Нечеткая когнитивная карта
FCM Рода Таберса, описывающая одиннадцать факторов американского рынка наркотиков

Нечеткая когнитивная карта ( НКК ) — это когнитивная карта , в рамках которой отношения между элементами (например, понятиями, событиями, ресурсами проекта) «ментального ландшафта» могут использоваться для вычисления «силы воздействия» этих элементов. Нечеткие когнитивные карты были введены Бартом Коско . [1] [2] Роберт Аксельрод ввел когнитивные карты как формальный способ представления социальных научных знаний и моделирования принятия решений в социальных и политических системах, а затем ввел вычисления. [3]

Подробности

Нечеткие когнитивные карты — это подписанные нечеткие направленные графы . Электронные таблицы или таблицы используются для отображения FCM в матрицы для дальнейших вычислений. FCM — это метод, используемый для получения и представления причинно-следственных знаний, он поддерживает процесс рассуждения причинно-следственных знаний и относится к нейро-нечеткой системе, которая направлена ​​на решение задач принятия решений, моделирование и имитацию сложных систем . [4] Для обучения и обновления весов FCM были предложены алгоритмы обучения, в основном основанные на идеях из области искусственных нейронных сетей . [5] Методологии адаптации и обучения используются для адаптации модели FCM и корректировки ее весов. Коско и Дикерсон (Dickerson & Kosko, 1994) предложили дифференциальное обучение Хебба (DHL) для обучения FCM. [6] Были предложены алгоритмы, основанные на первоначальном алгоритме Хебба; [7] другие алгоритмы взяты из области генетических алгоритмов , роевого интеллекта [8] и эволюционных вычислений . [9] Алгоритмы обучения используются для преодоления недостатков, присущих традиционным FCM, то есть уменьшения человеческого вмешательства за счет предлагаемых автоматизированных кандидатов FCM; или путем активации только наиболее релевантных концепций при каждом выполнении; или путем создания более прозрачных и динамичных моделей. [10]

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 представлять реальные ситуации. Первое простое применение FCM описано в книге [11] Уильяма Р. Тейлора, где анализируется война в Афганистане и Ираке. В книге Барта Коско Fuzzy Thinking [ 12] несколько диаграмм Хассе иллюстрируют использование FCM. В качестве примера, одна FCM, процитированная из Рода Табера [13], описывает 11 факторов американского рынка кокаина и связи между этими факторами. Для вычислений Тейлор использует пятивалентную логику (скалярные значения из {-1,-0.5,0,+0.5,+1}). Эта конкретная карта Табера использует трехвалентную логику (скалярные значения из {-1,0,+1}). Табер и др. также иллюстрируют динамику слияния карт и приводят теорему о сходимости сочетания в связанной статье. [14]

Хотя приложения в социальных науках [11] [12] [13] [15] представили FCM общественности, они используются в гораздо более широком спектре приложений, которые все имеют дело с созданием и использованием моделей [16] неопределенности и сложных процессов и систем. Примеры:

  • В бизнесе FCM могут использоваться для планирования продукции [17] и поддержки принятия решений. [18]
  • В экономике FCM поддерживают использование теории игр в более сложных ситуациях. [19]
  • В образовании для моделирования критических факторов успеха систем управления обучением . [20]
  • В медицинских приложениях для моделирования систем, обеспечения диагностики, [21] разработки систем поддержки принятия решений [22] [23] и медицинской оценки . [24]
  • В инженерии для моделирования и управления [25] в основном сложных систем [26] и надежности техники [27]
  • При планировании проектов FCM помогают анализировать взаимозависимости между ресурсами проекта.
  • В робототехнике [12] [28] FCM помогают машинам разрабатывать нечеткие модели окружающей среды и использовать эти модели для принятия четких решений.
  • В компьютерном обучении FCM позволяют компьютерам проверять, понимают ли учащиеся материал, изучаемый на уроках. [29]
  • В экспертных системах [13] несколько или много FCM могут быть объединены в одну FCM для обработки оценок знающих людей. [30]
  • В управлении ИТ-проектами методология FCM помогает успешно моделировать, [31] анализировать и оценивать риски, [32] [33] ИТ-сценарии [34]

FCMappers — это международное онлайн-сообщество для анализа и визуализации нечетких когнитивных карт. [35] FCMappers предлагает поддержку для начала работы с FCM, а также предоставляет инструмент на основе Microsoft Excel , который может проверять и анализировать FCM. Выходные данные сохраняются в виде файла Pajek и могут быть визуализированы в стороннем программном обеспечении, таком как Pajek, Visone и т. д. Они также предлагают адаптировать программное обеспечение к конкретным исследовательским потребностям.

Недавно были разработаны дополнительные программные инструменты FCM, такие как Mental Modeler [36] [37], в качестве инструмента поддержки принятия решений для использования в исследованиях в области социальных наук , совместном принятии решений и планировании природных ресурсов .

