Documente Academic
Documente Profesional
Documente Cultură
Inteligena [Mar-78] reprezint nelegerea profund, uoar a unor lucruri, mai ales n
domeniul culturii i al tiinei; facultatea de a nelege, de a pricepe fenomenele, lucrurile, etc.
ntelegerea [Ros-75] este activitatea gndirii prin care se descoper legturile dintre
obiecte i fenomene. n form elementar, nelegerea este cuprins chiar n procesul
perceperii. n form mai complex, nelegerea este implicat n descoperirea legturilor
dintre cauz i efect, a semnificaiei unei lucrri artistice sau tiinifice, a motivelor conduitei
oamenilor, etc. nelegerea este implicat, mai ales, n procesul de rezolvare al problemelor i
se bazeaz n general pe experiena trecut i pe utilizarea acesteia, ntr-o situaie nou.
Inteligena Artificial IA [Pop-81] reprezint un domeniu de cercetare al crui scop const
n studiul i modelarea inteligenei, prin crearea de sisteme capabile s ndeplineasc activiti
inteligente. Sistemele realizate nu trebuie s copieze n mod necesar metodele i tehnicile
utilizate de om pentru ndeplinirea activitilor, important fiind numai efectuarea ieftin,
sigur i eficient a activitilor propuse.
Inteligena Artificial IA [Sfe-93] cuprinde eforturile depuse pentru dotarea
calculatoarelor cu capaciti, care n mod obinuit, sunt atributele inteligenei umane:
achiziia de cunotine, percepia (vizual, auditiv), raionamentul, luarea deciziei, etc.
Inteligena Artificial - [Bee-93] reprezint acea arie a tiinei calculatoarelor preocupat cu
realizarea mainilor care execut anumite aciuni, care dac ar fi realizate de oameni ar fi
considerate c exprim comportamentul uman.
Sistemul Expert SE [Bee-93] reprezint o form a inteligenei artificiale. SE este proiectat
pentru a reproduce tehnica de rezolvare a problemei unui expert ntr-o arie ngust de
specializare, n care se justific mult mai mult raionamentul dect calculul.
Un Sistem Expert SE [Bra-88] este un program care rezolv problemele dintr-un
domeniu ngust de aplicaie, asemeni unui expert uman.
Un Sistem Expert [Lug-91] este un program bazat pe cunoatere care ofer soluii de calitate
expert, ntr-un domeniu specific.
Un Sistem Expert [Fei-82] este un program inteligent care utilizeaz cunotine i proceduri
de inferen pentru rezolvarea unor probleme care sunt suficient de dificile pentru a solicita
expertize efectuate de specialiti.
Raionamentul - [Bee-93] este abilitatea de a concepe, sau ncercarea de a ajunge la o
concluzie pornind de la premize valide sau invalide.
Sistemele Expert reprezint o ramur a inteligenei artificiale care folosec cunotine specializate
pentru a rezolva o problem la nivelul unui expert uman. Toate definiiile Sistemelor Expert scot n
eviden o trstura specific lor i anume faptul c un SE utilizeaz informaii extrase din experiena
uman, putnd deci furniza decizii la nivelul de competen corespunztor informaiilor primite i a
metodelor de raionare implementate. Un sistem expert nu este numit program, ci sistem, deoarece
ncorporeaza multe tehnologii diferite, cum ar fi baza de cunotine, mecanisme de interferen, faciliti
de explicare etc. [www-07].
Realizarea unei maini inteligente, care s imite performanele complexe ale comportamentului
uman reprezint o real provocare datorit lipsei de abilitate a omului de a nelege n ntregime
mecanismul de procesare, respectiv puterea creierului uman. [Bee-93]. Avantajele i dezavantajele unei
maini inteligente pot fi cel mai bine reliefate prin realizarea unei analize comparative ntre
comportamentul uman i sistemele inteligente aa cum se poate observa n Tabelul 1.1 i Tabelul 1.2, care
sintetizeaz cteva diferene semnificative.
