Реферат нейротехнологии и нечеткие технологии в правовой сфере

Обновлено: 05.07.2024

На сегодняшний день по всему миру признается, что информация выступает в роли важнейшего средства организации и упорядочивания частной и общественной жизнедеятельности, является одним из методов закрепления и распределения существующих и получаемых знаний. Информация представляет собой объединение, которое содержит в себе определенные сведения, данные, факторы, характеристику о конкретных предметах, процессах, явлениях, отношениях, событиях и т. д., которые собраны и упорядочены в определенной форме, пригодной для применения форму, все это составляет фундамент муниципального управления. Управленческие процессы подразумевают не что иное, как поиск, фиксацию, анализ, оценку, распространение социальной информации, а именно, информацию связанную с отражением и усовершенствованием разных форм жизнедеятельности людей.
Актуальность курсовой работы заключается в том, что информационные системы в правовой сфере в наше время считаются одними из самых важных, в то же время одними из самых сложных задач. Объясняется это несколькими причинами. В первую очередь, за последнее время заметно увеличился поток внешней и внутриотраслевой информации. Во вторую очередь, в соответствии с потребностью постоянного усовершенствования эффективности правовой информации, возрастает необходимость в высококачественной обработки информации. Все перечисленное и приводит к тому, что необходимо разрабатывать новые пути и методы организации по обработке информационного потока.
Главной задачей информационной деятельности в правовой сфере является полное и достоверное информирование общества о положении дел, его достижениях и перспективах. Вопросы внешнеполитического информационного воздействия, его технологий, данным образом, находятся в качестве первых в повестке дня внешней политики России. 21 век ознаменовал собой значительное развитие индустрии современных информационных технологий. На сегодняшний день продукция данной отрасли встречается практически во всех сферах общественной жизни.
Информационные технологии весьма различны. Например, гаджеты, такие достижения современных технологий в настоящее время встречаются у каждого человека и уже трудно представить бизнесмена, студента, который не пользуется компьютером, телефон, планшетом и другими устройствами при помощи, которых они получают информацию. Это все еще раз подтверждает то, что информация должна быть достоверной, так как чаще ее получают из Интернета, а в правовой сфере достоверность необходима как нигде.
Необходимость в разработке и использовании эффективных и соответствующих реальной действительности компьютерных программ, информационных систем и технологий в настоящее время увеличивается, это еще раз подтверждает актуальность информационных систем в правовой сфере.
Целью курсовой работы является изучение информационных систем и технологий в правовой сфере, их роль и место в данной сфере, которые позволяют оптимизировать процессы правовой сферы.
Для достижения цели были поставлены следующие задачи:
• изучение информационных систем и технологий в правовой сфере;
• рассмотрение роли и места информационных технологий в правовой сфере;
• рассмотрение преимуществ и недостатков современного программного обеспечения, которое позволяет оптимизировать процессы информационной системы в правовой сфере.
Предметом курсовой работы выступают информационные системы и технологии в правовой сфере, современное программное обеспечение, которое позволяет улучшить содержание правовой информации.
Объект работы – это автоматизированные информационные технологии.
Структура курсовой работы состоит из введения, двух глав, которые подразделяются на пять параграфов, заключения и списка использованной литературы.

Нет нужной работы в каталоге?

Сделайте индивидуальный заказ на нашем сервисе. Там эксперты помогают с учебой без посредников Разместите задание – сайт бесплатно отправит его исполнителя, и они предложат цены.

Цены ниже, чем в агентствах и у конкурентов

Вы работаете с экспертами напрямую. Поэтому стоимость работ приятно вас удивит

Бесплатные доработки и консультации

Исполнитель внесет нужные правки в работу по вашему требованию без доплат. Корректировки в максимально короткие сроки

Если работа вас не устроит – мы вернем 100% суммы заказа

Техподдержка 7 дней в неделю

Наши менеджеры всегда на связи и оперативно решат любую проблему

Строгий отбор экспертов

Требуются доработки?
Они включены в стоимость работы

Работы выполняют эксперты в своём деле. Они ценят свою репутацию, поэтому результат выполненной работы гарантирован

Цель дисциплины - подготовка студентов к эффективному применению современных информационных технологий в будущей профессиональной деятельности и в процессе обучения в ВУЗе.
Задачи дисциплины:
изучение комплекса базовых теоретических знаний в области информационных технологий и систем;
формирование и развитие компетенций, знаний, практических навыков и умений, способствующих всестороннему и эффективному применению программных средств, компьютеров и компьютерных сетей при решении прикладных задач профессиональной деятельности, связанных с поиском, обработкой и анализом правовой информации.

