MODELOWANIE CZĘSTOŚCI TRANSMISJI DANYCH Z WYKORZYSTANIEM FUZZY TOOLBOX MATLAB
|
|
- Bogna Makowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 DAMIAN FILIPKOWSKI doi: / Akademia Morska w Gdyni Katedra Nawigacji MODELOWANIE CZĘSTOŚCI TRANSMISJI DANYCH Z WYKORZYSTANIEM FUZZY TOOLBOX MATLAB Ten artykuł powstał podczas prac nad modelowaniem częstości transmisji danych w transporcie morskim, w trakcie których stworzono sterownik wykorzystujący logikę rozmytą. Na podstawie teoretycznych założeń opracowano funkcje przynależności i reguły wnioskowania oraz wybrano zdaniem autora najodpowiedniejszą metodę agregacji. Pojawiła się jednak potrzeba weryfikacji założeń i sprawdzenia prawidłowości działania sterownika. W tym celu użyto narzędzia Fuzzy Toolbox, które jest biblioteką MATLAB-Simulink powstałą w celu projektowania regulatorów i sterowników rozmytych. Proces tworzenia sterownika rozmytego za pomocą tegoż oprogramowania oraz wnioski płynące z weryfikacji założeń początkowych przedstawiono w niniejszym opracowaniu. Słowa kluczowe: transmisja danych, e-nawigacja, logika rozmyta. 1. LOGIKA ROZMYTA I FUZZY TOOLBOX MATLAB Logika rozmyta jest działem matematyki pozwalającym na formalne zapisanie niepewności. Stanowi jedno z rozwiązań logiki wielowartościowej, w której pomiędzy pełną przynależnością oraz brakiem przynależności do danego zbioru istnieje również możliwość przynależności w pewnym stopniu. Celem wprowadzenia teorii zbiorów rozmytych była potrzeba matematycznego opisania tych zjawisk i pojęć, które mają charakter wieloznaczny i nieprecyzyjny. Systemy rozmyte znajdują zastosowanie tam, gdzie człowiek nie ma wystarczającej wiedzy o modelu matematycznym opisującym dane zjawisko, oraz tam, gdzie odtworzenie tegoż modelu staje się z jakichś względów niemożliwe. W rozumieniu logiki klasycznej przynależność elementu do zbioru należy zapisać następująco [4, 7]: 1, jeżeli x A µ ( A) = (1) 0, jeżeli x O/ Dla zapisu w rozumieniu logiki rozmytej każdy element może należeć do zbioru w stopniu innym niż 1 i 0. µ(a) = 1, jeżeli spełnione jest kryterium przynależności n (0,1), gdzie n jest określane na podstawie przynależności (2) 0, jeżeli nie jest spełnione kryterium przynależności Fuzzy Logic Toolbox jest biblioteką pakietu MATLAB-Simulink i zawiera zestaw funkcji oraz interfejsy, które ułatwiają projektowanie regulatorów rozmytych. Biblioteka ta posiada bloki Simulinka, których można użyć jako modelu zaprojektowanego regulatora rozmytego. Biblioteka zawiera kompletne
2 56 PRACE WYDZIAŁU NAWIGACYJNEGO AKADEMII MORSKIEJ W GDYNI, nr 29, 2014 środowisko do tworzenia modeli systemów dynamicznych z wykorzystaniem zbiorów rozmytych i rozmytych reguł wnioskowania. Posiada również narzędzia do projektowania inteligentnych systemów sterowania, których działania opiera się na elementach logiki rozmytej. Umożliwia pracę nad logiką rozmytą za pomocą edytora graficznego lub poleceń tekstowych [3]. Środowisko Simulink pozwala w łatwy i zrozumiały sposób stworzyć cyfrowy model projektowanego regulatora. Dzięki bibliotece Fuzzy Toolbox możliwe jest też obliczeniowe sprawdzenie modelu oraz ewentualna korekta początkowych założeń. 2. TEORETYCZNE ZAŁOŻENIA MODELU STEROWNIKA ROZMYTEGO Działanie sterownika rozmytego opiera się na zasadzie aproksymacji funkcji realizującej rzeczywisty proces. Sterownik rozmyty otrzymuje wartości na temat stanu rzeczywistego i przetwarza te informacje na ostrą wartość sterującą częstością transmisji danych. W opisywanym przypadku wartościami stanu rzeczywistego będą CPA i TCPA, a ostra wartość sterująca będzie decydowała o częstości transmisji danych między dwoma obiektami. Autor zakłada, że im dwa obiekty są bardziej dla siebie niebezpieczne, tym częściej powinny wymieniać między sobą informacje odnośnie do parametrów ruchu własnych jednostek. Rys. 1. Wymiana danych między statkami z wykorzystaniem sterownika rozmytego