Tabelul 1.1 Avantajele mainii inteligente
Caracteristica
Abilitatea uman
Perisabil
Cunoaterea
Inconsecvent
Raionament
Valoare mare n uniti
Expertiza
monetare
Mobil
Oameni
Inconsecvent
Abilitatea de procesare
Limitat
Rezistena
Restrns
Expertiza
Mortal
Gndirea
Abilitatea mainii
Permanent
Consecvent
Valoare medie n uniti
monetare
Imobil
Foarte consecvent
Nelimitat
Vast
Fr moarte
Abilitatea mainii
Static
Limitat
Rigid
Nereceptiv
Singular
Incontient
Fr inspiraie
n general sistemele inteligente sunt sisteme deductive, putnd genera concluzii pe baza cunoaterii
incorporate sau furnizate din exterior i respectiv neputnd genera singure noi cunostinte.
Conceperea i dezvoltarea unui sistem inteligent n management necesit cunotine i experien
complex n domenii multiple cum ar fi: proiectare, producie, programare, utilizarea calculatoarelor i
experiena economic a societilor comerciale. Capacitatea de a realiza o distincie clar a noiunilor de
activitate (sarcin), cunoaterea problemelor din domeniu, de metod de rezolvare a problemelor, precum
i integrarea unui model conceptual bine structurat, constituie o baz necesar pentru dezvoltarea unui
sistem inteligent n management.
2
Editorul baz
de cunotine
Baza
general
de
cunotine
Interfaa
utilizator
aina de inferen
Sistem
explicativ
Modul grafic
Datele
cazului
specific
Maina de inferen - este un program general care implementeaz mecanismul prin care se
construiesc deduciile, prelucreaz cunotinele i datele pe baza acestor deducii. Motorul de
inferen conine cunoaterea procedural i de control.
Editorul baz de cunotine - permite completarea sau modificarea bazei de cunotine a SE.
Aciunea propriu-zis de achiziionare se realizeaz prin chestionarea experilor umani.
Categoriile de probleme solvabile de ctre un Sistem Expert pot fi sintetizate n modul urmtor
[Lug-91].
1. Interpretare deducerea unor concluzii intermediare sau finale pentru anumite piese de
cunoatere provenite din baze de date primare.
2. Diagnoz stabilirea tipului de defect a unui sistem ct i a cauzelor generatoare conform unui
model prestabilit.
3. Predicia prezicerea cu un anumit grad de probabilitate a consecinelor evoluiei unui sistem
dat.
4. Proiectare determinarea configuraiei unui sistem, att n concordan cu specificaiile
funcionale prestabilite ct i cu specificaiile exogene sistemului.
5. Planificare programarea unei suite de activiti n funcie de dependenele tehnologice dintre
ele, precum i de condiiile prestabilite de start i/sau de final.
6. Supraveghere verificarea evoluiei unui sistem dat n comparaie cu evoluia prescris.
7. Depanare localizarea defectelor i implementarea remediilor n cazul funcionrii defectuase a
unui sistem dat.
8. Instruire ghidarea utilizatorului n procesul de nvare, precum i localizarea si corectarea
deficienelor de nelegere .
9. Sisteme bazate pe cunotine - pot fi utilizate ca i sistem de rezolvare a problemelor generale,
ins nu pot fi cu adevrat numite sisteme expert datorit lipsei expertizei specifice.
Teoria desemneaz un sistem de propoziii, logic organizat, care sintetizeaz o anumit cantitate de
informaii, referitoare la un domeniu al realitii, pe care l descrie i l expic[Geo-82].
Cunoaterea este ntotdeauna parial i incomplet. Esena cunoaterii aparine obiectului, prin
urmare ne este inaccesibil [Hei-88]. Transpunerea activitii de cunoatere, pe suportul numit
calculator, este o problem a inteligenei artificiale.
