Piotr Sobolewski Krzysztof Skorupski

Wielkość: px
Rozpocząć pokaz od strony:

Download "Piotr Sobolewski Krzysztof Skorupski"

Transkrypt

1

2 Plan prezentacji Logika rodzaje Logika klasyczna Logika wielowartościowa Logika rozmyta Historia powstania Definicje Zbiory rozmyte Relacje rozmyte Systemy rozmyte Modele Zastosowanie w optymalizacji przykłady

3 Logika - rodzaje Klasyczna Wielowartościowa

4 Logika klasyczna Dwuwartościowa (binarna) Prawo wyłączonego środka (ang. The law of excluded middle )

5 Logika wielowartościowa Przykłady: Logika trójwartościowa (stworzona przez Jana Łukasiewicza) możliwe trzy logiczne wartości: P(1)- zdanie, którego wszystkie kryteria są spełnione, F(0)- zdanie, którego żadne z kryteriów nie jest spełnione, T(1/2)- zdanie, którego tylko niektóre kryteria są spełnione. Logika rozmyta możliwa nieskooczona ilośd logicznych wartości

6 Logika rozmyta - historia Stworzona w 1973 roku przez prof. Lofti A. Zadeh (University of California, Berkeley) Pierwotnie wzorowana na sposobie, w jaki myśli człowiek

7 Logika rozmyta Cytat: B. Russel w Vagueness "The law of the excluded middle is true when precise symbols are employed but it is not true when symbols are vague, as, in fact, all symbols are. W logice rozmytej nie obowiązuje zasada wyłączonego środka.

8 Logika rozmyta Zbiory rozmyte Porównanie z logiką klasyczną: Zbiór klasyczny i funkcja przynależności. Zbiór rozmyty i funkcja przynależności.

9 Logika rozmyta Zbiory rozmyte Poszczególne zbiory mogą nachodzid siebie. Stopieo w jakim są wzajemnie powiązane definiuje entropia rozmycia. Zbiory rozmyte odpowiadające określonej wartości temperatury.

10 Logika rozmyta Zbiory rozmyte Funkcja przynależności µ A - określa stopieo, w jakim element x należy do zbioru A : X [0,1 ]; A X przestrzeo zdarzeo, A zbiór rozmyty Stopieo przynależności to nie prawdopodobieostwo; np. łysy w 80% to nie to samo co łysy 4 na 5 razy. x X

11 Logika rozmyta Zbiory rozmyte Baza (ang. Support) wartości x, dla których f-cja przynależności jest większa od 0. supp(a) = { x X : A (x) > 0 } Jądro (ang. Core) wartości x, dla których funkcja przynależności jest równa 1. core(a) = { x X : A (x) = 1 } α-cięcie (ang. α-cut) wartości x, dla których funkcja przynależności jest więszka od α. A a = { x X : A (x) > a } α = 0.6 Wysokośd (ang. Height) wartośd x, dla której funkcja przynależności przyjmuje wartośd maksymalną. Gdy wysokośd jest równa 1, zbiór nazywamy normalnym. h A = max x ( A (x))

12 Logika rozmyta Zbiory rozmyte Funkcja przynależności - przykład µ(x) Jądro X - cięcie Baza

13 Logika rozmyta Zbiory rozmyte Typy funkcji przynależności: (x) 1 Trapezoid: <a,b,c,d> (x) 1 Gauss: N(c,σ 2 ) 0 a b c d x 0 c x (x) 1 Trójkątna: <a,b,c> (x) 1 Crisp: <a,b> (x) 1 Singleton: (a,1) i (b,0.5) 0 a b x a b c x 0 a b x

14 Logika rozmyta - Arytmetyka Porównanie z logiką klasyczną: a b OR AND Arytmetyka logiki klasycznej a b OR AND x 1 x 2 Max(x 1, x 2 ) Min(x 1, x 2 ) Arytmetyka logiki rozmytej

15 Logika rozmyta System rozmyty Kroki działania: 1. Fuzyfikacja 2. Wnioskowanie rozmyte (Inferencja) 3. Defuzyfikacja

16 System rozmyty 1. Fuzyfikacja Cel: Wyznaczenie funkcji przynależności sygnałów wejsciowych do zbiorów rozmytych µ Ai (x i* ), µ Bi (x i* ) na podstawie ich ścisłych wartości x i *

17 Systemy rozmyte 1. Fuzyfikacja Metoda: zdefiniowanie zbiorów rozmytych sygnałów wejściowych (wybór typów funkcji przynależności oraz ich baz)

18 Systemy rozmyte 1. Fuzyfikacja Zasady: Do każdej wartości wejściowej możemy przyporządkowad co najmniej jeden zbiór rozmyty. (Kompletnośd) Suma poziomów przynależności do wszystkich zbiorów jest równa jedności (Suma do jedności)

19 Systemy rozmyte 2. Wnioskowanie Cel: Wyznaczenie funkcji przynależności sygnału wyjściowego µ wyn (y) na podstawie funkcji przynależności sygnałów wejściowych µ Ai (x i* ), µ Bi (x i* )

20 Systemy rozmyte 2. Wnioskowanie Metoda 3 kroki: 1. Zdefiniowanie Wyjściowych zbiorów rozmytych 2. Zdefiniowanie Bazy reguł 3. Określenie Funkcji przynależności wyjścia

21 Systemy rozmyte 2. Wnioskowanie Metoda: 1. Zdefiniowanie Wyjściowych zbiorów rozmytych (zgodnie z zasadami kompletności oraz sumy do jedności)

