Таблица 3.15. Эффективность меры

Таблица 3.16. Важность меры F,

•Li = 10,4075

. = 1 /1 = 10,4075

более результативно начинать анализ с наибольшей по важности меры.

В одном из экспериментов, описанных в работе [49], 12 заготовок (рис. 3.72) устанавливались на ленточный конвейер, перемещались со скоростью 3 см/с и сканировались

Таблица 3.17. Время обработки мер (в секундах)

С помощью ПЗС-камеры. Величина Р на рис. 3.72 характеризует вероятность появления заготовки. Система работала под управлением компьютера РС-9800. При прохождении предмета указанной формы система производила его различение, а робот подхватывал его и ставил на рабочий стол. Число используемых при этом мер составляло 9; время обработки по каждой мере приведено в табл. 3.17.

Благодаря этим экспериментам была продемонстрирована возможность распознавания движущихся предметов в реальном времени с помощью простого устройства.

ЛИТЕРАТУРА

1. Цуносаки Е. и др. Ниппон кокан тихо.-1987.-N. 119.-С. 1-8.

2. Ивамото М. и др. Ниппон кокан гихо.-1987.-N. 117.-С. 1-8.

3. Mamdani Е. А. Application of fuzzy algorithms for control of a simple dynamic plant Proc. IEEE.-1974.-Vol. 121, N 12.-P. 1584-1588.

4. Suzuki H. New method for calculation poss schedule of tanden mill Journal of Japan Society for Technology of Plasticity. -1967.-Vol. 18, N 80.-P. 460-466.

5. Теория и практика проката материалов. Токио: Ниппон тэкко кекай, 1983.-С. 283-294.

6. Zadeh L. А. Out line of а new approach to the analysis of complex systems and decision process IEEE Trans, on SMC-Vol. 3, N 1.-1973.-P. 28 44.

7. Сугэно М. Нечеткие множества и их применение в логическом управлении Кэйсоку то сэйге.-1979.-Т. 18, N 2.-С. 150-160.

8. Tong R. М. Fuzzy control of the activated sludge wastewater treatment process Automatica.-1980.-Vol. 16.-P. 695-701.

9. Маэда, Мураками. Проектирование нечетких логических контроллеров Сб. науч. трудов технологического института Кюсю.-1984.-ВЫП. 49.-С. 43-51.

Ю. Маэда, Мураками. Управление скоростью автомобиля с помощью нечеткого логического контроллера Кэйсоку дзидо сэйге гаккай ромбунсю.-1985.-Т. 22, N9.-С. 984-989.

11. Tsukamoto Y. Fuzzy logic based on Lukasiewicz logic and its application to diagnosis and control / Doctoral dissertation of T. I. T, 1979.

12. Маэда, Мураками. Самонастраивающийся нечеткий контроллер Кэйсоку дзидо сэйге гаккай ромбунсю.-1988.-Т. 24, N 2.-С. 191-197.

13. Application of а self-tuning fuzzy logic system to automatic speed control devices / Takahashi H. et al. Proc. of 26th SICE Annual Conference.-1987.- part 2.- P. 1241 -1244.

14. Янагасита, Ито, Сугэно. Применение нечеткой логики в управлении очистительными сооружениями Гисутэму то сэйге.-1984.-Т. 28, N10.-C. 597-604.

15. Ито. Применение нечеткой логики в управлении Сб. тезисов технической конференщ1и по измерительным приборам и управлению.-Токио, 1987.-С. 261-267.

16. Нечеткое адаптивное управление работой водяных насосов/ Ито, Исида, Янагасита и др. Сб. тезисов третьего симпозиума по нечетким системам,-Токио, 1987.-С. 121-126.

17. Ито. Нечеткие контроллеры Сурн кагаку-1987.-N 284.-С. 55-62.

18. Ясунобу, Миямото, Ибара. Управление остановкой поезда с помощью нечеткого управления Кэйсоку дзидо сэйге гаккай ром-бунсю.-1983.-Т. 19, N 11.-С. 873-880.

