Wykorzystanie logiki rozmytej w badaniach petrofizycznych
|
|
- Natalia Kubiak
- 4 lat temu
- Przeglądów:
Transkrypt
1 NAFTA-GAZ, ROK LXXII, Nr / DOI: 1.1/NG...1 Barbara Darła, Małgorzata Kowalsa-Włodarczy Instytut Nafty i Gazu Państwowy Instytut Badawczy Wyorzystanie logii rozmytej w badaniach petrofizycznych Praca ta stanowi próbę wprowadzenia logii rozmytej (ang. fuzzy logic) do zagadnień petrofizycznych. Logia rozmyta jest metodą zasadniczo różniącą się od innych metod obliczeniowych, taich ja np. sieci neuronowe. Przede wszystim operuje na zbiorach rozmytych, wyorzystując wyrażenia lingwistyczne oraz rozmyte zależności i rozmyte reguły postępowania. W pracy przedstawiono działanie schematu obliczeniowego zwanego sterowniiem rozmytym, zastosowanego do parametrów opisujących właściwości sał. Przeprowadzono obliczenia pozwalające przetestować metodę, wyliczając porowatość na bazie zestawu innych parametrów. Suteczność metody poazano poprzez zestawienie z wyniami rzeczywistymi. Korelacja była zadowalająca, wynosiła powyżej, nawet do, dla pełnego zbioru danych. Słowa luczowe: logia rozmyta, regulator rozmyty, funcje przynależności, stopnie przynależności. The use of fuzzy logic in petrophysical studies This wor is an attempt to introduce fuzzy logic to petrophysical problems. Fuzzy logic improved by Zadeh in 195, unlie other mathematical methods lie classical logic or neural networ, is based on fuzzy sets with the use of fuzzy rules, linguistic variables and fuzzy connections. Descriptions of this method are shown in the paper. The wor of the fuzzy controller was demonstrated. Experiments were carried out with the use of petrophysical parameters. The efficiency of this method was shown by a comparison between the real and obtained data. The correlation coefficient was over. even up to. for a full set of data. Key words: fuzzy logic, fuzzy controller, membership functions, membership degrees. Wstęp Praca jest próbą zastosowania logii rozmytej (ang. fuzzy logic) do zagadnień petrofizycznych przy definiowaniu taich zjawis ja przestrzeń porowa sał czy przepuszczalność. Do tego celu posłużono się właśnie metodą logii rozmytej, tórej podstawowe zasady zostały zaprezentowane we wcześniejszych publiacjach [1, ]. W zacytowanych pracach przedstawiono metodę i oreślono suteczność jej działania. W niniejszej publiacji zajęto się oreśleniem wielości wpływu poszczególnych parametrów petrofizycznych, otrzymanych w badaniach laboratoryjnych, na porowatość. W pracy posłużono się badaniami wyonanymi przez autori artyułu w INiG PIB, w Załadzie Geologii i Geochemii, w Pracowni Petrofizyi. Wyonano 95 analiz porozymetrycznych przy użyciu aparatu AutoPore firmy Micromeritics i pinometrii helowej na aparacie AccuPyc firmy Micromeritics, na próbach salnych dobranych ta, by reprezentowały szeroi zares parametrów petrofizycznych. Na podstawie otrzymanych danych próbowano oreślić wagę poszczególnych parametrów w analizie przestrzeni porowej sał. Podstawowe pojęcia i terminy stosowane w logice rozmytej Należy przypomnieć, o czym autori pisały już w swoich wcześniejszych pracach [1, ], że logia rozmyta jest, podobnie ja sieci neuronowe, technią obliczeniową, niemniej jedna opartą na odmiennych zasadach. O ile sieci neuronowe 37
2 NAFTA-GAZ są matematycznym odwzorowaniem biologicznych oddziaływań w systemie nerwowym, to logia rozmyta, wprowadzona przez Zadeha w 195 rou, opiera się wprawdzie na wzorcach matematycznych, a szczególnie logii lasycznej, ale dalej podobieństwo zmierza w inną stronę. Logia rozmyta wyorzystuje teorię zbiorów rozmytych i zasad rozmytego rozumowania [11]. Od logii lasycznej różni ją zastosowanie nieostrych granic zbiorów i nieostrych wartości. Oznacza to, że stopnie przynależności przyjmują nie tylo stany zero-jedynowe, ja w logice lasycznej, ale też stany pośrednie < x < 1. Wprowadzone też zostało pojęcie zmiennej lingwistycznej, co jest najbardziej nowatorsie w tej technice obliczeniowej [5, 7, 1, 11]. W porównaniu z innymi metodami obliczeniowymi, taimi ja sieci neuronowe czy analiza supień albo też logia lasyczna, z tórej wywodzi się omawiana metoda, logia rozmyta nie opiera się na utworzeniu algorytmów w ściśle matematycznym rozumieniu, stosujących ściśle oreślone (ta zwane ostre) pojęcia. Logia rozmyta opiera się na wyrażeniach lingwistycznych oraz rozmytych zależnościach i rozmytych regułach postępowania. Wychodząc ze świata liczb ostrych, przeształca się je w zbiory rozmyte, za pomocą rozmytych narzędzi przeształcających i reguł rozmytych (funcje i stopnie przynależności oraz normy), aby na oniec przez funcje wyostrzania powrócić do liczb ostrych [,, 9]. Taa jest zasada rozmytego systemu wniosującego. Powyższe zasady znajdują zastosowanie w rozmytych systemach wniosujących. Schemat taiego systemu (zwanego też sterowniiem rozmytym) został przedstawiony na rysunu 1. Blo rozmywania Baza reguł Blo wniosowania Poszczególne bloi to olejne roi w przeształcaniu danych na sposób rozmyty. Blo rozmywania Blo rozmywania pozwala onretną wartość ze zbioru rzeczywistego x = (x 1, x, x 3,. x n ) należącą do X przeształcić w procesie rozmywania (ang. fuzzification) w zbiór rozmyty A X = X 1 X... X i... X n, gdzie A jest zbiorem