Методы и инструментальные средства построения самообучающихся систем, основанных на нечетких правилах

Проект направлен на разработку самообучающихся нечетких систем – класс интеллектуальных систем, основанных на базах нечетких правил, дополненных формальными механизмами обучения. Под самообучением таких систем подразумевается их способность перестраивать свою структуру, адаптируясь к изменению характеристик входных потоков данных, а также способность корректировать свои параметры. Для обеспечения данных способностей предстоит решить ряд задач: 1) разработать методы и алгоритмы инициализации нечетких систем; 2) разработать алгоритмы формирования входного пространства признаков для обучения нечетких систем; 3) разработать методы и алгоритмы эволюционного изменения структуры нечетких систем; 4) разработать методы и алгоритмы эволюционного изменения антецедентов (ЕСЛИ-частей правил) и консеквентов (ТО-частей правил) нечетких систем; 5) разработать программно-инструментальный комплекс, реализующий предложенные методы и алгоритмы. Для структурной идентификации будут разработаны и исследованы два новых метода: метод динамического разбиения входного пространства и метод кусочно-линейной инициализации. Для формирования входного пространства признаков будут впервые разработаны и исследованы алгоритмы дискретной оптимизации на основе метода «минного взрыва», метода сорняков и метода «кукушкин поиск». Эволюционное изменение структуры нечеткой системы предлагается выполнять с помощью рекуррентных методов кластеризации: Ягера-Филева, нечеткой кластеризации с евклидовой метрикой, Густафсона–Кесселя, нечеткой кластеризации на основе критерия максимального правдоподобия. Самоорганизация антецедентных частей правил будет осуществляться с использованием метаэвристических методов: «кукушкин поиск», алгоритм «сорняков», алгоритм «минного взрыва», гравитационный алгоритм. Для решения задачи адаптации параметров консеквентов нечетких правил будут применены ядровый рекурсивный метод наименьших квадратов и робастный рекурсивный метод наименьших квадратов, хорошо справляющиеся с обработкой «возмущенных» данных. Новизной обладают как конкретные методы и алгоритмы решения поставленных в рамках настоящего проекта задач, так и совместное применение разрабатываемых методов и алгоритмов. В процессе выполнения проекта будут получены оригинальные результаты, обладающие новизной и соответствующие мировому уровню.