22 Systemy rozmyte 2. Wnioskowanie Metoda: 2. Zdefiniowanie Bazy reguł - zależności logicznych określających związki przyczynowo-skutkowe istniejące w systemie pomiędzy zbiorami rozmytymi wejśd i wyjśd

23 Systemy rozmyte 2. Wnioskowanie Metoda: 3. Określenie Funkcji przynależności wyjścia (µ wyn (y)) na podstawie poziomów aktywacji konkluzji reguł (czyli zbiorów wyjściowych)

24 Systemy rozmyte 3. Defuzyfikacja Cel: Określenie ścisłej wartości sygnału wyjściowego y * na podstawie funkcji przynależności µ wyn (y)

25 Systemy rozmyte 3. Defuzyfikacja Metoda (1): Środka Maksimum wybór wartości y*, dla której µ wyn (y) przyjmuje wartośd największą. W przypadku większej ilości takich wartości, wybór środkowego elementu.

26 Systemy rozmyte 3. Defuzyfikacja Metoda (1): Środka Maksimum Zalety: Prostota obliczeniowa Wady: Na wynik wpływa tylko jeden zbiór rozmyty, Przy zmianie stopni aktywacji wynik może się nie zmienid Ryzyko skokowej zmiany wartości wyjściowej (niska czułośd)

27 Systemy rozmyte 3. Defuzyfikacja Metoda (2): Pierwszego Maksimum wybór wartości y*, dla której µ wyn (y) przyjmuje wartośd największą. W przypadku większej ilości takich wartości, wybór najmniejszego elementu.

28 Systemy rozmyte 3. Defuzyfikacja Metoda (2): Pierwszego Maksimum Zalety: Prostota obliczeniowa W niektórych przypadkach większa czułośd, niż metody Środkowego Maksium Wady: Na wynik wpływa tylko jeden zbiór rozmyty

29 Systemy rozmyte 3. Defuzyfikacja Metoda (3): Ostatniego Maksimum wybór wartości y*, dla której µ wyn (y) przyjmuje wartośd największą. W przypadku większej ilości takich wartości, wybór największego elementu.

30 Systemy rozmyte 3. Defuzyfikacja Metoda (3): Ostatniego Maksimum Zalety: Prostota obliczeniowa W niektórych przypadkach większa czułośd, niż metody Środkowego Maksium Wady: Na wynik wpływa tylko jeden zbiór rozmyty

31 Systemy rozmyte 3. Defuzyfikacja Metoda (4): Środka Ciężkości wybór wartości y*, będącej środkiem ciężkości powierzchni pod krzywą µ wyn (y). y* y c y wyn wyn ( y) dy ( y) dy

32 Systemy rozmyte 3. Defuzyfikacja Metoda (4): Środka Ciężkości Zalety: Analizowane wszystkie zbiory wyjściowe Wysoka czułośd Wady: Wysoki poziom skomplikowania obliczeo (niwelowany uproszczonymi metodami obliczania środka ciężkości)

33 Systemy rozmyte 3. Defuzyfikacja Metoda (5): Singletonów zastąpienie wyjściowych zbiorów rozmytych ich wartościami maksymalnymi m i, a następnie obliczenie wartości y*. y* m j 1 m y j C * j j 1 C * j

34 Systemy rozmyte 3. Defuzyfikacja Metoda (5): Singletonów Zalety: Prostota obliczeo Analizowane wszystkie zbiory wyjściowe Wysoka czułośd Wady: W niektórych przypadkach mało skuteczna

35 Logika rozmyta - modele Model Mamdaniego Najczęściej używany Wnioskowanie regułami JEŻELI.. I.. TO.., Wykorzystanie zbiorów rozmytych jako konkluzji reguł Operacje iloczynu za pomocą T-normy (np. min) Operacje sumy za pmocą S-normy (np. max) Wartośd wynikowa wyznaczana za pomocą jednej z przedstawionych wcześniej metod

36 Logika rozmyta - modele Model Takagi-Sugeno Również często wykorzystywany Wnioskowanie regułami JEŻELI.. I.. TO.., Wykorzystanie funkcji zmiennych wejsciowych jako konkluzji reguł Operacje iloczynu za pomocą T-normy (np.min) Operacje sumy za pmocą S-normy (np. max) Wartośd wynikowa średnia ważona wartości konkluzji reguł (wagami są stopnie aktywacji)

37 Logika rozmyta - modele Systemy neuro-rozmyte połączenie sieci neuronowych i logiki rozmytej

38 Logika rozmyta przykłady zastosowao Opis problemu: określenie optymalnego czasu wystąpienia, w zależności od dwóch czynników: ważności informacji, pory dnia (reprezentujacej zmęczenie słuchaczy).