Omul nu creeaz o alt inteligen, diferit de a sa, ci i folosete propria inteligen pentru a face
calculatorul s aibe un astfel de comportament nct, s poat fi perceput ca inteligent. De aici rezult i
o definiie demitizatoare a Inteligenei Artificiale, potrivit creia:
Inteligena Artificial [Cr-95] reprezint abilitatea omului de a instrui o main, astfel nct, n
anumite mprejurri particulare, maina s se comporte, prin reacii la stimulii externi, ca o entitate
inteligent.
Maina inteligent trebuie s-i reprezinte raionamentele prin intermediul anumitor convenii i
simboluri, cu care s fie capabil s opereze. Metoda de reprezentare presupune o anumit ordine
conceptual, care cuprinde:
sistemul de meta-reprezentare;
sistemul de clasificare ;
sistemul de organizare.
Problema fundamental a Inteligenei Artificiale i respectiv a sistemelor expert este cea de definire
a unor metode pentru reprezentarea unor cantiti semnificative de cunotine, metode care s permit
stocarea i utilizarea eficient a acesteia. Metodele de reprezentare ale cunoaterii pot fi grupate n:
metode logice;
5
metode procedurale.
metode relaionale (modele structurate);
Metodele logice descriu cunoaterea ca pe o nlnuire de aciuni care se implic reciproc att din
punct de vedere al cunotinelor ct i cel al relaiilor dintre acestea.
Avantajul metodelor logice const n aplicarea direct a regulilor de inferen, asupra elementelor
de cunoatere.
Dezavantajul metodelor logice const n existena soluiilor nesatisfctoare de sistematizare a
bazei de cunotine, n dificultatea reprezentrii cunoaterii despre aciuni i a regulilor euristice.
Calcul predicatului de ordinul nti ca i exemplu de metod logic, reprezint o baz de
cunotine construit n limbajul logic, incluznd piesele de cunoatere reprezentate cu ajutorul unor
expresii (propoziii simple) nlnuite ntre ele cu formule ale acestui limbaj. Astfel, un element de
cunoatere reprezentat iniial n limbaj natural este descompus n propoziii elementare adevrate
denumite aseriuni (care specific fapte, proprieti, relaii) legate de elementul de cunoatere. Acesta
este motivul pentru care metoda se mai numete i Reprezentarea faptelor .Fiecare fapt poate fi tratat
din punct de vedere informatic ca un lan de caractere specific, ca de exemplu:
RANDAMENT_proiect_02 = 90%
Pentru a procesa mai uor informaiile, se structureaz lanurile de caractere. Un procedeu curent l
reprezint utilizarea tripletelor:
<PREDICAT>(<SUBIECT>,<OBIECTE ASUPRA CARORA SE EFECTUEAZ PREDICAIA>)
Fiecare propoziie elementar este generat de un predicat cu un numr finit de locuri n care sunt
specificate variabile formale sau obiecte din mulimea suport.
Pentru crearea elementului de cunoatere, propoziiile elementare sunt nlnuite prin intermediul
conectorilor logici ( , , <, >, =, , , , , ^, V) putndu-se efectua raionamentele n mod logic.
Particulariti: metodele logice de reprezentare a cunoaterii sunt declarative deoarece ofer
faciliti pentru specificarea aspectelor statice ale cunoaterii, prin care sunt descrise componente,
proprieti i fapte despre obiecte, evenimente i stri, precum i relaiile dintre acestea n cadrul
universului discursului.
Metodele procedurale sunt acelea n care cunoaterea este reprezentat sub form de proceduri, care
permit obinerea strilor momentane, pornind de la strile iniiale sau intermediare.
Ideea reprezentrii procedurale a cunotinelor a aprut iniial ca o ncercare de a scoate n
eviden controlul implicit al secvenei strilor din cadrul metodelor logice de reprezentare. ntr-o
reprezentare procedural, cunotinele despre lume sunt incluse n proceduri [Tac-98].
Reprezentarea procedural scoate n eviden relaiile dintre elementele de cunoatere, descriind
practic paii de prelucrare printr-un algoritm, o procedur de calcul, o strategie sau prin descrierea unui
proces.
