Посмотреть (скачать) статью в PDF-формате.
Скачать скетч в ZIP-архиве.
Распознавание объектов по готовым правилам.
Иллюстрирующий пример.
Версия 1.01.
В качестве «подопытного кролика» используется Arduino UNO (без всяких дополнительных устройств, датчиков и т.д. – поэтому, схема не приводится).
Информация об ЭС байесовского типа в подробностях приведена
в книге К. Нейлора «Как построить свою экспертную систему».
В этом документе тема рассматривается лишь как шуточный, иллюстрирующий пример… Поэтому, в скетче (см. ниже) «все зашито жестко». Т.е., ровно НОЛЬ практического эффекта.
Но вот если:
1. Вместо Arduino UNO использовать (например) ESP-12F WeMos D1 WiFi...
С целью: оперативно передавать на WeMos через Wi-Fi задачу
(таблицу правил) и признаки распознавания объекта.
2. Каждому признаку будет соответствовать определенный датчик.
3. «Это» встроить в адаптивную и гетерогенную СЕТЬ ЭС...
То очень может быть − будет практическая польза...
:-)
В рамках данного скетча (см. ниже) принято. Распознаваемые объекты: 0 - Самолет; 1 - Планер; 2 - Птица.
Признаки распознаваемых объектов: 0 - Крылья есть; 1 - Клюв есть; 2 - Хвост есть; 3 - Оперение есть; 4 - Двигатель есть; 5 - Шасси есть.
Таблица правил (результат обучения ЭС) - получена в рамках программы spTrainES.exe (ее можно скачать бесплатно на сайте roamer55.ru).
Результат распознавания объекта для приведен на рисунке ниже:
Признаки (см. текущее значение переменной esPropS в скетче): Крылья есть − да; Клюв есть − да; Хвост есть − да; Оперение есть − да; Двигатель есть − нет; Шасси есть − нет.
Текст скетча для Arduino UNO приведен ниже.
Все пояснения включены в текст скетча.
/*
Чем бы дите не тешилось, лишь бы... :-)
------------------------------------------
2023.11.15
Arduino. Экспертная Система (ЭС) байесовского типа.
Распознавание объектов по готовым правилам.
Иллюстрирующий пример.
Версия 1.01.
Информация об ЭС байесовского типа в подробностях приведена в книге
К. Нейлора "Как построить свою экспертную систему".
В данном скетче "все зашито жестко" потому, что это - всего лишь иллюстрирующий пример
и не более.
-----
Но вот если:
1. Вместо Arduino UNO использовать (например) ESP-12F WeMos D1 WiFi...
С целью: оперативно передавать на WeMos через Wi-Fi задачу (таблицу правил)
и признаки распознавания объекта.
2. Каждому признаку будет соответствовать определенный датчик.
3. "Это" встроить в адаптивную и гетерогенную СЕТЬ ЭС...
То очень может быть - будет практическая польза...
:-)
-----
В рамках данного скетча принято.
Распознаваемые объекты:
0 - Самолет;
1 - Планер;
2 - Птица.
Признаки распознаваемых объектов:
0 - Крылья есть;
1 - Клюв есть;
2 - Хвост есть;
3 - Оперение есть;
4 - Двигатель есть;
5 - Шасси есть.
Таблица правил (результат обучения ЭС) - получена в рамках программы spTrainES.exe
(ее можно скачать бесплатно на сайте roamer55.ru).
*/
//----------------
//Исходные данные
String esRuleS = ""; //Таблица правил текущей задачи по распознаванию объектов
String esPropS = ""; //Строка значений признаков распознаваемого объекта
//----------------
//----------------
//Вычисляемые значения
//Кол-во распознаваемых объектов:
int ObjCount = 0;
//Кол-во значений признаков распознаваемых объектов:
int PropCount = 0;
//Индекс распознанного объекта (объект с наилучшим рейтингом):
int Obj_Best_Index = -1;
//Рейтинг (%) распознанного объекта:
float Obj_Best_Rating = 0.0;
//Кол-во распознанных объектов с одинаковым (наилучшим) рейтингом:
int Obj_Best_Rating_Count = 0;
//----------------
void setup()
{
// put your setup code here, to run once:
Serial.begin(9600);
//-----------------------------------
//Таблица правил текущей задачи распознавания объектов (Самолет, Планер, Птица)
esRuleS = "";
esRuleS = esRuleS + "2,4,5;";
esRuleS = esRuleS + "-1,-1,8;";
esRuleS = esRuleS + "2,4,5;";
esRuleS = esRuleS + "-1,-1,8;";
esRuleS = esRuleS + "8,-3,-1;";
esRuleS = esRuleS + "3,5,-3;";
//-----------------------------------
//-----------------------------------
//Строка значений признаков распознаваемого объекта
//esPropS = "1,0,1,0,1,1;"; //Самолет
//esPropS = "1,0,1,0,0,1;"; //Планер
esPropS = "1,1,1,1,0,0;"; //Птица
//esPropS = "1,1,1,1,0,1;"; //Птица с шасси :-)
//esPropS = "0,0,0,0,0,0;"; //???
