5. Проверка работы системы

Для проверки работы системы необходимо запустить сценарий Execute→Run. Появится окно, содержащее значения переменных. Через некоторое время CubiCalc дойдёт до конца входного файла и появится итоговое сообщение (рис.11):

Рис.11

Заключение

После применения на практике знаний, полученных в процессе изучения курса «Проектирование баз данных и баз знаний», и приобретения практических навыков при проектировании и создании нечёткой экспертной системы в программном пакете CubiCalc можно выделить отличительные особенности данных систем:

• Возможность оперировать входными данными, заданными нечётко;

• Возможность нечёткой формализации критериев оценки и сравнения;

• Возможность проведения качественных оценок, как входных данных, так и выводимых результатов;

• Возможность проведения быстрого моделирования сложных динамических систем и их сравнительный анализ с заданной степенью точности;

В отличие от традиционной математики, требующей на каждом шаге моделирования точных и однозначных формулировок закономерностей, нечёткая логика предлагает совершенно иной уровень мышления, благодаря которому творческий процесс моделирования происходит на наивысшем уровне абстракции, при котором постулируется лишь минимальный набор закономерностей.

Таким образом, нечёткая логика в некоторых случаях позволяет улучшить качество управления объектами. Решающую роль в оптимизации показателей эффективности играют эксперты, которые определяют количество выходных и входных переменных, число термов для каждой переменной, виды функций принадлежности, т. к. изменение этих параметров приводит к улучшению или ухудшению процесса управления объектом.

Однако, я считаю, что важнейшим недостатком нечёткой логики является отсутствие единого метода моделирования систем, т. е. для каждого случая приходится заново проектировать нечёткую подпрограмму, определяя шаг за шагом все параметры и строя свою таблицу решений.

Список использованных источников

1. Заде Л. А., Понятие лингвистической переменной и его применения к принятию приближённых решений, 1976-166 с.

2. Круглов В. В., Нечёткая логика и искусственные нейронные сети,2001-221 с.

3. Рутковская Д., Нейронные сети, генетические алгоритмы и нечёткие системы, 2006

4. Самарский А. А., Математическое моделирование: идей, методы, примеры, 1991-320 с.

5. Жданова Е. И., Методические указания для выполнения курсового проекта «Проектирование баз данных и баз знаний, 2011.

22