19. Ясунобу, Миямото, Ибара. Автоматическое движение поезда по методу нечеткого управления с прогнозированием Сисутэму то сэйге.-1984.-Т. 28, N Ю.-С. 605-613.

20. Ясунобу. Автоматическая работа контейнерного крана с использованием нечеткого управления с прогнозированием Кэйсоку дзидо сэйге гаккай ромбунсю.-1986.-Т. 22, N Ю.-С. 1066-1073.

21. Yasunobu S., Hasegawa Т. Evaluation of Automatic container crane operation system based on predictive fuzzy control Control Theory and Advanced Technology.-1986.-Vol. 2, N 3.-P. 419-432.

22. Yasunobu S., Hasegawa T. Predictive fuzzy control and its application for automatic container crane operation system Preprint of Second IFSA Congress.- 1987. P. 349-352.

23. Ясунобу. Метод нечеткого управления, основанного на страте-

гии управления человеком Кэйсоку дзидо сэйге гаккай ромбунсю.-1987.-Т. 23, N 9.-С. 969-976

24. Ясунобу. Метод управления группой лифтов с использованием нечеткого управления с предсказанием Сб. тезисов 25-й научной конференции SICE.-Токио, 1987.-С. 443-444.

25. Устройство автоматического управления поездами метрополитена г. Сэндай/Сэси, Тасиро, Сэкино и др. Сб. трудов 27-го национального симпозиума по применению кибернетики на железных дорогах.-Токио, 1988.-С. 243-246.

26. Сакаэ, Тиба. Распознавание связных слов на основе временного нормирования речи с использованием метода динамического программирования Ниппон онке гаккайси.-1971.-Т. 27, N 9.-С. 483.

27. Распознавание речи неопределенного говорящего с помощью метода SPLIT и нескольких эталонов/Сугамура, Кано, Аикава и др. НТТ дэнки цусин кэнкюсе кэнкю хококу.-1985.-Т. 34, N 12.-С. 1687.

28. ZadehL.A. Fuzzy set Information and control.-1965.-N 8.-P. 338.

29. Мацуока, Кидо. Исследования речевой информации со слабовы-раженными локальными выбросами в речевом спектре Ниппон онке гаккайси.-1976.-Т. 32, N 1.-С. 12.

30. Fujimoto J., Nakatani Т., Yoneyama М. Speaker-independent word recognition using fuzzy pattern matching Fuzzy Sets and Systems.

31. Мива, Кидо. Исследования нормализации говорящих для распознавания речи Отчет научного общества по исследованию речи.-1979.-S79-24.

32. Моделирование метода двоичного временного спектра с помощью цифровых фильтров/Накамура и др. Онке гаккай коэн ромбунсю-1984. N З.-С. 123.

33. Распознавание слов неопределенного говорящего-метод локального линейного сжатия и словаря с весами/Мурой, Нака-гава, Фудзимото и др. Дэнки цусин гаккай ромбунси.- 1986.- Т. J69-A, N 1.-С. 150.

34. Speaker-independent word recognition using fuzzy theory/Fujimoto J. et al. Proc. of Intern. Fuzzy System Assoc. Congress.-1987.-P. 819.

35. Mori R. De., Laface P. Using fuzzy algorithms for phonetic and phonemic labeling of continuous speech IEEE Trans. PAMI.-1980.-Vol. 2.-P. 136.

36. Морисима, Харасима. Структура системы распознавания слов с совместной обработкой речи и знаков Дэнки дзехо цусин гаккай ромбунси.-1987.-Т. J70-D, N Ю.-С. 1890.

37. Bezdek J.C. Partition structures А tuorial in "Analysis of fuzzy information" ed. by Bezdec J.C.-CDC Press, 1987.-Vol. 3.-P. 81-107.

38. Осуми Н. Нечеткая кластеризация Сури кагаку.-1979.-Т. 191, N 5.~С. 34-41.