//-----------------------------------
Serial.println("********************************************************");
Serial.print("Признаки распозаваемого объекта: ");
Serial.println(esPropS);
if (ES_Obj_Recognize() == true)
{
if (Obj_Best_Rating_Count == 1)
{
Serial.print("ЭС предполагает, что это объект с индексом: ");
Serial.println(Obj_Best_Index);
Serial.print("Рейтинг объекта: = ");
Serial.print(Obj_Best_Rating);
Serial.println(" %");
}
else
{
Serial.println("ЭС запуталась! ");
Serial.print("Потому что объектов с наивысшим рейтингом = ");
Serial.println(Obj_Best_Rating_Count);
}
}
else
{
Serial.print("ЭС не смогла распознать объект!");
}
Serial.println("********************************************************");
}
void loop()
{
// put your main code here, to run repeatedly:
}
//***************************************************
//Вспомогательные функции (для создания динамических массивов)
int ES_Prop_Count() { return PropCount; }
int ES_Obj_Count() { return ObjCount; }
//***************************************************
//***************************************************
//Вычисление значений PropCount и ObjCount
//на основе таблицы правил esRuleS
bool ES_Prop_Obj_Count()
{
bool res = false;
PropCount = 0; //кол-во признаков
ObjCount = 0; //кол-во объектов
String s1 = "";
String s = esRuleS; //таблица правил
//---------------------------------
//Цикл по строкам (признаки) таблицы правил
//Определение кол-ва признаков
int m = 0;
int n = 1;
while (n>0)
{
n = s.indexOf(";");
if (n>0)
{
PropCount = PropCount + 1; //кол-во признаков
s1 = s.substring(0, n);
s = s.substring(n+1, s.length());
if (PropCount == 1) //Если 1-я строка таблицы правил, то вычисляется кол-во объектов
{
//---------------------------------
//Цикл по столбцам (объекты) таблицы правил
//Определение кол-ва объектов
s1.trim();
m = 1;
while (m>0)
{
m = s1.indexOf(",");
if (m <= 0) { m = s1.indexOf(";"); }
if (m <= 0)
{
if (s1.length()>0) { m = s1.length(); }
}
if (m > 0)
{
ObjCount = ObjCount + 1; //кол-во объектов
s1= s1.substring(m+1, s1.length());
}
}
//---------------------------------
}
}
}
//---------------------------------
//---------------------------------
//Оценка корректности таблицы правил esRuleS
if (PropCount > 1)
{
if (PropCount >= ObjCount)
{
res = true;
}
}
//---------------------------------
return res;
}
//***************************************************
//***************************************************
//Распознавание объекта по заданным признакам esPropS
//в рамках таблицы правил esRuleS текущей задачи
bool ES_Obj_Recognize()
{
bool res = false;
Obj_Best_Index = -1;
Obj_Best_Rating = 0.0;
Obj_Best_Rating_Count = 0;
if (ES_Prop_Obj_Count() == true)
{
//Массив рейтингов распознаваемых объектов (целочисленные значения):
int esObjRatN[ES_Obj_Count()];
//Массив значений признаков распознаваемого объекта:
int esPropN[ES_Prop_Count()];
//Массив. Таблица правил текущей задачи по распознаванию объектов:
int esRuleN[ES_Prop_Count()][ES_Obj_Count()];
//============================
//Парсинг строки значений признаков распознаваемого объекта.
//Формирование массива esPropN.
