Piotr Sobolewski Krzysztof Skorupski
|
|
- Robert Drozd
- 7 lat temu
- Przeglądów:
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:
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. 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 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 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 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 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 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 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 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 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 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 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 szczegółowoSztuczna 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 szczegółowoZadanie 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 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 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 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 szczegółowoMETODY 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 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 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 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 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 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 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 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 szczegółowoSterowanie 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 szczegółowoLogika 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 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 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 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 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 szczegółowoMetoda 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 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 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 szczegółowoMetody 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 szczegółowoMetody 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 szczegółowoReprezentacja 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 szczegółowoPiegat 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 szczegółowoKOMPUTERY 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 szczegółowoLogika 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 szczegółowoPrzetwarzanie 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 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 szczegółowoProblemy 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 szczegółowoPodstawowe 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 szczegółowoLogika 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 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 szczegółowoPolitechnika 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 szczegółowoPODSTAWY 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 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 szczegółowoTemat: 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 szczegółowoPolitechnika 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 szczegółowoSystemy 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 szczegółowoPODSTAWY 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 szczegółowoSieci 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 szczegółowoTemat: 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 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 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 szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przekształcenia kontekstowe Liniowe Nieliniowe - filtry Przekształcenia kontekstowe dokonują transformacji poziomów jasności pikseli analizując za każdym razem nie tylko jasność danego
Bardziej szczegółowoVI 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 szczegółowoArytmetyka 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 szczegółowoMetoda 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 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 Sterowanie
Bardziej szczegółowoLogika 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 szczegółowo1. 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 szczegółowoSystemy 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 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 szczegółowoELEMENTY 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 szczegółowoKurs 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 szczegółowoMetodyka 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 szczegółowoZASTOSOWANIE 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 szczegółowoAnaliza 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 szczegółowoROZMYTY 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 szczegółowoLABORATORIUM 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 szczegółowoBramki 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 szczegółowoSystemy 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 szczegółowoWstęp 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 szczegółowoMETODY 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 szczegółowoLogika 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 szczegółowoZadanie : 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 szczegółowoKARTA 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 szczegółowoLogika 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 szczegółowoMetody 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 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 szczegółowoElementy 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 szczegółowoZapis 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 szczegółowoJeśli 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 szczegółowoWYKORZYSTANIE 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 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 szczegółowoALGORYTMY. 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 szczegółowoPodstawy 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 szczegółowoSystemy 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 szczegółowoBramki 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 szczegółowoWstęp 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 szczegółowoPodstawowe 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 szczegółowoROK 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 szczegółowoKurs 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 szczegółowogruparectan.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 szczegółowoWstęp 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 szczegółowo1. 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 szczegółowoAlgorytm. 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