рівнем значення передумови цього правила для вектору вхідних змінник
Імовірнісний характер правил нечіткої бази знань, коли "інформаційні гранули" (3.1) формулюють умовну імовірність, на наш погляд, доцільно врахувати шляхом використання у ролі імплікації операції добутку (prod-активації). Графічно prod-активація відображається "масштабуванням" функції належності j-ro терму вихідної змінної () з коефіцієнтом, визначеним мірою істинності передумови цього правила для вектору вхідних змінних (
). У результаті логічного висновку по /-му правилу бази знань (з т правил) конкретизується нечіткі терми (
) вихідної змінної
(3.5):
(3.5)
Звичайно, реалізація цього і подальших етапів алгоритму нечіткого висновку можлива за умови наявності у кожній із вихідних змінних конкретних значень.
На 3-му етапі "Композиція" всі нечіткі терми вихідних змінних об'єднуються, що графічно виявляється у побудові криволінійної фігури. У результаті логічного висновку по всій базі знань, що передбачає агрегування нечітких множин (3.6), отримуємо акумульовану функцію належності кожної із вихідних змінних. Агрегування нечітких множин (аgg) найчастіше реалізується операцією максимуму:
(3.6)
На підставі сукупності функцій належності вихідних змінних здійснюється завершальний 4-й етап процедури нечіткого висновку – "Дефаззифікація", у результаті якого набір нечітких висновків перетворюється у чітке число. Як уже зазначалось, найчастіше дефаззифікація виконується за методом "центру ваги", тобто чітке значення вихідної змінної відповідає абсцисі центру ваги криволінійної фігури, утвореної на етапі композиції, яку можна обчислити за формулою (3,7):
(3.7)
де – результат дефаззифікації,
– змінна з універсальної множини (області значень) вихідної змінної,
– функція належності, яка відповідає вихідній лінгвістичній змінній після етапу акумуляції;
тіп і max – ліва і права точки інтервалу носія нечітких множин термів вихідної змінної, що аналогічно визначенню меж відрізку
Кожен із чинників-детермінант результативного показника може випадковим чином варіюватись відносно свого середнього значення і набувати лінгвістичних оцінок типу "значно зріс", "дещо знизилась". Тому розмах можливих значень, що спостерігатиметься для цих вхідних змінних на певному підприємстві, можна розглядати як універсальні множини, на яких можна виділити нечіткі терми: "помітне зниження", "неістотне зниження", "стабільність", "неістотне зростання", "помітне зростання" – підмножини на всій сукупності значень універсуму вхідної змінної.
Поряд із найбільш розповсюдженим алгоритмом нечіткого висновку Мамдані, вони рекомендують використовувати алгоритм Ларсена для розв'язання проблем управління фінансовими процесами. Алгоритм Ларсена передбачає використання гаусових функцій належності, імплікації з використанням операції добутку та центроїдний метод дефаззифікації.
Функція належності – це функція, яка дозволяє для довільного елементу універсальної множини визначити його міру належності нечіткій множині. Так, якщо частка строкових депозитів у загальних пасивах складає 60 %, стверджувати що фінансовими ресурсами банкує виключно депозити із 100 % упевненістю не можна – рівень впевненості в істинності такого висловлювання становитиме близько 60 %.
Також некоректно із поєною, на всі 100 %, упевненістю говорити, що частка депозитів у формуванні фінансових ресурсів банку незначна, коли вона становить 60% – впевненість у справедливості такого висловлювання навряд чи перевищить 40 %, враховуючи поточні показники фінансової стійкості банківської системи.. Отже функція належності дозволяє кількісно встановити міру впевненості в тому, що деяке значення
– аргумент функції належності належить певному терму. Найбільшого розповсюдження і використання у прикладних задачах отримали трикутна, трапецієвидна, гауссова та сигмоїдна функції належності. Гаусові функції належності використовують для термів (терм-множин), зіставних з поняттями "в межах норми", "задовільна", "своєчасно", "середній" і подібних. Для термів типу "низький", "незадовільно", або "із випередженням графіку", які характеризують невизначеність типу "невелике значення", задаючи незростаючу залежність з насиченням, обрано z-подібну двопараметричну сплайн-функцію. Аналогічно для термів "високий", "великий", або ж "із запізненням" і "бездоганна", які характеризують невизначеність типу "велике значення" і задають неубуваючі функції із насиченням обрано s-подібну двопараметричну сплайн-функцію.
Сплайн-функція z-подібної кривої задається наступною системою:
(3.8)
де a, b – параметри функції, впорядковані співвідношенням а<b. Якщо значення змінної перебуває в інтервалі [а b], то належність її певному терму не є однозначною, а значення функції належності розкриває величину невпевненості у справедливості тої чи іншої ознаки.
Сплайн-функція s-подібної кривої задається наступною системою:
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Інноваційні методи оцінки банківського капіталу» автора Автор невідомий на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Розділ 3. Удосконалення процедур обчислення вартості капіталу банків засобами теорії нечітких множин“ на сторінці 3. Приємного читання.