Elementele de cunoatere declarative i procedurale sunt puternic corelate, prezentnd multe puncte
comune, astfel:
Cunotinele pot fi reprezentate att declarativ, ct i procedural. Spre exemplu relaia y=x2 poate
fi reprezentat att declarativ, sub form de tabel, ct i procedural prin precizarea pailor de
calcul pentru y, cunoscndu-l pe x.
Cadrele (Frame) introduse iniial de ctre Minsky [Gia89] au la baz ideea conform creia
inteligena presupune frecvent folosirea unor scheme de cunoatere, bazate pe o experien anterioar n
domeniul problemei care se rezolv, scheme cu ajutorul crora se interpreteaz noile situaii aprute;
adesea, comportarea inteligent presupune nu o rezolvare de la zero, ci o adaptare a unor tipare
(prototipuri) deja acumulate [Pn-00]. Aceasta nseamn c acest model este adecvat mai ales pentru a
reprezenta cunotine cu un caracter stereotip, caracteristici obinuite ale obiectelor i relaii tipice ntre
obiecte. Pentru realizarea acestui model structurat se poate defini termenul de schem n modul urmtor:
O schem se bazeaz pe o structur care conine cunotine tipice asupra unor concepte sau
obiecte, incluznd att cunotine declarative ct i cunotine procedurale.
Cadrele reprezint un tip de schem care combin o serie de concepte referitoare la reprezentarea
cunotinelor, oferind structuri adecvate pentru prezentarea situaiilor stereotipe sau obiecte tipice. n
particular, cadrele reprezint structuri potrivite pentru reprezentarea cunotinelor generale, universale, de
obicei greu reprezentabile n sistemele de calcul.
Un cadru este un obiect structurat, care conine informaii despre un obiect (aciune, regul) din
universul reprezentat, ntr-o form stereotip.
Concret, un cadru este o structur care se identific printr-o etichet numele cadrului, coninnd
perechi de forma: caracteristic (proprietate, atribut) valoare (slot-value).
Cadrele reprezint un formalism orientat pe obiect, fiind des utilizate pentru reprezentarea
cunotinelor care opereaz cu concepte distincte, care pot fi descrise ntr-o manier stereotip i care
interacioneaz ntre ele prin mecanisme precise [Deb-94].
Avantaje:
Organizarea structurat a modelelor de reea semantic i cadre, determin focalizarea ateniei
n efectuarea raionamentelor toate cunotinele despre o entitate sunt grupate, putnd fi
apelate dintr-un singur loc. Datorit structurrii proprii, aceste modele uureaz (n comparaie
cu modelul calculului cu predicate), eliminarea detaliilor nesemnificative din cadru proceselor
de inferen.
Din punct de vedere al achiziiei de cunotine, reprezentarea cunoaterii prin modele
structurate se realizeaz mai uor prin intermediul unei reele semantice sau un cadru dect
prin intremediul calculului cu predicate. Cadrele i scenariile permit constituirea unor modele
coerente i unitare , chiar i atunci cnd achiziia de cunotine este discontinu sau
incomplet. Uurina n achiziionare provine i din faptul c reelele semantice i cadrele nu
impun stabilirea tuturor relaiilor din cadrul unui concept, oferind ulterior posibilitatea
formulrii sau achiziionrii cunotinelor care lipsesc (ex. se dispune doar de o parte din
subconceptele unui concept).
Modelele structurate, i dintre ele n primul rnd cadrele i scenariile, sunt adecvate pentru a
reprezenta cunotine cauzale, prin aceea c succesiunea scenelor sau legturilor care se
fixeaz ntre cadrele i scenariile ce compun baza de cunotine pot fi realizate conform
relaiilor cauz efect. Tot un avantaj este i acela c aceste modele pot ghida procesul de
inferen i deci soluionarea unei probleme pe baza experienei n domeniul respectiv; din
acest punct de vedere aceste variante se apropie de modelul de reprezentare a cunoaterii bazat
pe reguli.
b.
Proiectarea, realizarea i utilizarea unui Sistem Expert este posibil n urma ndeplinirii unor
condiii:
strategice;
informatice;
de specialitate;
de procedur.