39 Logika rozmyta przykłady zastosowao Fuzyfikacja ważnośd wystąpienia

40 Logika rozmyta przykłady zastosowao Fuzyfikacja pora dnia

41 Logika rozmyta przykłady zastosowao Wnioskowanie Wyjściowe zbiory rozmyte

42 Ważnośd prezentacji Logika rozmyta przykłady zastosowao Wnioskowanie Baza reguł Pora dnia Bardzo wcześnie Wcześnie Środek dnia Późno Bardzo Późno Mało ważna ŚREDNIO DŁUGO ŚREDNIO DŁUGO ŚREDNIO DŁUGO KRÓTKO KRÓTKO Średnio ważna DŁUGO DŁUGO ŚREDNIO DŁUGO ŚREDNIO DŁUGO KRÓTKO Bardzo ważna DŁUGO DŁUGO DŁUGO ŚREDNIO DŁUGO ŚREDNIO DŁUGO

43 Logika rozmyta przykłady zastosowao Wnioskowanie Stopieo aktywacji zbiorów PARAMETRY Godzina: 18:55 (Późno 0.1; Bardzo późno 0.9) Stopieo ważności: 32% (Mało ważny 0.9; Średnio ważny 0.1) AKTYWNE REGUŁY Jeżeli (Późno i Mało ważny) wtedy (Krótko) 0.1 Lub Jeżeli (Późno i Średnio ważny) wtedy (Średnio długo) 0.1 Lub Jeżeli (Bardzo późno i Mało ważny) wtedy (Krótko) 0.9 Lub Jeżeli (Bardzo późno i Średnio ważny) wtedy (Krótko) 0.9 Krótko: 0.9 Średnio długo: 0.1 WYNIK

44 Logika rozmyta przykłady zastosowao Defuzyfikacja określenie czasu wystąpienia Czas trwania wystąpienia = (20 min* min *0.1) / ( ) = 24 min

45 Logika rozmyta przykłady zastosowao Opis problemu: dobranie optymalnej mocy (y*) suwnicy portowej w zależności od położenia i kąta wychylenia kontenera (x 1 *, x 2 *).

46 Logika rozmyta przykłady zastosowao Fuzyfikacja (1): dla sygnału położenie tworzymy zbiory rozmyte odpowiadające odległości do celu (d): DUŻA, ŚREDNIA, ZERO

47 Logika rozmyta przykłady zastosowao Fuzyfikacja (2): dla sygnału kąt odchylenia (Θ) tworzymy zbiory rozmyte: UJEMNE DUŻE, UJEMNE MAŁE, ZERO, DODATNIE MAŁE, DODATNIE DUŻE

48 Logika rozmyta przykłady zastosowao Wnioskowanie (1) Wyjściowe zbiory rozmyte

49 Logika rozmyta przykłady zastosowao Wnioskowanie (2) Baza reguł R1: JEŻELI (d = DUŻA) R2: JEŻELI (d = ŚREDNIA) I (Θ = UJEMNE DUŻE) R3: JEŻELI (d = ŚREDNIA) I (Θ = UJEMNE ŚREDNIE LUB ZERO LUB DODATNIE ŚREDNIE ) R4: JEŻELI (d = ŚREDNIA) I (Θ = DODATNIE DUŻE LUB UJEMNE DUŻE) R5: JEŻELI (d = ZERO) I (Θ = DODATNIE DUŻE LUB DODATNIE ŚREDNIE ) R6: JEŻELI (d = ZERO) I (Θ = ZERO) R7: JEŻELI (d = ZERO) I (Θ = UJEMNE ŚREDNIE ) R8: JEŻELI (d = ZERO) I (Θ = UJEMNE DUŻE) TO (P = DODATNIA DUŻA) TO (P = DODATNIA ŚREDNIA) TO (P = DODATNIA ŚREDNIA) TO (P = UJEMNA ŚREDNIA) TO (P = UJEMNA ŚREDNIA) TO (P = ZERO) TO (P = DODATNIA ŚREDNIA) TO (P = UJEMNA DUŻA)

50 Logika rozmyta przykłady zastosowao Wnioskowanie (3) stopnie aktywacji konkluzji reguł PARAMETRY Odległośd (d): 30 m (ŚREDNIA 0,66; DUŻA 0,34) Wychylenie (Θ): 5 (ZERO 0,66; DODATNIE ŚREDNIE 0,34) AKTYWNE REGUŁY R1 Jeżeli (d = DUŻA) 0,34 R3 Jeżeli (d = ŚREDNIA) I (Θ = UJEMNE ŚREDNIE LUB ZERO LUB DODATNIE ŚREDNIE) 0,66 WYNIK DODATNIA DUŻA: 0,34 DODATNIA ŚREDNIA: 0,66

51 Logika rozmyta przykłady zastosowao Defuzyfikacja określenie poziomu mocy suwnicy Poziom mocy suwnicy = (20% * 0, % * 0,34) / (0,66 + 0,34) = 30,2%

52 Logika rozmyta przykłady zastosowao Problemy, w których stosuje się logikę rozmytą: Bardzo skomplikowane obliczenia klasyczne, Ważny jest czas analizy, Ulepszenie systemów sztucznej inteligencji, Interfejs komunikacyjny między maszyną a człowiekiem.

53 Logika rozmyta przykłady zastosowao System wspomagania hamowania w samochodach (ABS) Tworzenie systemów eksperckich działających w pralkach, lodówkach Produkcja Sake Japonia

54

Jeśli X jest przestrzenią o nieskończonej liczbie elementów:

Jeśli 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 szczegółowo

Inżynieria 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 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 szczegółowo

WYKŁAD 10 Rozmyta reprezentacja danych (modelowanie i wnioskowanie rozmyte)

WYKŁAD 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 szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA SYSTEMY ROZMYTE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium

Bardziej szczegółowo

STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI. METODY HEURYSTYCZNE wykład 6. (alternatywa dla s) (zdef. poprzez klasę s) GAUSSOWSKA F.

