Documente Academic
Documente Profesional
Documente Cultură
Retele neuronale
9.1. Decizia artificiala
Capacitatea de a decide este o proprietate a sistemelor inteligente. Ea se referă
la abilitatea sistemelor de a alege, pe baza informaţiilor obţinute din mediu, un
comportament tactic compatibil cu planul strategic general care îi direcţionează
activitatea.
Decizia artificială este capacitatea sistemelor artificiale de a lua decizii în mod
automat, utilizând în acest scop mijloace tehnice. Cum decizia artificială adaptează
comportamentul sistemului automat la condiţiile mediului în care acesta evoluează, ea
se include în ceea ce se numeşte conducere adaptivă a sistemelor automate.
EXEMPLE.
1. Luarea deciziei automate în cazul unui proces de recunoaştere a formei
şi situării obiectelor.
Recunoaşterea formei şi a situării obiectelor reclamă examinarea mai multor
caracteristici, ceea ce presupune efectuarea unor operaţii logice succesive, organizate
după un sistem denumit arbore de decizie. Acesta este un graf arborescent, având ca
noduri momentele de decizie şi ca laturi operaţiile de evaluare ale condiţiilor (operaţii
de comparare).
În figura 9.1 se prezintă un arbore de decizie.
70
stabiliţi pentru obiectul de recunoscut. La fiecare etapă de comparaţie există trei
posibilităţi:
CO = CR obiect A;
CO CR Obiect A;
Lipsesc date nu se recunoaşte obiectul cercetat.
A treia situaţie conduce la decizia intermediară nu se stie, ceea ce va trece sistemul de
decizie artificială pe nivelul următor, într-o succesiune dirijată după organigrama din
figura 9.2.
71
robocarului, sistemul de decizie automată va stabili un traseu nou pentru atingerea
ţintei, amplasat pe direcţia A3B. Succesiunea mişcărilor de apropiere şi îndepărtare va
continua până când robocarul ajunge în poziţia A 7, de unde va accesa ţinta după traseul
A7B, pe care nu mai există nici un obstacol.
72
Fig. 9.4. Ordinograma de dirijare a succesiunii de decizii
la ocolirea unui obstacol.
Pentru a deosebi situatiile relative cu caracter aleator dintre robocar, ţintă şi
diferite obstacole, ordinograma trebuie să asigure trimiterea pe trei nivele de
comparaţie. Dacă traseul de deplasare este fără obstacole, deciziile se aduc comparând
informaţiile din bucla superioară din partea dreaptă a figurii. La apariţia obstacolului
deciziile vor rezulta din conlucrarea a două bucle de comparaţie, reprezentate în partea
dreaptă jos şi în partea stângă.
73
- şi……….
- şi………..
Informaţia de concluzie aferentă unei anumite informaţii de condiţie se prezintă
sub forma:
- atunci……….
Programul codifică faptele, regulile de condiţii şi de soluţii, precum şi celelalte
informaţii, atribuind acestora coduri exprimate în cifre. Maşina de inferenţă corelează
practic aceste coduri atunci când elaborează soluţia potrivită la o problemă dată.
Sistemul expert modelează de fapt modul de gândire al omului. Maşina de
inferenţă reproduce acest proces specific uman pe baza a două procedee, denumite
specific înlănţuire înainte (forward chaining) şi înlănţuire înapoi (backward chaining).
Prin procedeul backward chaining se elaborează concluzia respectiv soluţia problemei
expertizate şi se verifică dacă acestea corespund condiţiilor impuse. Procedeul forward
chaining este inversul procedeului backward chaining, fiind folosit pentru elaborarea
răspunsului “atunci….”. Unele sisteme expert lucrează cu logica fuzzy (raţionament
vag).
Exemplu de SE
Spre deosebire de alte domenii ale ingineriei, în domeniul sudării dezvoltarea
sistemelor expert s-a făcut remarcată abia în ultimii 5 ani. Sistemele expert dedicate
acoperă o arie de preocupări relativ extinsă în următoarele domenii:
a) stocarea de informaţii – proceduri de stocare omologate; liste cu sudori
autorizaţi;
b) efectuarea de calcule repetitive – conversii de unităţi de măsură, calculul
volumului la sudare; calculul necesarului de materiale pentru sudare;
calculul costurilor de fabricaţie;
c) interpretări de standarde – tratamente termice; proceduri de sudare; calculul
temperaturii de preîncălzire; calcule de apreciere a comportării la oboseală;
d) recomandări – selectare parametri de sudare; selectare materiale
consumabile; selectare simboluri în domeniul sudării.