3 D. Filipkowski, Modelowanie częstości transmisji danych z wykorzystaniem Fuzzy Toolbox MATLAB Funkcje przynależności CPA i TCPA Funkcja przynależności jest to uogólniona postać funkcji charakterystycznej zbioru, określona na zbiorach rozmytych. W zbiorach klasycznych przyjmuje wartość 1, gdy element w pełni należy do zbioru, albo 0, gdy nie należy wcale. W teorii zbiorów rozmytych element może należeć do zbioru w pewnym stopniu, więc funkcja przynależności może przyjmować wartości z całego przedziału jednostkowego [0, 1]. Funkcja przynależności musi być tak dobrana, aby dać odpowiedź na pytanie, w jakim stopniu dany element należy do pewnego zbioru rozmytego. W zastosowaniach nawigacyjnych funkcje przynależności powinny spełniać następujące postulaty [8, 9, 10]: 1. Na granicach obszarów, wyznaczonych przez kolejne funkcje poziom przynależności do każdej z nich powinien wynosić 0,5. 2. Funkcje przynależności powinny spełniać warunek podziału jedności. Punkt położony w strefie przejściowej należący w stopniu p do jednego obszaru, do sąsiedniego będzie należał w stopniu 1 p. 3. Przedział narastania (opadania) funkcji przynależności powinien być determinowany zakresem związanym z błędem szacowania wartości wejściowych [ σ CPA, +σ CPA ] lub [ σ TCPA, +σ TCPA ]. 4. Funkcja przynależności powinna asymptotycznie zmierzać do 1 w obrębie jądra (rdzenia) i zbliżać się do 0 poza bazą. Dodatkowo intuicyjne oczekiwania w stosunku do kształtu funkcji przynależności wyrażają tak zwane aksjomaty Schwaba [8, 9, 10]: funkcje przynależności µ(x) powinny być ciągłe w całym zakresie rozważań X; pierwsza pochodna funkcji przynależności dµ(x)/dx powinna być ciągła w całej przestrzeni rozważań X; druga pochodna funkcji przynależności d 2 µ(x)/dx 2 powinna być ciągła w całej przestrzeni rozważań X. Biorąc pod uwagę powyższe postulaty, jako funkcje przynależności CPA zastosowano funkcje sigmoidalne. Prawdą jest, że funkcja gęstości prawdopodobieństwa rozkładu pozycji zmierzonych wokół pozycji rzeczywistej jest funkcją gęstości prawdopodobieństwa Gaussa i najlepiej byłoby użyć funkcji przynależności o kształcie dzwonowym. Okazuje się jednak, że w opisywanym przykładzie stromość funkcji jest różna dla lewej i prawej części funkcji wewnętrznych. Mogą pojawić się też obszary, w których CPA należałoby do trzech zbiorów jednocześnie i przyjmowało trzy wartości lingwistyczne. Jest to sprzeczne z opisanymi założeniami. Użyto funkcji sigmoidalnych, które kształtem przypominają rozkład Gaussa, ale są zaokrąglone w okolicach wierzchołków, oraz których stromość jest łatwiejsza do wymodelowania [2]. Na rysunku 2 pokazano komplet czterech sigmoidalnych funkcji przynależności, w kolejności od lewej strony reprezentujących następujące wartości lingwistyczne: blisko, blisko, daleko i daleko. Przedstawione zew-
4 58 PRACE WYDZIAŁU NAWIGACYJNEGO AKADEMII MORSKIEJ W GDYNI, nr 29, 2014 nętrzne funkcje przynależności to pojedyncze funkcje sigmoidalne, wewnętrzne zaś składają się z dwóch takich funkcji. Poszerzaniu stref przejściowych między poszczególnymi zbiorami towarzyszy zmiana nachylenia części opadającej i rosnącej funkcji. Dzieje się tak, gdyż stromość jest uzależniona od błędu σ CPA, który jest tym większy, im większa jest wartość CPA. Rys. 2. Wszystkie funkcje przynależności CPA Biorąc pod uwagę przedstawione wyżej postulaty oraz fakt, że przybliżenie liniowe błędu TCPA jest wystarczające do celów prezentowanej metody, jako funkcje przynależności TCPA zastosowano funkcje trapezowe. Strefy przejściowe pomiędzy kolejnymi funkcjami przynależności będą wyznaczone przez błędy wyznaczania TCPA. Wartości błędu, chociaż mają różne sygnatury, pozostają takie same. Wartość błędu zależy od kilku parametrów, ale nie od samego TCPA, więc teoretycznie wzrost samego TCPA nie ma wpływu na wartość błędu. Założono, że statki poruszające się ze stałymi prędkościami zbliżą się do siebie szybciej, jeśli będą bliżej w chwili początkowej. Błąd będzie proporcjonalny do odległości między statkami, a dokładniej do odległości CPA. Na rysunku 3 pokazano komplet czterech wielokątnych i trapezowych funkcji przynależności. W kolejności od lewej strony reprezentują one następujące zbiory rozmyte: szybko, szybko, wolno i wolno. Nie przedstawiono poszerzania stref przejściowych między poszczególnymi zbiorami oraz zmian nachylenia części opadającej i rosnącej funkcji. Dzieje się, tak gdyż stromość jest uzależniona od błędu σ TCPA, którego wartość nie musi zmieniać się wraz ze wzrostem TCPA.
