Портал аспирантов - Почему старые профессора видят только лженауку в трудах молодых ученых

Портал аспирантов (http://www.aspirantura.spb.ru/forum/index.php)

- Обсуждение диссертаций (http://www.aspirantura.spb.ru/forum/forumdisplay.php?f=151)

В общем, математики зело страшные люди...

Спасибо, Hogfather. Наконец-то среди участников этой ветки форума нашелся знающий человек. Благодарю за графики, особенно, - в цвете. У нас их много, однако мне невозможно было их представить аудитории по правилам форума (0 сообщений).
Вот теперь можно осуществлять конструктивный диалог.
С уважением, Виктор124, т.е. Довгаль В.М.
P.S. Пищу только на языке "Snobol 4+", поэтому ни одной моей программы на этой ветке форума нет.

Продолжаем дилетантские рассуждения на ту же тему.

Хорошо, поскольку в книжке сказано, что сия чудо-функция мягкого минимума выросла из обычного минимума, предложенного Заде, то что будет если просто из её результату вычесть обычный минимум двух аргументов? Не вижу, отчего бы благородному дону не сделать численный эксперимент. Сказано-сделано. Заодно найдем максимальное и минимальное отклонение, а также среднюю абсолютную ошибку, чтобы два раза не вставать. Насколько я знаю, никто этим не занимался. Вот так вот, без всяких понтов и пафосов, мы, простые гуманитарии с юридическим образованием, движем вперед науку, пока остроконечники и тупоконечники спорят, у кого минимум мягче.

Код:

> # Чтобы покрасить

> surf.colors <- function(x, col = terrain.colors(20)) {

+   x.avg <- (x[-1, -1] + x[-1, -(ncol(x) - 1)] +

+               x[-(nrow(x) -1), -1] + x[-(nrow(x) -1), -(ncol(x) - 1)]) / 4

+   colors = col[cut(x.avg, breaks = length(col), include.lowest = T)]

+   return(colors)

+ }

> 

> # Базовая функция

> fun1 <- function(x,y,g=0.05){ (x+y+g^2-sqrt((x-y)^2+g^2))/2}

> x <- seq(0,1,length=100)

> y <- x

> 

> 

> # Разница между ней и обычным минимумом

> fun2<-function() {

+   z<-matrix(0,100,100)

+   x <- seq(0,1,length=100)

+   for(i in 1:100) for(j in 1:100) z[i,j]=fun1(x[i],x[j])-min(x[i],x[j])

+   z

+ }

> # построение графика этого безобразия

> z0 <- outer(x,y,fun1)

> z <- fun2()

> persp(x,y,z,theta=-30,phi=30,expand=0.5,col=surf.colors(z),ltheta=100,xlab="x",ticktype="detailed",ylab="y",zlab="z")

> #максимум и минимум значений

> max(z)

[1] 0.0006253901

> min(z)

[1] -0.02375

> # абсолютная ошибка в каждой точке

> za<-abs(z)

> # средная абсюлютная ошибка

> mean(za)

[1] 0.002905767

> # стандартное отклонение

> sd(za)

[1] 0.004623298

> # 95% доверительный интервал

> mean(za)+c(-1,1)*1.96*sd(za)/100

[1] 0.002815150 0.002996384

> plot(density(za))

График разности между мягким минимумим и истиным
http://www.aspirantura.spb.ru/forum/...pictureid=1896

График ядерной плотности абсолютной ошибки
http://www.aspirantura.spb.ru/forum/...pictureid=1897

"И тут насмешливый читатель возможно мне вопрос задаст", мол а нафига весь этот цирк с мягким минимумом вообще нужен. Попробую объяснить в меру своего разумения. Мы, практики, решаем задачи нечеткой логики с помощью программных средств и особо не заморачиваемся. У нас минимум и минимум. Мякотка в том, что если эту хрень решать не вычислительными методами, то там возникнут разные интегралы, диффуры и прочий матан. Это для меня интеграл -- это такой крючок, которым можно из унитаза упавшие ключи достать, а некоторые с них реально прутся. В каждой уважающей себя диссертации по техническим наукам должны быть интегралы или хотя бы частные производные, без них никак. Ну, а минимум функция некошерная, вот её умные люди и заменили на такую хрень.

Абсолютная ошибка вычислений (95% доверительный интервал) находится в диапазоне (0.002815150; 0.002996384), что составляет ноль целых, хер десятых.
Вот, собственно из-за этого весь сыр-бор. Потом мы один хрен будем искать центроид. В общем, всем чмоки в этом чатике, особенно Тимлидеру, который что-то подобное подозревал уже давно.

Теперь немного о том, почему я не люблю нечеткую логику. На самом деле, это хорошая игрушка для бакалавров и магистров, когда надо на коленке из желудей и спичек сделать лошадку. Мои поднадзорные бакалавры с удовольствием играют в эти игры. Понимая как работает этот механизм, результат можно получить практически любой, при этом мы красиво выходим из ограничений наложенных теорией шкал к порядковым шкалам на математические операции. Как я уже писал ранее, эта вещь прекрасно работает в кофеварках и стиральных машинах, но перед этим саму модельку прогоняют на тестовых примерах неоднократно. При решении задач управления с помощью нечеткой логики мы пытаемся формализировать идиотимз ЛПР в виде некоторых нечетких правил. Попробуйте, сделайте на нечеткой логике модельку для игры на той же бирже и посмотрите на результат. Что-то я не знаю примеров людей, сказочно обогатившихся на этом. Как говорится, если вы такие умные, покажите ваши деньги. Хороших моделей нет по определению, мир слишком сложный, есть модели которые работают с известными допущениями, а есть которые не работают. Странно, что такие очевидные вещи понятны человеку, для которого наука хобби и не понятны людям, которые должны делать эту науку, в том числе за мой счет как налогоплательщика.

