pravdepodobnostný neurónový model a fuzzy kognitívne mapy
Post on 11-Jan-2016
84 Views
Preview:
DESCRIPTION
TRANSCRIPT
Tomáš Pénzeš
Pravdepodobnostný neurónový model a fuzzy
kognitívne mapy
Obsah
Fuzzy kognitívne mapy(FCM)Pravdepodobnostné neurónové siete(RNN)Pravdepodobnostné fuzzy kognitívne
mapy(RFCMs)Experiment 1.Experiment 2.Záver
Fuzzy kognitívna mapa(FCM)v sebe spájajú robustné vlastnosti fuzzy logiky a
neurónových sietípredstavuje rozšírenie klasickej CM. Fuzzy rozšírenie
spočíva v tom, že spojenia môžu nadobúdať hodnoty z intervalu [0;1] resp. [-1;1] a pojmy použitím prahovej funkcie môžu byť buď binárne, alebo fuzzy.
je vhodným prostriedok na modelovanie systémov.Definícia : FCM = (C, E, α, β) C = {C1, C2, …, Cn}- konečná neprázdna množina kognitiv.
pojmov E = {e11, e12, …, e1n, ..., enn} - konečná neprázdna množina
orientovaných spojení medzi kognitívnymi jednotkami α – zobrazenie α: C → A, na interval A [–1;1] (resp.
[0;1]) β – zobrazenie β: E → B, na interval B [–1;1]
Orientované hrany Eij z pojmu Ci ku pojmu Cj merajú ako veľmi Ci zapríčiňuje Cj. V jednoduchých FCMs, priamé vplyvy naberajú iba trojmocné hodnoty {-1, 0, 1}, kde
-1 indikuje negatívny signál, 0 bezpríčinný vzťah, +1 pozitívny vzťah. Vo všeobecnosti, hrany Eij môžu naberať hodnoty z
fuzzy príčiného intervalu [-1,1]. Ejk>0 indikuje priamu(pozitívnu) príčinnosť medzi
pojmami, Ejk<0 indikuje opačnú(negatívnu) príčinnosť medzi
pojmami,Ejk=0 indikuje že neexistuje žiaden vzťah. C1
C3
C2
C4
C5
+1
-1
+1
+1
-1+1
-1
-1
-1
Tématicka sieť…Uzly a spojenia, ktoré majú…Váhy a stav (+1, 0, -1).Začíname s počiatočnými podmienkami,
potom…Iterujeme túto našu sieť určitý čas za účelom
dosiahnutia…Atraktorov (nečakané systémové správanie).Testujeme vplyvné body, a…Porovnanie & zhoda so známymi systémamiFCM bola navrhnutá Bartom Koskom
Pravdepodobnostné neurónové siete(RNN)tvorí n neurónov v ktorých pozitívne(w+(i,j)) a
negatívne(w-(i,j)) signály cirkulujúNegatívny signál redukuje o 1 potenciál
neurónu ku ktorému dorazil(inhibícia), alebo nemá žiaden efekt na potenciál ak to je hodnota 0, kým dorazením pozitívneho(excitačného) signálu pridá 1 k potenciálu neurónu.
stále keď sa neurón odpáli, signál odchádza, znuluje sa celkový vstup potenciálu neurónu.
Hlavnou vlastnosťou tohto modelu je excitačná pravdepodobnosť neurónu.
Aplikácia RNN
Modelovanie biologických neurónových systémov
Rozpoznávanie textúr a segmentáciaKompresia obrázkov a videamulticast routing
Naša Náhodná fuzzy kognitívna mapa(RFCMs)zlepšuje klasické FCM kvantifikovaním
pravdepodobnosti aktivácie pojmov a zavedením nelineárnej dynamickej funkcie do inferenčného procesu.
dovoľuje inferenciu RFCM realizovanú prostredníctvom numerických výpočtov namiesto symbolickej dedukcie.
Hodnota Wij indikuje ako silno pojem Ci ovplyvňuje pojem Cj. W+
ij >0 a W-ij=0 ak vzťah
medzi pojmom Ci a Cj je priama, W-ij>0 a W+
ij=0 ak je vzťah opačný, alebo W+
ij=W-ij=0 ak
neexistuje vzťah medzi nimi.
Všeobecná procedúra RFCM je nasledujúca:
1. Návrh konfigurácie FCM. Experti určia pojmy a príčinnosť.
2. Inicializácia počtu neurónov. Počet neurónov je rovný počtu pojmov.
3. Zavolanie Učiacej fázy4. Zavolanie Simulačnej fázy
Učiaca fázaV tejto fáze musíme definovať váhyTieto váhy sú definované :
Založené na úsudku experta o každý expert definuje jeho vlastnú FCM a táto
celková FCM je určená podľa rovnice(3), viď esej.
Založené na meraných dátach o v tomto prípade máme súbor meraní systému.
Táto informácia je vstupný vzor M={D1,D2,..,Dm}={[d1
1,d12,....d1
n],...., [dm
1,dm2,....dm
n]}, kde djt je hodnota pojmu Cj
meraného v čase t.
Simulačná fázaRaz skonštruovaný RFCM špecifického
systému, môžme vykonať kvalitatívne simulácie systému.
Táto fáza pozostáva z iterácií systému, dokiaľ systém konverguje. Tento vstup je inicializovaný stavom S0={s1,s2,...sn} ako q0(0)=s1 ... q0(n)=s1 a si [0,1]. Výstup Qm={qm(1),...,qm(n)} je predikcia RFCM ako m je číslo iterácie kedy systém konverguje.