Смотрите также

Ссылки

  1. ^ Барт Коско (1986). "Нечеткие когнитивные карты" (PDF) . Международный журнал исследований человека и машины . 24 : 65–75 . doi :10.1016/S0020-7373(86)80040-2.
  2. ^ Дикерсон, Джули А.; Коско, Барт (1994). «Виртуальные миры как нечеткие когнитивные карты» (PDF) . sipi.usc.edu . Архивировано из оригинала (PDF) 2 сентября 2006 г. . Получено 13 января 2022 г. .
  3. ^ Аксельрод, Роберт (1976). Структура решения: Когнитивная карта политических элит . Princeton University Press. ISBN 978-0-691-10050-0.
  4. ^ Салмерон, Хосе Л. (2012). «Нечеткие когнитивные карты для прогнозирования искусственных эмоций». Прикладные мягкие вычисления . 12 (2): 3704– 3710. doi :10.1016/j.asoc.2012.01.015.
  5. ^ Салмерон, Хосе Л.; Фрёлих, В. (2016). «Динамическая оптимизация нечетких когнитивных карт для прогнозирования временных рядов». Системы, основанные на знаниях . 105 : 29–37 . doi :10.1016/j.knosys.2016.04.023.
  6. ^ "IEEEBook8.dvi" (PDF) . Home.eng.iastate.edu . Получено 2017-01-09 .
  7. ^ Папагеоргиу, EI; Стилиос, CD; Гроумпос, PP (2004). «Активный алгоритм обучения Хебба для обучения нечетких когнитивных карт». Международный журнал приближенного рассуждения . 37 (3): 219. doi :10.1016/j.ijar.2004.01.001.
  8. ^ Папагеоргиу, Элпиники И.; Парсопулос, Константинос Э.; Стилиос, Хризостомос С.; Гроумпос, Петрос П.; Врахатис, Майкл Н. (2005). «Обучение нечетких когнитивных карт с использованием оптимизации роя частиц». Журнал интеллектуальных информационных систем . 25 : 95. doi :10.1007/s10844-005-0864-9. S2CID  878213.
  9. ^ Stach, W.; Kurgan, L.; Pedrycz, W.; Reformat, M. (2005). "Эволюционное развитие нечетких когнитивных карт". 14-я Международная конференция IEEE по нечетким системам, 2005. FUZZ '05 . стр. 619–. doi :10.1109/FUZZY.2005.1452465. ISBN 0-7803-9159-4. S2CID  206671682.
  10. ^ Папагеоргиу, Элпиники И.; Стилиос, Хризостомос; Гроумпос, Питер П. (2006). «Методы обучения без учителя для тонкой настройки нечетких когнитивных карт причинно-следственных связей». Международный журнал исследований взаимодействия человека и компьютера . 64 (8): 727. doi :10.1016/j.ijhcs.2006.02.009.
  11. ^ ab Уильям Р. Тейлор: Смертельная американская путаница (Как Буш и пацифисты потерпели неудачу в войне с терроризмом) , 2006, ISBN 0-595-40655-6 (приложение FCM в главе 14) Архивировано 30 сентября 2007 г. на Wayback Machine 
  12. ^ abc Барт Коско: Нечеткое мышление , 1993/1995, ISBN 0-7868-8021-X (Глава 12: Адаптивные нечеткие системы) 
  13. ^ abc Род Табер: Обработка знаний с помощью нечетких когнитивных карт , Экспертные системы с приложениями, т. 2, № 1, 83-87, 1991 (диаграмма Хассе в немецкой Википедии)
  14. ^ Табер, Род; Ягер, Рональд Р.; Хельгасон, Кэти М. (2007). «Влияние квантования на равновесное поведение комбинированных нечетких когнитивных карт». Международный журнал интеллектуальных систем . 22 (2): 181. doi :10.1002/int.20185. S2CID  205964356.
  15. ^ Костас Неоклеус, Христос Шизас, Костас Йенетлис: Нечеткие когнитивные модели в изучении политической динамики - случай кипрской проблемы Архивировано 29 сентября 2007 г. на Wayback Machine
  16. ^ Хризостомос Д. Стилиос, Вула К. Георгопулос, Питер П. Громпос: Использование нечетких когнитивных карт в моделировании систем Архивировано 20 июля 2011 г. на Wayback Machine
  17. ^ Энтони Джеттер: Produktplanung im Fuzzy Front End , 2005, ISBN 3-8350-0144-2 
  18. ^ Салмерон, Хосе Л. (2009). «Поддержка лиц, принимающих решения, с помощью нечетких когнитивных карт». Research-Technology Management . 52 (3): 53– 59. doi :10.1080/08956308.2009.11657569. S2CID  150765164.
  19. ^ Веса А. Нисканен: Применение нечетких лингвистических когнитивных карт к дилемме заключенного , 2005, ICIC International, стр. 139–152, ISSN 1349–4198. Архивировано 29 сентября 2007 г. на Wayback Machine.
  20. ^ Салмерон, Хосе Л. (2009). «Расширенные нечеткие когнитивные карты для моделирования критических факторов успеха LMS». Системы, основанные на знаниях . 22 (4): 53–59 . doi :10.1016/j.knosys.2009.01.002.