rozmytym, a X i stanowią przestrzenie zmiennych wejściowych. Przy czym stosuje się tu operację rozmywania typu singleton zdefiniowanego we wzorze (1): Rozmyty system wniosujący Blo wyostrzania Rys. 1. Schemat bloowy sterownia rozmytego (1) Blo wniosowania Rozmyte zbiory poddawane są regułom wniosowania. Baza reguł wniosowania zwana też bywa modelem lingwistycznym. Opiera się na wniosowaniu typu: JEŻELI TO Istnieje wiele reguł wniosowania dla modelu logicznego z wyorzystaniem impliacji rozmytej, można je znaleźć w literaturze [5,, 7, 1]. Konretna postać funcji przyporządowania μ zależy od przyjętej normy trójątnej, reguły wniosowania oraz typu operacji na zbiorach rozmytych, co zostało nareślone w poprzednich pracach [1, ]. Poniżej przedstawiono założenia funcji przynależności, tórą opisuje zależność: μ A B (x, y) = T(μ A (x), μ B (y)) () jednej z częściej stosowanych reguł wniosowania: regułę typu minimum. W modelu tym, gdzie rozmyta impliacja A B funcji przynależności μ A B jest równoważna relacji rozmytej: R X Y, a T jest zastosowaną T-normą. Wtedy reguła typu minimum ma postać: Wejście 1 Reguła 1: jeśli... to... Wyjście 1 Reguła : jeśli... to... Wejście Reguła 3: jeśli... to... Wyjście 3 Nafta-Gaz, nr / Rys.. Schemat bloowy doboru reguł w procesie wniosowania
3 artyuły μ A B (x, y) = μ R (x, y) = μ A (x) μ B (y) = min [ A (x), μ B (y)] (3) Rozmyty system wniosowania zapisuje się w postaci: R : JEŻELI x 1 jest A 1 i x jest A i... i x n jest A n TO y jest B () gdzie: x 1, x,..., x n, y są zmiennymi lingwistycznymi, natomiast A 1, A,..., A n, B są wartościami lingwistycznymi, tórym odpowiadają zbiory rozmyte,,,, B. 1 ý = ( ) ( ) y (5) Rys. 3. Graficzne przedstawienie sensu środa ciężości w logice rozmytej Blo wyostrzania Stosując powyższe reguły wniosowania, dochodzimy do momentu, gdy na wyjściu pojawia się rozwiązanie, czyli wniose, w zależności od zaprojetowanego zadania, w postaci jednego lub więcej zbiorów rozmytych B z funcjami przynależności μ B (y), = 1,,..., N. W blou wyostrzania przeprowadza się proces odwrotny do rozmywania, czyli wyostrzanie, zwane też defuzyfiacją (ang. defuzzification). Pozwala on na odwzorowanie zbiorów rozmytych w jedną ostrą wartość. Dla N zbiorów rozmytych B ostra wartość ý Y może zostać wyliczona różnymi metodami. Dwie z nich przedstawiono poniżej: Metoda środa ciężości (ang. center of gravity, COG) Jest to metoda, w tórej wyni otrzymujemy, wyznaczając środe ciężości ý funcji przynależności Metoda ostatniego masimum W tej metodzie liczbowa wartość po wyostrzeniu wybierana jest ze zbioru wartości argumentów funcji przynależności, dla tórych przyjmuje ona masymalne wartości. (y) 1 (ý) ( ) () y1y 1 y Rys.. Graficzne przedstawienie sensu ostatniego masimum w logice rozmytej W ten oto sposób na wyjściu ze sterownia rozmytego otrzymujemy oczeiwane rozwiązanie. Wyonanie przeształceń Przedstawiona powyżej srótowa teoria logii rozmytej została w pratyce użyta do oceny wielości wpływu parametrów petrofizycznych uzysanych w badaniach porozymetrycznych (tablica 1) na porowatość. Zgodnie z literaturą [1,, 3, ] pierwszą czynnością było zaprojetowanie postępowania i dobór danych. Pole symulacji stanowiły dane uzysane z oznaczeń porozymetrycznych i na ich podstawie zaproponowany został system walifiacji próbe salnych pod ątem ich właściwości zbiorniowych. Do obliczeń użyto danych, tóre w najwięszym stopniu wiążą się z jednym z istotnych dla charaterystyi sał parametrem, czyli z porowatością. Należą do nich: różnica gęstości szieletowej i objętościowej, średnica progowa, powierzchnia właściwa i histereza, rozumiana jao ilość rtęci, tóra nie została usunięta z próbi w procesie deompresji, przeliczona na całowitą ilość rtęci wtłoczonej i wyrażona w procentach. Kwalifiacja lingwistyczna Kolejny ro przed wyonaniem obliczeń to walifiacja lingwistyczna, czyli oreślenie granic podzbiorów lingwistycznych, tóre przyjęto arbitralnie. W tablicy 1 przedstawiono przypisane zaresy lingwistycznie scharateryzowanym wielościom. Tablica 1. Lingwistyczne zdefiniowanie wielości petrofizycznych Wielości Wyrażenia lingwistyczne Granice podzbiorów lingwistycznych gęstości [g/cm 3 ] mała średnia duża,,1;,,;,15, Średnica progowa [µm] mała średnia duża, 5,; 3, 15,; > 1, Powierzchnia właściwa [cm 3 /g] mała średnia duża, 1,;,,; > 1,5 Histereza [%] mała średnia duża.,; 1, 5,; > 35 mała średnia duża, 5,;, 1,; > Nafta-Gaz, nr / 39
4 NAFTA-GAZ Fuzyfiacja Przebieg procesów obliczeniowych zachodził zgodnie ze schematem przedstawionym na rysunu 1, w tórym pierwszym roiem jest proces rozmywania, czyli fuzyfiacji. Posługując się funcjami przynależności, na rysunu 5 przedstawiono przyładowo lingwistyczne rozmycie średnicy progowej, tórej wartość ostra wynosi μm. 1, 1,, Rys. 5. Rozmywanie średnicy progowej Zgodnie z t-normą uzysujemy stopień przynależności średnicy progowej: = min{μ A1 (x), μ A (x)} = x 1i /a 1, x i /a = =,/a 1,,/a =, (7) W wyniu rozmycia otrzymujemy stopnie przynależności do zbiorów rozmytych dla ostro zadanych średnic progowych. x Podobne postępowanie przeprowadzono dla różnicy gęstości ( gęstości). Rozmycie gęstości przedstawiono na rysunu. 