Книга посвящена вопросам «интеллектуальных вычислений». Содержит базовые знания о генетических алгоритмах, эволюционном программировании, нечётких системах, а также о связях этих направлений с нейронными сетями. Для научных и инженерно-технических работников в области информатики и вычислительной техники, занимающихся созданием и использованием интеллектуальных систем, а также аспирантов и студентов различных специальностей в области компьютерных технологий.

Двадцатый век завершился под знаком революции в области обработки информации. Мы стали свидетелями как быстрого роста объёма доступных данных, так и увеличения скорости их обработки и передачи, а также ёмкости запоминающих устройств. Отчётливо видно, что эти явления не только взаимосвязаны, но и усиливают друг друга. В ситуации лавинобразного нарастания объёмов информации и вычислительных мощностей возникает очевидный вопрос каким образом можно улучшить наши способности к познанию окружающего мира, имея в наличии столь большие и непрерывно растущие технические возможности?

Помощь приходит со стороны апробированных классических математических методов, созданных трудами Ньютона, Лейбница, Эйлера и других гениев прошлого, заложивших фундамент современных вычислительных алгоритмов. Благодаря им у нас есть специализированные вычислительные процедуры для распознавания образов и речи, для управления системами различных классов и решения иных аналогичных проблем. Независимые от этого направления исследования в области искусственного интеллекта привели к созданию экспертных и прогностических систем, основанных на символьной обработке и использующих базы правил. Однако все перечисленные выше подходы предполагают использование либо узкоспециализированных вычислительных методик, либо специализированных баз знаний, чаще всего заключённых в жёсткий корсет двоичной логики. Ещё одно ограничение на применение этих методов связано с фактом, что они не допускают непосредственное решение задач при использовании вычислительных систем с универсальной архитектурой, общей для большинства практических приложений.

Таким образом, мы подходим к происхождению и сущности вычислительных технологий, составляющих предмет настоящей книги. Эти технологии, объединяемые в англоязычной литературе под названием Computational Intelligence, позволяют получать непрерывные или дискретные решения в результате обучения по доступным имеющимся данным. Один из подклассов обсуждаемой группы методов составляют нейронные сети, использующие стохастические алгоритмы для обучения модели с учителем или путём самоорганизации. Они предназначены для обработки зашумлённых цифровых данных, по которым алгоритмы обучения выстраивают однонаправленные или рекуррентные модели интересующих нас процессов. Эти модели характеризуются регулярной структурой, составленной из нелинейных элементов, объединённых разветвлённой сетью линейных соединений и часто дополняемой локальными или глобальными обратными связями.

При моделировании процессов возможности нейронных сетей могут усиливаться за счёт применения технологии обработки информации, основанной на нечётких множествах и нечётком выводе. Этот метод связан с оцениванием функции принадлежности элементов к множествам с помощью нечётких логических операторов. Предлагаемый подход не только ослабляет требования к точности данных в процессе построения модели, но и позволяет описать сложные системы с помощью переменных, значения которых определяются на интуитивном уровне. Возникающая в результате парадигма моделирования, управления, выработки решений и т.п. ведёт к формированию лингвистических аргументов логических функций.

Такие функции, описывающие реальные объекты, могут уточняться в процессе обучения по имеющимся данным. Другой подход состоит в формировании правил вывода непосредственно в процессе обучения. Этим и определяется взамопроникновение и комплементарность нейронных моделей и систем, базирующихся на нечёткой логике. Лингвистические операторы, которые мы используем при повседневном общении, и итерационный процесс обучения вместе ведут к интеллектуальным логикоалгебраическим моделям, определяемым понятием Computational Intelligence (вычислительные технологии). Интеллектуальность в данном случае понимается как способность применять знания, накопленные в процессе обучения, как возможность генерировать правила вывода и как умение обобщать информацию.

Важным классом алгоритмов обучения, обогативших нейронные и нечёткие технологии, считаются эволюционные алгоритмы. Они оперируют популяциями хромосом, оцениваемых функциями приспособленности, и используют эволюционную и генетическую обусловленность изменения последовательности битов или чисел. Таким образом эффективно, исследуется пространство возможных решений. Оптимальное решение ищется в серии последовательных приближений аргументов с лучшими значениями функций приспособленности, генерируемых в результате мутации и скрещивания хромосом.

Автор этих заметок в качестве председателя Комитета Симпозиума Computational Intelligence: Imitating Life, состоявшегося в Орландо в 1994 г., стоял у истоков слияния этих трёх научных направлений и возникновения новой интегральной отрасли знаний. Он с удовольствием приветствует «Нейронные сети, генетические алгоритмы и нечёткие системы» — новаторскую книгу на польском издательском рынке. Помимо обсуждения базовых элементов нейронных сетей, описания нечётких систем и эволюционногенетических алгоритмов, этот труд содержит и оригинальные научные результаты авторов. В книге приводятся подробности реализации конкретных технических решений, в том числе различных процессоров и обучаемых систем, основанных на нечёткой логике. Большое внимание уделяется вопросам практического использования ряда пакетов прикладных программ.

