-
7 .2.2. Meko racunarstvo
Buducnost inteligentnih tehnologija su hibridni inteligentni
sistemi. Jedan skup tehnologija koje ce sacinjavati ove
inteligentnc sistemc poznat je pod nazivom meko I
-
190 Fazi logika i neuronske mreze
projektovanje i primenu inteligentnih sistema , tako sto ce se
njegove sastavne metodologije primenjivati u simbiozi.
Unutar mekog racunarstva , oblasti od interesa fazi logike ,
neuro-racunarstva , genetickog racunarstva i probabilistickog
racunarstva su:
FL: aproksimativno zakJjucivanje , granulacija informacija,
racunanje recima, NR: ucenje, adaptacija, klasifikacija ,
modeliranje i identifikacija sistema, GR: sinteza, podesavanje
parametara i optimizacija putem sistematskog slucajnog
pretrazivanja i evolucije i PR: obrada neizvesnosti ,
probabilisticke mrde, predvidanje , sistemi zasnovani na
haosu.
Kao skup racunarskih metodologija, meko racunarstvo ce sigurno
imati sve vise vaznosti i biti sve vise primecivano u skoroj
buducnosti. Osnovni razlog za to je da je sve jasnije da je
konceptualna struktura konvencionalnog , "tvrdog" racunarstva pre
vise precizna u odnosu na sveprisutnu nepreciznost u realnosti
.
U tom smislu, treba razmotriti sledece dve teme. Najpre, ima
mnogo realnih problema koji se ne mogu resiti tehnikama tvrdog
racunarstva, zato sto potrebne informacije ni su raspolozive i/ili
sistemi koji se razmatraju nisu dovoljno dobro definisani . Takvi
problemi su tipicni u oblasti ekonomskog planiranja , zivih sistema
, velikih drustvenih sistema i donosenja odluka. Jos jedan izvor
takvih problema je vestacka inte li gencija, narocito u oblastima
zakljucivanja , racunarskog vida razumevanja prirodnog jezika .
Drugi i mozda jos vazniji razlog je da upotreba metodologija
mekog racunarstva sluzi da bi se iskoristili tolerancija
ncpreciznosti, neizvesnost, delimicna istina i aproksimacija. Na
taj nacin, meko racunarstvo oponasa izvanrcdnu covckovu sposobnost
da cini racionalne odluke u neivesnoj i nepreci znoj okolini. Takav
slucaj je problem parkiranja vozila. Tolerancija nepreci znosti u
ovom problcmu omogucava coveku da parki n1 vozilo bez bilo kakvih
merenja i znanja o dinamici sistema bazi ranog na znanju. Bez
tolerancije nepreciznosti , problem parkiranja postaje neresiv za
!jude, i veoma tdak za masine .
Kori scenje tolerancije nepreciznosti, neizvesnosti, delimicne
is tine i aproksimacijc, igra centralnu ulogu u kompresiji
podataka, pronalazenju informacija i komunikaciji. U tom smi slu,
fazi logika igra narocito znacajnu ulogu, jer obezbeduje
metodologiju za granulaciju informacija i racunanje recima na nacin
koji oponasa covekovo razmi sljanje i formiranje koncepata . u
sustini' uzor za fazi logiku je covekov nacin razmisljanja.
Aspekt mekog racunarstva koji je od centralne vaznosti je si
mbioticki odnos izmedu njenih sastavnih metodologija. To
podrazumeva da je u re5enju mnogih problema, naroc ito pri
koncipiranju j planiranju inteligentnih sistema, dobro primeniti
kombinaciju dve iii vise metodologija mekog racunarstva , cime se
stvaraju bib1idni inteligentni sistemi. Trenutno najpri sutniji
sistemi ove vrste su neuro-fazi sistemi. Ali, prisustvujemo i
stvaranju drugih hibridnih sistema: fazi-genetickih, neuro-
Buducnost novog pristupa tehnoiogiji 191
-aenetickih i neuro-fazi-genetickih sistema. Takvi sistemi ce
postati sveprisutni u bliskoj buducnosti . Sigurno, u godinama koje
su pred nama, p.ojava hibridnih inteJigentnih sistema ce imati
znacajan Uticaj na nase poimanje , pJamran_le, IZgradnJU i
interakciju sa inteligentnim sistemima.