1, 1,9, Rys.. Rozmywanie różnicy gęstości ( gęstości) Stopień przynależności zgodnie z t-normą to: = min{μ B1 (x), μ B (x)} = x 1 /b 1, x /b = =,/b 1,,5/b =,5 () Zgodnie z przedstawionymi powyżej regułami rozmywania doonano procesu rozmywania wprowadzanych wartości ostrych, stosując dobrane funcje przynależności i oreślając stopień przynależności za pomocą odpowiednich norm. Z pozostałymi zbiorami rozmytymi postępuje się w podobny sposób. x Wniosowanie Następny ro procesu (rysune 1) to wniosowanie typu: JEŻELI TO Wniosowanie przeprowadzono na zbiorach rozmytych stworzonych na bazie schematu podanego w tablicy. Poniżej przedstawiono przyład wyniania dla średnicy progowej x A i gęstości x B w odniesieniu do porowatości y: JEŻELI średnica progowa (x A ) mała i gęstości (x B ) mała, TO porowatość (y) mała i podobnie: JEŻELI x A mała i x B średnia, TO y mała JEŻELI x A średnia i x B mała, TO y mała JEŻELI x A duża i x B duża, TO y duża Wyorzystując wszystie możliwe permutacje tych wyrażeń i stosując na nich przedstawione wyżej reguły wniosowania, uzysujemy zbiór zwycięsich przesłane w postaci stopni przynależności µ(x A ) i µ(x B ). Stosując wybraną normę, w tym przypadu s-normę, otrzymujemy zwycięsi stopień przynależności: = max [μ A (x), μ B (x)] = max {,/a,,5/b} =,5 (9) Przedstawiono tu przyładowo bardzo uproszczony model postępowania na przyładzie trzech zbiorów ostrych: średnicy progowej, gęstości i porowatości. Wyostrzanie Proces defuzyfiacji zaprezentowano na rysunu 7. Polega on na onwertowaniu zbioru rozmytego, złożonego ze stopni przyporządowania, do dziedziny danych wyostrzonych. W przedstawionym przypadu µ(x) =,5 lingwistycznie przyporządowane jest do zbioru rozmytego porowatości (; 5), a w obliczeniach zastosowano metodę ostatniego masimum. W efecie przeształceń uzysano wyostrzoną wielość porowatości równą,5%. 1, 1,5,, Rys. 7. Graficzna ilustracja procesu wyostrzania porowatości x 39 Nafta-Gaz, nr /
5 artyuły Rezultaty Powyżej, na onretnym przyładzie, przedstawiono zasadę zastosowanej metody. Postępowano zgodnie z nią w wyonanym zadaniu. Wyorzystano tu wszystie zbiory ujęte w tablicy, tóre poddano omówionym wyżej regułom rozmywania i wniosowania. W onsewencji uzysano zbiór stopni przyporządowania dla ażdego pojedynczego zdarzenia. W procesie wyostrzania stopnie przyporządowania zostały przeonwertowane do rzeczywistej porowatości. Aby wyznaczyć wpływ danego parametru na porowatość, zastosowano metodę wyluczeń, tzn. oreślano, jai efet ońcowy osiągnie się, wyluczając ten parametr z testowanego zbioru. Wynii przedstawiono na olejnych rysunach. Linia niebiesa stanowi zbiór porowatości rzeczywistej, czerwona Typ zbioru Tablica. Wynii orelacji Rysune Współczynni orelacji Bez średnicy progowej, Bez powierzchni właściwej 9,57 Bez histerezy 1,53 Bez gęstości 11,3 Całość, wyliczonej. Współczynni orelacji wsazuje wielość wpływu danego parametru na porowatość. Wynii przedstawiono w postaci wyresów (rysuni ) i orelacji w tablicy Numer próbi Rys.. Baza danych wejściowych z wyluczeniem średnicy progowej 1 Numer próbi Rys. 9. Baza danych wejściowych z wyluczeniem powierzchni właściwej 1 1 Numer próbi Rys. 1. Baza danych wejściowych z wyluczeniem histerezy 1 1 Numer próbi Rys. 11. Baza danych wejściowych z wyluczeniem gęstości 1 1 Najlepszy wyni uzysano w przypadu zastosowania wszystich parametrów (rysune, współczynni orelacji,). Po wyluczeniu ze zbioru obliczeniowego danego parametru orelacja zmniejsza się (tablica ), najwięszy wpływ na porowatość ma różnica gęstości szieletowej i objętościowej oznaczona jao gęstości. Numer próbi Rys.. Pełna baza danych wejściowych Nafta-Gaz, nr / 391
6 NAFTA-GAZ Wniosi Z przedstawionych danych wynia, że wyonane symulacje metodą logii rozmytej dobrze odzwierciedlają rzeczywiste trendy, dając dobrą orelację z wyniami rzeczywistymi. Jednaże na rysunach można zauważyć zawyżenie danych w przypadu dużych wartości i zaniżenie w przypadu wartości średnich. Odchylenia wyniają ze zgrubnego dobrania lingwistycznych zbiorów oraz dość prostej formuły wyostrzania, czyli metody ostatniego masimum. Metoda logii rozmytej oazała się użyteczna, rzucając nowe światło na hierarchię wpływów parametrów przestrzeni porowej na porowatość, niemniej jedna wymaga dalszego dopracowania. Prosimy cytować jao: Nafta-Gaz, nr, s , DOI: 1.1/NG...1 Artyuł nadesłano do Redacji r. Zatwierdzono do druu 1.3. r. Literatura [1] Darła B., Kowalsa-Włodarczy M.: Próba zastosowania logii rozmytej do interpretacji parametrów petrofizycznych sał zbiorniowych. Nafta-Gaz 7, nr 5, s [] Darła B., Kowalsa-Włodarczy M.: Zastosowanie logii rozmytej w budowie modeli geologicznych. Nafta-Gaz 9, nr, s [3] Finol J., Jing X. D.: Permeability prediction in shaly formations: the fuzzy modeling approach. Geophysics, vol. 7, no. 3, s [] Finol J., Jing X. D.: Predicting Petrophysical parameters in a fuzzy environment. Soft computing for reservoir characterization and modeling. Physica-Verlag, vol., s [5] Flasińsi M.: Wstęp do sztucznej inteligencji. Warszawa, PWN, 11, s [] Kisielewicz A.: Sztuczna inteligencja i logia. Warszawa, WNT,, s. 9. [7] Łęsi J.: Systemy neuronowo-rozmyte. Warszawa, WNT,. [] Piegat A.: Fuzzy modeling and control. Springer-Heidelberg, 1, s [9] Piegat A.: Modelowanie i sterowanie rozmyte. Warszawa, Aademica Oficyna Wydawnicza EXIT, [1] Rutowsa D., Pilińsi M., Rutowsi L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Warszawa, PWN, 1997, s. 5. [11] Zadeh L. A.: Fuzzy sets. Information and Control 195, vol., no. 3, s Mgr Barbara DARŁAK Starszy specjalista badawczo-techniczny w Załadzie Geologii i Geochemii. Instytut Nafty i Gazu Państwowy Instytut Badawczy ul. Lubicz 5 A Kraów barbara.darla@inig.pl Mgr inż. Małgorzata Kowalsa- Włodarczy Starszy specjalista badawczo-techniczny w Załadzie Geologii i Geochemii. Instytut Nafty i Gazu Państwowy Instytut Badawczy ul. Lubicz 5 A, Kraów wlodarczy@inig.pl 39 Nafta-Gaz, nr /