String s1 = "";
String s2 = "";
int i = -1;
int j = -1;
int m = 0;
int n = 1;
String s = esPropS;
//Serial.println("Признаки:");
//Serial.println(s);
while (n>0)
{
n = s.indexOf(",");
if (n <= 0) { n = s.indexOf(";"); }
if (n <= 0)
{
if (s.length()>0) { n = s.length(); }
}
if (n>0)
{
i = i + 1;
s1 = s.substring(0, n);
s = s.substring(n+1, s.length());
s1.trim();
esPropN[i] = s1.toInt();
//Serial.print(esPropN[i]);
//Serial.print(", ");
}
}
//Serial.println("");
//============================
//============================
//Парсинг строки правил задачи распознавания объектов.
//Формирование массива esRuleN.
//Serial.println(".........................");
//Serial.println("Таблица правил:");
s1 = "";
s2 = "";
s = esRuleS;
i = -1;
j = -1;
m = 0;
n = 1;
while (n>0)
{
n = s.indexOf(";");
if (n>0)
{
i = i + 1;
s1 = s.substring(0, n);
s = s.substring(n+1, s.length());
s1.trim();
//Serial.println(s1);
j = -1;
m = 1;
while (m>0)
{
m = s1.indexOf(",");
if (m <= 0) { m = s1.indexOf(";"); }
if (m <= 0)
{
if (s1.length()>0) { m = s1.length(); }
}
if (m > 0)
{
j = j + 1;
s2 = s1.substring(0, m);
s1= s1.substring(m+1, s1.length());
s2.trim();
esRuleN[i][j] = s2.toInt();
//Serial.print("["+s2+"] ");
//Serial.print(esRuleN[i][j]);
//Serial.print(", ");
}
}
//Serial.println("");
}
}
//Serial.println(".........................");
//============================
//============================
//Обнуление массива целочисленных значений рейтингов распознаваемых объектов
for (j = 0; j < ObjCount; j = j + 1)
{
esObjRatN[j] = 0;
}
//============================
//============================
//Расчет целочисленных значений рейтингов распознаваемых объектов esObjRatN
//по таблице правил esRuleN и признакам esPropN
int v;
int d;
int r;
for (i = 0; i < PropCount; i = i + 1)
{
v = esPropN[i];
for (j = 0; j < ObjCount; j = j + 1)
{
d = esObjRatN[j];
r = esRuleN[i][j];
d = d + v*r;
esObjRatN[j] = d;
}
}
//============================
//============================
//Поиск объекта с наилучшим целочисленным рейтингом
int RatBest = -999999;
int ObjBest = -999999;
for (j = 0; j < ObjCount; j = j + 1)
{
if (esObjRatN[j] > RatBest)
{
RatBest = esObjRatN[j];
ObjBest = j;
}
}
if (ObjBest>=0) //объект найден и значит - распознан
{
res = true;
Obj_Best_Index = ObjBest;
Obj_Best_Rating = RatBest;
}
//============================
//============================
//Перерасчет целочисленных рейтингов объектов - в проценты (тип flopat)
if (ObjBest>=0)
{
//------------------------------
//Поиск минимального значения рейтинга
float vMin = 999999999;
float vNorm = 0;
float vSum = 0;
for (j = 0; j < ObjCount; j = j + 1)
{
if (vMin > esObjRatN[j]) { vMin = esObjRatN[j]; }
}
//------------------------------
//Массив рейтингов объектов в процентах:
float esObjRatF[ES_Obj_Count()];
//------------------------------
//Нормирование целочисленных значений рейтингов объектов
for (j = 0; j < ObjCount; j = j + 1)
{
v = esObjRatN[j];
vNorm = v - vMin;
vSum = vSum + vNorm;
esObjRatF[j] = vNorm;
}
//------------------------------
//------------------------------
//Вычисление рейтингов объектов в процентах
float vF = 0.0;
for (j = 0; j < ObjCount; j = j + 1)
{
vF = esObjRatF[j];
if (vSum != 0)
{
vF = (vF/vSum)*100;
esObjRatF[j] = vF;
}
}
//------------------------------
//Рейтинг (в процентах) распознанного объекта:
Obj_Best_Rating = esObjRatF[ObjBest];
//------------------------------
//Оценка достоверности результата распознавания
//Если (Obj_Best_Rating_Count == 1), то результата однозначен
//В противном случае - сомнительно
for (j = 0; j < ObjCount; j = j + 1)
{
if (esObjRatF[j] == Obj_Best_Rating) { Obj_Best_Rating_Count = Obj_Best_Rating_Count + 1; }
}
//------------------------------
}
//============================
}
return res;
}
//***************************************************
Посмотреть (скачать) статью в PDF-формате.
Скачать скетч в ZIP-архиве.
Дата: 15.11.2023