STANDARDOWE 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 szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA 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 szczegółowo

ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE

ZBIORY 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 szczegółowo

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

INŻYNIERIA 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 szczegółowo

Sztuczna inteligencja: zbiory rozmyte

Sztuczna 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 szczegółowo

Rozmyte systemy doradcze

Rozmyte 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 szczegółowo

Zadanie 0 gdy nie mamy logiki rozmytej. Zadanie 1- gdy już mamy logikę rozmytą

Zadanie 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 szczegółowo

Sztuczna inteligencja : Zbiory rozmyte cz. 2

Sztuczna 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 szczegółowo

Sztuczna inteligencja : Zbiory rozmyte cz. III

Sztuczna inteligencja : Zbiory rozmyte cz. III Instytut Informatyki Uniwersytetu Śląskiego lab 3 Notacja Zadeha: symboliczny zapis zbioru rozmytego dla przestrzeni dyskretnej. Dla X jest przestrzenią o skończonej liczbie elementów X = {x 1, x 2,...,

Bardziej szczegółowo

Zadanie 0 gdy nie mamy logiki rozmytej

Zadanie 0 gdy nie mamy logiki rozmytej 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 szczegółowo

Wnioskowanie rozmyte. Krzysztof Patan

Wnioskowanie 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 szczegółowo

Temat: Model SUGENO. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Temat: 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 szczegółowo

ALGORYTM PROJEKTOWANIA ROZMYTYCH SYSTEMÓW EKSPERCKICH TYPU MAMDANI ZADEH OCENIAJĄCYCH EFEKTYWNOŚĆ WYKONANIA ZADANIA BOJOWEGO

ALGORYTM 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 szczegółowo

METODY INTELIGENCJI OBLICZENIOWEJ wykład 6

METODY INTELIGENCJI OBLICZENIOWEJ wykład 6 METODY INTELIGENCJI OBLICZENIOWEJ wykład 6 2 ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE 965 Lotfi A. Zadeh: : Fuzzy sets In almost every case you can build the same product without fuzzy logic, but fuzzy

Bardziej szczegółowo

Inteligencja obliczeniowa

Inteligencja 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 szczegółowo

W narzędziu typu Excel, Calc czy Gnumeric napisz formułę logiczną która wyznaczy wartośd przynależności dla podanej temperatury do zbioru gorąco.

W 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 szczegółowo

WPŁYW OPÓŹNIENIA NA DYNAMIKĘ UKŁADÓW Z REGULACJĄ KLASYCZNĄ I ROZMYTĄ

WPŁYW 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 szczegółowo

Podstawy sztucznej inteligencji

Podstawy 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 szczegółowo

Inteligencja obliczeniowa

Inteligencja 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 szczegółowo

Inżynieria 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 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 szczegółowo

Kurs logiki rozmytej - zadania. Wojciech Szybisty

Kurs 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 szczegółowo

Sterowanie z wykorzystaniem logiki rozmytej

Sterowanie z wykorzystaniem logiki rozmytej Sterowanie z wykorzystaniem logiki rozmytej konspekt seminarium Paweł Szołtysek 24 stycznia 2009 1 Wstęp 1.1 Podstawy logiki rozmytej Logika rozmyta jest rodzajem logiki wielowartościowej, stanowi uogólnienie

Bardziej szczegółowo

Logika rozmyta. Agnieszka Nowak - Brzezińska

Logika rozmyta. Agnieszka Nowak - Brzezińska Logika rozmyta Agnieszka Nowak - Brzezińska Geneza Logiki rozmytej Za twórcę teorii zbiorów rozmytych i logiki rozmytej uważa się Lotfiego A. Zadeha, który w 1965 roku opublikował artykuł Fuzzy Sets (Information

Bardziej szczegółowo

6. Zagadnienie parkowania ciężarówki.

6. 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 szczegółowo

Cel projektu: Wymogi dotyczące sprawozdania:

Cel 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 szczegółowo

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych

Uniwersytet 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 szczegółowo

Tworzenie rozmytego systemu wnioskowania

Tworzenie 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 szczegółowo

Metoda zaburz-obserwuj oraz metoda wspinania

Metoda zaburz-obserwuj oraz metoda wspinania Metoda zaburz-obserwuj oraz metoda wspinania Algorytm zaburz-obserwuj mierzy się moc (zwykle modułu) przed i po zmianie na tej podstawie podejmuje się decyzję o kierunku następnej zmiany Metoda wspinania

Bardziej szczegółowo

7. Zagadnienie parkowania ciężarówki.

7. 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 szczegółowo

Zasada rozszerzania. A U A jest zbiorem rozmytym, B jest obrazem zbioru A Przeniesienie rozmytości A w odwzorowaniu f na zbiór B. sup.

Zasada 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 szczegółowo

Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, Spis treści

Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, Spis treści Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, 2012 Spis treści Przedmowa do wydania drugiego Przedmowa IX X 1. Wstęp 1 2. Wybrane zagadnienia sztucznej inteligencji

Bardziej szczegółowo

Metody sterowania sterowanie rozmyte System rozmyty (patrz MiPI) użyty jako sterownik/regulator nazywamy sterownikiem/regulatorem rozmytym

Metody sterowania sterowanie rozmyte System rozmyty (patrz MiPI) użyty jako sterownik/regulator nazywamy sterownikiem/regulatorem rozmytym System rozmyty (patrz MiPI) użyty jako sterownik/regulator nazywamy sterownikiem/regulatorem rozmytym Sterowanie rozmyte jest sterowaniem za pomocą reguł Sterowanie rozmyte można sklasyfikować jako: -

Bardziej szczegółowo

Reprezentacja rozmyta - zastosowania logiki rozmytej

Reprezentacja rozmyta - zastosowania logiki rozmytej 17.06.2009 Wrocław Bartosz Chabasinski 148384 Reprezentacja rozmyta - zastosowania logiki rozmytej 1. Wstęp Celem wprowadzenia pojęcia teorii zbiorów rozmytych była potrzeba matematycznego opisania tych

Bardziej szczegółowo

Piegat A.: Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999 r.