Прикрепленные файлы: 1 файл

4202 материалы.DOC

8 Примерный перечень тем рефератов, курсовых работ и эссе

9 Примерный перечень вопросов к экзамену по всей дисциплине

10 Учебно-методическое и информационное обеспечение дисциплины:

а) основная литература

б) дополнительная литература

Казанцев, С.Я. Информатика и математика для юристов. Текст] : учебник для студентов вузов, обучающихся по юридическим специальностям / С. Я. Казанцев, под ред. С.Я. Казанцева, Н.М. Дубининой. - 2-е изд., перераб. и доп. - М. : ЮНИТИ-ДАНА, 2005.

в) программное обеспечение

- компьютерные обучающие программы;

- тренинговые и тестирующие программы.

Программное обеспечение для доступа к компьютерным обучающим, тренинговым и тестирующим программам:

г) базы данных, информационно-справочные и поисковые системы

11 Материально-техническое обеспечение дисциплины:

- сервера на базе MS SQL Server, файловый сервер с электронным образовательным контентом (электронное хранилище учебных продуктов);

- спутниковая образовательная сеть вуза;

- компьютеры с доступом в Интернет и образовательную сеть вуза.

12 Методические рекомендации по организации изучения дисциплин ы

Консультативно-тренинговые (аудиторные) занятия

Все виды аудиторных занятий сочетают образовательную, воспитательную практическую и методическую функции.

Вводная лекция – лекционное занятие, предназначенное для создания общего впечатления о дисциплине. На занятии до сведения обучающегося доводятся основные вопросы дисциплины, показывается ее роль и место в соответствующей области знаний, определяется значение дисциплины для формирования общих и профессиональных компетенций.

Модульная лекция – лекционное занятие, предназначенное для овладения обучающимися знаниями теоретического характера в рамках материала модуля.

Тьюторинг – лекционное занятие консультативного характера, на котором раскрываются основные вопросы, подготовки к самостоятельной работе, тематической контрольной работе, а также к промежуточной и итоговой аттестации.

Коллективный тренинг – коллективное занятие по заранее разработанному сценарию с использованием активных методов обучения. Различают несколько видов коллективных тренингов: дискуссия, круглый стол, ролевая и деловая игра.

Коллективный тренинг по физической культуре – коллективное занятие в спортивном зале по программе дисциплины и модульному рабочему плану.

Индивидуальный компьютерный тренинг – работа обучающегося на компьютерном учебном терминале (КУТ) с программными средствами обучающе-тренингового характера по всем дисциплинам (модулям) учебного плана.

Лабораторные занятия – работа обучающегося с программными средствами обучающе-тренингового характера, позволяющая провести исследование, выполнить задание по предложенному алгоритму.

Тест-тренинг – тренинговое занятие, предназначенное для закрепления базовых теоретических знаний обучающегося в рамках материала модуля. Проводится на КУТе с использование программного средства тренингового характера.

Работа в информационной базе знаний и IP-хелпинг – работа обучающегося с ресурсами ТКДБ и получение консультаций с использованием специальной электронной системы в асинхронном режиме.

Модульное тестирование – контрольное мероприятие по материалу каждого модуля, реализующее неотсроченный контроль знаний по модулю. Занятие проводится с использованием тестовых систем (с применением приборов тестирования или компьютерной системы тестирования).

Предэкзаменационное тестирование – контрольное мероприятие, цель которого состоит в выявлении неосвоенных и плохо освоенных вопросов дисциплины перед проведением экзамена и подготовка обучающегося к процедуре электронного экзамена (итоговая контрольная работа).

