На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
16 Июня 2024

В Смоленском филиале Национального исследовательского университета МЭИ исследовалось решение актуальной задачи моделирования приближенных рассуждений в условиях неопределенности.

20.07.2016

Моделирование приближенных рассуждений активно используется при решении задач интеллектуальной поддержки принятия решений, требующих обработки знаний в условиях стохастической и нестохастической неопределенности. Для учета стохастической неопределенности применяются методы и инструменты логико-вероятностного подхода. Для учета нестохастической неопределенности используются положения теории нечетких множеств и нечеткой логики. В данной работе рассмотрены темпоральная нечеткая байесовская сеть (ТНБС), предоставляющая развитые возможности по представлению знаний с учетом как стохастической, так и нестохастической неопределенности, а также метод приближенных рассуждений на основе этой модели. Описаны разработанные программные средства, реализующие предложенные модель и метод приближенных рассуждений, представлен пример решения задачи анализа динамики психоэмоционального состояния пациентов.

ТНБС – это байесовская сеть доверия, в которой предпосылкой причинно-следственной связи является сложное темпоральное высказывание, а в качестве меры истинности высказываний используется нечеткая вероятностная мера. Данная модель позволяет как в качественном, так и в количественном виде задавать причинно-следственные отношения с учетом темпоральных зависимостей в условиях стохастической и нестохастической неопределенности.

Подробное описание дается в статье «Приближенные рассуждения на основе темпоральных нечетких байесовских сетей», авторы: Борисов В.В., Захаров А.С. (Смоленский филиал Национального исследовательского университета МЭИ, Смоленск).