  21. ^ Георгопулос, Вула С.; Маландраки, Джорджия А.; Стилиос, Хризостомос Д. (2003). «Подход с использованием нечеткой когнитивной карты к дифференциальной диагностике специфических языковых нарушений». Искусственный интеллект в медицине . 29 (3): 261–78 . doi :10.1016/S0933-3657(02)00076-3. PMID  14656490.
  22. ^ Папагеоргиу, EI; Стилиос, CD; Гроумпос, PP (2003). «Интегрированная двухуровневая иерархическая система для принятия решений в лучевой терапии на основе нечетких когнитивных карт». Труды IEEE по биомедицинской инженерии . 50 (12): 1326– 39. doi :10.1109/TBME.2003.819845. PMID  14656062. S2CID  1434928.
  23. ^ Салмерон, Хосе Л.; Папагеоргиу, Э. (2012). «Система поддержки принятия решений на основе нечетких серых когнитивных карт для планирования лечения радиотерапией». Системы, основанные на знаниях . 30 (1): 151– 160. doi :10.1016/j.knosys.2012.01.008.
  24. ^ Георгопулос, Вула К.; Стилиос, Хризостомос Д. (2015). «Супервизионная нечеткая когнитивная структура карты для оценки сортировки и поддержки принятия решений в отделении неотложной помощи». Методологии, технологии и приложения моделирования . Достижения в области интеллектуальных систем и вычислений. Том 319. С.  255–69 . doi :10.1007/978-3-319-11457-6_18. ISBN 978-3-319-11456-9.
  25. ^ Громпос, Питер П.; Стилиос, Хризостомос Д. ( январь 2000 г.). «Нечеткие когнитивные карты в моделировании систем контроля и надзора — IOS Press». Журнал интеллектуальных и нечетких систем . 8 (1): 83–98 . Получено 09.01.2017 .
  26. ^ Stylios, CD; Groumpos, PP (2004). «Моделирование сложных систем с использованием нечетких когнитивных карт». Труды IEEE по системам, человеку и кибернетике — Часть A: Системы и люди . 34 : 155. doi : 10.1109/TSMCA.2003.818878. S2CID  10611311.
  27. ^ Салмерон, Хосе Л.; Гутьеррес, Э. (2012). «Нечеткие серые когнитивные карты в проектировании надежности». Прикладные мягкие вычисления . 12 (12): 3818– 3824. doi :10.1016/j.asoc.2012.02.003.
  28. ^ Марк Бёлен: Еще больше роботов в клетках ,
  29. ^ Бенджо А. Джулиано, Уайлис Бэндлер: Отслеживание цепочек мыслей (нечеткие методы в когнитивной диагностике) , Physica-Verlag Heidelberg 1996, ISBN 3-7908-0922-5 
  30. ^ WB Васанта Кандасами, Флорентин Смарандаче: Нечеткие когнитивные карты и нейтрософские когнитивные карты , 2003, ISBN 1-931233-76-4 
  31. ^ Родригес-Реписо, Луис; Сетчи, Росица; Салмерон, Хосе Л. (2007). «Моделирование успеха ИТ-проектов с помощью нечетких когнитивных карт». Экспертные системы с приложениями . 32 (2): 543. doi :10.1016/j.eswa.2006.01.032.
  32. ^ Сальмерон, Хосе Л.; Лопес, К. (2010). «Многокритериальный подход к оценке рисков при обслуживании ERP». Журнал систем и программного обеспечения . 83 (10): 1941– 1953. doi :10.1016/j.jss.2010.05.073.
  33. ^ Салмерон, Хосе Л.; Лопес, К. (2012). «Прогнозирование влияния риска на обслуживание ERP с помощью расширенных нечетких когнитивных карт». Труды IEEE по программной инженерии . 38 (2): 439– 452. doi :10.1109/TSE.2011.8. S2CID  14713607.
  34. ^ Салмерон, Хосе Л.; Видал, Р.; Мена, А. (2012). «Ранжирование сценариев на основе нечетких когнитивных карт с помощью TOPSIS». Экспертные системы с приложениями . 39 (3): 2443– 2450. doi :10.1016/j.eswa.2011.08.094.
  35. ^ FCMappers — международное сообщество нечеткого когнитивного картирования: http://www.FCMappers.net/
  36. ^ Грей, Стивен А.; Грей, Стефан; Кокс, Линда Дж.; Хенли-Шепард, Сара (2013). «Mental Modeler: инструмент моделирования когнитивных карт с нечеткой логикой для адаптивного управления окружающей средой». 2013 46-я Гавайская международная конференция по системным наукам . стр. 965–. doi :10.1109/HICSS.2013.399. ISBN 978-1-4673-5933-7. S2CID  1413540.
  37. ^ "Fuzzy Logic Cognitive Mapping". Mental Modeler . Получено 2017-01-09 .
Взято с "https://en.wikipedia.org/w/index.php?title=Нечеткая_когнитивная_карта&oldid=1237224335"