Двухмерные системы оценки риска

Доклад о том, как риск описывается двумя параметрами и как нейро-нечёткие модели помогают оценивать его автоматически. Показано, чем различаются типы таких систем и как их обучают.

Содержание работы

  • Введение
  • 1. Понятие риска и двухмерное представление его оценки
  • 2. Нейро-нечёткие системы как инструмент оценки риска
  • 3. Адаптивная система вывода: архитектура и обучение
  • 4. Порядок использования и проверка эффективности модели
  • Заключение
  • Список литературы

Фрагмент работы

Оценка риска редко сводится к одному числу. На практике его удобно описывать двумя характеристиками, например вероятностью события и тяжестью последствий. Тогда каждая ситуация получает точку на плоскости, а границы зон допустимого и недопустимого риска задаются заранее. Это наглядно и позволяет сравнивать разные опасности между собой.

Проблема в том, что границы между зонами размыты: вчера «средняя» вероятность, сегодня уже «высокая». Для таких случаев в работах [1] и [2] предлагается нейро-нечёткая система. Нечёткая логика описывает понятия вроде «низкий» или «высокий» не жёсткими порогами, а степенью принадлежности, а нейронная сеть подбирает параметры этих описаний по данным. В результате правила не приходится придумывать вручную.

Условный пример, который выдуман для пояснения. Пусть вероятность оценена в 0,3 по шкале от 0 до 1, а тяжесть последствий в 0,7. Система определяет, насколько каждое значение относится к «низкому», «среднему» и «высокому» уровню, применяет правила вида «если вероятность средняя и тяжесть высокая, то риск высокий» и выдаёт итоговую оценку. Решение получается плавным, без скачка на границе зон.

Согласно [2], в адаптивной нейро-нечёткой системе вывода выделены архитектура, методы обучения и способы оценки эффективности модели. Авторы [1] предлагают обучение на основе алгоритма Левенберга-Марквардта и описывают эксперименты с разным числом запросов. Из этого следует вывод для доклада: двухмерная оценка даёт наглядность, а нейро-нечёткие модели делают её гибкой и обучаемой.

Список литературы

  1. С.А. Ермаков, А.А. Болгов. RISK ASSESSMENT USING A NEURO-FUZZY SYSTEM. ИНФОРМАЦИЯ И БЕЗОПАСНОСТЬ. 2022
  2. А.А. Болгов. RISK ASSESSMENT USING ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM. ИНФОРМАЦИЯ И БЕЗОПАСНОСТЬ. 2022