5 D. Filipkowski, Modelowanie częstości transmisji danych z wykorzystaniem Fuzzy Toolbox MATLAB 59 Rys. 3. Wszystkie funkcje przynależności TCPA 2.2. Reguły wnioskowania Niech wartościami wejściowymi będą obliczone ówcześnie CPA i TCPA, a ostrą wartością wyjściową y k, która w kolejnym kroku posłuży do obliczenia współczynnika ψ, bezpośrednio z kolei wpływającego na częstość transmisji w prezentowanej metodzie. Sterowniki rozmyte starają się naśladować ludzkie rozumowanie. Jako regułę wnioskowania dla sterowników rozmytych stosuje się rozmytą regułę modus ponens, która wygląda następująco [1, 5, 11]: Przesłanka: x jest A Implikacja: IF x jest A THEN y jest B Wniosek: y jest B TCPA szybko szybko Baza reguł wnioskowania dla opracowanej metody blisko często często CPA blisko często daleko często Tabela 1 daleko normalnie często normalnie rzadko wolno często normalnie rzadko wolno normalnie rzadko rzadko rzadko rzadko
6 60 PRACE WYDZIAŁU NAWIGACYJNEGO AKADEMII MORSKIEJ W GDYNI, nr 29, 2014 Reguła pozwala na wywnioskowanie o prawdziwości następnika na podstawie poprzednika, przy czym implikacja traktowana jest jako pewna relacja rozmyta. W sterowniku rozmytym tworzy się bazę reguł, których liczba i treść różnią się w zależności od modelowanego zjawiska. Baza reguł stanowi reprezentację wiedzy eksperta o możliwych wartościach zmiennych lingwistycznych, procesach zachodzących podczas manewrowania statkiem, przepisów COLREG itp. W bloku wnioskowania ma miejsce uruchomienie każdej z reguł, której przesłanki są spełnione. Ogólnie rzecz biorąc, opierając się na przesłankach, należy znaleźć odpowiedni zbiór rozmyty będący wnioskiem z przyjętych reguł rozmytych. Od trafnego wyboru zmiennych stanu i zmiennych sterujących częstością transmisji zależy właściwe funkcjonowanie sterownika. W tabeli 1 przedstawiono zbiór reguł wnioskowania, które zostały zaprogramowane w opisywanym sterowniku. Jako działanie między zbiorami rozmytymi wszędzie występuje iloczyn (AND) obliczany z wykorzystaniem operatora t-normy MIN [5, 12, 13] Wyjściowa funkcja przynależności i agregacja reguł W wyniku interferencji czy też wnioskowania uzyskano wyjściową funkcję przynależności µ(y) przedstawioną na rysunku 4. Posłuży ona defuzyfikacji (wyostrzaniu) wartości rozmytych do wartości ostrych. Rys. 4. Wyjściowa funkcja przynależności wartości rozmytych Do sterowania częstością transmisji danych potrzebna jest konkretna, ostra wielkość współczynnika ψ. Dane wyjściowe bloku wnioskowania należy połączyć i odwzorować w jedną wielkość y k, która będzie wyjściowym sygnałem sterowania. W opisywanej metodzie posłuży ona do obliczenia współczynnika ψ, który z kolei po podstawieniu do wzoru pozwoli obliczyć czas pomiędzy dwoma kolejnymi transmisjami. Łączenie, czyli agregację zbiorów rozmytych powstałych wskutek interferencji, można realizować na wiele sposobów. Istnieje kilka metod agregacji w teorii zbiorów rozmytych, które ogólnie dzieli się na metody środka powierzchni
7 D. Filipkowski, Modelowanie częstości transmisji danych z wykorzystaniem Fuzzy Toolbox MATLAB 61 (COA Center of Area) oraz metody średniej z największych (MOM Medium of Maximum). Przykładem pierwszego sposobu jest metoda środka ciężkości zbioru rozmytego, zaś drugiego metoda pierwszego maksimum [6, 14]. W metodzie pierwszego maksimum za ostrego reprezentanta y k rozmytego zbioru konkluzji wynikowej przyjmuje się najmniejszą wartość y odpowiadającą maksymalnemu stopniowi przynależności funkcji µ(y). Jak pokazuje rysunek 5, wraz ze wzrostem stopnia aktywizacji zbioru prawego, który jest najbardziej zaktywizowany, jego reprezentant y k = y, będzie przesuwać się w stronę maksimum tego zbioru. Wraz ze spadkiem stopnia aktywizacji tegoż zbioru reprezentant przesunie się w kierunku lewego minimum zbioru, ale tylko do momentu, gdy stopień aktywizacji zbioru prawego będzie większy od zbioru lewego. Zwracaną wartością tej metody jest y k takie, że: ( µ ( y) ) µ ( y) ( y ) µ ( y k ) = max oraz < µ k (3) y Y y V0 < y Rys. 5. Metoda pierwszego maksimum [15] Rys. 6. Metoda środka ciężkości
