Evolving Rule-Based Models: A Tool for Design of Flexible Adaptive Systems

موضوع مدل‌سازی و کنترل به دلیل ویژگی‌های دینامیکی، توسعه خطا یا پیری ساده تغییر می‌کنند. نیاز به به روز رسانی مدل هایی وجود دارد که اطلاعات ساختار و پارامترهای مفیدی را به ارث می برند. این کتاب با چند مثال راه حل اصلی را برای این مشکل ارائه می دهد. این یک رویکرد اصلی برای انطباق آنلاین مدل‌ها و سیستم‌های مبتنی بر قانون است که توسط چنین مدل‌هایی توصیف شده‌اند. مزایای مدل‌های مبتنی بر قوانین فازی مناسب برای توصیف سیستم‌های بسیار پیچیده را با تکنیک بازگشتی و غیر تکراری اصلی تکامل مدل بدون لزوماً استفاده از الگوریتم‌های ژنتیک ترکیب می‌کند، بنابراین از بار محاسباتی که کاربردهای صنعتی بلادرنگ را ممکن می‌سازد، اجتناب می‌کند. کاربردهای بالقوه از سیستم‌های مستقل، تشخیص و تشخیص خطای آنلاین، تجزیه و تحلیل عملکرد گرفته تا سیستم‌های پشتیبانی تصمیم هوشمند در حال تکامل (خودآموز).

The objects of modelling and control change due to dynamical characteristics, fault development or simply ageing. There is a need to up-date models inheriting useful structure and parameter information. The book gives an original solution to this problem with a number of examples. It treats an original approach to on-line adaptation of rule-based models and systems described by such models. It combines the benefits of fuzzy rule-based models suitable for the description of highly complex systems with the original recursive, non iterative technique of model evolution without necessarily using genetic algorithms, thus avoiding computational burden making possible real-time industrial applications. Potential applications range from autonomous systems, on-line fault detection and diagnosis, performance analysis to evolving (self-learning) intelligent decision support systems.