Condiiile strategice presupun :
definirea domeniului;
definirea scopului;
definirea funciilor sistemului;
existena perspectivei progresului;
existena resurselor materiale.
Condiiile informatice presupun:
de performana tehnic;
de performan economic i comercial;
semnalele. Modelul construit de McCulloch i Pitts reprezenta o reea de celule interconectate, fiecare n
legtur funcional cu urmtoarele. Interesul actual pentru acest domeniu este justificat n primul rnd de
posibilitile ultimelor generaii de calculatoare, care ofer puterea de calcul necesar cercetrii RNA.
RNA au ca punct de inspiraie sistemul nervos uman. Specialitii consider ca la ora actual
sistemul biologic este insuficient explorat i de aceea modulele utilizate pentru conceperea unei RNA
reprezint introducerea ntr-un model biologic simplificat.
Capacitatea de nvare
Caracteristica esenial a unei RNA este capacitatea de nvare, respectiv capacitatea de
imbuntire a performanelor. nvarea se realizeaz prin intermediul unui proces iterativ de eliminare a
erorilor, respectiv de ponderri aplicate conexiunilor i pragurilor sinaptice.
RNA nu necesit programe puternice, specifice problemei de rezolvat, dar au nevoie de
antrenamente asupra unui set de date (nvare prin exemple)
11
Fiind dat un set de intrri i rspunsul dorit , RNA sunt capabile de a se autoorganiza n urma
procesului de antrenament, n scopul rezolvrii problemei. Exist o gam larg de metode de antrenament,
fiecare cu avantajele i dezavantajele lor, cu aria proprie de aplicare. Indiferent de metoda de antrenament
ponderile conexiunilor sunt ajustate pe baza unor modele selectate.
O RNA se consider instruit daca aplicarea unei multimi de vectori de intrare genereaz iesirile
dorite. Cunoasterea dobndit de RNA este memorata de sinapsele neuronale, mai concret de ponderile
conexiunilor dintre neuroni.
Capacitatea de generalizare
n urma unui antrenament corespunztor, RNA sunt capabile s dea rspunsuri corecte i pentru
seturi de intrri diferite de seturile de atrenament att timp ct diferenele nu sunt foarte mari. Este
important de subliniat c aceasta este o caracteristic intrinsec a RNA, i nu a unor algoritmi speciali
(care nseamn inteligen uman suplimentar) creai n acest scop.
Capacitatea de sintez
RNA pot lua decizii sau pot trage concluzii chiar i atunci cnd sunt confruntate cu informaii
pariale, complexe sau zgomote.
n
net = inpi Wi ;
i=1
out = F(net)
Funcia de activare poate avea mai multe forme, cteva exemple n acest sens sunt reprezentate n
fig. 1.5.
12
1, x > t
F(x) =
sau
0, x t
F(x) =
F(x) =
sau
-x
1+ e
2
1+ e- x
-1
1.2.4. Ponderile
Ponderile corespunztoare fiecrei intrri (W1, W2,.Wn) reprezint numere reale. Dac Wj >0
ponderea este sinaptic excitatoare, iar dac Wj<0 este o pondere inhibitoare. Aceste ponderi sunt
stabilite de ctre reea n timpul procesului de nvare prin algoritmi specifici, fiind de importan vital
pentru buna funcionare a reelei neuronale.
13
Strat
iesire
Intrare
Strat
iesire
Strat
ascuns
Intrare
RNA au avantajul c sunt structuri autonome. Ele pot oferi pentru sistemele complexe o estimare
exact a dinamicii, fr s fie necesare informaii despre modelul sistemului. De exemplu, n majoritatea
cazurilor, roboii includ foarte multe articulaii i configuraii complexe, pentru care este dificil s se
conceap o baz de cunotine consistent integrat ntr-un SE.