Piegat A.: Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999 r. Metody prognozowania: Podstawy logiki rozmytej Literatura do wykładu: Piegat A.: Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999 r. D. Rutkowska, M. Pilinski, L. Rutkowski,

Bardziej szczegółowo

KOMPUTERY W STEROWANIU. Ćwiczenie 6 Projektowanie układu regulacji rozmytej

KOMPUTERY W STEROWANIU. Ćwiczenie 6 Projektowanie układu regulacji rozmytej Wydział Elektryczny Zespół Automatyki (ZTMAiPC) KOMPUTERY W STEROWANIU Ćwiczenie 6 Projektowanie układu regulacji rozmytej 1. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z procedurą projektowania

Bardziej szczegółowo

Logika Stosowana. Wykład 5 - Zbiory i logiki rozmyte Część 1. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Logika Stosowana. Wykład 5 - Zbiory i logiki rozmyte Część 1. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017 Logika Stosowana Wykład 5 - Zbiory i logiki rozmyte Część 1 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 36 Plan

Bardziej szczegółowo

Przetwarzanie obrazów wykład 4

Przetwarzanie obrazów wykład 4 Przetwarzanie obrazów wykład 4 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Filtry nieliniowe Filtry nieliniowe (kombinowane)

Bardziej szczegółowo

Implementacja rozmytych systemów wnioskujących w zdaniach regulacji

Implementacja 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 szczegółowo

Problemy złożone trudno jest analizować precyzyjnie Wiedza eksperta w złożonych przypadkach daje się opisać tylko w sposób nieprecyzyjny, np.

Problemy złożone trudno jest analizować precyzyjnie Wiedza eksperta w złożonych przypadkach daje się opisać tylko w sposób nieprecyzyjny, np. ZBIORY ROZMYTE Problemy złożone trudno jest analizować precyzyjnie Wiedza eksperta w złożonyc przypadkac daje się opisać tylko w sposób nieprecyzyjny, np. W dużym mieście, powinien istnieć regionalny port

Bardziej szczegółowo

Podstawowe systemy wnioskowania sztucznej inteligencji

Podstawowe systemy wnioskowania sztucznej inteligencji POLITECHNIKA RZESZOWSKA im. Ignacego Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Awioniki i Sterowania Podstawowe systemy wnioskowania sztucznej inteligencji Urszula SOWA Seminarium Dyplomowe

Bardziej szczegółowo

Logika rozmyta. Agnieszka Nowak - Brzezińska

Logika rozmyta. Agnieszka Nowak - Brzezińska Logika rozmyta Agnieszka Nowak - Brzezińska Geneza Logiki rozmytej Za twórcę teorii zbiorów rozmytych i logiki rozmytej uważa się Lotfiego A. Zadeha, który w 1965 roku opublikował artykuł Fuzzy Sets (Information

Bardziej szczegółowo

Logika rozmyta typu 2

Logika 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 szczegółowo

Politechnika Poznańska, Katedra Sterowania i Inżynierii Systemów Wykład 12, str. 1 C 1 C 2 C 3 1. * x 2. x 2. or max then (min)

Politechnika Poznańska, Katedra Sterowania i Inżynierii Systemów Wykład 12, str. 1 C 1 C 2 C 3 1. * x 2. x 2. or max then (min) Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. Implikacja rozmta A B A, B µ A (x, µ B ( x A, B µ A B (x, µ A B (x, = min(µ A (x, µ B ( lub µ A B (x, = µ A (x µ B ( 38. Wnioskowanie

Bardziej szczegółowo

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu Podstawy baz danych PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych

Bardziej szczegółowo

Układy logiki rozmytej. Co to jest?

Układy 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 szczegółowo

Temat: Model TS + ANFIS. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Temat: Model TS + ANFIS. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Temat: Model TS + ANFIS 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 szczegółowo

Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki

Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki http://www.ipbm.simr.pw.edu.pl/ Teoria maszyn i podstawy automatyki semestr zimowy 2017/2018

Bardziej szczegółowo

Systemy rozmyte i ich zastosowania. Krzysztof Rykaczewski

Systemy rozmyte i ich zastosowania. Krzysztof Rykaczewski Systemy rozmyte i ich zastosowania Krzysztof Rykaczewski 21 czerwca 2006 SPIS TREŚCI Spis treści 1 Wstęp 1 2 Podstawowe pojęcia i definicje logiki rozmytej 1 2.1 Przykłady funkcji przynależności..................