1. experiment : model vlastnosti zlodeja v komunitePríležitosť(C1) : psychologický prístup k vlastníctvu,
dostupnosť k nástrojom na vykrádanieObčianská angažovanosť(C2) : mestské hliadky,
komunikácia medzi susedmi, kriminálne správy v lokálnych správach
Policajná prítomnosť (C3) : viditeľná prítomnosť uniformovaných príslušníkov na pravidelných základniach
Trestanie (C4) : miera spoľahlivosti a určitosti trestania pre kriminálnikov
Zločinný úmysel (C5) : prezentovanie osôb mieniacich dopustiť sa zložinu
Prezentovanie vlastníctva (C6) : vizuálna prezentovanie majetku, ktorý je žiadaný zlodejmi
Zlodej (C7) : skutočné zmocnenie sa majetku
Počiatočný stav S0=(0, 0, 1, 0, 0, 1, 0)
vstup Kosko FCM RFCM iterácia0 0 1 0 0 1 0 0 0 1 0 0 1 0 0 0.2 0.6 0.2 0.8 0.2 1 1 0 0 0 1 1 0 0 0.6 0.6 0 0.8 0.8 0.4 2 1 0 0 0 1 0 1 0.8 0 0 0.2 0.2 1 0 0.8 3 0 1 1 0 0 0 1 0.2 1 0.8 0 0.8 0.2 1 4 0 1 1 1 0 1 0 5 1 0 1 1 0 1 0 6 1 0 0 0 0 1 1 7
0 1 1 0 1 0 1 8
Popis predošlého obrázku :
S0=(0, 0, 1, 0, 0, 1, 0) napr. Polícia a hodnotný majetok je prezentovaný, ale všetky ostatné pojmy sú neaktívne. Potom získame diskrétnu časovú sériu zobrazenú na druhom a tretom stĺpci tabuľky 3. Systém sa stabilizuje do stavu S7 (Kozko model) alebo stavu S4(RFCM). Tento stav môžme interpretovať (0 1 1 0 1 0 1 ) ako nasledujúci : komunita reaguje na zvýšenú zločinnosť odstraňovaním príležitostí, požadovanie zvýšenie policajných hliadok a berú vzájomné pomocné opatrenia, ale kriminálny úmysel neklesá a zlodeji pokračujú. Predošlí stav (1 0 0 0 0 1 1 ) stav equilibria môže byť interpretovaný ako (S6 v Kozkovom modeli a ako S3 v RFCM) : zločinnosť nastane, ale zníži sa záujem a to bude mať za následok zníženie súdnych stíhaní a policajnej aktivity. Pojmový uzol "kriminálneho záujmu" môže byť interpretovaný ako rozšírený formuláciu kriminálneho zámeru. Skoré incidenty povzbudzujú ďalších zlodejov.
2. experiment Virtual Worldszhluk (C1) : tendencie jednotlivých vojakov dohodnúť sa so
spolubojovníkmi pre podporublízkosť nepriateľa (C2) : pozorovanie blízkosti
nepriateľských síl v dostrele zásahy od nepriateľa (C3) : prijaté strely od
nepriateľských sílprítomnosť autority (C4) : príkazy a riadiace vstupy od
veliteľa čatystrelné zbrane (C5) : stav, kedy čata strieľa na nepriateľavyhliadková vzdialenosť (C6) : schopnosť daného vojaka
pozorovať svojho spolubojovníkarozdelenie sa (C7) : rozklad čatyskryť sa (C8) : čata hľadá kryt od nepriateľskej paľbypostupovať (C9) : čata jedná s plánovaným smerom cesty
so zámerom zachytiť nepriateľské sily únava (C10) : psychická slabosť členov čaty
RFCM virtuálnej vojenskej čaty
V tomto prípade RFCM, stav (0.8, 1, 0, 0.6, 0.2, 1, 0.4, 0.2, 1, 0.8) naznačuje, že stratili kontakt a prestali páliť, ale ich ochranná vzdialenosť sa zvýšila, opúšťajú úkryty a pokračujú v postupe. Nasledujúci(rovnovážny stav (1 0.8 0.8 0.6 0.8 0.2 0 0.8 1 0.8)), veliteľ čaty presadil svoju autoritu a vydal príkaz k postupu. Toto je rozumný systém operácií a návrhov uskutočniteľnosti FCMs ako jednoduchého mechanizmu pre modelovanie nepresného správania ktoré je obtiažne pojať pomocou formálnych metód.
Aplikácia FCMsV obchode na plánovanie výrobyV ekonomike, FCMs podporujú využitie teórie
hier V projektovom plánovaním FCMs pomáhajú
analyzovať obojstrannú závislosť medzi projektovými zdrojmi
V robotike FCMs umožňujú robotom vyvíjať fuzzy model prostredia a využiť tento model k robeniu “crips decisions“.
V počítačovo asistovaných systémoch FCMs, umožňujú počítaču skontrolovať, či študent pochopil lekciu
ZáverPoskytuje kvalitatívnu informáciu o
inferenciách v komplexných sociálnych dynamických modeloch
Môžeme reprezentovať neobmedzený počet obojstranných vzťahov
Jednoduchosť
Ďakujem za pozornosť
Literatúra [1] Dynamic Random Fuzzy Cognitive Maps http://www.ejournal.unam.mx/cys/vol07-04/CYS07405.pdf [2] A Dynamic Fuzzy-cognitive-map Approach Based On
Random Neural Networks http://www.yangsky.com/ijcc/pdf/ijcc145.pdf [3] Fuzzy cognitive maps http://sipi.usc.edu/~kosko/FCM.pdf [4] Using Fuzzy Cognitive Maps hcs.ucla.edu/lake-arrowhead-2005/HCS2005_DarioNardi.ppt [5] The Random Neural Network: the model and some of its
applications
http://www.richardclegg.org/mon/meeting4/Kaptan.ppt
top related