SE i RNA au origini i scopuri comune. Ambele abordri au scopul de a efectua raionamente
logice, de a simula inteligena artificial. Ambele combin informaii cantitative i calitative. Avantajele
i dezavantajele celor dou tehnici sunt n general complementare. Slbiciunile SE n ceea ce privete
achiziia de cunotine i reprezntarea lor poate fi compensat de abilitatea cu care RNA pot nva din
exemple tipice. Pe de alt parte, posibilitile puin satisfctoare oferite de RNA n ceea ce privete
interfaa om main i capabilitile de explicare a raionamentului care a condus la o anumit concluzie
pot fi teoretic compensate de SE.
14
SISTEME EXPERT
REELE NEURONALE
ARTIFICIALE
DIFERENE
Procesare secvenial
Procesul de achiziie a
Procesare paralel
Procesul de achiziie a
O diferen important este baza raionamentului: SE sunt bazate pe algoritmi i deducii pe cnd
RNA ncearc s simuleze mecanismele neuronului biologic.
Cele dou abordri utilizeaz tehnici de procesare diferite: SE utilizeaz metode secveniale de
procesare, pe cnd RNA proceseaz paralel fiecare nod (neuron) al RNA efectueaz funciuni n
paralel cu celelalte noduri.
Procesele de nvare i raionament sunt i ele diferite: n cazul SE nvarea se efectueaz de regul n
exteriorul sistemului cunotinele sunt obinute n afar iar apoi sunt codate n baza de cunotine iar n
cazul RNA se acumuleaz sub forma ponderii legturilor ntre noduri. Procesul de nvare este intern i
poate fi dinamic pot fi implementri care ajusteaz permanent cunotinele pe msura apariiei de noi
exemple.
Metodele de raionament ale SE se bazeaz pe deducie pentru construirea unei baze interne de
cunotine, pe cnd cele ale RNA se bazeaz pe inducie.
Algoritmii de inferen ai SE se bazeaz pe nlnuirea logic nainte sau napoi n baza de cunotine
i necesit o corelare precis a componentelor acesteia. n mod diferit, RNA utilizeaz corelarea
aproximativ a componentelor bazei de cunotine, pentru a regsi elemente nvate anterior. SE au
deja o utilizare larg n multe domenii(tehnic, comercial, medicin etc.) pe cnd RNA au mai degrab
o prezen teoretic (e drept din ce n ce mai intens) n literatura de specialitate.
RNA pot achiziiona cunotine prin nvare direct pe exemple, utiliznd algoritmi de nvare
specifici, avnd alte beneficii n ceea ce privete achiziia cunotinelor, printre care este semnificativ
15
posibilitatea de a nva din date de intrare incomplete, parial incorecte sau parial contradictorii. De aici
deriv i capabilitatea de generalizare a RNA. SE au avantajul unei interfee prietenoase i interactive cu
utilizatorul, n special n ceea ce privete capabilitatea de a explica raionamentul care a condus la o
anumit concluzie. SE utilizeaz reprezentarea simbolic a cunotinelor i ofer posibiliti de
incorporare a elementelor de raionament euristic. SE pot fi folosite ca i ghid n selectarea, construirea i
ntreinerea RNA.
SISTEME EXPERT
(AVANTAJE)
REELE NEURONALE
ARTIFICIALE
(DEZAVANTAJE)
COMPLEMENTARITI
REELE NEURONALE
ARTIFICIALE
(AVANTAJE)
COMPLEMENTARITI
sistemele expert nu mai au posibilitatea de a reaciona corespunztor. Datorit faptului c reelele neurale
au abilitatea de a nva, procedurile actuale de integrare a reelelor neuronale cu sistemele expert asigur
o cretere asupra performanelor sistemelor expert. Astfel prin identificarea complementaritilor dintre
SE i RNA fig. 1.9, fig.1.10 att din punctul de vedere al avantajelor SE, care sunt dezavantaje pentru
RNA, ct i din punctul de vedere al dezavantajelor SE, care sunt avantaje pentru RNA, se poate concepe
o activitate de adaptare a sistemelor expert prin integrarea cu reelele neuronale i cu o mai mic
contribuie de cunotine inginereti.
Literatura de specialitate menioneaz cteva modele ale integrrii SE i RNA n sisteme hibride.