Творческая работа - это самостоятельная учебная научно-методическая работа, основными целями которой является развитие у студентов, прежде всего, исследовательских навыков и умений - таких, как: корректность постановки цели проблемы, выделения объекта и предмета исследования, формулировки задач и гипотез работы; логика изложения работы, соотношение и взаимосвязь теоретического и эмпирического материала; грамотное изложение работы, соблюдение не только правил грамматики и орфографии, но и канонов стилистики научного текста; обоснование выбора методического обеспечения, его соответствие задачам исследования; использование современных методов обработки данных эмпирического исследования, корректность статистического и качественного анализа полученных данных; владение основными методами и средствами получения, хранения, переработки информации; корректность авторских обобщений, содержательность и обоснованность выводов.

Работа в информационной базе знаний (самостоятельная работа)

Самостоятельная работа студентов является важной компонентой профессиональной подготовки специалистов и включает в себя следующее.

Изучение рабочего учебника – работа с тематическим обзором, выучивание глоссария (словарь терминов), изучение алгоритмов решений типовых задач модуля. Занятие проводится в рамках самостоятельной работы обучающегося.

Работа с текстами – работа с методическими пособиями в начале изучения дисциплины, при освоении материала модуля и при подготовке к контрольной работе. Занятие носит самостоятельный характер.

Работа с электронным образовательным контентом – повторное закрепление материала модуля с использованием обучающих программных продуктов, слайд лекций, слайд тьюторинга. Занятие проходит в свободные от основного расписания занятий часы, в специально выделенной аудитории (длительность работы с одним учебным продуктом ограничивается только временем функционирования выделенной аудитории) или на личном компьютере обучающегося.

Для контроля текущей успеваемости и промежуточной аттестации используется рейтинговая и информационно-измерительная система оценки знаний.

Электронный экзамен – контрольное мероприятие, фиксирующее уровень знаний обучающегося по определенной дисциплине. Занятие проходит в форме письменной работы или тестирования в автоматизированных системах.

Технологии, которые оказывают фундаментальное влияние на то, как люди понимают мозг и различные аспекты сознания, мыслительной деятельности, высших психических функций.

Вложение	Размер
neyrotehnologii.docx	24.55 КБ

Предварительный просмотр:

Нейротехнологии — это любые технологии, которые оказывают фундаментальное влияние на то, как люди понимают мозг и различные аспекты сознания, мыслительной деятельности, высших психических функций. Включают в себя также технологии, которые предназначены для улучшения и исправления функций мозга и позволяют исследователям и врачам визуализировать мозг.

Понимание устройства и принципов работы головного мозга человека — одна из главных проблем мировой науки. Организация Объединенных Наций назвала первое десятилетие XXI века декадой изучения мозга.

Отрасль Нейротехнологии насчитывает полувековой возраст, однако своей зрелости достигла только в последние 20 лет. Ключевым событием стало появление нейровизуализации, которая позволила учёным наблюдать работу мозга прямо во время экспериментов. Нейротехнологии оказали существенное влияние на общество, хотя их присутствие является настолько незаметным, что немногие замечают их вездесущность. От фармацевтических препаратов до сканирования мозга, нейротехнологии прямо или косвенно затрагивают почти всё население развитых стран, будь то препараты от депрессии, бессонницы, cиндрома дефицита внимания и гиперактивности, антиневротические средства или сканирование на наличие рака, восстановление после инсульта и многое другое.

По мере развития отрасли она позволит обществу контролировать и использовать многие из возможностей мозга, влияющих на личность и образ жизни. Довольно распространённые технологии уже пытаются делать это; игры вроде Brain Age и программы типа Fast ForWord, целью которых является улучшение функций мозга, принадлежат к разряду нейротехнологий.

В настоящее время наука способна изобразить почти все аспекты строения и функционирования мозга. Это помогает контролировать депрессию, гиперактивность, бессонницу и многое другое. В терапии это может помочь жертвам инсульта в улучшении координации движений, может способствовать улучшению функционирования мозга, снижению числа приступов эпилепсии, может помочь пациентам с расстройствами двигательных функций (болезни Паркинсона, Хантингтона, БАС) и даже помогает облегчить фантомную боль. Достижения в области нейротехнологий обещают множество новых методов реабилитации больных, испытывающих неврологические проблемы. Нейротехнологическая революция вызвала к жизни инициативу Десятилетие мышления, стартовавшую в 2007 году. Также она даёт возможность выявить механизмы, посредством которых в мозге рождаются разум и сознание.