Wstęp. Przygotowanie materiału doświadczalnego do badań. Zastosowanie logiki rozmytej do obliczeń
Przedstawiona praca jest ontynuacją próby wprowadzenia metody logii rozmytej do rutynowych modelowań geologicznych. Wyorzystując dane laboratoryjne i otworowe uzupełniano z jej pomocą braujące fragmenty
Bardziej szczegółowoZagadnienia AI wykład 3
Zagadnienia I wyład 3 Rozmyte systemy wniosujące by móc sterować pewnym procesem technologicznym lub tez pracą urządzeń onieczne jest zbudowanie modelu, na podstawie tórego można będzie podejmować decyzje
Bardziej szczegółowoUniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 6 SYSTEMY ROZMYTE TYPU MAMDANIEGO
Bardziej szczegółowoZastosowanie sztucznych sieci neuronowych i logiki rozmytej w tworzeniu baz danych dla złóż dual porosity dual permeability
NAFTA-GAZ marzec 2010 ROK LXVI Małgorzata Kowalska-Włodarczyk, Barbara Darłak Instytut Nafty i Gazu, Kraków Zastosowanie sztucznych sieci neuronowych i logiki rozmytej w tworzeniu baz danych dla złóż dual
Bardziej szczegółowoWnioskowanie rozmyte. Krzysztof Patan
Wnioskowanie rozmyte Krzysztof Patan Wprowadzenie Informacja precyzyjna jest to jedyna postać informacji akceptowanej przez konwencjonalne metody matematyczne, najczęściej dostarczana jest przez precyzyjne
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 10. WNIOSKOWANIE W LOGICE ROZMYTEJ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska WNIOSKOWANIE W LOGICE DWUWARTOŚCIOWEJ W logice
Bardziej szczegółowoSztuczna inteligencja : Zbiory rozmyte cz. 2
Sztuczna inteligencja : Zbiory rozmyte cz. 2 Przemysław Juszczuk Instytut Informatyki Uniwersytetu Śląskiego 1 marca 2012 Funkcja trójkątna: Funkcja trójkątna: Funkcja przynależności γ (gamma): Rysunek:
Bardziej szczegółowoALGORYTM PROJEKTOWANIA ROZMYTYCH SYSTEMÓW EKSPERCKICH TYPU MAMDANI ZADEH OCENIAJĄCYCH EFEKTYWNOŚĆ WYKONANIA ZADANIA BOJOWEGO
Szybkobieżne Pojazdy Gąsienicowe (2) Nr 2, 24 Mirosław ADAMSKI Norbert GRZESIK ALGORYTM PROJEKTOWANIA CH SYSTEMÓW EKSPERCKICH TYPU MAMDANI ZADEH OCENIAJĄCYCH EFEKTYWNOŚĆ WYKONANIA ZADANIA BOJOWEGO. WSTĘP
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA SYSTEMY ROZMYTE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium
Bardziej szczegółowoSztuczna inteligencja: zbiory rozmyte
Instytut Informatyki Uniwersytetu Śląskiego lab 1 1 Klasyczna teoria zbiorów 2 Teoria zbiorów rozmytych 3 Zmienne lingwistyczne i funkcje przynależności 4 System rozmyty 5 Preprocesing danych Każdy element
Bardziej szczegółowoJeśli X jest przestrzenią o nieskończonej liczbie elementów:
Logika rozmyta 2 Zbiór rozmyty może być formalnie zapisany na dwa sposoby w zależności od tego z jakim typem przestrzeni elementów mamy do czynienia: Jeśli X jest przestrzenią o skończonej liczbie elementów
Bardziej szczegółowoINŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Podstawowe pojęcia z logiki rozmytej Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sterowanie
Bardziej szczegółowoRozmyte systemy doradcze
Systemy ekspertowe Rozmyte systemy doradcze Plan. Co to jest myślenie rozmyte? 2. Teoria zbiorów rozmytych. 3. Zmienne lingwistyczne. 4. Reguły rozmyte. 5. Wnioskowanie rozmyte (systemy doradcze). typu
Bardziej szczegółowoTEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM
EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia
Bardziej szczegółowoInteligencja obliczeniowa
Ćwiczenie nr 1 Zbiory rozmyte logika rozmyta Tworzenie: termów zmiennej lingwistycznej o różnych kształtach, modyfikatorów, zmiennych o wielu termach; operacje przecięcia, połączenia i dopełnienia 1. Wprowadzenie
Bardziej szczegółowoA i A j lub A j A i. Operator γ : 2 X 2 X jest ciągły gdy
3. Wyład 7: Inducja i reursja struturalna. Termy i podstawianie termów. Dla uninięcia nieporozumień notacyjnych wprowadzimy rozróżnienie między funcjami i operatorami. Operatorem γ w zbiorze X jest funcja
Bardziej szczegółowoMODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH
MODYFICJ OSZTOW LGORYTMU JOHNSON DO SZEREGOWNI ZDŃ UDOWLNYCH Michał RZEMIŃSI, Paweł NOW a a Wydział Inżynierii Lądowej, Załad Inżynierii Producji i Zarządzania w udownictwie, ul. rmii Ludowej 6, -67 Warszawa
Bardziej szczegółowoWYKŁAD 10 Rozmyta reprezentacja danych (modelowanie i wnioskowanie rozmyte)
WYKŁAD 10 Rozmyta reprezentacja danych (modelowanie i wnioskowanie rozmyte) Motywacje:! przezwyciężenie wad tradycyjnych algorytmów komputerowych, które zawodzą zwłaszcza w sytuacjach, w których człowiek
Bardziej szczegółowoZasada rozszerzania. A U A jest zbiorem rozmytym, B jest obrazem zbioru A Przeniesienie rozmytości A w odwzorowaniu f na zbiór B. sup.