8 62 PRACE WYDZIAŁU NAWIGACYJNEGO AKADEMII MORSKIEJ W GDYNI, nr 29, 2014 Wartość współrzędnej y k środka ciężkości można obliczyć jako iloraz momentu powierzchni pod krzywą µ(y) względem osi pionowej µ(y) oraz pola tej powierzchni. Po zastosowaniu tych wytycznych otrzymano następujący wzór: yµ ( y) dx y k = µ ( y) dx Opisany powyżej sposób wyznaczania wartości ostrej y k narzuca stosunkowo dużą złożoność obliczeniową. Bardzo często można spotkać w literaturze metodę uproszczoną. Przewagą tego sposobu obliczeń jest zwiększenie wydajności poprzez uproszczenie obliczeń przy jednoczesnym zachowaniu zalet metody środka ciężkości. Uproszczenie polega na zastosowaniu do obliczenia momentu i pola powierzchni pod krzywą µ(k) metody trapezów, a dokładniej metody wielokątów. Zsumowano pola powierzchni poszczególnych figur, wykorzystując punkty charakterystyczne, w których krzywa µ(k) się załamuje. Wartość wynikową y k za pomocą metody uproszczonej można wyliczyć z następującej zależności: (4) y k n i= 1 = n i= 1 y µ ( y ) i i i µ ( y ) (5) 3. TWORZENIE MODELU STEROWNIKA ROZMYTEGO W ŚRODOWISKU FUZZY TOOLBOX MATLAB Poniżej przedstawiono krok po kroku proces tworzenia modelu sterownika rozmytego w środowisku Fuzzy Toolbox Matlab. Na początku zostają zaprogramowane określone wcześniej funkcje przynależności. Następnie tworzy się bazę reguł wnioskowania zgodnie z założeniami przedstawionymi w poprzednim punkcie artykułu. Autor dokonuje też wyboru metody agregacji reguł. Ostatecznie autor analizuje wykresy, symulując różne sytuacje. Stara się tak dobierać dane wejściowe CPA i TCPA, aby sprawdzić poprawność działania sterownika dla wartości zarówno krańcowych, jak i pochodzących ze środka zbiorów rozmytych. Ocenie podlega również poprawność zastosowanych funkcji przynależności, reguł wnioskowania oraz metody agregacji reguł Edytor rozmytego systemu wnioskującego (FIS Fuzzy Inference System Editor) Edytor ten służy do zadawania podstawowych parametrów projektowanego sterownika, takich jak liczba zmiennych wejściowych oraz wyjściowych, wybór operatorów realizujących poszczególne funkcje itp. Użytkownik ma możliwość wyboru jednego z dwóch modeli: Mamdani i Takagi-Sugeno.
9 D. Filipkowski, Modelowanie częstości transmisji danych z wykorzystaniem Fuzzy Toolbox MATLAB 63 Reguły wnioskowania zastosowane w opisanej metodzie mają postać: IF (CPA =...) AND (TCPA =...) THEN (T =...). Naturalnym następstwem jest zastosowanie modelu Mamdami, który różni się od modelu Takagi-Sugeno następnikami funkcji. W opracowanym modelu zadano dwie wartości wejściowe CPA i TCPA. Wynikiem rozmytego systemu wnioskującego jest y k, która to wartość służy do obliczenia współczynnika ψ. Rys. 7. Okno edytora rozmytego systemu wnioskującego 3.2. Edytor funkcji przynależności (Membership Function Editor) Edytor ten służy do przedstawienia graficznej reprezentacji poszczególnych zmiennych wejściowych oraz wyjściowych w postaci rozmytej. Umożliwia ustawianie liczby, wartości oraz nazw i etykiet dla każdego z parametrów. W prezentowanym przykładzie określono cztery funkcje przynależności dla zmiennej CPA oraz cztery funkcje dla zmiennej TCPA (rys. 8) Baza reguł modelu (Rule Editor i Rule Viewer) Rule Editor służy do tworzenia reguł wnioskowania. Użytkownik wybiera zbiór, z jakiego wartość przyjmie zmienna wyjściowa, w zależności od tego, jakie wartości przyjmą zmienne wejściowe. Użytkownik ma możliwość wybrania jednego z dwóch operatorów: AND i OR w zależności od działania, jakie ma realizować programowana reguła. W niniejszym przykładzie stworzono szesnaście reguł zgodnie z tabelą 1. W każdej z reguł jako operator posłużył iloczyn (AND) (rys. 9).
