СРЕДСТВА ВИЗУАЛЬНОГО МОДЕЛИРОВАНИЯ И ГЕНЕРАЦИИ КОДА НЕЧЕТКИХ ПРОДУКЦИЙ

Дородных Никита Олегович, Юрин Александр Юрьевич, Коршунов Сергей Андреевич, Сопп Дмитрий Юрьевич, Шпаченко Дмитрий Сергеевич

Институт динамики систем и теории управления имени В.М. Матросова СО РАН, ООО ЦентраСиб

Логические и ассоциативные правила по-прежнему являются наиболее распространенным способом представления экспертных знаний и поддержки принятия решений, несмотря на популярность семантических технологий. Эффективное использование правил при принятии решений в случае неточной или неопределенной информации требует разработки специализированных лингвистических (языковых) и программных средств, как для их наглядного отображения, так и генерации программных кодов. В данной работе рассматривается FuzzyRVML, как расширение одного из языков визуального моделирования правил – Rule Visual Modeling Language, предназначенное для моделирования логических правил, содержащих элементы нечеткости. FuzzyRVML поддерживает нечеткий тип данных, понятия лингвистической переменной, терма и коэффициента уверенности. Представлены описания основных элементов и конструкций FuzzyRVML, а также иллюстративный пример, содержащий генерацию кода на FuzzyCLIPS. Программным средством поддержки предлагаемой нотации является Personal Knowledge Base Designer, на основе которого произведены ее оценка и реализация.

нечеткость, нечеткая база знаний, нечеткие правила, логические правила, генерация кода, RVML, FuzzyCLIPS

Вернуться назад