Bardziej szczegółowo

PODSTAWY INŻYNIERI WIEDZY

PODSTAWY INŻYNIERI WIEDZY Z1-PU7 WYDANIE N1 Strona 1 z 4 (pieczęć wydziału) KARTA PRZEDMIOTU 1. Nazwa przedmiotu: PODSTAWY INŻYNIERI WIEDZY 2. Kod przedmiotu: PIW 3. Karta przedmiotu ważna od roku akademickiego: 2012/2013 4. Forma

Bardziej szczegółowo

Sieci Neuronowe - Rok III - kierunek IS w IFAiIS UJ 2008/2009. Sieci Neuronowe. Wykład 11 Algorytmy genetyczne; Systemy rozmyte

Sieci Neuronowe - Rok III - kierunek IS w IFAiIS UJ 2008/2009. Sieci Neuronowe. Wykład 11 Algorytmy genetyczne; Systemy rozmyte Sieci Neuronowe Wykład 11 Algorytmy genetyczne; Systemy rozmyte wykład przygotowany na podstawie. S. Osowski, Sieci Neuronowe w ujęciu algorytmicznym, Rozdz. 4, PWNT, Warszawa 1996. W. Duch, J. Korbicz,

Bardziej szczegółowo

Temat: Sterowanie mobilnością robota z wykorzystaniem algorytmu logiki rozmytej

Temat: Sterowanie mobilnością robota z wykorzystaniem algorytmu logiki rozmytej Wrocław, 13.01.2016 Metody sztucznej inteligencji Prowadzący: Dr hab. inż. Ireneusz Jabłoński Temat: Sterowanie mobilnością robota z wykorzystaniem algorytmu logiki rozmytej Wykonał: Jakub Uliarczyk, 195639

Bardziej szczegółowo

Temat: 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 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 szczegółowo

Temat: 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 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 szczegółowo

Przetwarzanie obrazu

Przetwarzanie obrazu Przetwarzanie obrazu Przekształcenia kontekstowe Liniowe Nieliniowe - filtry Przekształcenia kontekstowe dokonują transformacji poziomów jasności pikseli analizując za każdym razem nie tylko jasność danego

Bardziej szczegółowo

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15 VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady

Bardziej szczegółowo

Arytmetyka liczb binarnych

Arytmetyka liczb binarnych Wartość dwójkowej liczby stałoprzecinkowej Wartość dziesiętna stałoprzecinkowej liczby binarnej Arytmetyka liczb binarnych b n-1...b 1 b 0,b -1 b -2...b -m = b n-1 2 n-1 +... + b 1 2 1 + b 0 2 0 + b -1

Bardziej szczegółowo

Metoda ułamka prądu zwarcia

Metoda ułamka prądu zwarcia Metoda ułamka prądu zwarcia Zakłada się, że Imp / Isc = const (ki 0,78 0,92) Mierzony jest Isc, a prąd pracy modułu utrzymywany jest na wartości ki Isc Metody pomiaru zależność bliższa proporcjonalnej

Bardziej szczegółowo

Temat: 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 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 Sterowanie

Bardziej szczegółowo

Logika rozmyta. Agnieszka Nowak - Brzezioska

Logika rozmyta. Agnieszka Nowak - Brzezioska Logika rozmyta Agnieszka Nowak - Brzezioska Geneza Logiki rozmytej Za twórcę teorii zbiorów rozmytych i logiki rozmytej uważa się Lotfiego A. Zadeha, który w 1965 roku opublikował artykuł Fuzzy Sets (Information

Bardziej szczegółowo

1. Logika, funkcje logiczne, preceptron.

1. Logika, funkcje logiczne, preceptron. Sieci neuronowe 1. Logika, funkcje logiczne, preceptron. 1. (Logika) Udowodnij prawa de Morgana, prawo pochłaniania p (p q), prawo wyłączonego środka p p oraz prawo sprzeczności (p p). 2. Wyraź funkcję

Bardziej szczegółowo

Systemy uczące się wykład 2

Systemy uczące się wykład 2 Systemy uczące się wykład 2 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 19 X 2018 Podstawowe definicje Fakt; Przesłanka; Konkluzja; Reguła; Wnioskowanie. Typy wnioskowania

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika 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 szczegółowo

ELEMENTY SZTUCZNEJ INTELIGENCJI. Wstęp do logiki rozmytej

ELEMENTY SZTUCZNEJ INTELIGENCJI. Wstęp do logiki rozmytej ELEMENTY SZTUCZNEJ INTELIGENCJI 1 Wstęp do logiki rozmytej PLN 1. Co to jest myślenie rozmyte? 2. Teoria zbiorów rozmytych. 3. Zmienne lingwistyczne. 4. Reguły rozmyte. 5. Wnioskowanie rozmyte: 1. typu

Bardziej szczegółowo

Kurs logiki rozmytej. Wojciech Szybisty

Kurs logiki rozmytej. Wojciech Szybisty Kurs logiki rozmytej Wojciech Szybisty 2009 Spis treści 1 Co to jest logika rozmyta 3 1.1 Podstawy teorii zbiorów rozmytych........................ 3 1.2 Historia.......................................