Область применения нейротехнологии

Среди областей, где применение нейротехнологий имеет практическое значение уже сейчас, можно указать следующие:

Магнитно-резонансная томография (МРТ) применяется для сканирования топологических и знаковых структур мозга, а также для визуализации мозговой активности. Применение МРТ имеет далеко идущие последствия в нейронауках. Это краеугольный камень в изучении мышления, в особенности после появления функциональной МРТ (фМРТ). Функциональная МРТ измеряет зависимость активизации участков мозга от повышения уровня кислорода. Технология даёт возможность строить карту ассоциативных связей между различными участками и областями мозга, в том числе выявлять новые участки и области. Благодаря фМРТ пациенты могут в режиме реального времени видеть, как их мозг реагирует на раздражители, тем самым получать визуальную обратную связь [6] .

Компьютерная томография (КТ) является другой технологией сканирования мозга, используемой с 1970-х годов. Хотя в академической среде многие из функций КТ сегодня переходят к МРТ, первая по-прежнему используется в учреждениях здравоохранения для обнаружения активности и повреждений мозга. Используя рентген, учёные фиксируют в мозге радиоактивные метки, которые указывают на точки активности как инструмент для установления связей в мозге, а также выявляют множество травм/болезней, которые могут причинить мозгу долговременный ущерб (такие, как аневризма или рак).

Позитронно-эмиссионная томография (ПЭТ) это ещё один метод визуализации, который настроен на фиксацию маркёров, являющихся источниками позитронного излучения (таких, как глюкоза). ПЭТ применяется всё чаще, потому что позволяет выявлять процессы метаболизма: проблемные участки мозга потребляют больше глюкозы.

Микрополяризация это форма нейростимуляции, использующая постоянный ток низкого напряжения, который подаётся непосредственно в интересующую зону мозга через небольшие электроды. Первоначально была разработана для помощи пациентам с повреждениями мозга, такими, как инсульты. Тем не менее, исследования по использованию микрополяризации на здоровых взрослых людях показали, что методика может увеличить когнитивные способности для решения различных задач, в зависимости от стимулируемой области мозга. Микрополяризация использовалась для улучшения языковых и математических способностей (хотя одна из её форм способна затормозить обучение математике), развития внимания, улучшения памят и и координации.

Измерения на поверхности черепа

Электроэнцефалография (ЭЭГ) является неинвазивным методом измерения волновой активности мозга. Вокруг головы размещаются ряд электродов, которые улавливают электрические сигналы. Обычно ЭЭГ используется при работе в состоянии сна, так как существуют характерные волновые структуры, связанные с различными стадиями сна. Электроэнцефалография имеет основополагающее значение в исследовании того, как отдыхает мозг. В клинических целях ЭЭГ используются для изучения эпилепсии, а также инсульта и опухолей мозга.

Магнитоэнцефалографией (МЭГ) называется другой метод измерения активности мозга, он замеряет магнитные поля, образуемые электрическими токами в мозге. Преимущество МЭГ перед ЭЭГ заключается в том, что магнитные поля более локализованы, что позволяет лучше отслеживать реакцию различных участков мозга, а также выявлять перевозбуждение (как в случае эпилептических припадков).

Нейроимплантаты это любые устройства, используемые для контроля или регулирования деятельности мозга. В настоящее время существует несколько имплантатов, доступных для клинического применения при лечении болезни Паркинсона. Наиболее распространёнными нейроимплантатами являются глубокие стимуляторы мозга ( DBS ), которые используются для электростимуляции в парализованных участках мозга. Как известно, болезнь Паркинсона вызывается параличом базальных ганглий , и недавно DBS стали более предпочтительной формой для её лечения, хотя по-прежнему актуальны вопросы исследования эффективности DBS.

