Cuprins
- Capitolul I: Proces economic. Tehnologii inteligente 4
- Capitolul II: Considerente teoretice privind reţelele neuronale 6
- Capitolul III: Studiu de caz 15
- 3.1 Formularea problemei 15
- 3.2 Modelarea sistemului 15
- 3.3 Reprezentarea cromozomului pentru algoritmul genetic 16
- 3.4 Mărimea variabilă a cromozomului 16
- 3.5 Codificarea cromozomului 17
- 3.6 Operatori genetici 19
- 3.7 Funcţii de evaluare 20
- 3.8 Validarea cromozomului 21
- 3.9 Hibridarea algoritmului genetic cu un algoritm cultural 21
- 3.10 Reprezentarea Spaţiului de Convingeri 22
- 3.11 Protocolul de comunicaţii 23
- 3.11.1 Procesul de votare 23
- 3.11.2 Procesul de promovare 23
- 3.11.3 Ajustarea Spaţiului de Convingeri 24
- 3.12 Modelarea populaţiei pentru coevoluţie cooperativă 25
- 3.13 Personalizări în implementarea sistemului inteligent 25
- 3.14 Folosirea unei informaţii strategice disponibilă a priori pentru optmizarea cu Algoritmi Genetici 29
- 3.14.1 Hărţi de Calitate 29
- 3.14.2 Hărţi de Calitate: Definiţie 29
- 3.14.3 Generarea Hărţilor de Calitate 31
- 3.14.4 Aproximarea Hărţilor de Calitate prin Modelul Neuro-Fuzzy Ierarhizat 31
- 3.14.5 Experimente de interpolare a Hărţilor de Calitate 33
- 3.14.6 Folosirea Hărţilor de Calitate în iniţializarea populaţiei iniţiale 34
- 3.14.7 Folosirea informaţiilor furnizate de Harta de Calitate în timpul Procesului de Evoluţie a Algoritmului Genetic 36
- 3.15 Aproximator on-line pentru Simulatorul de Flux 38
- 3.15.1 Aproximarea fluxului cu ajutorul reţelelor cu înlănţuire înainte, reţelelor neuronale Elman şi RBF 38
- 3.15.2 Integrarea modelului HNFB în modulul ANEPI-3 43
- 4.16 Consideraţii cu privire la implementare 44
- 4.16.1 Interfeţele principale 45
- Concluzii 48
- Bibliografie 49
Extras din proiect
Capitolul I: Proces economic. Tehnologii inteligente
Domeniul inteligenţei artificiale, sau IA, îşi propune să inţeleagă entităţile inteligente. Astfel, unul dintre motivele studierii acesteia este de a invaţa mai multe despre noi înşine. Dar, spre deosebire de filosofie si psihologie, care se ocupă şi ele de inteligenţă, IA se straduieşte să construiască entitaţi inteligente dar şi să le inţeleagă.
Un alt motiv pentru care studiem IA este ca aceste entităţi inteligente construite sunt interesante şi folositoare. IA a creat multe produse semnificative şi impresionante chiar la acest nivel începător al dezvoltarii sale.
Inteligenţa computaţională (IC) este o ramură a ştiinţei calculatoarelor după cum afirmă Wlodzilaw Duch: “Inteligenţa computaţională este o ramură a ştinţei calculatoarelor ce studiază probleme pentru care nu există algoritmi computaţionali eficienţi. IC studiază probleme pentru care nu există algoritmi efectivi, fie probleme care sunt greu de formulat sau parametrizat, astfel fiind neeficiente în aplicaţiile din viaţa reală.”
IC este în mod cert ceva mai mult decât studierea agenţilor inteligenţi, incluzând de asemenea studii cu privire la toate procesele nealgoritmizate, pe care omul (şi uneori animalele) le pot rezolva cu diferite grade de competenţă. O bună parte a cercetărilor din domeniul IC se concentrează pe funcţii cognitive de nivel jos: percepţie, recunoaşterea obiectelor, analiza semnalelor, asociaţii simple şi control.