Bardziej szczegółowo

Metodyka i system dopasowania protez słuchu w oparciu o badanie percepcji sygnału mowy w szumie

Metodyka i system dopasowania protez słuchu w oparciu o badanie percepcji sygnału mowy w szumie Metodyka i system dopasowania protez w oparciu o badanie percepcji sygnału mowy w szumie opracowanie dr inż. Piotr Suchomski Koncepcja metody korekcji ubytku Dopasowanie szerokiej dynamiki odbieranego

Bardziej szczegółowo

ZASTOSOWANIE LOGIKI ROZMYTEJ W ZARZĄDZANIU ZAPASAMI THE USE OF FUZZY LOGIC IN INVENTORY MANAGEMENT

ZASTOSOWANIE LOGIKI ROZMYTEJ W ZARZĄDZANIU ZAPASAMI THE USE OF FUZZY LOGIC IN INVENTORY MANAGEMENT orota Rogowska ZASTOSOWANIE LOGIKI ROZYTEJ W ZARZĄZANIU ZAPASAI Streszczenie Zagadnienie zarządzania zapasami zajmuje ważne miejsce w każdym przedsiębiorstwie. Zapasy stanowią bowiem podstawę zapewnienia

Bardziej szczegółowo

Analiza zagrożenia pożarowego w kopalniach węgla kamiennego na trasie przenośnika taśmowego

Analiza zagrożenia pożarowego w kopalniach węgla kamiennego na trasie przenośnika taśmowego mgr inż. DARIUSZ FELKA mgr inż. ADAM BROJA Instytut Technik Innowacyjnych EMAG Analiza zagrożenia pożarowego w kopalniach węgla kamiennego na trasie przenośnika taśmowego W artykule przedstawiono produkty

Bardziej szczegółowo

ROZMYTY REGULATOR PRĘDKOŚCI OBROTOWEJ ODPORNY NA ZMIANY BEZWŁADNOŚCI

ROZMYTY REGULATOR PRĘDKOŚCI OBROTOWEJ ODPORNY NA ZMIANY BEZWŁADNOŚCI POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 80 Electrical Engineering 2014 Michał JAKUBOWSKI* Krystian NOWAKOWSKI* Krzysztof ZAWIRSKI* ROZMYTY REGULATOR PRĘDKOŚCI OBROTOWEJ ODPORNY NA ZMIANY

Bardziej szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

Bramki logiczne V MAX V MIN

Bramki logiczne V MAX V MIN Bramki logiczne W układach fizycznych napięcie elektryczne może reprezentować stany logiczne. Bramką nazywamy prosty obwód elektroniczny realizujący funkcję logiczną. Pewien zakres napięcia odpowiada stanowi

Bardziej szczegółowo

Systemy uczące się wykład 1

Systemy uczące się wykład 1 Systemy uczące się wykład 1 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 5 X 2018 e-mail: przemyslaw.juszczuk@ue.katowice.pl Konsultacje: na stronie katedry + na stronie domowej

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa.

Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Maja Czoków, Jarosław Piersa, Andrzej Rutkowski Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2018-10-15 Projekt

Bardziej szczegółowo

METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI

METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI CELE PROJEKTU Transformacja dowolnej bazy danych w min. 3 postaci normalnej do postaci Asocjacyjnej Grafowej

Bardziej szczegółowo

Logika rozmyta typu 2. mgr inż. Maciej Świechowski promotor: prof. dr hab. Jacek Mańdziuk

Logika rozmyta typu 2. mgr inż. Maciej Świechowski promotor: prof. dr hab. Jacek Mańdziuk Logika rozmyta typu 2 mgr inż. Maciej Świechowski promotor: prof. dr hab. Jacek Mańdziuk Wybrane zagadnienia Plan prezentacji Wstęp logika klasyczna Niepewność w logice Teoria logiki rozmytej Warianty

Bardziej szczegółowo

Zadanie : Wyznaczyć położenie głównych centralnych osi bezwładności i obliczyć główne centralne momenty bezwładności Strona :1

Zadanie : Wyznaczyć położenie głównych centralnych osi bezwładności i obliczyć główne centralne momenty bezwładności Strona :1 Zadanie : Wyznaczyć położenie głównych centralnych osi bezwładności i obliczyć główne centralne momenty bezwładności * Rozwiązanie zadania * Oznaczenia : A [cm²] - pole powierzchni figury Xo [cm] - współrzędna

Bardziej szczegółowo

KARTA MODUŁU KSZTAŁCENIA

KARTA MODUŁU KSZTAŁCENIA KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia

Bardziej szczegółowo

Logika rozmyta. Agnieszka Nowak - Brzezioska

Logika rozmyta. Agnieszka Nowak - Brzezioska Logika rozmyta Agnieszka Nowak - Brzezioska Geneza Logiki rozmytej Za twórcę teorii zbiorów rozmytych i logiki rozmytej uważa się Lotfiego A. Zadeha, który w 1965 roku opublikował artykuł Fuzzy Sets (Information

Bardziej szczegółowo

Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015

Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 1 Metody numeryczne Dział matematyki Metody rozwiązywania problemów matematycznych za pomocą operacji na liczbach. Otrzymywane

Bardziej szczegółowo

Logika Stosowana Ćwiczenia

Logika 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 szczegółowo

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD X: Sztuczny neuron

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD X: Sztuczny neuron Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD X: Sztuczny neuron Koneksjonizm: wprowadzenie 1943: Warren McCulloch, Walter Pitts: ogólna teoria przetwarzania informacji oparta na sieciach binarnych

Bardziej szczegółowo

Zapis liczb binarnych ze znakiem

Zapis liczb binarnych ze znakiem Zapis liczb binarnych ze znakiem W tej prezentacji: Zapis Znak-Moduł (ZM) Zapis uzupełnień do 1 (U1) Zapis uzupełnień do 2 (U2) Zapis Znak-Moduł (ZM) Koncepcyjnie zapis znak - moduł (w skrócie ZM - ang.

Bardziej szczegółowo

Jeśli przeszkoda jest blisko to przyhamuj

Jeśli przeszkoda jest blisko to przyhamuj Rozmyte systemy regułowe Informacja, którą przetwarzają ludzie często (prawie zawsze) jest nieprecyzyjna, a mimo to potrafimy poprawnie wnioskować i podejmować decyzję, czego klasyczne komputery nie potrafią.