10 64 PRACE WYDZIAŁU NAWIGACYJNEGO AKADEMII MORSKIEJ W GDYNI, nr 29, 2014 Rys. 8. Edytor funkcji przynależności Rys. 9. Widok okna edycji bazy reguł
11 D. Filipkowski, Modelowanie częstości transmisji danych z wykorzystaniem Fuzzy Toolbox MATLAB 65 Rule Viewer służy do podglądu realizacji poszczególnych reguł w procesie wnioskowania w zależności od danych wejściowych. Realizacje pojedynczych reguł kumulowane są w jeden zbiór rozmyty, który poddany operacji wyostrzania zostaje przekształcony w określoną wartość liczbową, będącą wartością wyjściową rozmytego systemu wnioskowania. Rys. 10. Realizacja reguł wnioskowania dla CPA = 3 i TCPA = Powierzchnia odwzorowania (Surface Viewer) Służy do wizualizacji zależności wybranego parametru wyjściowego od wybranych dwóch parametrów wejściowych. Na rysunku 11 przedstawiono powierzchnię odwzorowania dla omawianego sterownika rozmytego. Widać, że pojawiają się na niej załamania (lokalne minima). Świadczy to o tym, że dla wartości CPA i TCPA z krańców zbiorów sterownik zwraca mniejszą wartość niż teoretycznie powinien. W niniejszym przykładzie wystarczyło zmienić metodę agregacji reguł, aby pozbyć się tej nieścisłości. Rys. 11. Wynikowa powierzchnia sterowania opracowanej metody
12 66 PRACE WYDZIAŁU NAWIGACYJNEGO AKADEMII MORSKIEJ W GDYNI, nr 29, 2014 WNIOSKI Fuzzy Toolbox Matlab okazuje się być świetnym narzędziem służącym do projektowania i testowania sterowników opartych na logice rozmytej. Użytkownik w łatwy i szybki sposób może stworzyć regulator i przetestować go obliczeniowo. Szereg wykresów, które można wygenerować, pozwala w łatwy sposób zweryfikować poprawność obliczeń oraz zgodność z założeniami początkowymi. Dzięki innym komponentom można na bieżąco śledzić realizację poszczególnych reguł oraz w dowolny sposób dopasowywać metody agregacji w poszukiwaniu tej właściwej. Zaprojektowany regulator można następnie zapisać i używać go w innych schematach Simulinka oraz testować sterowniki w całych układach. W opisywanym przykładzie dzięki oprogramowaniu Fuzzy Toolbox w łatwy sposób znaleziono lokalne minima, które okazały się niezgodne z początkowymi założeniami. W równie prosty sposób pozbyto się ich. Bez tego oprogramowania nastręczałoby to wielu żmudnych godzin obliczeniowej weryfikacji. LITERATURA 1. Badurek J., Logika rozmyta w bazach danych, Informatyka, 1999, nr 1, s Biacino L., Gerla G., Fuzzy logic, continuity and effectiveness, Archive for Mathematical Logic, 2002, no. 41(7), p Bodnar A., Honczarenko J., Jardzioch A., Pawlukowicz P., Application of fuzzy logic for controlling robotized machining systems, Prace Naukowe Instytutu Technologii Maszyn i Automatyzacji Politechniki Wrocławskiej. Konferencje, 1998, t. 69, nr 31, s Brown M., An Introduction to Fuzzy and Neurofuzzy Systems, Prentice Hall International, New Jersey Czyszpak T., Analiza wybranych metod generowania bazy reguł systemów logiki rozmytej, Prace Naukowe Katedry Budowy Maszyn / Politechnika Śląska, 2005, nr 4, s Czyszpak T., Chowaniec K., Urbańczyk T., Sokołowski A., System wnioskowania rozmytego o strukturze Mamdani analiza metod wyostrzania, Prace Naukowe Katedry Budowy Maszyn / Politechnika Śląska, 2005, nr 4, s Dybiec E., Tran C., Logika rozmyta: początek, rozwój i możliwości zastosowania, Inżynieria Morska i Geotechnika, 2001, nr 5, s Filipowicz W., Fuzzy evidence reasoning and position fixing, [in:] Frontiers in Artificial Intelligence and Applications Knowledge-Based Intelligent Engineering Systems, M. Virvou, S. Matsuura (eds.), vol. 240, 2012, p Filipowicz W., Fuzzy reasoning algorithms for position fixing, Pomiary. Automatyka. Kontrola, 2010, R. 56, nr 12, s Filipowicz W., New approach towards position fixing, Annual of Navigation, 2010, no. 10, p
