WikiDer > Нечеткая когнитивная карта

Fuzzy cognitive map
Род Таберс FCM описывает одиннадцать факторов американского рынка наркотиков

А нечеткая когнитивная карта (FCM) это когнитивная карта в котором отношения между элементами (например, концепциями, событиями, ресурсами проекта) «ментального ландшафта» могут использоваться для вычисления «силы воздействия» этих элементов. Нечеткие когнитивные карты были введены Барт Коско.[1][2] Рон Аксельрод представил когнитивные карты как формальный способ представления социальных научных знаний и моделирования. принимать решение в социальных и политических системах, а затем нечеткая логика.[нужна цитата]

Подробности

Нечеткие когнитивные карты подписаны нечеткими диграфы. Они могут смотреть на первый румянец подобно Диаграммы Хассе но это не так.Таблицы или таблицы используются для отображения FCM в матрицы для дальнейших вычислений.[3][4][5]FCM - это метод, используемый для получения и представления причинных знаний, он поддерживает процесс рассуждений о причинных знаниях и относится к нейронечеткой системе, которая направлена ​​на решение проблем принятия решений, моделирования и имитации сложные системы.[6] Были предложены алгоритмы обучения для обучения и обновления весов FCM, в основном на основе идей, исходящих из области Искусственные нейронные сети.[7] Методики адаптации и обучения, используемые для адаптации модели FCM и корректировки ее весов. Коско и Дикерсон (Dickerson & Kosko, 1994) предложили дифференциальную Hebbian Learning (DHL) для обучения FCM.[8] Были предложены алгоритмы, основанные на исходном алгоритме Хеббиана;[9] другие алгоритмы происходят из области генетические алгоритмы, рой интеллект[10] и эволюционные вычисления.[11] Алгоритмы обучения используются для преодоления недостатков, присущих традиционным FCM, т.е. уменьшения вмешательства человека с помощью предлагаемых автоматизированных кандидатов FCM; или активируя только самые актуальные концепции каждый раз при выполнении; или сделав модели более прозрачными и динамичными.[12]

Нечеткие когнитивные карты (FCM) привлекли значительный исследовательский интерес из-за их способности представлять структурированные знания и моделировать сложные системы в различных областях. Этот растущий интерес привел к необходимости улучшения и создания более надежных моделей, которые могут лучше отображать реальные ситуации. Первое простое применение FCM описано в книге[13] Уильяма Р. Тейлора, где анализируется война в Афганистане и Ираке. В Барт Коскокнига Нечеткое мышление,[14] несколько диаграмм Хассе иллюстрируют использование FCM. В качестве примера можно привести цитату из FCM Рода Табера.[15] описывает 11 факторов американского рынка кокаина и взаимосвязь между этими факторами. Для вычислений Тейлор использует пятивалентную логику (скалярные значения из {-1, -0,5,0, + 0,5, + 1}). Эта конкретная карта Табера использует трехвалентная логика (скалярные значения из {-1,0, + 1}). Taber et al. также проиллюстрировать динамику слияния карт и дать теорему о сходимости комбинации в связанной статье.[16]

Хотя приложения в социальных науках[13][14][15][17] представили FCM общественности, они используются в гораздо более широком диапазоне приложений, которые все должны иметь дело с созданием и использованием моделей[18] неопределенности и сложных процессов и систем. Примеры:

FCMappers - это международное онлайн-сообщество для анализа и визуализации нечетких когнитивных карт.[37] FCMappers предлагают поддержку при запуске с FCM, а также предоставляют Майкрософт Эксельинструмент, способный проверять и анализировать FCM. Вывод сохраняется как Pajek файл и может быть визуализирован с помощью стороннего программного обеспечения, такого как Pajek, Visone и т. д. Они также предлагают адаптировать программное обеспечение к конкретным исследовательским потребностям.

Дополнительные программные инструменты FCM, такие как Mental Modeler,[38][39] недавно были разработаны как инструмент поддержки принятия решений для использования в социальная наука исследования, совместное принятие решений и планирование природных ресурсов.