Zasada rozszerzania f U V U jest zbiorem rozmytym V = f( ), jest obrazem zbioru Przeniesienie rozmytości w odwzorowaniu f na zbiór v) = ( v)? ( f ( ) = sup ( u) gdy ( v) 0 1 = 1 u f ( v) f( ) ( v) 1 0
Bardziej szczegółowoWybrane rozkłady zmiennych losowych i ich charakterystyki
Rozdział 1 Wybrane rozłady zmiennych losowych i ich charaterystyi 1.1 Wybrane rozłady zmiennych losowych typu soowego 1.1.1 Rozład równomierny Rozpatrzmy esperyment, tóry może sończyć się jednym z n możliwych
Bardziej szczegółowoInżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska
Inżynieria Wiedzy i Systemy Ekspertowe Logika rozmyta dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Wyostrzanie Ostateczna, ostra wartość
Bardziej szczegółowoInżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska
Inżynieria Wiedzy i Systemy Ekspertowe Niepewność wiedzy dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Logika Rozmyta (Fuzzy Logic) Mimo
Bardziej szczegółowoLogika rozmyta typu 2
Logika rozmyta typu 2 Zbiory rozmyte Funkcja przynależności Interwałowe zbiory rozmyte Funkcje przynależności przedziałów Zastosowanie.9.5 Francuz Polak Niemiec Arytmetyka przedziałów Operacje zbiorowe
Bardziej szczegółowoR w =
Laboratorium Eletrotechnii i eletronii LABORATORM 6 Temat ćwiczenia: BADANE ZASLACZY ELEKTRONCZNYCH - pomiary w obwodach prądu stałego Wyznaczanie charaterysty prądowo-napięciowych i charaterysty mocy.
Bardziej szczegółowoMethod of determination of the current liquidity ratio with the use of fuzzy logic in hard coal mines
76 PRZEGLĄD GÓRNICZY 2014 UKD 622.333: 622.338.24: 622.652.2 Metoda określania płynności bieżącej w kopalniach węgla kamiennego z wykorzystaniem systemu rozmytego Method of determination of the current
Bardziej szczegółowoDRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH
Część 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH... 5. 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH 5.. Wprowadzenie Rozwiązywanie zadań z zaresu dynamii budowli sprowadza
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoInterwałowe zbiory rozmyte
Interwałowe zbiory rozmyte 1. Wprowadzenie. Od momentu przedstawienia koncepcji klasycznych zbiorów rozmytych (typu 1), były one krytykowane za postać jaką przybiera funkcja przynależności. W przypadku
Bardziej szczegółowoWstęp do Sztucznej Inteligencji: Laboratorium Sterownik rozmyty
Wstęp do Sztucznej Inteligencji: Laboratorium Sterowni rozmt Zbior rozmte pozwalają w sposób usstematzowan modelować pojęcia niepreczjne, jaimi ludzie posługują się na co dzień. Przładem może bć wrażenie
Bardziej szczegółowo6. Zagadnienie parkowania ciężarówki.
6. Zagadnienie parkowania ciężarówki. Sterowniki rozmyte Aby móc sterować przebiegiem pewnych procesów lub też pracą urządzeń niezbędne jest stworzenie odpowiedniego modelu, na podstawie którego można
Bardziej szczegółowoSTANDARDOWE FUNKCJE PRZYNALEŻNOŚCI. METODY HEURYSTYCZNE wykład 6. (alternatywa dla s) (zdef. poprzez klasę s) GAUSSOWSKA F.
METODY HEURYSTYCZNE wykład 6 STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI 2 GAUSSOWSKA F. PRZYNALEŻNOŚCI F. PRZYNALEŻNOŚCI KLASY s środek; a określa szerokość krzywej 3 4 F. PRZYNALEŻNOŚCI KLASY π F. PRZYNALEŻNOŚCI
Bardziej szczegółowoPodstawy sztucznej inteligencji
wykład 4 (Fuzzy logic) 23 listopad 2011 Plan wykładu 1 Systemy wnioskowania z danymi niepewnymi 2 3 Inteligentne systemy z wiedzą Systemy z wiedzą składają się z dwóch części: 1 Baza wiedzy (KB): zbioru
Bardziej szczegółowoWYKORZYSTANIE STEROWNIKÓW ROZMYTYCH DO OPTYMALIZACJI PRACY LINII DO EKSTRUDOWANIA PRODUKTÓW ROŚLINNYCH
InŜynieria Rolnicza 7/2006 Adam Eielsi Katedra Organizacji i InŜynierii Producji Szoła Główna Gospodarstwa Wiejsiego w Warszawie WYKORZYSTANIE STEROWNIKÓW ROZMYTYCH DO OPTYMALIZACJI PRACY LINII DO EKSTRUDOWANIA
Bardziej szczegółowoPomiary napięć przemiennych
LABORAORIUM Z MEROLOGII Ćwiczenie 7 Pomiary napięć przemiennych . Cel ćwiczenia Celem ćwiczenia jest poznanie sposobów pomiarów wielości charaterystycznych i współczynniów, stosowanych do opisu oresowych
Bardziej szczegółowoInteligencja obliczeniowa
Ćwiczenie nr 3 Zbiory rozmyte logika rozmyta Sterowniki wielowejściowe i wielowyjściowe, relacje rozmyte, sposoby zapisu reguł, aproksymacja funkcji przy użyciu reguł rozmytych, charakterystyki przejściowe
Bardziej szczegółowoZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH
Henry TOMASZEK Ryszard KALETA Mariusz ZIEJA Instytut Techniczny Wojs Lotniczych PRACE AUKOWE ITWL Zeszyt 33, s. 33 43, 2013 r. DOI 10.2478/afit-2013-0003 ZARYS METODY OPISU KSZTAŁTOWAIA SKUTECZOŚCI W SYSTEMIE
Bardziej szczegółowoA4: Filtry aktywne rzędu II i IV
A4: Filtry atywne rzędu II i IV Jace Grela, Radosław Strzała 3 maja 29 1 Wstęp 1.1 Wzory Poniżej zamieszczamy podstawowe wzory i definicje, tórych używaliśmy w obliczeniach: 1. Związe między stałą czasową
Bardziej szczegółowoZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE
SYSTEMY ROZMYTE ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE 2 965 Lotfi A. Zadeh: Fuzzy sets Metoda reprezentacji wiedzy wyrażonej w języku naturalnym: Temperatura wynosi 29 o C informacja liczbowa - naturalna
Bardziej szczegółowoSterowanie Ciągłe. Używając Simulink a w pakiecie MATLAB, zasymulować układ z rysunku 7.1. Rys.7.1. Schemat blokowy układu regulacji.
emat ćwiczenia nr 7: Synteza parametryczna uładów regulacji. Sterowanie Ciągłe Celem ćwiczenia jest orecja zadanego uładu regulacji wyorzystując następujące metody: ryterium amplitudy rezonansowej i metodę
Bardziej szczegółowoZASTOSOWANIE SIECI NEURONOWEJ RBF W REGULATORZE KURSU STATKU
Mirosław Tomera Aademia Morsa w Gdyni Wydział Eletryczny Katedra Automatyi Orętowej ZASTOSOWANIE SIECI NEURONOWEJ RBF W REGULATORZE KURSU STATKU W pracy przedstawiona została implementacja sieci neuronowej
Bardziej szczegółowo(U.3) Podstawy formalizmu mechaniki kwantowej
3.10.2004 24. (U.3) Podstawy formalizmu mechanii wantowej 33 Rozdział 24 (U.3) Podstawy formalizmu mechanii wantowej 24.1 Wartości oczeiwane i dyspersje dla stanu superponowanego 24.1.1 Założenia wstępne
Bardziej szczegółowoUkłady logiki rozmytej. Co to jest?