13 D. Filipkowski, Modelowanie częstości transmisji danych z wykorzystaniem Fuzzy Toolbox MATLAB Fulmański P., Grzanek M., Logika rozmyta i SQL, Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne, 2006, nr 11, s Kowalczyk-Niewiadomy A., Pelikant A., Przetwarzanie zapytań w metajęzyku naturalnym za pomocą algorytmów rozmytych, Studia Informatica, 2012, t. 31, nr 2A, s Kuchta M., Optymalizacja bazy reguł systemu logiki rozmytej z zastosowaniem sztucznych systemów immunologicznych, Prace Naukowe Katedry Budowy Maszyn / Politechnika Śląska, 2009, nr 1, s Novák V., On fuzzy type theory, Fuzzy Sets and Systems, 2005, no. 149(2), p Ross T.J., Fuzzy Logic with Engineering Applications, John Wiley&Sons, MODELING OF DATA TRANSMISSION RATE USING FUZZY MATLAB TOOLBOX Summary This article is a result of works on modeling data transmission rate in sea transportation. While working on this project fuzzy logic controller was developed. On the very begining several membership functions and rules of inference were created on the basis of theoretical assumptions. After that the most appropriate method of aggregation was chosen. However during the research rised a need to review this assumptions and verify correct operation of mentioned controller. Fuzzy Toolbox software was used for this purpose. It is a library of MATLAB Simulink created especially to design fuzzy controllers and drivers. The process of developing fuzzy logic controller is presented in this paper together with the conclusions and verification of initial assumptions. Keywords: data transfer, e-navigation, fuzzy logic.
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoKryteria optymalizacji w systemach sterowania rozmytego piecami odlewniczymi
A R C H I V E S of F O U N D R Y E N G I N E E R I N G Published quarterly as the organ of the Foundry Commission of the Polish Academy of Sciences ISSN (1897-3310) Volume 14 Special Issue 2/2014 95 100
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 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 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 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 szczegółowoSymulacja działania sterownika dla robota dwuosiowego typu SCARA w środowisku Matlab/Simulink.
Symulacja działania sterownika dla robota dwuosiowego typu SCARA w środowisku Matlab/Simulink. Celem ćwiczenia jest symulacja działania (w środowisku Matlab/Simulink) sterownika dla dwuosiowego robota
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 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 szczegółowoTHE PART OF FUZZY SYSTEMS ASSISTING THE DECISION IN DI- AGNOSTICS OF FUEL ENGINE SUBASSEMBLIES DEFECTS
Journal of KONES Internal Combustion Engines 2005, vol. 12, 3-4 THE PART OF FUZZY SYSTEMS ASSISTING THE DECISION IN DI- AGNOSTICS OF FUEL ENGINE SUBASSEMBLIES DEFECTS Mariusz Topolski Politechnika Wrocławska,
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 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 szczegółowoSzybkie prototypowanie w projektowaniu mechatronicznym
Szybkie prototypowanie w projektowaniu mechatronicznym Systemy wbudowane (Embedded Systems) Systemy wbudowane (ang. Embedded Systems) są to dedykowane architektury komputerowe, które są integralną częścią
Bardziej szczegółowoMechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych
Mechatronika i inteligentne systemy produkcyjne Modelowanie systemów mechatronicznych Platformy przetwarzania danych 1 Sterowanie procesem oparte na jego modelu u 1 (t) System rzeczywisty x(t) y(t) Tworzenie
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 szczegółowoMETODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH
METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH Jednym z zastosowań metod numerycznych jest wyznaczenie pierwiastka lub pierwiastków równania nieliniowego. W tym celu stosuje się szereg metod obliczeniowych np:
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 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 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 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 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 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 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 szczegółowoSystemy uczące się Lab 4
Systemy uczące się Lab 4 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 26 X 2018 Projekt zaliczeniowy Podstawą zaliczenia ćwiczeń jest indywidualne wykonanie projektu uwzględniającego
Bardziej szczegółowoAnaliza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32
Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:
Bardziej szczegółowoRozwiązywanie równań nieliniowych
Rozwiązywanie równań nieliniowych Marcin Orchel 1 Wstęp Przykłady wyznaczania miejsc zerowych funkcji f : f(ξ) = 0. Wyszukiwanie miejsc zerowych wielomianu n-tego stopnia. Wymiar tej przestrzeni wektorowej
Bardziej szczegółowoWYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
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 szczegółowoUczenie sieci typu MLP
Uczenie sieci typu MLP Przypomnienie budowa sieci typu MLP Przypomnienie budowy neuronu Neuron ze skokową funkcją aktywacji jest zły!!! Powszechnie stosuje -> modele z sigmoidalną funkcją aktywacji - współczynnik
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 szczegółowozna metody matematyczne w zakresie niezbędnym do formalnego i ilościowego opisu, zrozumienia i modelowania problemów z różnych
Grupa efektów kierunkowych: Matematyka stosowana I stopnia - profil praktyczny (od 17 października 2014) Matematyka Stosowana I stopień spec. Matematyka nowoczesnych technologii stacjonarne 2015/2016Z
Bardziej szczegółowoAKADEMIA MORSKA W SZCZECINIE WI-ET / IIT / ZTT. Instrukcja do zajęc laboratoryjnych nr 3 AUTOMATYKA
AKADEMIA MORSKA W SZCZECINIE WI-ET / IIT / ZTT Instrukcja do zajęc laboratoryjnych nr 3 AUTOMATYKA II rok Kierunek Transport Temat: Minimalizacja funkcji logicznych. Projektowanie układów logicznych. Opracował
Bardziej szczegółowoKARTA PRZEDMIOTU. 17. Efekty kształcenia:
Z1-PU7 WYDANIE N1 Strona 1 z 4 (pieczęć wydziału) KARTA PRZEDMIOTU 1. Nazwa przedmiotu: CYBERNETYKA 2. Kod przedmiotu: CYB 3. Karta przedmiotu ważna od roku akademickiego: 2012/2013 4. Forma kształcenia:
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
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 szczegółowoWYKŁAD 9 METODY ZMIENNEJ METRYKI
WYKŁAD 9 METODY ZMIENNEJ METRYKI Kierunki sprzężone. Metoda Newtona Raphsona daje dobre przybliżenie najlepszego kierunku poszukiwań, lecz jest to okupione znacznym kosztem obliczeniowym zwykle postać
Bardziej szczegółowoAPLIKACJA NAPISANA W ŚRODOWISKU LABVIEW SŁUŻĄCA DO WYZNACZANIA WSPÓŁCZYNNIKA UZWOJENIA MASZYNY INDUKCYJNEJ
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 83 Electrical Engineering 2015 Damian BURZYŃSKI* Leszek KASPRZYK* APLIKACJA NAPISANA W ŚRODOWISKU LABVIEW SŁUŻĄCA DO WYZNACZANIA WSPÓŁCZYNNIKA UZWOJENIA
Bardziej szczegółowoELEMENTY AUTOMATYKI PRACA W PROGRAMIE SIMULINK 2013
SIMULINK część pakietu numerycznego MATLAB (firmy MathWorks) służąca do przeprowadzania symulacji komputerowych. Atutem programu jest interfejs graficzny (budowanie układów na bazie logicznie połączonych
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 szczegółowoDostawa oprogramowania. Nr sprawy: ZP /15
........ (pieczątka adresowa Oferenta) Zamawiający: Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu, ul. Staszica,33-300 Nowy Sącz. Strona: z 5 Arkusz kalkulacyjny określający minimalne parametry techniczne
Bardziej szczegółowoInżynieria Rolnicza 5(114)/2009
Inżynieria Rolnicza (114)/29 MODELE ROZMYTE ZAPOTRZEBOWANIA NA MOC DLA POTRZEB KRÓTKOTERMINOWEGO PROGNOZOWANIA ZUŻYCIA ENERGII ELEKTRYCZNEJ NA WSI CZĘŚĆ II OPRACOWANIE PREDYKCYJNYCH MODELI RELACYJNYCH
Bardziej szczegółowoWykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym
Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 3 Generacja realizacji zmiennych losowych Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia: Generowanie
Bardziej szczegółowoSterowniki Programowalne (SP)
Sterowniki Programowalne (SP) Wybrane aspekty procesu tworzenia oprogramowania dla sterownika PLC Podstawy języka funkcjonalnych schematów blokowych (FBD) Politechnika Gdańska Wydział Elektrotechniki i
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 szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Metody optymalizacji Metody bezgradientowe optymalizacji bez ograniczeń Materiały pomocnicze do ćwiczeń
Bardziej szczegółowoSPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD
Dr inż. Jacek WARCHULSKI Dr inż. Marcin WARCHULSKI Mgr inż. Witold BUŻANTOWICZ Wojskowa Akademia Techniczna SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD Streszczenie: W referacie przedstawiono możliwości
Bardziej szczegółowoRegulacja dwupołożeniowa.