Нейромодулирование сравнительно новое направление, которое сочетает в себе использование нейроимплантатов и нейрохимию. В основе этого метода лежит представление о том, что мозг может регулироваться с помощью различных факторов (метаболических, физиологических, электростимуляции), действие которых способны промодулировать устройства, имплантированные в нейронную сеть. В настоящее время данный метод находится ещё в стадии исследований. Для его применения успешного необходимо создание устройств, которые вызывают как можно меньшую негативную реакцию со стороны организма. Этим занимается химия поверхности нейронных имплантатов .

Будущее нейротехнологий заключается не столько в том, какие новые методы появятся, а в том, каковы будут сферы применения технологий. Так, в настоящее время фМРТ исследуется как метод противоболевой терапии. Получая обратную связь о функционировании мозга во время приступов боли, пациенты могут уменьшать болевые симптомы. Проведены исследования по тестированию эффективности фМРТ для распознавания лжи. С той же самой целью изучались возможности ЭЭГ. ТМС испытывается для создания возможных методов лечения пациентов с расстройствами личности, эпилепсией, посттравматическим стрессом , мигренью и другими расстройствами мозга. Помимо этого, сканирование с помощью ПЭТ показало 93 % точности в обнаружении болезни Альцгеймера .

Что касается стволовых клеток, исследования показали, что подавляющая часть мозга не восстанавливается либо восстанавливается очень тяжел о , но в то же время некоторые части мозга обладают хорошими регенеративными способностями (особенно гиппокамп и обонятельные луковицы). Большая часть исследований центральной нервной системы посвящена поиску способов улучшить регенеративные качества мозга. Существуют методы, которые улучшают познавательные функции и способствуют увеличению количества нейронных путей, однако они не дают быстрого распространения нервных клеток в мозге. Многие учёные пытаются вживлять пациентам с травмой спинного мозга каркасы, которые способствуют росту аксонов (порций нервных клеток, способных к передаче электрических сигналов), так что у пациентов начинает возвращаться способность передвигаться или чувствовать. Потенциал технологий очень широк, в то же время многие из технологий пока пребывают в стадии лабораторных исследов ании . Некоторые учёные остаются скептически настроенными в отношении возможностей стволовых клеток, полагая, что у электрических протезов больше шансов на решение медицинских проблем вроде потери слуха или паралича.

Системы доставки лекарственных веществ изучаются в целях улучшения жизни тех, кто борется с расстройствами мозга и при этом не может лечиться с помощью иных методов. Мозг обладает очень сильным барьером, который предотвращает попадание в него из крови некоторых препаратов от перехода из крови в мозг. Такие заболевания, как менингит , требуют от врачей необходимости вводить лекарство напрямую в спинной мозг, потому что соответствующие препараты не могут преодолеть гемато-энцефалический барьер . Ведутся исследования новых способов проникновения препаратов в мозг через кровоснабжение, так как препарат гораздо легче впрыснуть в кровь, чем в позвоночник. Исследуются новые технологии вроде нанотехнологий с целью селективной доставки лекарств, однако они не лишены недостатков. Если частицы лекарств слишком большие, они будут утилизироваться печенью; в то же время маленькие порции не дадут лечебного эффекта. Помимо этого, необходимо учитывать размер капиллярной поры, потому что слишком крупные частицы могут заткнуть отверстие, предотвращая достаточное поступление препарата в мозг. Другим направлением является создание рецептор-опосредованного транспорта, который нейтрализует рецепторы в мозге, поддерживающие гемато-энцефалический барье р . Имеется предположение, что указанный барьер можно устранить за счёт ультразвука. Конечной целью для систем доставки лекарств является разработка метода, который максимизирует количество получаемого целевыми участками мозга препарата с минимально возможным его разрушением по пути в кровеносном русле.