PUAV Wykład 14 Co to jest? Co to jest? Logika rozmyta (fuzzy logic) jest to dział matematyki precyzyjnie formalizujący nieprecyzyjne, nieformalne ludzkie rozumowanie. Co to jest? Logika rozmyta (fuzzy
Bardziej szczegółowo7. Zagadnienie parkowania ciężarówki.
7. Zagadnienie parkowania ciężarówki. Sterowniki rozmyte Aby móc sterować przebiegiem pewnych procesów lub też pracą urządzeń niezbędne jest stworzenie odpowiedniego modelu, na podstawie którego można
Bardziej szczegółowoĆwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci
Ćwiczenie 4 - Badanie wpływu asymetrii obciążenia na pracę sieci Strona 1/13 Ćwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci Spis treści 1.Cel ćwiczenia...2 2.Wstęp...2 2.1.Wprowadzenie
Bardziej szczegółowoUwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy:
Matematya dysretna - wyład 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produtu artezjańsiego X Y, tórego elementami są pary uporządowane (x, y), taie, że x X i y Y. Uwaga 1.1 Jeśli
Bardziej szczegółowoGrupowanie sekwencji czasowych
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 3, 006 Grupowanie sewencji czasowych Tomasz PAŁYS Załad Automatyi, Instytut Teleinformatyi i Automatyi WAT, ul. Kalisiego, 00-908 Warszawa STRESZCZENIE: W artyule
Bardziej szczegółowoA. Cel ćwiczenia. B. Część teoretyczna
A. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wsaźniami esploatacyjnymi eletronicznych systemów bezpieczeństwa oraz wyorzystaniem ich do alizacji procesu esplatacji z uwzględnieniem przeglądów
Bardziej szczegółowoAlgebra liniowa z geometrią analityczną
WYKŁAD. Własności zbiorów liczbowych. Podzielność liczb całowitych, relacja przystawania modulo, twierdzenie chińsie o resztach. Liczby całowite Liczby 0,±,±,±3,... nazywamy liczbami całowitymi. Zbiór
Bardziej szczegółowoROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU
Agniesza Dziurzańsa ROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU 10.1. CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU Przeprowadzona analiza formacji, jaą jest zespół (zobacz rozdział 5), wyazała, że cechy tóre powstają
Bardziej szczegółowoPodstawy rachunku prawdopodobieństwa (przypomnienie)
. Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń
Bardziej szczegółowoANALIZA CZASOWO-KOSZTOWA PLANOWANEGO PRZEDSIĘWZIĘCIA BUDOWLANEGO PRZY ZASTOSOWANIU ZBIORÓW ROZMYTYCH
ANALIZA CZASOWO-OSZTOWA PLANOWANEGO PRZEDSIĘWZIĘCIA BUDOWLANEGO PRZY ZASTOSOWANIU ZBIORÓW ROZMYTYCH Andrzej MINASOWICZ, Bartosz OSTRZEWA Wydział Inżynierii Lądowej, Politechnia Warszawsa, l. Armii Ldowej
Bardziej szczegółowo9. Sprzężenie zwrotne własności
9. Sprzężenie zwrotne własności 9.. Wprowadzenie Sprzężenie zwrotne w uładzie eletronicznym realizuje się przez sumowanie części sygnału wyjściowego z sygnałem wejściowym i użycie zmodyiowanego w ten sposób
Bardziej szczegółowoPiotr Sobolewski Krzysztof Skorupski
Plan prezentacji Logika rodzaje Logika klasyczna Logika wielowartościowa Logika rozmyta Historia powstania Definicje Zbiory rozmyte Relacje rozmyte Systemy rozmyte Modele Zastosowanie w optymalizacji przykłady
Bardziej szczegółowoTemat: Model SUGENO. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Model SUGENO Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Pierwszym rodzajem modelowania
Bardziej szczegółowoImplementacja rozmytych systemów wnioskujących w zdaniach regulacji
Metody Sztucznej Inteligencji w Sterowaniu Ćwiczenie 5 Implementacja rozmytych systemów wnioskujących w zdaniach regulacji Przygotował: mgr inż. Marcin Pelic Instytut Technologii Mechanicznej Politechnika
Bardziej szczegółowoP(T) = P(T M) = P(T A) = P(T L) = P(T S) = P(T L M) = P(T L A) = P(T S M) = P(T S A) =
Przyład (obrona orętów USA przed ataami lotnictwa japońsiego) Możliwe dwie wyluczające się tatyi: M = manewr A = artyleria przeciwlotnicza Departament Marynari Wojennej na podstawie danych z wojny na Pacyfiu
Bardziej szczegółowoPROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM
Mostefa Mohamed-Seghir Akademia Morska w Gdyni PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM W artykule przedstawiono propozycję zastosowania programowania dynamicznego do rozwiązywania
Bardziej szczegółowoCel projektu: Wymogi dotyczące sprawozdania:
W ramach zajęć proszę wykonać sprawozdanie z logiki rozmytej. Sprawozdanie powinno realizować zadanie wnioskowania rozmytego. Cel projektu: Student projektuje bazę wiedzy wnioskowania rozmytego (kilka,
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowo4.15 Badanie dyfrakcji światła laserowego na krysztale koloidalnym(o19)
256 Fale 4.15 Badanie dyfracji światła laserowego na rysztale oloidalnym(o19) Celem ćwiczenia jest wyznaczenie stałej sieci dwuwymiarowego ryształu oloidalnego metodą dyfracji światła laserowego. Zagadnienia
Bardziej szczegółowo( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego
Obliczanie gradientu błędu metodą uładu dołączonego /9 Obliczanie gradientu błędu metodą uładu dołączonego Chodzi o wyznaczenie pochodnych cząstowych funcji błędu E względem parametrów elementów uładu
Bardziej szczegółowoODWZOROWANIE PRZEBIEGU PULSACJI METODAMI SZTUCZNEJ INTELIGENCJI
Inżynieria Rolnicza 9(107)/2008 ODWZOROWANIE PRZEBIEGU PULSACJI METODAMI SZTUCZNEJ INTELIGENCJI Katedra Energetyki Rolniczej, Uniwersytet Rolniczy w Krakowie Streszczenie. Przedstawiono metodykę odwzorowania
Bardziej szczegółowoSID Wykład 7 Zbiory rozmyte