7 .3. Buducnost je fazi - perspektive, oblasti 1 mogucnosti
primene mekih tehnologija
Progres racunarske tehnologije je bio toliko brz da su mnoge
poslove preuzeli inteligentni roboti iii VI sistemi. lstovremeno na
drustvenoj sceni odvijale su se promene:
od tehnologije ka coveku, od fizickog ka duhovnom, od kvantiteta
ka kvalitetu, od objektivnog ka subjektivnom, od grupnog ka
pojedinacnom, od analizc ka sintezi , od efikasnog ka komfornom ,
od centralizovanog ka distribuiranom i kooperativnom , od stalnog
ka fleksibilnom i od racionalnog ka emocionalnom.
Fazi inzenjerstvo moze da odgovori na ove promcne u izvesnom
stepenu, posto ima za cilj razvoj komunikacije izmedu coveka i
masine na prirodnorn jeziku . u takvom sistemu korisnik, koji ne
mora unapred da zna tip i kolicinu potrebmh informacija , moze da
ih dobije komunicirajuCi sa masinom. Obracla nepreciznosti u jeziku
tokom ovih dijaloga je vazna. Stavise, ova vrsta komunikacij~ ,
koja. treba da podseca na prirodnu komunikaciju izmedu !judi , moze
da stmmhse konsmka da dobije nove ideje i znanje .
Informacije se ne ocenjuju samo sa stanovista njihove tacnosti,
vee i sa stanovista smisla koji poseduju. Priroclni jezik je
izvrstan mcdijum koji podrzava komunikaciju i egzaktnih i
apstraknih informacija .
Endrju Grouv, iz Intela, kaze o predvidanju buducnosti u
racunarskim tehnologijama cia je " .. . bilo koja prognoza , bilo
koga - naucna fantastika". Sa tunc mozemo da se slozimo.
Istovremeno , pokusacemo cia na osnovu do sacla ostvarcmh poznatih
rezultata i trendova u oblasti "mekih tehnologija" clamo nase
predvidanje kako ove tehnologije mogu da se iskoriste u skoroj
buducnosti .
u buducnosti ocekujemo da ce racunari podrzavat i coveka, tako
sto cc mu dostavljati tacne smislene informacije, stimulisuci
njegovo razmisljanje
-
192 Fazi logika i neuronske mreze
povecavaJUCI njegovu kreativnost i znanje. To ce se postizati
kroz dijalog izmedu coveka i masine na prirodnom jeziku, sto ce
biti podrzano fazi tehnologijama.
Projekti koji se realizuju i mogli bi da postanu stvarnost u
bliskoj buducnosti ukJjucuju:
Sistem za podrsku hendikepiranim osobama: sistemi za navigaciju
pomocu glasa za slepe, pojacavanje glasa kao pomoc za osobe sa
ostecenim sluhom, masina koja cita sa usana , intepreter znakovnog
jezika i inteligentna invalidska kolica.
Inteligcntna vozila: sistemi za automatsko sprecavanje sudara,
automatsku voznju, ekonomicnu voznju, kontrolu zagadenja usled
izduvnih gasova , navigaciju pomocu glasa, otkrivanje kvarova,
automatsko parkiranje i zastitu pesaka.
Inteligentna radna stanica: poluautomatsko upravljanje teskim
masinama (kranovima , buldozerima) , sumskim, poljoprivrednim i
ribolovnim sistemima, tunelskim masinama , helikopterom bez posade
i robot-istrazivac;
Sistem za podrsku pri odlucivanju u bio-rnedicini : fazi
ekspertski sistemi (koji mogu da uzmu u obzir iskustvo strucnjaka i
karakteristike pojcdinih klinickih slucajeva) , automatsko
upravljanje vestackim organima, upravljanje tretmanom , obrada
slika u medicini i orijentalna medicina .
Elektronski prirucnik: poboljsane i sofistikovane masine ce
imati i slozenija uputstva za upotrebu koja ce biti sve teza za
razumevanjc. Prirucnik u vidu fazi ekspertskog sistema ce omoguciti
korisnicima da pristupe informacijama po potrebi i bez poznavanja
preciznog tehnickog recnika .
Generisanje slika zasnovano na prirodnom jeziku . Ovi S ,,emi su
korisni za razvoj i podrsku kreativnom procesu, za razvoj
inteligentnih CAD sistema, racunarskc grafike i virtuelne
stvarnosti.
Sistemi za pomoc pri donosenju odluka za slozenc probleme:
korisni kada precizno resenje nije neophodno za ocenu i
optimizaciju slozenih problema. Fazi ekspertski sistr.mi su pogodni
za ocenu sigurnosti zgrada, pregled i ocenu kvaliteta poljopriv
tednih proi zvoda, predvidanje kvarova na proizvodnim postrojenjima
, izbor strategije i otkrivanJe karakteristika.