Нейромодуляция используется сейчас для пациентов с двигательными нарушениями, хотя проводятся исследования в направлении того, чтобы применять эту технологию и для лечения других расстройств. Недавно было проведено исследование на тот предмет, что если DBS может помочь при депрессии, то она имеет также потенциал для терапии нескольких расстройств в мозге. Пока что распространение DBS ограничивается его высокой стоимостью. Создаётся новая версия DBS, которая развилась в новое направление под названием оптогенетика . Оптогенетика предполагает глубокую стимуляцию мозга, соединяя волоконную оптику и генотерапию . Волоконно-оптические кабели предназначены для освещения под действием электрического тока, и белок может добавляться к нейрону под влиянием световых стимулов. Нейромодуляция имеет широкий спектр применения, однако эффект от её применения часто является временным. Цель состоит в максимальном увеличении срока действия эффекта от применения DBS. Другим способом применения нейромодуляции стало бы создание нейро-компьютерных интерфейсов , позволяющих парализованным людям передавать свои мысли на экран компьютера .

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Московская Государственная Академия Приборостроения и Информатики
РЕФЕРАТ

Нечеткая логика в системах управления 4

Немного теории 4

Фаззификация (переход к нечеткости) 6

Лингвистические переменные 7

Функции принадлежности 7

Разработка нечетких правил 8

Дефаззификация (устранение нечеткости) 9

Метод центра максимума (СоМ) 10

Метод наибольшего значения (МоМ) 10

Метод центроида (СоА) 10

Описание системы 11

Нечеткая логика в системах управления

Немного теории

На рис. 2 показаны области наиболее эффективного применения современных технологий управления. Как видно, классические методы управления хорошо работают при полностью детерминированном объекте управления и детерминированной среде, а для систем с неполной информацией и высокой сложностью объекта управления оптимальными являются нечеткие методы управления. (В правом верхнем углу рисунка приведена еще одна современная технология управления - с применением искусственных нейронных сетей, но мы не станем столь глубоко вдаваться в достижения ученых.)

Получившие наибольшее развитие из всех разработок искусственного интеллекта, экспертные системы завоевали устойчивое признание в качестве систем поддержки принятия решений. Подобные системы способны аккумулировать знания, полученные человеком в различных областях деятельности. Посредством экспертных систем удается решить многие современные задачи, в том числе и задачи управления. Однако большинство систем все еще сильно зависит от классической логики.

Главным же недостатком продукционных систем остается то, что для их функционирования требуется наличие полной информации о системе.

Нечеткие системы тоже основаны на правилах продукционного типа, однако в качестве посылки и заключения в правиле используются лингвистические переменные, что позволяет избежать ограничений, присущих классическим продукционным правилам.

Целевая установка процесса управления связывается с выходной переменной нечеткой системы управления, но результат нечеткого логического вывода является нечетким, а физическое исполнительное устройство не способно воспринять такую команду. Необходимы специальные математические методы, позволяющие переходить от нечетких значений величин к вполне определенным. В целом весь процесс нечеткого управления можно разбить на несколько шагов: фаззификация, разработка нечетких правил и дефаззификация.

Фаззификация (переход к нечеткости)

Точные значения входных переменных преобразуются в значения лингвистических переменных посредством применения некоторых положений теории нечетких множеств, а именно - при помощи определенных функций принадлежности.

Лингвистические переменные

В нечеткой логике значения любой величины представляются не числами, а словами естественного языка и называются ТЕРМАМИ. Так, значением лингвистической переменной ДИСТАНЦИЯ являются термы ДАЛЕКО, БЛИЗКО и т. д.

Конечно, для реализации лингвистической переменной необходимо определить точные физические значения ее термов. Пусть, например, переменная ДИСТАНЦИЯ может принимать любое значение из диапазона от 0 до 60 метров. Как же нам поступить? Согласно положениям теории нечетких множеств, каждому значению расстояния из диапазона в 60 метров может быть поставлено в соответствие некоторое число, от нуля до единицы, которое определяет СТЕПЕНЬ ПРИНАДЛЕЖНОСТИ данного физического значения расстояния (допустим, 10 метров) к тому или иному терму лингвистической переменной ДИСТАНЦИЯ. В нашем случае расстоянию в 50 метров можно задать степень принадлежности к терму ДАЛЕКО, равную 0,85, а к терму БЛИЗКО - 0,15. Конкретное определение степени принадлежности возможно только при работе с экспертами. При обсуждении вопроса о термах лингвистической переменной интересно прикинуть, сколько всего термов в переменной необходимо для достаточно точного представления физической величины. В настоящее время сложилось мнение, что для большинства приложений достаточно 3-7 термов на каждую переменную. Минимальное значение числа термов вполне оправданно.Такое определение содержит два экстремальных значения (минимальное и максимальное) и среднее. Для большинства применений этого вполне достаточно. Что касается максимального количества термов, то оно не ограничено и зависит целиком от приложения и требуемой точности описания системы. Число же 7 обусловлено емкостью кратковременной памяти человека, в которой, по современным представлениям, может храниться до семи единиц информации.

