А.В.ТИМОФЕЕВ - Адаптивные роботехнические комплексы
7.5. АДАПТИВНЫЕ РЕШАЮЩИЕ ПРАВИЛА И ФРЕЙМЫ
Для распознавания классов ситуаций и принятия адекватных решений системе управления РТК необходимо сформировать соответствующие решающие правила. Рассмотрим общую схему и конкретные алгоритмы синтеза и оптимизации адаптивных логических решающих правил. Принцип минимальной сложности, лежащий в основе их синтеза, обеспечивает простоту реализации и высокую экстраполирующую силу. Благодаря этим качествам адаптивные решающие правила находят все более широкое применение в ГАП, в частности, в РТК адресования деталей на конвейерах.
Рассмотрим сначала класс решающих правил, основанный на , последовательном анализе информации. Синтез таких правил сводится к построению ориентированных графов типа «дерево решений» и к принятию решений с помощью таких распознающих графов. Это соответствует синтезу логических решающих правил в классе бинарно-древовидных д. н. ф. Процесс конструирования распознающих правил и графов по информации, заключенной в обучающей выборке, можно интерпретировать как процесс обучения распознаванию.
Предлагаемый подход к синтезу логических решающих правил и распознающих графов основывается на идее последовательной оптимизации конъюнкций предикатов-признаков по заданному критерию качества, вычисляемому по обучающей выборке. Общая схема такого синтеза заключается в следующем.
На к-м шаге рассматривается каждая конъюнкция гк_х (со) — 1)-го ранга, построенная на предыдущем шаге. По этим конъюнкциям строятся новые конъюнкции гк (со) &-го ранга путем присоединения к гй_! (со) ранее не использованных признаков £г (со) и их отрицаний ~||г (со). Среди полученных конъюнкций вида гй_1 & |г и гк_х & Г1г отбирается наилучшая (в смысле заданного критерия качества)
На (& + 1)-м шаге процесс повторяется. Окончание процесса определяется правилом остановки.
Для конкретизации описанной общей схемы построения логических решающих правил необходимо выбрать критерий качества и указать правило остановки алгоритма. Различные варианты такой конкретизации предложены в работах [119, 123, 133]. Поскольку в принципе возможны ошибки распознавания, целесообразно использовать статистические критерии качества (такие, например, как критерий Байеса или критерий Вальда). Наибольший практический интерес представляет критерий Байеса, так как он минимизирует вероятность ошибок. Согласно этому критерию, на к-и шаге отбирается тот признак, при включении которого в гк (со) максимизируется апостериорная вероятность некоторого класса, а именно:
Рк{&() = шах Р(<Г21\гк(а)=1), (7.13) "
/=1.....м
248