Medutim, za neke projekte ce biti potrebno vise vremena. To su
projekti u vezi sa dijalogom izmedu racunara i masine , kompresijom
i ekspanzijom informacija. u njima je vazno shvatiti nameru coveka
- korisnika masine i obraditi informacije prema toj ndmeri .
Analiza cilja, integrisanje metoda razvoja odozgo nadole i odozdo
nadole je takode neophodno:
Inteligentni robot visokog nivoa : autonomni roboL specijalne
namene , sposoban za delovanje na osnovu jednostavnih instrukcija
koji shvata nameru korisnika u zavisnosti od situacije (robot-kucna
pomocnica i robot za brigu o starim osobama su primeri ovakvih
robota).
Buducnost novog pristupa tehnologiji 193
Kucno racunarstvo: li cni racunari u mrdi sa kojom se moze
komunicirati prirodnim jezikom o raznim temama , ukJjucujuCi domacu
ekonomiju, zdravstvo , kulturu, pravo, obrazovanje, rekreaciju i
drustvo.
Sumarizacija reccnica: misli se na abstrakciju makroskopskih
osobina sadrzaja i izrazavanje prirodnim jezikom; moze se koristiti
za automatsku sumarizaciju novosti, prica i izvestaja koji su
izradeni na odredeni nacin.
Dijaloski ekspertski sistem: kooperativno rdavanje problema , u
kome se do resenja dolazi kooperacijom izmedu ekspertskog sistema i
coveka-eksperta.
Fazi inzenjerstvo pokusava da resi probleme koje stara VI nije
bila u mogucnosti da resi . Ali, cilj fazi inzenjerstva je
drugaciji od cilja stare VI; ono tdi stvaranju sistema za podrsku
covekovim aktivnostima, a to je kooperativna VI zasnovana na
metodologiji fazi logike .
Mnogi kazu da ce u buducnosti racunar da se nosi- jednog dana
oblacicete model sa Pcntiumom , a drugog sa Cyiixom. Da bismo mogli
da se uspesno nosimo sa takvom najezdom racunara - moracemo vise da
se priblizavamo racunarima, . a i on~ nama . To je i jedan od
osnovnih ciljeva fazi inzenjerstva i mekih tehnologlJa , kop im
obezbeduje sigurnu buducnost.
7.4. Rezime
1) Fazi tehnologije omogueavaju partnerski odnos masine i
coveka. 2) Fazi inzenjerstvo je kombinacija fazi logike - kao
alatke i inzenjerstva sistema -
kao metodologije. Ova kombinacija je pogodna za rdavanje lose
strukturiranih problema.
3) Meko racunarstvo je skup racunarskih metodologija oko fazi
logike, neuro-racunarstva, genetickog racunarstva 1
probabilistickog racunarstva. Ove metodologije se koriste kao
komplementarne, da bi se izgradili hibridni inteligentni
sistemi.
4) u bliskoj buducnosti racunari ce biti svuda oko nas. Zato je
vazno da se na njih navikavamo . Upotrebom fazi tehnologija
racunari mogu da se prilagodavaju nama .
5) u bliskoj buducnosti bice moguca prisnija komunikacija izmedu
covcka i masinc. u daljoj buducnosti bice moguc partnerski odnos
coveka i masine u kome ce masina moCi da razume i poddi namere
coveka.
6) Fazi tehnologije i meko racunarstvo su tehnologije koje cc u
buducnosti imati znacajnu ulogu .
-
2 Glava druga TEORIJA FAZI SKUPOV A. OSNOVNA STRUKTURA FAZI
KONTROLERA
2. 1. TEORlJA FAZI SKUPOVA
Fuzzy (fazi) je engleska re~. koja mo!e da se prevede kao
maglovit. nejasan, mutan. Tcorija fazi skupova i fazi logike
predstavlja pogodan maternaticki aparat za tretiranje
neit.vesnosti, viseznacnosti, subjektivnosti i neodredenosti. Prvi
rad, l4]. posvecen faz i skupovima obja\ io jc 1965. godine
americki profesor Lotfi Ladeh. lum: je stvorcna osnovn za dalji
razvoj tog koncepta i objavljen jc vcl iki broj radova posvecenih
kako daljem razvoju teorije, tako i re~avanju odredenih prakticnih
problema. Medutim, koncept fazi logike imao je protivnike koji su
smatrali da ne postoj i neizvesnost i neodredenost koja se na bolji
nacin mo~e re~iti primenom fazi logike od primene teorije
verovatnoee.