Metodele dezvoltate pentru aceste tipuri de probleme includ pe lângă învăţarea supervizată şi nesupervizată cu sisteme adaptative, abordările neuronale, fuzzy şi evolutive, şi abordări probabilistice şi statistice, cum ar fi reţelele baysene sau metodele Kernel.
În ultimul timp s-a încercat o implementare tot mai accentuată a sistemelor de inteligenţă computaţională atât la nivelul agenţilor economici cât şi la nivelul întregului mediu economic.
Jacobson (1995) descrie procesul economic ca fiind: „un set de activităţi interne realizate pentru a satisface clientul”, iar Bider (2002) are o afirmaţie asemănătoare („Un set de activităţi ordonate parţial destinate pentru atingerea unui scop.”).
O definiţie mai elaborată a fost dată de Hammer & Champy (1993), aceştia afirmând că „procesul economic este o colecţie de activităţi ce ia una sau mai multe feluri de intrări şi crează o ieşire ce reperezintă o valoare pentru cineva. Un proces economic are un scop şi este influenţat de evenimente ce au loc în lumea exterioară sau în alte procese.”
Aceste sisteme de inteligenţă computaţională oferă soluţii de o calitate deosebită, deoarece oferă posibilitatea rezolvării unor tipuri asemănătoare de probleme din diferite domenii cum ar fi: recunoaşterea formelor, procesarea semnalelor, clasificare şi regresie, data mining; toate acestea înglobând informaţii şi cunoştinţe.
Prelucrarea informaţiilor de fundamentare a deciziilor nu sunt atât de dificile, pe cât este obţinerea informaţiilor şi evaluarea lor din pricina faptului că aceste informaţii sunt obţinute de la experţi care introduc in afirmaţiile lor o anumită doză de subiectivism şi incertitudine.
Deoarece în practică, informaţiile sunt adesea incomplete şi incerte, luarea unuei decizii este foarte complicată, având un pericol mare în ceea ce priveşte piederile care se pot suferi.
Atunci când informaţia obţinută este completă şi precisă şi dacă numărul alternativelor nu este foarte mare este posibil de realizat selectarea celei mai bune variante decizionale. În domeniul mamagementului sistemele de inteligenţă computaţională au largă utilizare deoarece problemele decizionale au un grad de complexitate si o dinamicitate ridicată, aceset probleme necesitând utilizarea unui astfel de sistem.
Intelegenţa computaţională în cadrul mediului economic a dus la înrădăcinarea conceptului de organizaţie bazată pe cunoştiinţe şi la stabilirea şi definirea unor strategii concrete şi coerente pentru mamgementul cunoştiinţelor economice atât în cadrul firmelor cât şi la nivel macroeconomic.
Capitolul II: Considerente teoretice privind reţelele neuronale
Reţelele neuronale sunt modele computaţionale neliniare inspirate de structura şi modul de funcţionare al creierului uman, care este capabil să realizeze următoarele funcţii: învăţare, asociere, ganeralizare şi abstractizare.
O reţea neuronală este compusă din câteva elemente de procesare înalt interconectate (neuroni artificiali), care realizează operaţiuni simple şi transmit rezultatele lor procesoarelor alăturate. Pentru că reţelele neuronale sunt capabile să realizeze hărţi neliniare între intrările şi ieşirile lor au devenit importante în recunoaşterea modelelor şi în modelarea sistemelor complexe.
Din pricina structurii lor, reţelele neuronale sunt foarte eficiente în învăţarea de date neliniare, date incomplete, date zgomotoase sau date compuse din exemple contradictorii.
Trei concepte de bază caracterizează cele câteva aspecte ale reţelelor neuronale:
- modelul neuronului artficial;
- structura sa interconectată (topologia);
Preview document
Conținut arhivă zip
- Sistem Inteligent pentru Dezvoltarea Campurilor Petroliere.doc