Documente Academic
Documente Profesional
Documente Cultură
SISTEME INTELIGENTE
1
Sistem inteligent artificial=un program de calculator care functioneaza in acelasi mod
precum creierul biologic, numai ca intr-un mod electronic si nu prin activarea neuronilor
biologici. Este similar cutiei negre: are inputuri si invata care outpuri sunt acceptate.
Un sistem inteligent artificial stocheaza experiente in memorie, le generalizeaza si poate
sa prelucreze noi inputuri.
INTELIGENTA ARTIFICIALA
INTELIGENTA COMPUTATIONALA
2
Termenul de inteligenta computationala s-a impus cu ocazia Congresului Mondial de CI
(IEEE) din 1994, Orlando, Florida.
R. Marks (1993) defineste CI enumerand componentele sale: retele neuronale, algoritmi
genetici, sisteme fuzzy, programare evolutiva si artificial life.
NOTA: Artificial Life (sau A-LiFe) este un domeniu care examineaza sistemele
referitoare la viata, procesele ei, evolutiei ei cu ajutorul simularilor cu modele de
calculator, robotica si biochimie. ALife imita biologia traditionala incercand sa recreeze
anumite aspecte ale fenomenelor biologice.
SOFT COMPUTING
3
Teza principala a Soft Computing este sa exploateze toleranta la imprecizie, incertitudine
si adevar partial pentru a realiza tractabilitate, robustete, solutii la un cost scazut si un
raport mai bun cu realitatea.
NOTA Robustete
Un sistem robust presupune ca el este relativ putin sensibil la erori sau perturbatii si are
o capacitate puternica de a se reface. De exemplu, un ecosistem care a suferit daune
serioase, cum ar fi un foc, in general se va reface relativ rapid. Un motiv al acestei
tolerante la erori, este organizarea distribuita si redundanta: acele parti ale sistemului care
nu au suferit daune contribuie si coopereaza la refacerea celor afectate.
Un alt motiv al robustetii poate fi gasit in fluctuatii, miscarile aleatoare sau zgomote.
Sistemele au tendinta de a prezenta miscari aleatoare care determina, mai departe, o
variabilitate si diversitate intrinseca, ceea ce face autoorganizarea posibila. O anumita
cantitate de incertitudine, determinate de comportamentul fluctuant, aleator al sistemului,
va facilita mai degraba decat va impiedica autoorganizarea.
Urmarind discutia de mai sus, se observa ca CI se suprapune peste Soft Computing (au
aproximativ aceleasi subdomenii).
Logica fuzzy
Multimile si sistemele fuzzy au fost introduse de L. A. Zadeh (1965).
Terminologie:
Fuzzy: vag, neclar, imprecis, scamos, pufos, nuanat
Fuzziness: imprecizie nestatistica si caracter vag al informatiilor si datelor
Lotfi Zadeh: Motivul pentru care am ales cuvntul fuzzy este c ceea ce am avut n
minte sunt clasele care nu au granie precis delimitate.
4
Calculul evolutionist cuprinde:
1. Algoritmi genetici (genetic algorithms)
2. Programare evolutionista (evolutionary programming)
3.Strategii evolutive (evolution strategies)
4.Programare genetica (genetic programming)
5.Optimizarea roiurilor de particule (particle swarm optimization)
Reele neuronale
Retelele neuronale artificiale sunt sisteme de prelucrare a informatiei ce modeleaza
structura creierului inspiratie biologica.
- Simuleaza o structura de calcul paralela, extrem de interconectata, ce contine un numar
mare de elemente de prelucrare (neuroni) relativ simple.
Elementele de prelucrare sunt conectate prin conexiuni ponderate. Ponderile
conexiunilor stocheaza informatia (cunostintele), reteaua fiind astfel capabila de
adaptare prin modificarea acestor ponderi.
Istoric:
- 1943: neuropsihologul W. McCulloch si matematicianul W. Pitts au scris prima lucrare
de retele neuronale ( A logical calculus of the ideas imanent in nervous activity )
- 1949: Donald Hebb ( The organization of the behaviour) : cu cat este mai mult
folosita, cu atat o conexiune neuronala devine mai puternica.
- 1958: Rosenblatt introduce perceptronul, retea neuronala cu un singur strat
- 1969: apare monografia Perceptronul, de Minsky si Papert
-1974: algoritmul de propagare inapoi a semnalului (Backpropagation) , descris initial
de P. Werbos in 1974, face ca retelele neuronale sa fie intens utilizate
- 1982: retelele cu instruire nesupervizata ( T. Kohonen)
Sisteme hibride
Sistemele hibride combina doua sau mai multe tehnologii (logica fuzzy, retele
neuronale, algoritmi genetici, etc.) pentru a construi sisteme inteligente.
Fiecare din aceste tehnologii reprezinta un mod de a modela inteligenta umana. Totusi,
aceste tehnologii luate individual au restrictii si limite.
Combinand una sau mai multe tehnologii intr-un sistem hibrid, sporesc capabilitatile si
performanta sistemului si prin aceasta se obtine o mai buna intelegere a cunoasterii
umane.
5
Exista mai multe modalitati de a obtine sisteme hibride:
Combinarea: exemplul tipic este o combinatie de retele neuronale si sisteme bazate pe
reguli fuzzy.
Integrarea : aceasta arhitectura foloseste de obicei trei sau mai multe tehnologii si
introduce o ierarhie intre subsistemele individuale. De exemplu, unul dintre subsisteme
este dominant si poate distribui task-uri catre alte subsisteme.
Fuziunea: o arhitectura cuplata puternic, de obicei bazata pe o capacitate de optimizare
puternica intre algoritmi genetici si retele neuronale. Prin fuziunea unor asemenea
tehnologii distincte, eficienta de invatare a sistemului rezultat creste.
Asocierea: arhitectura in care se asociaza diverse tehnologii individuale, schimband
cunostinte si fapte reciproc.
Bibliografie
6
C. Enachescu, Calculul neuronal, 2008
A. P. Engelbrecht, Computational Intelligence: An Introduction, 2nd Edition, John Wiley
& Sons Ltd. 2007
I. Rudas, J. Fodor, Intelligent Systems, Int. J. of Computers, Communications & Control,
2008, 132-138
S. Stancu, Calcul neuronal, Editura ASE, 2012
L. A. Zadeh, Fuzzy logic, neural networks and soft computing, Communications of the
ACM, vol. 37, pp. 77-84, 1994
L. A. Zadeh, Fuzzy sets. Information and Control, 8, 228-253, 1965.