Un exemplu de asemenea sistem este cel numit WELD-ASIST, destinat asistării
operatorilor sudori în elaborarea tehnologiilor de sudare MIG/MAG a oţelurilor slab
aliate şi cu conţinut redus de carbon, în cazul sudării robotizate. Este elaborat prin
utilizarea sistemului de dezvoltare de tip instrumental PERSONAL CONSULTANT
PLUS (Texas Instruments).
Structura sistemului dedicat este modulară, fiind conceput sub formă a trei
module independente, fiecare modul având funcţiuni specifice: modul de consultare
pentru elaborarea tehnologiilor de sudare – acesta furnizează utilizatorului toate
datele necesare efectuării sudurii, funcţie de datele de intrare; modul de consultare
pentru remedierea defectelor – destinat asistării utilizatorului în depistarea cauzelor
care au provocat apariţia unor defecte în timpul sudării, furnizând sfaturi pentru
remedierea acestora; modul de consultanţă pentru îmbunătăţirea procesului – în cazul
când nu apar defecte, dar aspectul sudurii nu este corespunzător, sau procesul
recomandat nu este aplicabil, acest modul oferă recomandările necesare.
74
Una dintre caracteristicile cele mai semnificative ale sistemului este faptul că
parametrii de sudare pot fi transmişi, prin intermediul unei interfeţe adecvate, sursei de
sudare şi controlerului robotului.
O caracteristică esenţială a sistemelor expert este faptul că toate acoperă o gamă
largă de domenii, de la proiectare şi recomandări de fabricaţie la inspecţie şi au fost
dezvoltate în mod special în scopul de a ajuta inginerul sudor. Dezvoltarea cu succes a
acestor sisteme expert ar trebui să crească performanţele inginerilor sudori asigurându-
le o bază de cunoştinţe în domeniul lor de activitate. Beneficiarii unor astfel de sisteme
vor fi întreprinderile mici şi mijlocii unde nu sunt angajaţi mai mult de un inginer
sudor.
75
Fig. 9.6. Sistem de sudare integrat cu sistem expert.
Reţea neuronală
(include şi
conexiunile
Intrare dintre neuroni) Ieşire
76
Actualizare
ponderi
Fig. 9.7. Schema de principiu a unei RNA.
a = f(Wp+b)
p1
w1,1
+
p2 1
n a
p3
f
‘ 0 n
b
‘ w1,R
‘ 1 1
-
pR 77 1
Fig. 9.8. Model neuronal liniar.
Arhitectura retelei. Reţeaua neuronală liniară ilustrată în figura 9.9 are un strat
cu S neuroni conectaţi la R intrări prin intermediul matricii pondere W. Această reţea
este deseori numită MADALINE ( Many ADALINES).
78
∂ e(k ) ∂[ t( k )−a(k )] ∂
= = [ t(k )−(Wp(k )+b )]
∂ w1 , j ∂w 1, j ∂w 1, j
sau
R
∂ e(k ) ∂
= [ t(k )−( ∑ w1 ,i p i (k )+b)]
∂ w1 , j ∂w 1, j i=1
Aici, pi(k) este elementul i al vectorului de intrare la iteraţia k.
∂e (k )
=− p j ( k ).
Similar, ∂ w 1 , j
∂e (k ) ∂e(k )
=− p j ( k ) =−1
Aceste relaţii pot fi scrise mai simplu: ∂ w1 , j , ∂b .
Astfel, se constată că modificările ponderilor w şi b sunt 2e(k)p(k) şi respectiv
2e(k), şi ele reprezintă baza algoritmului de învăţare Widrow-Hoff.
Aceste rezultate pot fi extinse în cazul neuronilor multipli şi pot fi scrise sub
formă matricială astfel:
W (k+1 )=W (k)+2 α⋅e(k) pT (k )
b( k+1)=b(k )+2 α⋅e(k )
În aceste relaţii eroarea e şi ponderea b sunt vectori, iar este rata de învăţare.
Dacă este mare, învăţarea decurge rapid, dar dacă este prea mare poate apărea
fenomenul de instabilitate şi erorile pot chiar creşte.
79
Fig. 9.10. Modelul liniei de întârziere :
TDL – (tapped delay line) linie de intarziere; D – (delay) intarziere; pdj(k),
j = 1…N – componentele vectorului de iesire din linia de intarziere;
N – numarul de semnale de iesire din linia de intarziere.
80
medicală.
Intrare primara
Sursă de semnal
e
Sursă de zgomot
FA
Intrare de referinţă
81