Citati poznatih americkih profesora: R. E. Kalman (1972)
"Dozvolite mi da karem sasvim odgovomo nema takve
stvari kao ~to je fazi koncept, .. . . Mi pri~o o fazi stvarima
ali one sene baziraju na naucnom koncepru. Neki ljudi su u
pro~losti otkrili izvesne intercsantne stvari, fonnul isali njihove
pronalaske bez kori~cenja fazi koncepta i imali smo razvoj
nnuke."
William Kahan (1975) .. Fazi teorija je pogreSna, pogre~na i
~tctna. Ja nc mogu da zamislirn neki problem koji ne mofe biti
bolje re~en primenom klasicne logikc.''
Prema Zadeh-u ([5]) 1990. godina mo!e da se smatra kao
prekrctnica u razvoju proizvoda i sistema sa maSinsi.Jm
koeficijentom inteligencije (Machine Intelligence Quotient- MIQ).
Danas postoji veliki broj kucnih urcdaja i aparata koj i pokazuju
impresivnu sposobnost da rasuduju, donose inteligentne odluke i uce
iz iskustva. U [6] dat je pregled kori~cenja fazi tehnologija u
kucnim aparntima u Japanu i Korej i do 1990. godine. U
mikrotalasnim pecnicama koje proizvode firme llitachi i Sanyo
fazi
-
6 Teorija feci skupova. Osnavna struktura.fazi /contra/era
logika je upotrebljena za postavljanje i pode~avanje snage
pecnice. Goldstar, Hitachi, Samsung i Sony proizvode televizore gde
se fazi logika koristi za pode~avanje boje ekrana i teksture za
svaki frejm. Fazi logika se uspe~no primenjuje za pode~avanje
strategije pranj a m~ine za pranje ve~a na osnovu nivoa
zaprljanosti, tipa tkanine, kolit\ine ve~a. Kod klima-uredaja koje
proizvode tirme Mitsubishi, Sharp, Hitachi, Matsushita fazi logika
sprecava oscilacije temperature i smanj uje se potro~njn snage pri
ukljucivanju i iskljucivanju. Canon i Minolta proizvode
video-kamere kod kojih se pomocu fazi logike automatski pode~ava
fokus. Kod friiidera se uz pomoc fazi logike vr~i regulacija
temperature, a kod usisivaca se postavlja strategija usisavanja na
osnovu kolicine pruine i tipa poda. U Japanu je p~ten u rad prvi
metro sa fazi upravljanj em ubrzavanjem kocenjem vozova.
U komunalnom preduzecu iz Ptuja, koje snabdeva grad sa toplotnom
energijom, veda se greje u kotlovima i cirkuli~e preko mreie
cevovoda. U mrei.i je 30 podstanica. Da bi veda obavila jednu
cirkulacij u potrebno je 30 minuta. Razlika izmedu tempe-rature
izlazne vade iz kotlova i temeperature povratne vode, predstavlja
prenos toplo-te iz sistema Ova toplota se prenosi u zgrade koje
opsluiuje sistem i u okolinu u obliku gubitaka. Procesom su do
1999. godine upravljali operateri koji su imali velika prakticna
znauja, koja su prikupljena u vi~egod isnjem iskustvu rada na
procesu. Na osnovu temperature povratne vode operateri su
odredivaJi protok izlazne vodc koristeci detaljna pravila koja su
izgrad ili na osnovu zapaZa.nja i iskustva: Ako je temperatura
Nr..()KA i OPA DA JA KO POVECAJ protok vode Akoje temperatura NISKA
I STABJL.NA POVECAJ protok vode Ako je temperatura N!SKA i RASTE
ODRZA. VAJ pratok vode Ako je temperatura POGO DNA i OPADA PO VECAJ
pratok vode Akoje temperatura POGODNA i STABJLNA ODRZAVAJprotok
vode Aka je temperatura POGODNA i RASTE SMANJJ protok vade Ako je
temperatura VJSOKA i OPADA ODRi.A VAJ protok vode Ako je
temperatura VJSOKA i STABILNA SMANJJ protak vode Ako je temperatura
VISOKA i RASTE SMANJl protak vade itd ...
Proces nije tckao optimalno paje preduzece telelo da smanji
gubitk.e, tro~kove delovanja i pobolj~a grejanje. Fazi logika
omogucava da se u novi kompjuterski proces vodenja ukljuci
empirijsko znanje najboljih operatera. Primenom teorije fazi
skupova i fazi logike moz.e da se odredi protok izlazne vode na
osnovu skupa pravila i temperature povratne vode.
Osnov razvoja fazi tehnologija lefi u kori~eenju pri blifuog
racunanja. Pri projektovanj u inteligentnih sistema na ovaj na~i n
mogu da se koriste netacnost i neizvesnost. uei iz iskustva i pri
lagodava se promenama radnih uslova.
