperacijama
-Razumijevanje jezika i rješavanje problema: program koji rješava križaljke bolje od ljudi
-Samoupravno planiranje I raspored : NASA program udaljenog agenta za svemirske brodove
-Samoupravna kontrola : program treniran za upravljanj eautom duž ceste, smješten u kombiju i
korišten za navigaciju.
2. PUZZY LOGIC (FAZI LOGIKA)
Fazi logika je neizrazita logika. Neizrazita logika ili “zamućena logika” (engl. Fuzzy logic)
služi za opis nepouzdanih podataka i znanja. Ona polazi od toga da se čovjek u opisu činjenica i
zaključivanju služi jezikom koji je neprecizan: dobro plaćeni stručnjak, tvrtka srednje veličine i sl.
U izrazitoj logici:
• pretpostavka pravila može biti ili ispunjena ili ne
• pravilo se može aktivirati samo ako je uslov ispunjen
U neizrazitoj logici:
• pretpostavka pravila može biti ispunjena u nekoj mjeri
• pravilo se može aktivirati u onoj mjeri u kojoj je njegova pretpostavka ispunjena
6