39. Bezdek J. С. Some recent applications of fuzzy C-means in pattern recognition and image processing IEEE Workshop on Lang. Autom.-1983.~P. 247-252

40. Хирота, Ивама. Применение модифицированного метода F-ISODATA с дополнительными данными к разделению областей изображения Сб. трудов второго национального симпозиума по нечетким системам.-Токио, 1986.-С. 94-99.

41. Huntsberger Т.Е., Jacobs СТ., Cannon R.C. Iterative fuzzy image segmentetion Pattem recognition.-1985.-Vol. 18, N2.-P. 131-138.

42. Huntsberger T. L., Rangarajan C, Yayaramamurthy S. Representation of uncertainty in computer vision using fuzzy sets / IEEE Trans. Computer.-1986.-Vol. C-35, N 2.-P. 145-155.

43. Trivedi M. M. Analysis of aerial image using fuzzy clustering In "Analysis of fuzzy Information" ed. by Bezdec J. C. CDC Press, 1987.-Vol. 3.-P. 133-151.

44. Pal S. K., King R. A., Hashimi A. A. Image Description and primitive axtraction using fuzzy sets IEEE Trans, on SMC-1983.-Vol. 13, N l.-P. 94-100.

45. Tou J. T. An approach to understanding geometrical configurations by computer Int. J. Comput. and Inform. Sci.-1980.-Vol. 9, N 2.-P. 1-13.

46. GesuDiV., Maccarone M. C. Feature selection and possibility theory Pattern recognition.-1986.-Vol 19, N l.-P. 63 -72.

47. Терано, Масуи, Коно. Распознавание формы овощей с помощью нечеткой логики Сб. трудов Третьего национального симпозиума по нечетким системам.-Токио, IFSA, 1987.-С. 127-132.

48. Хирота, Араи, Хатиси. Распознавание движущихся целей с помощью нечеткой логики и робот для перемещения движущихся предметов Сб. трудов Второго национального симпозиума по нечетким системам.-Токио, IFSA, 1986.-С. 15-22.

49. Хирота, Араи. Робот, распознающий движущиеся предметы с помощью понятия принадлежности Сб. трудов Первого национального симпозиума по нечетким системам.-Токио, 1985.-С. 139-144.

ГЛАВА 4.

ЭКСПЕРТНЫЕ СИСТЕМЫ

С. Иваи (Университет Киото), М. Оути (фирма «Нихон сисутэму»), М. Сугэно (Токийский политехнический институт), Э. Тадзаки (частная школа Университета Иокогама), X. Фу рута (Университет Киото)

4.1. ВВЕДЕНИЕ

Экспертные системы можно считать одним из применений искусственного интеллекта, хотя исследователи искусственного интеллекта не ставили целью построение экспертных систем. Эти иследования, предпринятые с середины 50-х годов, достигшие пика в 60-е годы, были посвящены реализации машин с интеллектом человека. Однако в процессе исследований стало очевидно, что задача слишком фантастична, и исследования были временно приостановлены. В настоящее время решаются такие проблемы, как применять формальную логику при нереальных допущениях, как использовать компьютеры с программами древовидного поиска для решения головоломок или игр типа шахмат и т. д. Однако программа для решения некоторой головоломки основывается на специфичной структуре данной головоломки и уже не может решить другую задачу. Подобные задачи решаются математическими методами, более подходящими для компьютеров, но совсем не так, как это делал бы человек. Созданы даже программы типа «универсальный решатель задач», но все это очень далеко от решения реальных задач.

Тупиковое положение исследований в области искусственного интеллекта, по-видимому, обусловлено превратным пониманием того, что такое интеллект человека, а также качественного различия между машиной и человеком. Однако эти исследования привели в 70-е годы к идее инженерии знаний и в конце концов к экспертным системам. В конце 60-х годов была создана система DENDRAL, а в первой половине 70-х-система MYCIN. И на гребне успехов экспертных систем вновь начался подъем исследований искусственного интеллекта, но вопрос о том, появились ли