Смотрите также

Рекомендации

  1. ^ Барт Коско (1986). "Нечеткие когнитивные карты" (PDF). Международный журнал человеко-машинных исследований. 24: 65–75. Дои:10.1016 / S0020-7373 (86) 80040-2.
  2. ^ [1]
  3. ^ «FCMapper - наше программное решение для нечеткого когнитивного картирования». Fcmappers.net. 2016-01-27. Получено 2017-01-09.
  4. ^ «Нечеткие когнитивные карты». Ochoadeaspuru.com. Получено 2017-01-09.
  5. ^ «JFCM - Java Fuzzy Cognitive Maps». Jfcm.megadix.it. Получено 2017-01-09.
  6. ^ Салмерон, Хосе Л. (2012). «Нечеткие когнитивные карты для прогнозирования искусственных эмоций». Прикладные мягкие вычисления. 12 (2): 3704–3710. Дои:10.1016 / j.asoc.2012.01.015.
  7. ^ Salmeron, Jose L .; Froelich, W. (2016). «Динамическая оптимизация нечетких когнитивных карт для прогнозирования временных рядов». Системы, основанные на знаниях. 105: 29–37. Дои:10.1016 / j.knosys.2016.04.023.
  8. ^ "IEEEBook8.dvi" (PDF). Home.eng.iastate.edu. Получено 2017-01-09.
  9. ^ Papageorgiou, E.I .; Stylios, C.D .; Groumpos, P.P. (2004). «Алгоритм активного обучения Hebbian для обучения нечетких когнитивных карт». Международный журнал приблизительных рассуждений. 37 (3): 219. Дои:10.1016 / j.ijar.2004.01.001.
  10. ^ Папагеоргиу, Эльпиники I .; Parsopoulos, Konstantinos E .; Stylios, Chrysostomos S .; Groumpos, Petros P .; Врахатис, Майкл Н. (2005). «Обучение нечетких когнитивных карт с использованием оптимизации роя частиц». Журнал интеллектуальных информационных систем. 25: 95. Дои:10.1007 / s10844-005-0864-9.
  11. ^ Stach, W .; Курган, Л .; Pedrycz, W .; Реформат, М. (2005). «Эволюционное развитие нечетких когнитивных карт». 14-я Международная конференция IEEE по нечетким системам, 2005 г. FUZZ '05. стр. 619–. Дои:10.1109 / FUZZY.2005.1452465. ISBN 0-7803-9159-4.
  12. ^ Папагеоргиу, Эльпиники I .; Стилий, Хризостом; Groumpos, Питер П. (2006). «Неконтролируемые методы обучения для точной настройки причинно-следственных связей нечеткой когнитивной карты». Международный журнал человеко-компьютерных исследований. 64 (8): 727. Дои:10.1016 / j.ijhcs.2006.02.009.
  13. ^ а б Уильям Р. Тейлор: Смертельная американская неразбериха (Как Буш и пацифисты потерпели поражение в войне с терроризмом), 2006, ISBN 0-595-40655-6 (Приложение FCM в главе 14) В архиве 30 сентября 2007 г. Wayback Machine
  14. ^ а б c Барт Коско: Нечеткое мышление, 1993/1995, ISBN 0-7868-8021-X (Глава 12: Адаптивные нечеткие системы)
  15. ^ а б c Род Табер: Обработка знаний с помощью нечетких когнитивных карт, Экспертные системы с приложениями, т. 2, вып. 1, 83-87, 1991 (Диаграмма Хассе в немецкой Википедии)
  16. ^ Табер, Род; Ягер, Рональд Р .; Хельгасон, Кэти М. (2007). «Эффекты квантования на равновесное поведение комбинированных нечетких когнитивных карт». Международный журнал интеллектуальных систем. 22 (2): 181. Дои:10.1002 / внут.20185.
  17. ^ Костас Неоклеус, Христос Шизас, Костас Йенетлис: Нечеткие когнитивные модели в изучении политической динамики - пример кипрской проблемы В архиве 29 сентября 2007 г. Wayback Machine
  18. ^ Хризостомос Д. Стилиос, Вула К. Георгопулос, Питер П. Групос: Использование нечетких когнитивных карт в системах моделирования В архиве 20 июля 2011 г. Wayback Machine
  19. ^ Антони Джеттер: Produktplanung im Fuzzy Front End, 2005, ISBN 3-8350-0144-2
  20. ^ Салмерон, Хосе Л. (2009). «Поддержка лиц, принимающих решения, с помощью нечетких когнитивных карт». Управление исследованиями и технологиями. 52 (3): 53–59. Дои:10.1080/08956308.2009.11657569.
  21. ^ Веса А. Нисканен: Применение нечетких лингвистических когнитивных карт к дилемме заключенного, 2005, ICIC International, стр. 139-152, ISSN 1349-4198 В архиве 29 сентября 2007 г. Wayback Machine
  22. ^ Салмерон, Хосе Л. (2009). «Расширенные нечеткие когнитивные карты для моделирования критических факторов успеха LMS». Системы, основанные на знаниях. 22 (4): 53–59. Дои:10.1016 / j.knosys.2009.01.002.