Dup gradul de interdependen al celor dou tehnici se pot identifica urmtoarele modele:
SE i RNA de sine stttoare care presupun existena de componente software total independente,
care nu interacioneaz automat n nici un fel. Acest model poate fi folosit pentru asigurarea
redundanei ntre procese, una dintre tehnici validnd-o pe cealalt. Pot exista abordri n care
cunotinele acumulate prin antrenament cu RNA s fie folosite n dezvoltarea ulterioar a unui SE.
Cuplajul slab ntre cele dou sisteme reprezint cu adevrat primul nivel de integrare a RNA i SE.
Acest model, const n aplicaii diferite care comunic ntre ele prin intermediul unor fiiere. Spre
exemplu, o RNA poate fi utilizat pentru condiionarea i validarea datelor de intrare nainte ca
acestea s fie tansmise SE. RNA poate elimina zgomotul din informaia de intrare, pentru a identifica
obiectele sau pentru recunoaterea specimenului. SE poate utiliza aceste informaii pentru a rezolva
aplicaii de clasificare, identificare etc.
n cazul cuplajului strns ntre SE i RNA informaia este transmis prin structuri de date rezidente n
memoria calculatorului, dar i prin fiiere de date pe disc. Aria de aplicare a acestui model este
aproximativ aceeai cu cea a modelului cu cuplaj slab, cu deosebirea c asigur o vitez mult mai
mare de procesare.
Sistemele complet integrate utilizeaz n comun structuri de date i cunotine. Comunicaia ntre cele
dou componente se realizeaz att cu informaii simbolice (caracteristice SE) ct i cu structuri
proprii RNA (coeficieni de pondere)
RNA pot fi incluse ntr-un SE, devenind pri ale acestuia. Spre exemplu RNA poate fi folosit pentru
identificarea rapid a condiiilor n regulile SE, (DACATUNCI) stabilind astfel foarte rapid ce
regul trebuie aplicat pentru un set dat de condiii.
RNA poate fi antrenat pentru a rezolva o problem. Dac sunt necesare explicaii relative la modul
de raionament, se aplic unui SE datele de intrare mpreun cu rspunsul RNA, iar printr-un proces
de nlnuire logic SE inventeaz o explicaie pentru situaia prezentat.
n strategia expertului artificial, RNA este antrenat s rezolve o problem apoi rspunsurile acestei
sunt analizate pentru a extrage un set de reguli.
17
Pentru a utiliza un modul se realizeaz dublu clic cu mouse-ul pe icoana respectivului modul.
Pentru a beneficia de facilitile Help pentru utilizarea modulelor, se selecteaz meniul Help dup
care se selecteaz Current Context.
La apariia unui grup de icoane pe ecran, ordinea operrii acestora este de la stnga la dreapta , iar
ordinea de operare a icoanelor ntr-o coloan este de sus n jos.
Observaie: Nu este absolut necesar utilizarea tuturor coloanelor care apar pe ecran pentru a crea o
aplicaie bazat pe o reea neuronal funcional. Multe module sunt funcionale, depinznd de tipul
aplicaiei create.
NeuroShell este un mediu modular. Dup activarea unei icoane programul afieaz un nou modul.
Fiecare modul are una sau mai multe ferestre.
19
20
21
22
Aceast funcie se apeleaz cnd datele necesare procesate de reeaua neuronal au fost preluate i
serviciile acesteia nu mai sunt necesare. CloseNet elibereaz spaiul din memorie alocat pentru reea,
iar la urmtoarea apelare a reelei se va activa funcia OpenNet din nou.
Avnd n vedere faptul c numrul de variabile aplicate n scopul rezolvrii problemei este relativ
mic, s-a utilizat modulul aferent reelelor neuronale pentru nceptori Biginners Neural Networks.
Modulul selectat pentru rezolvarea problemei nu este mai puin performant dect cel al modulului
reelelor neuronale avansate, ci este cel mai potrivit pentru rezolvarea problemei definite.