-
Teorija fazi slcupova. Osnovna stru/ctura fazi kontrolera 7
Danas se fazi logika uspe~no primenjuje u informacionim
tehnologijama i ekspertskim sistemima, kao i za upravljanje
nelineamim objektima i objektima sloieni m za modeliranje.
-
4 Glava cetvrta NEURONSKE MREZE
4.1. UVOD
Covek ima I 0 11 izuzetno povezanih neurona koji mogu paralelno
da obraduju informacije. Neke od neuronskih struktura postoje od
rodenja. Nije potpuno poznato kako bioloke neuronske mre!e rade,
ali se zna da sve neuronske funkcije, uklju~ujuci pamcenje,
obavljaju neuroni i nj ihove medusobne vcze. Utenje se posmafra kao
proces uspostavljanj a novih veza iii promena postojccih.
Neuroni koji se ovde razmatraju nisu biolo~ki. Oni su krajnje
pojednostavljeni biolo~ki neuroni. Realizuju se kao elementi u
programu iii kao elektronsko kolo. Mreze sastavljene od veta~kih
neurona nemaju ni deo sposobnosti lj udskog mozga., ali mogu biti
obu~ene za obavljanje korisnih funkcija.
Neki radovi iz oblasti neuronskih mreZ..1 nastali su l...Tajem
19. i po~etkom 20. veka. Ovi radovi opisuj u op~te teorije utenja i
raspoznavanja ali ne razmatraju
matemati~ke modele neurona. 1943. godine McCulloch i Pins su
predlozili prvi sistem koji funkcioni~e
koristeei mehanizme ncrvnog sistema. Oni su dokazali da ncuroni
mogu imati pobu-dujuce i umirujuce.stanje. Takode su pokazaJi da
aktivnost neurona zavis i od vrednosti praga aktivacije .. Prema
brojnoj litcraturi. cesto se njihov rad smatra pocetkom razvoja
neuronskib mrei.a.
1949. godine Hebb je predlozio pravilo kojim se opisuje proces
ucenja 1956. je predstavljena prva simulacija Hebb-ovog modela.
1958. Rosenblatt je razvio prvu neuronsku mrefu koju je nazvao
perce-ptronom. Ova neuronska mreia nije mogla da reava probleme
kJasifikacije koji nisu lineamo separabilni (npr. XOR problem)
-
60 Neuronske mreie
Widrow i Hoff su 1960. godine prcdlozili novi algoritam u~enja
koji su koristil i za adaptaciju parametara perceptrona sa lineamim
aktivacionim funkcijama. Wid row- Hoff-ovo pravilo u~enja se jo~ i
danas koristi .
lstra:l.ivanja u oblasti neuronskih mreia su bi la usmerena na
razvoj novih arhitektura i unapred ivanje pravila i algoritama
obutavanja. Po~etkom sedamdesetih nastao je prividan zastoj. 1986.
publikovana je danas najpopulamija procedura utenja sa propagacijom
gre~ke unazad (backpropagation algorithm), [I 0], pa se ova god ina
smatra ponovnim potetkom razvoja ove oblasti.
Poslcdnjih godina intenzivno se ralYija teorija neuronskih mreza
i istra.Zuju se mogucnosti nj ihove primene. Ova populamosr
neuronskih mreia moze da se objasni atraktivno~cu arhitekture,
kojaje s li~na strukturi covettijeg mozga, i brojnim oblastima u
kojima se one uspe~no prirnenjuju (elektronici, automatici,
ekonomiji, medicin i, telckomunikacijama, vojnim aplikacijama i
td.). Svakako, jedno od znacajnijih podrucja primene neuronskih
mreia je identifikacija i upravljanje nelineamim procesirna.
4.2. BIOLOSKI NEURON
Mozak ima I 011 izuzctno povezanih elcmcnata (probliino 104 veza
po elementu) koji se nazivaj u neuronima iii nervnim telijama. Na
sl.4. 1 dat je ~ematski prikaz dva neurona.
Nervna celija se sastoj i od tela, dendrita i aksona. Dendriti
sluze za prihvatanje signala od drugih neurona i predstavljaju
produzetke tela tclije. Ovu funkciju obavlja i tclo cclijc, ali jc
veci deo vez.a ostvaren preko dendrita. Telo celije sabira signale
sa vi~c ulaza. Akson je jedan dugacak produfetak koj i prenosi
signal od tela celije do drugih neurona. Tacka kontakta izmedu
aksona jedne celije i dendrita druge celije zove se sinapsa.
U nepobudenom stanju potencijal tela neurona je oko - 70, m V .