В заключение дадим два совета, которые помогут в определении числа термов:

n исходите из стоящей перед вами задачи и необходимой точности описания, помните, что для большинства приложений вполне достаточно трех термов в переменной;

n составляемые нечеткие правила функционирования системы должны быть понятны, вы не должны испытывать существенных трудностей при их разработке; в противном случае, если не хватает словарного запаса в термах, следует увеличить их число.

Функции принадлежности

Как уже говорилось, принадлежность каждого точного значения к одному из термов лингвистической переменной определяется посредством функции принадлежности. Ее вид может быть абсолютно произвольным. Сейчас сформировалось понятие о так называемых стандартных функциях принадлежности (см. рис. 3).

Стандартные функции принадлежности легко применимы к решению большинства задач. Однако если предстоит решать специфическую задачу, можно выбрать и более подходящую форму функции принадлежности, при этом можно добиться лучших результатов работы системы, чем при использовании функций стандартного вида.

Подведем некоторый итог этапа фаззификации и дадим некое подобие алгоритма по формализации задачи в терминах нечеткой логики.

Шаг 3. После определения экстремальных значений нужно определить промежуточные значения. Для них выбираются П- или Л-функции из числа стандартных функций принадлежности.

Шаг 4. Для значений, соответствующих экстремальным значениям параметра, выбираются S- или Z-функции принадлежности.

Если удалось подобным образом описать стоящую перед вами задачу, вы уже целиком погрузились в мир нечеткости. Теперь необходимо что-то, что поможет найти верный путь в этом лабиринте. Таким путеводителем вполне может стать база нечетких правил. О методах их составления мы поговорим ниже.

Разработка нечетких правил

На этом этапе определяются продукционные правила, связывающие лингвистические переменные. Совокупность таких правил описывает стратегию управления, применяемую в данной задаче.

Большинство нечетких систем используют продукционные правила для описания зависимостей между лингвистическими переменными. Типичное продукционное правило состоит из антецедента (часть ЕСЛИ …) и консеквента (часть ТО …). Антецедент может содержать более одной посылки. В этом случае они объединяются посредством логических связок И или ИЛИ.

Процесс вычисления нечеткого правила называется нечетким логическим выводом и подразделяется на два этапа: обобщение и заключение.

Пусть мы имеем следующее правило:

ЕСЛИ ДИСТАНЦИЯ=средняя И

УГОЛ=малый , ТО МОЩНОСТЬ=средняя .

Обратимся к примеру с контейнерным краном и рассмотрим ситуацию, когда расстояние до платформы равно 20 метрам, а угол отклонения контейнера на тросе крана равен четырем градусам. После фаззификации исходных данных получим, что степень принадлежности расстояния в 20 метров к терму СРЕДНЯЯ лингвистической переменной ДИСТАНЦИЯ равна 0,9, а степень принадлежности угла в 4 градуса к терму МАЛЫЙ лингвистической переменной УГОЛ равна 0,8.

На первом шаге логического вывода необходимо определить степень принадлежности всего антецедента правила. Для этого в нечеткой логике существуют два оператора: MIN(…) и MAX(…). Первый вычисляет минимальное значение степени принадлежности, а второй - максимальное значение. Когда применять тот или иной оператор, зависит от того, какой связкой соединены посылки в правиле. Если использована связка И, применяется оператор MIN(…). Если же посылки объединены связкой ИЛИ, необходимо применить оператор MAX(…). Ну а если в правиле всего одна посылка, операторы вовсе не нужны. Для нашего примера применим оператор MIN(…), так как использована связка И. Получим следующее:

Следовательно, степень принадлежности антецедента такого правила равна 0,8. Операция, описанная выше, отрабатывается для каждого правила в базе нечетких правил.