  23. ^ Георгопулос, Вула С; Маландраки, Джорджия А; Стилиос, Хризостомос D (2003). "Нечеткая когнитивная карта подход к дифференциальной диагностике конкретных языковых нарушений". Искусственный интеллект в медицине. 29 (3): 261–78. Дои:10.1016 / S0933-3657 (02) 00076-3. PMID 14656490.
  24. ^ Papageorgiou, E.I .; Stylios, C.D .; Groumpos, P.P. (2003). «Интегрированная двухуровневая иерархическая система для принятия решений в лучевой терапии на основе нечетких когнитивных карт». IEEE Transactions по биомедицинской инженерии. 50 (12): 1326–39. Дои:10.1109 / TBME.2003.819845. PMID 14656062.
  25. ^ Salmeron, Jose L .; Папагеоргиу, Э. (2012). «Система поддержки принятия решений на основе нечетких серых когнитивных карт для планирования лучевой терапии». Системы, основанные на знаниях. 30 (1): 151–160. Дои:10.1016 / j.knosys.2012.01.008.
  26. ^ Georgopoulos, Voula C .; Стилиос, Хризостомос Д. (2015). «Контрольная структура нечеткой когнитивной карты для оценки сортировки и поддержки принятия решений в отделении неотложной помощи». Моделирование и методы моделирования, технологии и приложения. Достижения в интеллектуальных системах и вычислениях. 319. С. 255–69. Дои:10.1007/978-3-319-11457-6_18. ISBN 978-3-319-11456-9.
  27. ^ Groumpos, Peter P .; Стилиос, Хризостомос Д. (январь 2000 г.). «Нечеткие когнитивные карты в моделировании систем диспетчерского управления - IOS Press». Журнал интеллектуальных и нечетких систем. 8 (1): 83–98. Получено 2017-01-09.
  28. ^ Stylios, C.D .; Groumpos, P.P. (2004). «Моделирование сложных систем с помощью нечетких когнитивных карт». Транзакции IEEE по системам, человеку и кибернетике - Часть A: Системы и люди. 34: 155. Дои:10.1109 / TSMCA.2003.818878.
  29. ^ Salmeron, Jose L .; Гутьеррес, Э. (2012). «Нечеткие серые когнитивные карты в проектировании надежности». Прикладные мягкие вычисления. 12 (12): 3818–3824. Дои:10.1016 / j.asoc.2012.02.003.
  30. ^ Марк Бёлен: Больше роботов в клетках,
  31. ^ Бенджо А. Джулиано, Уилис Бэндлер: Отслеживание цепочек мыслей (нечеткие методы в когнитивной диагностике), Physica-Verlag Heidelberg 1996, ISBN 3-7908-0922-5
  32. ^ В. Б. Васанта Кандасами, Флорентин Смарандаче: Нечеткие когнитивные карты и нейтрософские когнитивные карты, 2003, ISBN 1-931233-76-4
  33. ^ Родригес-Репизо, Луис; Сетчи, Россица; Салмерон, Хосе Л. (2007). «Моделирование успеха ИТ-проектов с помощью нечетких когнитивных карт». Экспертные системы с приложениями. 32 (2): 543. Дои:10.1016 / j.eswa.2006.01.032.
  34. ^ Salmeron, Jose L .; Лопес, К. (2010). «Многокритериальный подход к оценке рисков при сопровождении ERP». Журнал систем и программного обеспечения. 83 (10): 1941–1953. Дои:10.1016 / j.jss.2010.05.073.
  35. ^ Salmeron, Jose L .; Лопес, К. (2012). «Прогнозирование воздействия риска на обслуживание ERP с помощью расширенных нечетких когнитивных карт». IEEE Transactions по разработке программного обеспечения. 38 (2): 439–452. Дои:10.1109 / TSE.2011.8.
  36. ^ Salmeron, Jose L .; Vidal, R .; Мена, А. (2012). «Ранжирование сценариев на основе нечетких когнитивных карт с помощью TOPSIS». Экспертные системы с приложениями. 39 (3): 2443–2450. Дои:10.1016 / j.eswa.2011.08.094.
  37. ^ FCMappers - международное сообщество нечетких когнитивных карт: http://www.FCMappers.net/
  38. ^ Грей, Стивен А .; Грей, Стефан; Кокс, Линда Дж .; Хенли-Шепард, Сара (2013). «Mental Modeler: инструмент моделирования когнитивного картирования с нечеткой логикой для адаптивного управления окружающей средой». 2013 46-я Гавайская международная конференция по системным наукам. С. 965–. Дои:10.1109 / HICSS.2013.399. ISBN 978-1-4673-5933-7.
  39. ^ «Когнитивное картирование с нечеткой логикой». Mental Modeler. Получено 2017-01-09.