Potencijal tela neurona se menja dovodenjem signala na neku od
sinapsi (smanjuje se iii povecava u zavisnosti da li je sinapsa
inhibitorna iii ekscitatoma). Kada se prekoraci aktivacioni
potencijal dolazi do izlazne aktivnosti neurona
Neke neuronske strukture su definisane na rodenju. Drugi delovi
se razvijaju ucenjem.
Ve~tacke neuronske mreze nisu ni priblizno slozene kao ljudski
mozak. Postoj i medutim dve kljucne slicnosti izmedu biolo~kih i
ve~tackih neuronskih mreza. Prvo gradivni elementi obe mreze su
jednostavni elementi medusobno povezani. Drugo veze izmedu neurona
odreduju funkciju mreze.
I ako su biolo~ki neuroni veoma spori u odnosu na elektronska
kola mozak je sposoban da re~ava mnoge zadatke mnogo bi'Ze nego
bilo koji konvencionalni
-
Neuronske mreie 61
kompjuter Zbog brojne paralclne strukture bioloSkih neuronskih
mreia svi neuron1 rade u is to \ rcme.
.) dendriti
akson
Sf .. f. 1. St!matski priktc bivlvSkih llt!llrOita
4.3. NEURON 1 MODEL NEURONA. ARHlTEKTURA I UCENJE VEST ACKm
NEURONSKJH MREZA
CentraJni nervni sistem je sastavljen od velikog broja neurona.
Modeli veSta\:kih neurona i neuronskih mrei.a su po stepenu
slofcnosti i organizaciji daleko iza neurona i neuronskih mrela
koje postoje u ljudskom mozgu.
U JiLeraturi je moguce srest1 vi~c razlicitih modela neurona.
S\c modele je moguce svrstati u dve grupe: staticke i dinamicke.
Model statickog veStackog neurona prikaz_an jc na sl. 4.2. lzlaz
neurona je:
(4. 1)
gde su:
-
62 Neuronske mre::c
aJpa>2, ... aJ, - poja
-
Neuronske mreze 63
~1gmoidalna funkcija dataje na sl. 4.3. d)
f(n)--1-_ I +e
f f 11----
-+------- n -+----- -11 a)
- 1 b)
f f
d)
c) S/.4. 3. Nelinearnafw7kcija neurona
Neka neuron sa sl. 4.3 ima tri ulaza. Ako su te>inski
koeficijenti i prag akti-vacije: m1 -1, m!= -2 , m1 =0.8 i b=-1. za
p 1 = 1.5, p! = -0.5. pJ =I, dobija se prema 4.3) da je 11 = 2.3 .
lzlaz neurona jc: 1 ako sc izabere aktivaciona funkcija kao na sl.
4.3. a) 1 ako je aktivaciona funkcija kao na sl. 4.3. b) 2.3 ako se
izabere aktivaciona funkcija kao na sl 4 3 c) 0.909 ako je
aktivaciona funkcija kao na sl. 4.3. d).
Veta~ka neuronska mrel.a se fonnira od veceg broja medusobno
povezanih neurona rasporedenih po slojevima. Neuroni su spojem u
mrezu tako da izlaz svakog
-
64 Neurof!Ske mreie
neurona predstavlja ulaz u jedan iii viSe drugih neurona.
Jzlazna neuroni generisu izlazne signale. Ostali neuroni nazivaJu
se skriveni (hidden). sl. 4.4.
\-; - --~ .,()---\ ' / I \ )< I \/ 'I /\ ,I,"Q--__ \.._7_
' \ I \ \ I
\ ( I ~ I \ / < (
I '', / ,'', \ '.~' '~, :~ - ----'-~
ulazni signali skri,en i sloj izlazm sloj izlazni signali S/ .f
. ./. Veuronska mrca be= f'U\'ratnih ~e::a
Postojc dve klase neuronskih mre!a: bez povmtnih veza
\nerekurentne) - signali se kroz ovakvu mrezu prenose samo u jednom
smeru, od ulaz.a ka izlazu, sl. 4.4. sa povratnim vczan1a
(rekurentne), sl. L5 .
.... - -- ....
ulazni signali
Sf . .f 5. Neuronska nm.!ia so povralnim ve=ama Rekurentne mrele
su blize prirodi. medutim mreie bez povratnih veza imaju
jednostavnu proceduru za uCenje, br1e su 1 daJu zadovoljavajuce
rezultate pri r~avanju velikog broja problema.
Pon~anje neuronske mre~e zav isi od ukupnog broja neurona, od
njihove medusobne povezanosti i tdinsldh koeficijenata. Aktivacione
funkcije takode imaju uticaj na pon~anje neuronske mrefe.