Bardziej szczegółowo

WYKORZYSTANIE ZBIORÓW ROZMYTYCH DO OCENY SKUTECZNOŚCI DOSTAWCY MATERIAŁÓW BUDOWLANYCH W PROCESIE LOGISTYCZNYM

WYKORZYSTANIE ZBIORÓW ROZMYTYCH DO OCENY SKUTECZNOŚCI DOSTAWCY MATERIAŁÓW BUDOWLANYCH W PROCESIE LOGISTYCZNYM Nabi IBADOV Janusz KULEJEWSKI 2 łańcuch dostaw, ocena dostawców, logika rozmyta, wnioskowanie rozmyte WYKORZYSTANIE ZBIORÓW ROZMYTYCH DO OCENY SKUTECZNOŚCI DOSTAWCY MATERIAŁÓW BUDOWLANYCH W PROCESIE LOGISTYCZNYM

Bardziej szczegółowo

SID Wykład 7 Zbiory rozmyte

SID 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 szczegółowo

ALGORYTMY. 1. Podstawowe definicje Schemat blokowy

ALGORYTMY. 1. Podstawowe definicje Schemat blokowy ALGORYTMY 1. Podstawowe definicje Algorytm (definicja nieformalna) to sposób postępowania (przepis) umożliwiający rozwiązanie określonego zadania (klasy zadań), podany w postaci skończonego zestawu czynności

Bardziej szczegółowo

Podstawy zarządzania

Podstawy zarządzania Podstawy zarządzania mgr Magdalena Marczewska TiMO (Zakład Teorii i Metod Organizacji) Wydział Zarządzania Uniwersytetu Warszawskiego mmarczewska@wz.uw.edu.pl Rozwiązywanie problemów decyzyjnych Manager

Bardziej szczegółowo

Systemy ekspertowe. Krzysztof Patan

Systemy ekspertowe. Krzysztof Patan Systemy ekspertowe Krzysztof Patan Wprowadzenie System ekspertowy Program komputerowy, który wykonuje złożone zadania o dużych wymaganiach intelektualnych i robi to tak dobrze jak człowiek będący ekspertem

Bardziej szczegółowo

Bramki logiczne Podstawowe składniki wszystkich układów logicznych

Bramki logiczne Podstawowe składniki wszystkich układów logicznych Układy logiczne Bramki logiczne A B A B AND NAND A B A B OR NOR A NOT A B A B XOR NXOR A NOT A B AND NAND A B OR NOR A B XOR NXOR Podstawowe składniki wszystkich układów logicznych 2 Podstawowe tożsamości

Bardziej szczegółowo

Wstęp do Techniki Cyfrowej... Algebra Boole a

Wstęp do Techniki Cyfrowej... Algebra Boole a Wstęp do Techniki Cyfrowej... Algebra Boole a Po co AB? Świetne narzędzie do analitycznego opisu układów logicznych. 1854r. George Boole opisuje swój system dedukcyjny. Ukoronowanie zapoczątkowanych w

Bardziej szczegółowo

Podstawowe operacje arytmetyczne i logiczne dla liczb binarnych

Podstawowe operacje arytmetyczne i logiczne dla liczb binarnych 1 Podstawowe operacje arytmetyczne i logiczne dla liczb binarnych 1. Podstawowe operacje logiczne dla cyfr binarnych Jeśli cyfry 0 i 1 potraktujemy tak, jak wartości logiczne fałsz i prawda, to działanie

Bardziej szczegółowo

ROK LIV NR 3 (194) 2013

ROK LIV NR 3 (194) 2013 ZESZYTY NAUKOWE AKADEMII MARYNARKI WOJENNEJ ROK LIV NR 3 (194) 2013 Krzysztof Ficoń Akademia Marynarki Wojennej Wydział Dowodzenia i Operacji Morskich 81-103 Gdynia, ul. J. Śmidowicza 69 e-mail: F.Ficon@amw.gdynia.pl

Bardziej szczegółowo

Kurs logiki rozmytej - pomoc. Wojciech Szybisty

Kurs logiki rozmytej - pomoc. Wojciech Szybisty Kurs logiki rozmytej - pomoc Wojciech Szybisty 2009 Spis treści 1 Wymagania 3 2 Zawartość strony internetowej 3 3 Obsługa apletów 6 3.1 Aplet Rodzaje funkcji przynależności...................... 6 3.2

Bardziej szczegółowo

gruparectan.pl 1. Szkic projektu Strona:1

gruparectan.pl 1. Szkic projektu Strona:1 Zadanie: Wyznaczyć położenie głównych centralnych osi bezwładności i obliczyć główne centralne momenty bezwładności 1. Szkic projektu * Rozwiązanie zadania * Oznaczenia: A [cm²] - pole powierzchni figury

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa.

Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2011-10-11 1 Modelowanie funkcji logicznych

Bardziej szczegółowo

1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda

1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda Sieci neuropodobne 1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN Agenda Trochę neurobiologii System nerwowy w organizmach żywych tworzą trzy

Bardziej szczegółowo

Algorytm. a programowanie -

Algorytm. a programowanie - Algorytm a programowanie - Program komputerowy: Program komputerowy można rozumieć jako: kod źródłowy - program komputerowy zapisany w pewnym języku programowania, zestaw poszczególnych instrukcji, plik

Bardziej szczegółowo