Professional Documents
Culture Documents
ITS U Željezničkom Prometu - ISPIT
ITS U Željezničkom Prometu - ISPIT
2. Fuzzy logika - Razvojem računala a posebno pridodavanjem sve veće važnosti proučavanju
umjetne inteligencije počelo se postavljati pitanje prevođenja ljudskog oblika zaključivanja i
upravljanja u formalni matematički opis i računalni program. U sklopu toga bilo je potrebno
premostiti razliku u logici zaključivanja čovjeka i računala. Naime, izraziti logički blok kojeg
računala koriste pri zaključivanju podrazumijeva preciznu vrijednost ulaza na temelju koje se
izvodi nedvosmislena izlazna vrijednost kao na primjer „Istina“ (engl. true) odnosno „Laž“
(engl. false), a koji u ljudskom načinu razmišljanja odgovaraju značenjima „DA“ odnosno „NE“.
Za razliku od toga kod ljudskog načina razmišljanja koriste se i druge vrijednosti koje se nalaze
između ove dvije krajnosti kao što su na primjer vrlo vjerojatno da, vjerojatno da, nije posve
sigurno, vjerojatno ne, vrlo vjerojatno ne i sl. Pri tome, kako bi se aproksimirao ljudski način
razmišljanja, neizrazita logika podrazumijeva računanje sa varijablama koje umjesto brojeva
predstavljaju riječi, a koje su definirane kao neizraziti skupovi. (...) Naime, često puta vrijedi
pravilo da za uspješno rješavanje nekog problema, brzina zaključivanja može biti puno važnija
od njegove preciznosti. Jednostavan primjer iz života koji to može potvrditi je slučaj kada
čovjeku prijeti neposredna opasnost, a kako bi je on uspješno izbjegao, druga osoba ga na nju
treba dovoljno brzo upozoriti. Takav slučaj bi primjerice bio kada bi postojala opasnost da na
neku osobu „A“ s leđa naleti jureći biciklist kojeg ona nije uočila i koji se ne može na vrijeme
zaustaviti kako bi izbjegao taj nalet. Ako prepostavim oda se u blizini osobe „A“ nalazi
određena
osoba „B“ koja ože na vrijeme vidjeti nadolazećeg biciklista, moguće rješenje problema u tom
slučaju predstavljala bi reakcija osobe „B“ na način da priopći informaciju osobi „A“ o dolasku
biciklista kako bi se ona na vrijeme pomaknula i tako izbjegla njegov nalet. Takvo rješenje bilo
bi zadovoljavajuće samo ako bi osoba „B“ tu informaciju priopćilau obliku kratkog i jezgrovitog
upozorenja, a ne kao detaljno objašnjenje koje sadrži za rješenje te situacije nebitne
informacije kao primjerice kakav bicikl se obzirom na njegovu masu, oblik ili boju ili kojom
točno brzinom kreće prema njoj, jer bi takva preciznost bila suvišna, pa čak i štetna za
rješavanje nastalog problema.
Zadehovo rješenje ovog problema bila je fuzzy logika koja u stvari predstavlja proširenje
klasične Boolove logike, pri čemu za razliku od klasične logike kod koje vrijedi pravilo da se sve
može izraziti pomoću binarnih vrijednosti, neizrazita logika pokušava binarne vrijednosti
zamijeniti „stupnjem istinitosti“. Primjerice u klasičnoj matematičkoj Boolovoj logici imamo
pojam skupa i elemente koje možemo odrediti sa dvije vrijednosti tj. da li pripada zadanom
skupu (da li su njegovi elementi) ili mu ne pripada. Kod neizrazitih skupova ne postoji jasna
granica o pripadnosti određenog elementa skupa već se govori o određenom stupnju
pripadnosti. Prema tome, kod neizrazitih skupova, element nije strogo unutar skupa već on
također može djelomično pripadati određenom skupu. Stupanje te pripadnosti u(mi) definiran
je intervalom [0 1].
6. Neuronske mreže (primjena) – 129, 133 neuronske mreže su zbog svoje jednostavne
primjene,
fleksibilnosti (rade s velikim brojem varijabli i parametara, mogu se raditi s nejasnim ili
manjkavim podacima, prilagodljive su okolini i imaju sposobnost učenja) i učinkovitosti vrlo
pogodne za primjenu kod postupka predviđanja u okviru vrlo kompleksnih procesa. Pokazale
su se vrlo uspješne u rješavanju problema klasifikacije i predviđanja, kao i drugih problema
kod
kojih postoji složena veza ulaznih parametara i izlazne vrijednosti.
S obzirom na to razvoj željezničkog prometa u svjetlu primjene suvremenih tehnologija
otvara brojne mogućnosti za primjenu neuronskih mreža u okviru različitih procesa u
željezničkom prometu. Primjerice umjetna neuronska mreža koriste se za ispitivanje kvalitete
stanja kolosijeka, a značajna mogućnost njihove primjene postoji i u okviru procesa
upravljanja
željezničkim prometom. Naime, istraživanja se provode s ciljem njihove primjene u procesu
automatske vožnje vlaka, gdje se za potrebe preciznog zaustavljanja vlakova koriste neizrazite
neuronske mreže (engl. Fuzzy Neural Networks). Osim toga neuronske mreže mogu se
primijeniti i za precizno određivanje pozicije vlakova u svrhu definiranja prostornog razmaka
između vlakova kod njihove separacije primjenom tehnologije promjenjivog prostornog
odsjeka (engl. Moving Block).
9. Ekspertni sustavi – ekspertni sustavi su računalni sustavi koji koriste znanja i postupke
zaključivanja u svrhu rješavanja problema iz određenog područja, a koje u praksi rješavaju
stručnjaci (eksperti). Može se reći da oni na određeni način oponašaju znanje eksperta.
Nastali
su kao rezultat istraživanja iz područja umjetne inteligencije. Prvi ekspertni sustav bio je
MYCIN
(1976.), a primjena mu je bila vezana uz područje medicinske dijagnostike i terapeutike. Kao
primjer takvog sustava u zeljeznickom prometu mogu se navesti sustavi podrske u
centraliziranom upravljanju u zelj. Prometu, koji su namjenjeni za pomoc dispeceru u
postupku regulacije prometa.
Temeljne značajke su:
a. Visoke performanse
b. Primjereno vrijeme reakcije
c. Pouzdanost u radu
d. Razumljivost