-
Neuronske mreie 65
U real izovani m neuronskim mretama, na delovanje sredine, one
najce~ce reaguju promenom poja~anja po sinapsama. Pravila za te
promene nazivaju se procedurama ucenja. Ucenje mote biti : off-
line (laboratorijsko ucenje), gde se mrei.a obucava van sredine u
kojoj ce raditi. Sredina se simulira skupom podataka za u~enje gde
je svaki uzorak predstavljen parom ulaz-teljeni izlaz. Skup lr~ba
izabrati paZlj ivo tako da Sto vemije predstavlja pona~anje
sredine. Kadaje odziv zadovoljavajuci pojacanja po sinapsama se
fiksiraju i mreza se stavlja u eksploataciju. Posto je skup
podataka za ucenje podskup skupa svih mogucih stanja, od naucene
mrete se ocekuje da da taean odziv ukoliko se pobudi ulazom koji
nije bio u skupu za obucavanje. Mreta treba da generalizuje
problem. on- 1 ine, gde se mreta stavlja u eksploataciju i ueenje
se obavlja na osnovu podataka koji se dobijaju iz radnog
okruzenja.
Procedure ucenja mogu biti staticke i dinamickc. Kod statickih
ucenje se obavlja promenom tei.inskih koeficijenata, a kod
dinamickih se menja i arhitektura.
Pri konstrukciji veStacke neuronske mre~e mnoge probleme treba
re~i t i koji se odnose na broj skrivenih slojeva, broj neurona u
svakom sloju, izbor aktivacione funkcijc ncurona , kao i izbor
skupa podataka za ucenje.
-
8 Glava osma GENETSKI ALGORITMI. PRIMENA U SJSTEMIMA AU
8.1. UVOD
Genetski algorilam je heuristitka metoda slutajnog i usmerenog
pretrazivanja prostora re~enja koja imitira prirodni evolutivni
proces, [20, 21]. Osnove genetskih algoritama je predlozio John
Holland 1962. Postoji vi~e tehnika koje se pri r~avanju problema
zasnivaju na Darvinovoj teoriji evolucije. Pored gcnetskih
algoritama slicni pristupi su evolllfhno programiranje, e~olutilfle
:,1rategije i gmetsko programiranje. Svi prl!thodno pobrojani
pristupi spadaju u grupu evolulivnih algoritama. Evolutivne
stratcgije imaju puno zajedni~kih osobina sa genetskim algoritmima.
Osnovna razlika izmedu evolutivnih slrategija i genetskih
algoritanla je domen njihove primeoe.
Evolutivni algoritmi se primenjuju za re~avanje razlicilih
oplimizacionih problema: aproksimaciju funkcija, obezbedivanje
optimalne potro~nje energije u nekom procesu pro izvodnje,
optimizaciju upita nad bazom podataka, odredivanje parametara
neuronski h mreZa, itd. Evolutivni algoritmi se usp~no primenjuju i
pri projektovanju sistema automatskog upravljanja. Oni , na primer,
mogu da se koriste za odredivanje optimal nih vrednosti parametara
PID kontrolera ([22, 23 J i fazi kontro-lera. Evolutivni algoritmi
sadr2e: prostor pretraZ.ivanja skup mogucih reSenja problema tj .
kandidata za re~enjc skup genetskih operatora za generisanje novih
jedi nki funkciju cilja kojom se odreduje prilagodenost neke
jedinke. Osnovn i koraci evolutivnog algoritma su:
-
140 Gene/ski algoritmi i njhova primena u pode.savanju
parametara regulatora
l.Generisanje inicijalne populacije 2. Odrealgoritma. U ovoj
knjizi analizirana je struktura genetskog algori tma, kao i
njegova
primena u re~avanju problema optimizacije. ReSenje problema
optimizacije podrazumeva odredivanje optimuma (maksimuma iii
minimuma) realne funkcije promenljivih xpx1 , ... ,x. nad unapred
datim skupom S. Skup S je pri tome reSenje sistema (lineamih ili
nelineamih) jednacina iii nejednacina. Program optimi:ac:ije:
vptimizovati f(-'i,x~, ... ,x.) ogranicenja: .1; (x"x~, .... x.) R1
a1
h. (x1,x1 , ... ,x.) R2 a2 /,. (x1 ,x~ .... . x.) R,. a,.,
gdc su: R., R1 , ... , Rm E {$. ~. =} . Ako su f., , h. , ... ,
/., nul a funkcije program je bez ogranicenja. Funkcije J, f. . / 2
, ... ,f .. mogu da budu lineamc i nelincame. Odredivanje x; ,x;,
... ,x: za koje je funkcija optimaloa mogu da se prim'!ne klasicne
metode. Mcdutim ukoliko funkcija f ima vi~e lokalnih ekslremuma
klasicne mctode se uvek krecu prema lokalnom minimumu iii
maksimumu, pri cemu on moze biti j globaln i, ali to ne moze da se
odredi i1. dobijenog rezultata. Genctski algoritmi odreduju polotaj
globalnog optimama u prostoru s vise lokalnh ekstremuma.