SID Wykład 7 Zbiory rozmyte Wydział Matematyki, Informatyki i Mechaniki UW slezak@mimuw.edu.pl Wstęp Language Ontological Commitment Epistemological Commitment (What exists in the world) (What an agent
Bardziej szczegółowoInżynieria Rolnicza 5(114)/2009
Inżynieria Rolnicza 5(114)/2009 MODELE ROZMYTE ZAPOTRZEBOWANIA NA MOC DLA POTRZEB KRÓTKOTERMINOWEGO PROGNOZOWANIA ZUŻYCIA ENERGII ELEKTRYCZNEJ NA WSI CZĘŚĆ I. ALGORYTMY WYZNACZANIA MODELI ROZMYTYCH Jerzy
Bardziej szczegółowoTemat ćwiczenia: POMIARY W OBWODACH ELEKTRYCZNYCH PRĄDU STAŁEGO. A Lp. U[V] I[mA] R 0 [ ] P 0 [mw] R 0 [ ] 1. U 0 AB= I Z =
Laboratorium Teorii Obwodów Temat ćwiczenia: LBOTOM MD POMY W OBWODCH LKTYCZNYCH PĄD STŁGO. Sprawdzenie twierdzenia o źródle zastępczym (tw. Thevenina) Dowolny obwód liniowy, lub część obwodu, jeśli wyróżnimy
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I IDENTYFIKACJA Logika rozmyta podstawy wnioskowania w GUI Fuzzy. Materiały pomocnicze do laboratorium
Bardziej szczegółowoLogika Stosowana Ćwiczenia
Logika Stosowana Ćwiczenia Systemy sterowania wykorzystujące zbiory rozmyte Marcin Szczuka Instytut Matematyki, Uniwersytet Warszawski Semestr letni 2014/15 Marcin Szczuka (MIMUW) Logika Stosowana 2014/15
Bardziej szczegółowoZadanie 0 gdy nie mamy logiki rozmytej. Zadanie 1- gdy już mamy logikę rozmytą
Zadanie 0 gdy nie mamy logiki rozmytej Wyobraźmy sobie, że chcemy oceniad czy dana temperatura świadczy o tym, że jest gorąco czy raczej zimno. A więc znając wartośd liczbową temperatury chcemy oceniad
Bardziej szczegółowoCHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ. E. ZIÓŁKOWSKI 1 Wydział Odlewnictwa AGH, ul. Reymonta 23, Kraków
36/3 Archives of Foundry, Year 004, Volume 4, 3 Archiwum Odlewnictwa, Rok 004, Rocznik 4, Nr 3 PAN Katowice PL ISSN 64-5308 CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ E. ZIÓŁKOWSKI
Bardziej szczegółowoW narzędziu typu Excel, Calc czy Gnumeric napisz formułę logiczną która wyznaczy wartośd przynależności dla podanej temperatury do zbioru gorąco.
Zadanie 0 Wyobraźmy sobie, że chcemy oceniad czy dana temperatura świadczy o tym, że jest gorąco czy raczej zimno. A więc znając wartośd liczbową temperatury chcemy oceniad wartośd funkcji przynależności
Bardziej szczegółowoMetody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski
Metody numeryczne Instytut Sterowania i Systemów Informatycznych Wydział Eletrotechnii, Informatyi i Teleomuniacji Uniwersytet Zielonogórsi Eletrotechnia stacjonarne-dzienne pierwszego stopnia z tyt. inżyniera
Bardziej szczegółowoAnaliza nośności poziomej pojedynczego pala
Poradni Inżyniera Nr 16 Atualizacja: 09/016 Analiza nośności poziomej pojedynczego pala Program: Pli powiązany: Pal Demo_manual_16.gpi Celem niniejszego przewodnia jest przedstawienie wyorzystania programu
Bardziej szczegółowoTemat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Projektowanie sterownika rozmytego Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie System
Bardziej szczegółowoσ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;
Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia
Bardziej szczegółowoWykres linii ciśnień i linii energii (wykres Ancony)
Wyres linii ciśnień i linii energii (wyres Ancony) W wyorzystywanej przez nas do rozwiązywania problemów inżyniersich postaci równania Bernoulliego występuje wysoość prędości (= /g), wysoość ciśnienia
Bardziej szczegółowoKurs logiki rozmytej - zadania. Wojciech Szybisty
Kurs logiki rozmytej - zadania Wojciech Szybisty 2009 Spis treści 1 Zadania - zbiory rozmyte 3 2 Zadania - relacje rozmyte 6 3 Zadania - logika rozmyta 11 1 Zadania - zbiory rozmyte 3 Przykłady rozwiązywania
Bardziej szczegółowoPorównanie wyników symulacji wpływu kształtu i amplitudy zakłóceń na jakość sterowania piecem oporowym w układzie z regulatorem PID lub rozmytym
ARCHIVES of FOUNDRY ENGINEERING Published quarterly as the organ of the Foundry Commission of the Polish Academy of Sciences ISSN (1897-3310) Volume 15 Special Issue 4/2015 133 138 28/4 Porównanie wyników
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: INTELIGENTNE SYSTEMY OBLICZENIOWE Systems Based on Computational Intelligence Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj
Bardziej szczegółowoSreszczenie. Słowa kluczowe: sterowanie, poziom cieczy, regulator rozmyty
Ewa Wachowicz Katedra Systemów Sterowania Politechnika Koszalińska STEROWANIE POZIOMEM CIECZY W ZBIORNIKU Z WYKORZYSTANIEM REGULATORA ROZMYTEGO Sreszczenie W pracy omówiono układ regulacji poziomu cieczy,
Bardziej szczegółowoĆwiczenie nr 1: Wahadło fizyczne
Wydział PRACOWNA FZYCZNA WFi AGH mię i nazwiso 1.. Temat: Ro Grupa Zespół Nr ćwiczenia Data wyonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 1: Wahadło fizyczne Cel
Bardziej szczegółowoAnaliza porównawcza wyników interpretacji parametrów zbiornikowych i uszczelniających bioherm przedgórza Karpat metodami ANN i fuzzy logic
NAFTA-GAZ czerwiec 2012 ROK LXVIII Małgorzata Włodarczyk, Barbara Darłak Instytut Nafty i Gazu, Kraków Analiza porównawcza wyników interpretacji parametrów zbiornikowych i uszczelniających bioherm przedgórza
Bardziej szczegółowoĆw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na okres drgań
KAEDRA FIZYKI SOSOWANEJ PRACOWNIA 5 FIZYKI Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na ores drgań Wprowadzenie Ruch drgający naeży do najbardziej rozpowszechnionych ruchów w przyrodzie.