Следующим шагом является собственно вывод или заключение. Подобным же образом посредством операторов MIN/MAX вычисляется значение консеквента. Исходными данными служат вычисленные на предыдущем шаге значения степеней принадлежности антецедентов правил.

После выполнения всех шагов нечеткого вывода мы находим нечеткое значение управляющей переменной. Чтобы исполнительное устройство смогло отработать полученную команду, необходим этап управления, на котором мы избавляемся от нечеткости и который называется дефаззификацией .

Дефаззификация (устранение нечеткости)

На этом этапе осуществляется переход от нечетких значений величин к определенным физическим параметрам, которые могут служить командами исполнительному устройству.

Результат нечеткого вывода, конечно же, будет нечетким. В примере с краном команда для электромотора крана будет представлена термом СРЕДНЯЯ (мощность), но для исполнительного устройства это ровно ничего не значит.

Для устранения нечеткости окончательного результата существует несколько методов. Рассмотрим некоторые из них. Аббревиатура, стоящая после названия метода, происходит от сокращения его английского эквивалента.

Метод центра максимума (СоМ)

Так как результатом нечеткого логического вывода может быть несколько термов выходной переменной, то правило дефаззификации должно определить, какой из термов выбрать. Работа правила СоМ показана на рис. 4.

Метод наибольшего значения (МоМ)

При использовании этого метода правило дефаззификации выбирает максимальное из полученных значений выходной переменной. Работа метода ясна из рис. 5.

Метод центроида (СоА)

В этом методе окончательное значение определяется как проекция центра тяжести фигуры, ограниченной функциями принадлежности выходной переменной с допустимыми значениями. Работу правила можно видеть на рис. 6.

Основные шаги разработки нечеткой системы управления с использованием CAD-системы fuzzy TECH 3.0

Процесс разработки проекта нечеткой системы управления на fuzzy TECH разбивается, как уже говорилось, на четыре основных этапа. Все они схематично показаны на рис. 7.

Описание системы

На этом этапе при помощи средств, доступных в fuzzy TECH, задача формализуется. Здесь необходимо описать лингвистические переменные, которые вы будете использовать; их функции принадлежности; описать стратегию управления посредством нечетких правил, которые вы сможете объединить в единую базу правил или знаний о системе. В целом CASE-технология, на основе которой построен пакет, позволяет все эти действия выполнить только посредством общения с экраном ЭВМ, не заглядывая в программный код. Поэтому начальный этап проектирования вы воспримете с легкостью, несмотря на кажущуюся сложность. Можно дать один совет: обратите внимание на некоторые тонкости при разработке. Так, например, вы можете установить разрядность машинного кода, генерируемого пакетом. Это влияет на формат величин, которые можно использовать (см. табл. ниже).

Off-line-оптимизация

On-line-оптимизация

На этом шаге разрабатываемая система управления и реальный объект управления соединяются физической линией связи (см. рис. 8).

Такой вид отладки позволяет наблюдать поведение системы в реальных условиях и при необходимости вносить изменения в систему управления.

Реализация

На этом этапе необходимо получить окончательный вариант кода для конкретного микроконтроллера и, если нужно, связать его с вашей основной программой. Об оптимальности создаваемого fuzzy TECH кода можно судить по данным табл. ниже.

Основу программного кода, генерируемого пакетом fuzzy TECH, составляет аппаратно-ориентированное на конкретный тип процессора ядро. Поставляемое с пакетом fuzzy TECH MCU-96 программное ядро совместимо с такими контроллерами, как 8096BH, 8096-90, 80196KB/KC/KD, 80196 KR, 80196MC, 80196NT/NQ.

код библиотечных функций;
сегмент базы правил и функций принадлежности;
функции нечеткой системы.

для оперативной памяти,

S v - объем необходимой оперативной памяти;

n i - число входных переменных;

n o - число выходных переменных;

t i - число термов во входной лингвистической переменной i;

t j - число термов в выходной лингвистической переменной j;

S f - размер базы правил в байтах;