Politechnika Krakowska Wydział Inżynierii Elektrycznej i Komputerowej Zakład eorii Sterowania Regulacja dwupołożeniowa. Kraków Zakład eorii Sterowania (E ) Regulacja dwupołożeniowa opis ćwiczenia.. Opis
Bardziej szczegółowoSTEROWNIKI PROGRAMOWALNE OBSŁUGA AWARII ZA POMOCĄ STEROWNIKA SIEMENS SIMATIC S7
STEROWNIKI PROGRAMOWALNE OBSŁUGA AWARII ZA POMOCĄ STEROWNIKA SIEMENS SIMATIC S7 1. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się ze sposobami obsługi stanów awaryjnych w układach sterowania zbudowanych
Bardziej szczegółowoSystemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski
Systemy ekspertowe i ich zastosowania Katarzyna Karp Marek Grabowski Plan prezentacji Wstęp Własności systemów ekspertowych Rodzaje baz wiedzy Metody reprezentacji wiedzy Metody wnioskowania Języki do
Bardziej szczegółowoZASTOSOWANIE METOD OPTYMALIZACJI W DOBORZE CECH GEOMETRYCZNYCH KARBU ODCIĄŻAJĄCEGO
MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 40, s. 43-48, Gliwice 2010 ZASTOSOWANIE METOD OPTYMALIZACJI W DOBORZE CECH GEOMETRYCZNYCH KARBU ODCIĄŻAJĄCEGO TOMASZ CZAPLA, MARIUSZ PAWLAK Katedra Mechaniki Stosowanej,
Bardziej szczegółowoWYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI KATEDRA AUTOMATYKI. Robot do pokrycia powierzchni terenu
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI KATEDRA AUTOMATYKI Robot do pokrycia powierzchni terenu Zadania robota Zadanie całkowitego pokrycia powierzchni na podstawie danych sensorycznych Zadanie unikania przeszkód
Bardziej szczegółowoSystemy ekspertowe - wiedza niepewna
Instytut Informatyki Uniwersytetu Śląskiego lab 8 Rozpatrzmy następujący przykład: Miażdżyca powoduje często zwężenie tętnic wieńcowych. Prowadzi to zazwyczaj do zmniejszenia przepływu krwi w tych naczyniach,
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 6 Model matematyczny elementu naprawialnego Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia:
Bardziej szczegółowoMaciej Piotr Jankowski
Reduced Adder Graph Implementacja algorytmu RAG Maciej Piotr Jankowski 2005.12.22 Maciej Piotr Jankowski 1 Plan prezentacji 1. Wstęp 2. Implementacja 3. Usprawnienia optymalizacyjne 3.1. Tablica ekspansji
Bardziej szczegółowoAKADEMIA MORSKA W SZCZECINIE WI-ET / IIT / ZTT. Instrukcja do zajęc laboratoryjnych nr 3 AUTOMATYZACJA I ROBOTYZACJA PROCESÓW PRODUKCYJNYCH
AKADEMIA MORSKA W SZCZECINIE WI-ET / IIT / ZTT Instrukcja do zajęc laboratoryjnych nr 3 AUTOMATYZACJA I ROBOTYZACJA PROCESÓW PRODUKCYJNYCH II rok Kierunek Logistyka Temat: Minimalizacja funkcji logicznych.
Bardziej szczegółowoAKADEMIA MORSKA W SZCZECINIE WI-ET / IIT / ZTT. Instrukcja do zajęc laboratoryjnych nr 6 AUTOMATYKA
AKADEMIA MORSKA W SZCZECINIE WI-ET / IIT / ZTT Instrukcja do zajęc laboratoryjnych nr 6 AUTOMATYKA II rok Kierunek Transport Temat: Transmitancja operatorowa. Badanie odpowiedzi układów automatyki. Opracował
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoMETODY STEROWANIA INTELIGENTNEGO W OPROGRAMOWANIU LABVIEW METHODS OF INTELLIGENT CONTROL IN LABVIEW PROGRAMMING
Zeszyty Naukowe Akademii Morskiej w Gdyni Scientific Journal of Gdynia Maritime University Nr 98/2017, 131 138 ISSN 1644-1818 e-issn 2451-2486 METODY STEROWANIA INTELIGENTNEGO W OPROGRAMOWANIU LABVIEW
Bardziej szczegółowo