Тематически книга связана с научными направлениями Всепольских конференций по нейронным сетям и их приложениям, организованных профессором Л. Рутковским и Польским товариществом нейронных сетей в 1994 и 1996 гг.

Данная публикация под руководством профессора Л. Рутковского чрезвычайно актуальна, ценна и уникальна. Она заполняет обширную нишу на ёмком научнотехническом рынке Польши. Книга окажется особенно полезной инженерам различных специальностей, экономистам, физикам, математикам и специалистам по информатике, а также студентам этих и смежных с ними областей знаний. Следует поздравить авторов с большим достижением в виде этого прекрасного научного труда.

Эта книга должна не только умножить признание их заслуг, но и привлечь новые ряды энтузиастов этой захватывающей научной дисциплины.

Предисловие
Яцек Журада

член IEEE. Университет Луисвилль, США
Июль 1996 г.

Книги на ту же тему

1. Нейросетевые системы управления, Терехов В. А., Ефимов Д. В., Тюкин И. Ю., 2002
2. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. — 5-е изд., стереотип., Редько В. Г., 2007
3. Нечёткие модели и сети, Борисов В. В., Круглов В. В., Федулов А. С., 2007
4. Нейронное программирование диалоговых систем, Толкачёв С. Ф., 2006
5. Математические проблемы в биологии, Фомин С. В., Беркинблит М. Б., 1973
6. От нейрона — к искусственному мозгу, Быков А. П., Вейц А. В., 1971
7. Принципы нейродинамики, Антомонов Ю. Г., 1974
8. Стохастические модели обучаемости, Буш Р., Мостеллер Ф., 1962
9. Нейросетевые системы управления, Терехов В. А., Ефимов Д. В., Тюкин И. Ю., 2002
10. Интеллектуальные методы в менеджменте, Кричевский М. Л., 2005
11. Зрительный анализ пространства у насекомых, Францевич Л. И., 1980
12. Функциональные связи нейронов моторной коры при обучении: Пространственно-временная организация, Богданов А. В., Галашина А. Г., 2003
13. Методы распознавания: Учебное пособие для вузов. — 3-е изд., перераб. и доп., Горелик А. Л., Скрипкин В. А., 1989
14. Методы принятия технических решений, Мушик Э., Мюллер П., 1990
15. Адаптация и обучение в автоматических системах, Цыпкин Я. З., 1968
16. Новое в синергетике. Загадки мира неравновесных структур, 1996
17. Новое в синергетике. Новая реальность, новые проблемы, новое поколение, 2007
18. Новое в синергетике: Взгляд в третье тысячелетие, Малинецкий Г. Г., Курдюмов С. П., ред., 2002
19. Синергетика для биологов: вводный курс, Исаева В. В., 2005
20. Автоматизация синтеза и обучение интеллектуальных систем автоматического управления, Макаров И. М., Лохин В. М., ред., 2009
21. Интеллектуальные информационные системы в экономике: учебное пособие. — 2-е изд., стереотип., Романов В. П., 2007
22. Нечёткие множества в моделях управления и искусственного интеллекта, Аверкин А. Н., Батыршин И. 3., Блишун А. Ф., Силов В. Б., Тарасов В. Б., 1986
23. Искусственный интеллект и интеллектуальные системы управления, Макаров И. М., Лохин В. М., Манько С. В., Романов М. П., 2006
24. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов, Охтилев М. Ю., Соколов Б. В., Юсупов P. M., 2006
25. Сотрудничающий компьютер: проблемы, теории, приложения, Стефанюк В. Л., Жожикашвили А. В., 2007
26. Стохастическая финансовая математика (Труды математического института им. В. А. Стеклова, т. 237), Ширяев А. Н., ред., 2002
27. Статистический анализ временных рядов, Андерсон Т., 1976
28. Нелинейные волны 2012, Литвак А. Г., Некоркин В. И., ред., 2013
29. Фракталы и хаос в динамических системах, Кроновер Р., 2006
30. Хаос и порядок на рынках капитала: Новый аналитический взгляд на циклы, цены и изменчивость рынка, Петерс Э., 2000
31. Алхимия финансов, Сорос Д., 2001
32. Алгоритмы и вычислительные автоматы, Трахтенброт Б. А., 1974
33. Десять заповедей нестабильности. Замечательные идеи XX века, Флауэрс Ч., 2007