Ασαφή και νευροασαφή συστήματα – Ασαφής Βαθεία Μάθηση

Abstract

Το βιβλίο αποσκοπεί στο να γνωρίσει ο αναγνώστης (μεταπτυχιακός φοιτητής της επιστήμης της πληροφορικής ή της μηχανικής) σημαντικούς κλάδους της υπολογιστικής ευφυΐας. Δίνεται έμφαση τόσο στο θεωρητικό μαθηματικό υπόβαθρο της ασαφούς λογικής και των αλγορίθμων σχεδίασης και εκπαίδευσης, όσο και στην ενδελεχή περιγραφή των βασικών εφαρμογών τους. Στα πρώτα κεφάλαια παρουσιάζονται θεμελιώδη στοιχεία της ασαφούς λογικής και αναλύονται η δομή και λειτουργία των ασαφών κανόνων και του προσεγγιστικού συλλογισμού. Μελετώνται η δομή του κλασικού ασαφούς συστήματος και οι επιμέρους βαθμίδες (ασαφοποιητής, αποασαφοποιητής, βάση κανόνων, μηχανισμός εξαγωγής συμπεράσματος). Παρουσιάζεται η διαδικασία σχεδίασης ασαφών μοντέλων PIS, MIS, Takagi- Sugeno-Kang και ασαφών νευρωνικών δικτύων και μελετώνται οι βασικοί αλγόριθμοι αναγνώρισης δομής και παραμέτρων, ενώ εξετάζονται τα FRBCS με χρήση της εξελικτικής υπολογιστικής. Σημαντικό τμήμα του συγγράμματος αποτελούν τα αναδρομικά ασαφή μοντέλα και τα αναδρομικά ασαφή νευρωνικά δίκτυα, καθώς και οι σχετικές τεχνικές εκπαίδευσης. Σε ό,τι αφορά τη συνιστώσα των εφαρμογών, δίνονται παραδείγματα από τα πεδία της μοντελοποίησης (επεξεργασία ήχου, βιοϊατρικά και τηλεπικοινωνιακά προβλήματα κ.ά.), της πρόβλεψης ηλεκτρικού φορτίου, της εξόρυξης δεδομένων, με έμφαση στους ταξινομητές, και του αυτομάτου ελέγχου. Το τελευταίο κεφάλαιο του βιβλίου είναι αφιερωμένο στο ζήτημα της βαθείας μάθησης και σε διάφορες βαθείς ασαφείς δομές. Πλήθος μοντέλων και αλγορίθμων έχει υλοποιηθεί σε κώδικα MATLAB/Octave, ώστε ο αναγνώστης να εξοικειωθεί με τον επιστημονικό προγραμματισμό.

The book aims at familiarizing the reader (post graduate student in computer science or engineering) with significant areas of computational intelligence. Emphasis is put both on the theoretical mathematical background of fuzzy logic and design and training algorithms, as well as on a thorough description of main applications. In the first chapters the fundamentals of fuzzy logic are presented and the structure and operation of fuzzy rules and approximate reasoning are analyzed. The classical fuzzy system and its structure (fuzzifier, defuzzifier, rule base, inference engine) are studied. The design process of PIS, MIS, Takagi-Sugeno-Kang, fuzzy neural networks is given and the most prominent structure and parameter identification algorithms are examined, while genetic FRBCS are also described. Recurrent fuzzy models and recurrent neural networks are introduced, along with dedicated learning techniques. As far as real-world applications are concerned, the problems of sound processing, electric load forecasting, real-time separation of lung sounds and mining of telecommunications data are studied, while emphasis is also put on classification and automatic control. The book concludes with the issue of fuzzy deep learning and a series of deep fuzzy structures is discussed. Numerous models and algorithms have been implemented in MATLAB/Octave, such that the reader becomes familiar with scientific programming.