24
25
26
27
Pentru aplicaia prezentat, n primul rnd s-a tiprit clas cuantificare, garanie, nr.
intervenii, DR, DRC, Pi i SCVP. ncepnd cu rndul doi s-au introdus datele msurate n
perioada analizat de 3 luni i sortate n funcie de clasele de cuantificare. n final, lista conine un rnd
pentru numele variabilelor i 107 rnduri pentru date. Pentru salvarea datelor se selecteaz meniul File,
respectiv opiunea Save. Fiierul a fost denumit satisfactia.pat.
s specifice care
variabile de ieiri.
creia se afieaz
respective se setaz
de
intrare,
Tot n acest fereastr se stabilesc i se nregistreaz valorile de minim i maxim pentru fiecare
variabil n parte. Deoarece pentru reelele neuronale variabilele trebuie determinate ntr-un interval de la
0 la 1 sau 1 la 1, reeaua trebuie s cunoasc aceste minime i maxime reale, pentru a atribui valori din
aceste intervale. Acest lucru se poate raliza manual, sau se determin automat selectnd opiunea
Compute mins/maxes. Prin aceast operaie se determin implicit valoarea medie Mean, i deviaia
standard Std. Deviation, pentru fiecare dintre variabile.
n general se definete un interval foarte strns n jurul datelor reale de minim i maxim. Se pot
specifica valori minime i maxime care sunt uor deasupra sau sub valorile reale, pentru a aloca un
interval mai larg pentru prediciile urmtoare. Dac valorile de minim i maxim nu sunt n jurul valorilor
reale, reeaua i pierde abilitatea de a recunoate diferenele mici ntre datele de interes.
are un nivel de complexitate sczut i s-a activat boxa Very Simple. Prin selectarea acestei opiuni
se activeaz automat factorii Learning rate (rata de nvare) i Momentum (ineria) la valorile
0,6 respectiv 0,9.
Numrul de neuroni ascuni ai reelei se poate seta att manual, ct i automat, activnd caseta Set
Number of Hidden Neurons to Default. Numrul de neuroni ascuni, a fost calculat dup formula :
N=
1
(IN + OUT ) + N1 ,
2
29
Momentul opririi reelei s-a hotrt de ctre utilizator, pe parcursul evoluiei antrenrii, observndu-se
c dup 2568 de epoci media erorii minime a devenit aproximativ 0.0000013 i s-a meninut de peste
400 de epoci. Din acest punct reeaua neuronal prea c nu mai face progrese n ceea ce privete media
erorii minime i, deci, antrenarea s-a oprit prin selectarea opiunii Intrerrupt Training a meniului Train.
Coloana Act-Net (Actual Network) reprezint diferena dintre coloanele Actual i Network;
cu ct aceste valori sunt mai mici, cu att valorile scoase de reea sunt mai corecte i reeaua este mai
bine antrenat.
33
satisfaciei clienilor firmei, avnd n vedere dificultatea cuantificrii aprecierilor clienilor, a cror
metalitate i mod de aciune difer foarte mult. Reeaua neuronal este capabil s nvee singur, s dea
rspunsuri pentru care un operator uman ar trebui s fac eforturi continue pentru a menine o baz
informaional aa de vast.
Avantaje:
n relaia cu potenialii clieni se realizeaz o transparen mai mare asupra calitii produselor pe care
le va achziiona firma;
Cel mai important aspect al realizrii acestei reele este cel al suportului informaional n procesul de
negociere cu clienii, prin intermediul cruia se poate obine preul optim pentru calitatea produselor
selectate;
Prin stabilirea nivelului de calitate al produselor vndute, al service-ului i al consultanei oferite n
procesul negocierii cu clienii, avnd ca suport informaional reeaua neuronal artificial, s-a reuit
stabilirea configuraiei optime pentru aplicaiile necesare diferitelor tipuri de utilizatori;
35
S-a reuit ca n situaiile n care reeaua a semnalat un grad sczut a satisfaciei clienilor, firma s ia
msuri pentru a oferi servicii adiionale acestora.