8.2. GENETIKA U PRffiODI
Svi zivi organizmi se sastoje iz celija u koj ima se nalazi isti
skup hromozoma. Pretpostavlja se da su sva svojstva jedinke
zapisana u hromozomima. Hromozorni se sastoje iz gena koji
prcdsi:JVIjaju blokove DNK. Skup inf01macija koje karakteri~u jedno
sYojstvo z.apisano jc u jedan gen. Svaki gen opisuje pojedinu
osobinu organizma kao ~to je: boja kose i ociju. o~trina vida,
krvna grupa, boja koze itd. i ima svoj polotaj u hromozomu koji se
naziva lokus. Ukupan skup genetskog materijala se nazi va genom.
Odredeni skup gena u genomu se naziva genotip. U toku reprodukcije
dolazi do rekombinovanja gena roditelja cime se formiraju novi
hromozomi. U genetskom paru geni mogu bili ravnopravni iii
neravnopravni, tako da je jedan gen dominantan, a
-
Genetski algoritmi i njlzova primena u podclavanj u parametara
regz1latora 141
drugi recesivan . U neravnopravnom paru dominantan gen odreduje
rezultantno svojstvo, dok se uz ravnopravni par gena dobija
svojstvo koje je negde izmedu svojstava roditelj a. Novi potomak
moze da mutira. Mutacija dovod i do mal ih prome-na DNK
elemenata.
Sva svojstva jedinke obi~no su zapisana u nekoliko parova
hromozoma. Covek ima 46 hromozoma odnosno :!3 pam. Radi ilustracije
objasnicemo odredivanje krvne grupe dcteta. (20]. Ona moi.e biti A.
B, AB, iii 0. Gen za krvnu grupu moze imati vrednosti 0, I ii i 2.
Genetski parovi koj i se nazivaju genotipima, mogu biti : 00, I 0,
I I, 20, 22, 21. OdgovarajuCi fenotipi su:
Genotip 00 10(01) iii II 20(02) iii 12 2 1( 12)
Fenotip 0 A B
AB
Jasno je da ukol iko oba roditelja imaju AB krvnu grupu dete
more da ima A. B iii AB krvnu grupu u zavisnosti od gena koj i su
rekombinovani u procesu reprodukcije. 1\ko oha roditelja imaju
krvnu grupu AB ondaje njihov genotip 21 ii i 12 pa dete nikako ne
moze da ima nultu krvnu grupu.
Genetski algoriLam je nastao opon~anjem evolucije. Terminologija
i operatori su preuzeti iz oblasti populacione genetike. Neka vrsta
mora da se prilagodava okolini u kojoj zivi. Svaka slc::dec~
generacija neke vrste mora da parn ti dobra svojstva prelhodne
generacije i da ih menja tako da ostanu dobra u novi m uslovima.
Metode kojima se ncka 'rsta u prirodi transformi~e su uk~tanje,
selekcija i mutacija.
8.3. JEDNOST A VNI GENETSKJ ALGORIT AM
Genetski algoritarn imitira evolutivni proces u prirodi . Za
evolutivni proces vafi da ((24]): postoj i populacijajedinki, su
neke jedinke bolje, holje jedinke imaju vecu verovatnocu
prezivljavanja i reprodukcije, su svojstva jedinki zapisana u
hromozomima pomocu genetskog koda, deca nasleduju svojstva
roditelja, nad jed inkom moze delovati mutncija. Struktura
jednostavnog genetskog algoritma prikazana je na slici 8.1.
Na po~etku prora~una se inicijalizuje populacija tj. odreden
broj jcdinki. lnicijalna populacija se obi~no generiSe sluc.ajnim
odabirom reenja iz domena traienja. Te jedinke se nazivaju
hromozomima. Za svako re~enje se odreduje mera
-
142 Genetski algoritmi i njhowJ primenu u podesavanju paramelaru
regula/ora
generisanje inicijalne populacije
potencijalnih re~enja
t start
proccna funkcij e cilja
du 1 i Jc 1.adovoljcn usJo, za'