Возьмем виновника торжества и полюбуемся на него в elibrary. Давайте быть честными перед собой, даже если докторская была сомнительного качества (оценочное суждение некоторых товарищей), то по совокупности содеянного (71 ВАК публикация, из них 26 в ядре) он уже степень всяко заработал. Раньше вроде 50 хватало для этого. Участвовать же в личной вендете, как мы видим, тут особо желающих нет. У меня тоже есть чем заняться. "Я кончил и закурил" (с)

Уважаемый, , Hogfather, все сделаем, что возможно. Однако сегодня убываю в свой родной приморский город, прибуду 11 января 2017 г.
С вежливым поклоном и Новым годом.
В.М. Довгаль

http://www.aspirantura.spb.ru/forum/...pictureid=1898

Скрипт

Код:

library(plot3D)

test<-function(x,y){

exp(-((x-4)^2+(y-4)^2)^2/1000) + exp(-((x +4)^2+(y+4)^2)^2/1000) + 0.1*exp(-((x +4)^2+(y+4)^2)^2)+0.1*exp(-((x -4)^2+(y-4)^2)^2)

}

x <- seq(-10,10,length=100)

y <- x

z <- outer(x,y,test)



persp3D(x,y,z,theta=-30,phi=30,colkey=F)

title("С новым 2017 годом!","Всем добра, борща и сисек!")

Hogfather и Team_Leader. Благодарю за детальный разбор формулы и проделанную работу.
Hogfather формула мягкого минимума в автореферате на стр. 17 ошибочна. Должна быть с минусом. Об этом неоднократно говорил. Формула с плюсом, ты правильно заметил (пост 552), работает как мягкий максимум.
При двух 0 ответ на выходе отрицательный, никогда этого не скрывал. Вывод правильной формулы для мягкого минимума в твоем посте 552 (сигма исключает ноль тоже верно), мной и Виктором сделан раньше. Их анализ в статье: «Анализ использования мягких арифметических операций в структуре нечетко-логического вывода» Вестник компьютерных и информационных технологий. 2015. № 7. С. 7-15.

Ошибка есть, изначально заложена в книге А.Пегата. В английской и русской версии разные формулы (+) и (-), минус для минимума, плюс для максимума.

Формула мягкого минимума использована со следующей целью.
1. min(0, 0)=0; min(0, 0.1)=0; min(0, 0.2)=0; min(0, 0.3)=0; prod(0, 0.1)=0; prod(0, 0.2)=0; prod(0, 0.3)=0. Вывод: изменение второй переменной не влияет на результат нечеткого вывода. Следовательно нарушен принцип суперпозиций и любая нечеткая система не аддитивна. Это также характерно и для других t-норм. Поэтому ты справедливо заметил, что нечеткие системы «прекрасно работают в кофеварках и стиральных машинах».
2. Формула мягкого минимума, устраняет это препятствие. Реагирует на изменении параметров:
min-soft(0, 0)=-0.02375; min-soft(0, 0.1)= -0,00465; min-soft(0, 0.2)= -0,00183; min-soft(0, 0.3)= -0,00082;
Минус убирается через одну логическую операцию: max(-0.02375, x)>=[0; 1], при x принадлежит[0; 1]. То есть после этой операции, ответ всегда будет находится в диапазоне от 0 до 1. Поэтому погрешность для вычислений как предложил сделать Team_Leader делать не нужно.
Можно подобное проделать и для других t-норм. Hogfather сделай картинки, напишем совместную статью, если не против? Покажем, что лучше !
Теперь, эффект от формулы мягкого минимума. Превосходство в нечетком выводе по сравнению с моделью ANFIS-Мамдани более чем в 690 раз. Анализ сделан на основе коэффициента RMSE. Все результаты моделирования приведены в статье «Обучение нейро-нечеткой системы на основе метода разности площадей» Искусственный интеллект и принятие решений. №4, С. 15-26.
Хороша или плоха формула мягкого минимума вывод делают математики. Вопрос, каким образом, ее лучше использовать для решения конкретных задач.

Maxim2016, спасибо, конечно, за предложение, но у меня и своих публикаций хватает и пишу я обычно без соавторов.
По поводу ANFIS, гляньте, пожалуйста, статейку. Все придумано до нас. Это обычный пакет расширения R.
Как я уже писал, в нечеткую логику и нечеткие нейронные сети у меня уже давно играют бакалавры в своих дипломах с помощью R. Это чисто инженерная задача с известным решением (если понимаешь по-английски, конечно). На курсере есть курс для домохозяек по этой фигне. XXI век на дворе, в конце-концов. Также я не претендую на авторство формулы, поскольку она явно следует из книги. Там две формулы друг под другом написаны, надо было просто совместить.

Maxim2016, успокойся уже :) налей себе пива, Али чего покрепче, и расслабься :)
А вообще тему после докторской надо менять. Раз в 7-8 лет - новая тема.

Добавлено через 23 секунды
Новый год как-никак на дворе.

В моих словах нет негативной моральной оценки. Мой отец - замечательный человек. Тут обычный разбор бизнес-кейса и характеристика неудачного решения. Решение было ошибочным, отец это сам знает, это его свои же слова о себе.
Во ошибках говорить надо, чтобы в дальнейшем "не быть лохом по жизни".
Как сам отец говорит, "не буть, во что е**ть".
Извиняюсь, что мои слова кого-то покоробили.это такой открытый и прямой стиль общения у нас в семье.

Цитата:

Сообщение от Team_Leader (Сообщение 632773)

Акела промахнулся