Гибридные нейронные системы

УДК 004.896(06) Интеллектуальные системы и технологии
Л.Г. КОМАРЦОВА, И.Б. ФОМИНЫХ1
1
Калужский филиал МГТУ им. Н.Э. Баумана
РосНИИ информационных технологий и систем автоматизированного
проектирования
ГИБРИДНЫЕ НЕЙРОННЫЕ СИСТЕМЫ: ОТ ПРОСТОГО
ОБЪЕДИНЕНИЯ ДО ПОЛНОЙ ИНТЕГРАЦИИ
Рассмотрены некоторые проблемы и методы интеграции нейронных сетей
(НС) и символьных систем, основанных на знаниях (СОЗ), для построения эффективных гибридных интеллектуальных систем.
В последние годы наблюдается значительный рост успешного использования
гибридных интеллектуальных систем в самых различных областях, таких, как робототехника, медицинская диагностика, понимание речи и естественных языков,
мониторинг и контроль производственных процессов, финансовые приложения и
т.д.. Главным фактором дальнейшего развития гибридных систем (ГС) является
увеличение роли НС для решения задач распознавания образов, классификации и
оптимизации. Способность НС решать задачи, которые являются трудными (или
невозможными) для других информационных технологий позволяет использовать
их в качестве отдельных модулей во многих интеллектуальных гибридных системах [1]. Использование модульной интеграции – одно из многообещающих
направлений в области построения эффективных интеллектуальных систем.
Теоретическая база ГС основывается на некоторых общих свойствах объединяемых систем. В докладе будут рассмотрены проблемы интеграции НС и СОЗ, поскольку эти технологии, взаимно дополняя друг друга, позволяют повысить эффективность применения интеллектуальных систем для решения задач классификации, распознавания, прогнозирования, многокритериального выбора, логического
вывода и т.д. В таблице 1 по некоторым характеристикам сравниваются две технологии.
Таблица 1. Соответствие между НС и СОЗ
Характеристика
Формат знаний
Элементы
вычислений
Вычислительный
процесс
НС
связи между нейронами,
архитектура НС
узлы, веса, пороги
СОЗ
правила
посылки, заключения,
сила правил, предикаты
непрерывный
дискретный
Табл. 1 показывает, что НС и СОЗ хотя и используют различные методы обработки информации, но для реализации одной цели – извлечения
ISBN 5-7262-0633-9. НАУЧНАЯ СЕССИЯ МИФИ-2006. Том 3
1
УДК 004.896(06) Интеллектуальные системы и технологии
знаний из данных. Общим является то, что обе технологии могут быть
промоделированы на ЭВМ.
НС обладают следующими достоинствами:
- компактное представление знаний в виде весов и порогов;
- обучаемость;
- параллельность в выполнении операций;
- возможность оперирования зашумленными и неполными данными;
- возможность реализации нелинейных отображений за счет
настройки функций активации нейронов;
- способность обрабатывать данные высокой размерности, а также
разнотипные данные.
Главное достоинство НС – распределенная архитектура хранения и
обработки информации, что в случае потери информации или ее недостаточности позволяет, подобно работе мозга человека, восстановить утраченные данные за счет способности к обобщению. Недостатки НС: длительность обучения и отсутствие объяснительного компонента.
Основная особенность символьных систем заключается в наличии
структурированной базы знаний, конкретное наполнение и интерпретацию которой осуществляют в большинстве случаев эксперты. Это позволяет при объединении НС и СОЗ легко реализовать объяснительный компонент ГС в виде конструкций IF-THEN.
В докладе выделены два типа архитектур для реализации ГС на основе НС и СОЗ:
 комплексная архитектура, состоящая из нескольких взаимодействующих модулей НС, каждый из которых соединен со «своей» СОЗ на
уровне обмена файлами для реализации функции объяснения полученных
результатов;
 комплексная архитектура, в которой модули объединяются на
уровне методов для реализации основных алгоритмов обработки информации в НС.
Приводятся примеры реализации двух предложенных архитектур.
Список литературы
1. Medsker L.R. Hybrid Intelligent Systems: Kluver Academic Publishers,1998.
2. Wermter S. Hybrid Connectionists Natural Language Processing: Thompson International.
London.: UK.,1995.
ISBN 5-7262-0633-9. НАУЧНАЯ СЕССИЯ МИФИ-2006. Том 3
2