Bardziej szczegółowoANALIZA METROLOGICZNA UKŁADU DO DIAGNOSTYKI ŁOŻYSK OPARTEJ NA POMIARACH MOCY CHWILOWEJ
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 7 Electrical Engineering 01 Ariel DZWONKOWSKI* ANALIZA METROLOGICZNA UKŁADU DO DIAGNOSTYKI ŁOŻYSK OPARTEJ NA POMIARACH MOCY CHWILOWEJ W artyule przedstawiono
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Rozłady soowe Rozład jednopuntowy Oreślamy: P(X c) 1 gdzie c ustalona liczba. 1 EX c, D 2 X 0 (tylo ten rozład ma zerową wariancję!!!)
Bardziej szczegółowoOPTYMALIZACJA PRZEPUSTOWOŚCI SIECI KOMPUTEROWYCH ZA POMOCĄ ALGORYTMÓW GENETYCZNYCH
OPTYMALIZACJA PRZEPUSTOWOŚCI SIECI KOMPUTEROWYCH ZA POMOCĄ ALGORYTMÓW GENETYCZNYCH Andrzej SZYMONIK, Krzysztof PYTEL Streszczenie: W złożonych sieciach omputerowych istnieje problem doboru przepustowości
Bardziej szczegółowoWAHADŁO SPRĘŻYNOWE. POMIAR POLA ELIPSY ENERGII.
ĆWICZENIE 3. WAHADŁO SPRĘŻYNOWE. POMIAR POLA ELIPSY ENERGII. 1. Oscylator harmoniczny. Wprowadzenie Oscylatorem harmonicznym nazywamy punt materialny, na tóry,działa siła sierowana do pewnego centrum,
Bardziej szczegółowoKoła rowerowe kreślą fraktale
26 FOTON 114, Jesień 2011 Koła rowerowe reślą fratale Mare Berezowsi Politechnia Śląsa Od Redacji: Fratalom poświęcamy ostatnio dużo uwagi. W Fotonach 111 i 112 uazały się na ten temat artyuły Marcina
Bardziej szczegółowoAnaliza B. Paweł Głowacki
Analiza B Paweł Głowaci Pojęcie liczby rzeczywistej uważać będziemy za intuicyjnie oczywiste. Tym niemniej celowe wydaje się przypomnienie i ugruntowanie nietórych fundamentalnych własności liczb rzeczywistych.
Bardziej szczegółowoMatematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki
Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi
Bardziej szczegółowoWyznaczenie prędkości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze
Podstawy analizy wypadów drogowych Instrucja do ćwiczenia 1 Wyznaczenie prędości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze Spis treści 1. CEL ĆWICZENIA... 3. WPROWADZENIE...
Bardziej szczegółowoKoła rowerowe malują fraktale
Koła rowerowe malują fratale Mare Berezowsi Politechnia Śląsa Rozważmy urządzenie sładającego się z n ół o różnych rozmiarach, obracających się z różnymi prędościami. Na obręczy danego oła, obracającego
Bardziej szczegółowoWPŁYW OPÓŹNIENIA NA DYNAMIKĘ UKŁADÓW Z REGULACJĄ KLASYCZNĄ I ROZMYTĄ
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Nr 65 Politechniki Wrocławskiej Nr 65 Studia i Materiały Nr 31 2011 Kinga GÓRNIAK* układy z opóźnieniem, regulacja rozmyta, model Mamdaniego,
Bardziej szczegółowoTworzenie rozmytego systemu wnioskowania
Tworzenie rozmytego systemu wnioskowania Wstęp W odróżnieniu od klasycznych systemów regałowych modele rozmyte pozwalają budowad modele wnioskujące oparte o język naturalny, dzieki czemu inżynierom wiedzy
Bardziej szczegółowoTemat: ANFIS + TS w zadaniach. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: ANFIS + TS w zadaniach Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1. Systemy neuronowo - rozmyte Systemy
Bardziej szczegółowoAUTO-STROJENIE REGULATORA TYPU PID Z WYKORZYSTANIEM LOGIKI ROZMYTEJ
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 75 Electrical Engineering 2013 Łukasz NIEWIARA* Krzysztof ZAWIRSKI* AUTO-STROJENIE REGULATORA TYPU PID Z WYKORZYSTANIEM LOGIKI ROZMYTEJ Zagadnienia
Bardziej szczegółowoPrognozowanie notowań pakietów akcji poprzez ortogonalizację szeregów czasowych 1
Prognozowanie notowań paietów acji poprzez ortogonalizację szeregów czasowych Andrzej Kasprzyci. WSĘP Dynamię rynu finansowego opisuje się indesami agregatowymi: cen, ilości i wartości. Indes giełdowy
Bardziej szczegółowoi = n = n 1 + n 2 1 i 2 n 1. n(n + 1)(2n + 1) n (n + 1) =
Druga zasada inducji matematycznej Niech m będzie liczbą całowitą, niech p(n) będzie ciągiem zdań zdefiniowanych na zbiorze {n Z: n m} oraz niech l będzie nieujemną liczbą całowitą. Jeśli (P) wszystie
Bardziej szczegółowoĆWICZENIE 4 ZASTOSOWANIE METOD I NARZĘDZI LOGIKI ROZMYTEJ DO KLASYFIKACJI DANYCH I APROKSYMACJI ODWZOROWAŃ STATYCZNYCH
Politechnika Białostocka Wydział Elektryczny Katedra Automatyki i Elektroniki ĆWICZENIE 4 ZASTOSOWANIE METOD I NARZĘDZI LOGIKI ROZMYTEJ DO KLASYFIKACJI DANYCH I APROKSYMACJI ODWZOROWAŃ STATYCZNYCH Pracownia
Bardziej szczegółowoEGZAMIN GIMNAZJALNY 2011
Centralna Komisja Egzaminacyjna w Warszawie EGZMIN GIMNZJLNY 011 część matematyczno-przyrodnicza Klucz puntowania zadań (arusz dla uczniów bez dysfuncji i z dyslesją rozwojową) KWIECIEŃ 011 Zadania zamnięte
Bardziej szczegółowowtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz
Temat: Programowanie wieloryterialne. Ujęcie dysretne.. Problem programowania wieloryterialnego. Z programowaniem wieloryterialnym mamy do czynienia, gdy w problemie decyzyjnym występuje więcej niż jedno
Bardziej szczegółowo