Inżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska
|
|
- Teresa Biernacka
- 7 lat temu
- Przeglądów:
Transkrypt
1 Inżynieria Wiedzy i Systemy Ekspertowe Niepewność wiedzy dr inż. Michał Bereta Politechnika Krakowska beretam@torus.uck.pk.edu.pl 1
2 Logika Rozmyta (Fuzzy Logic) Mimo porażki projektu GPS, w okresie tym pojawiło się wiele nowych koncepcji ważnych dla rozwoju SI. Np. Logika rozmyta Fuzzy Sets, Lotfi Zadeh, 1965 Jednak do 1970 środki finansowe przeznaczone na badania nad SI zostały bardzo ograniczone. 2
3 Logika Rozmyta (Fuzzy Logic) Późne lata 80-te -... Computing with words Wykorzystanie logiki rozmytej (fuzzy logic). Możliwość operowanie rozmytymi pojęciami języka naturalnego, np. duża prędkość. W przeciwieństwie do sieci neuronowych, systemy oparte na logice rozmytej nie działają na zasadzie czarnej skrzynki, tzn. ich decyzje są łatwiejsze do zrozumienia dla człowieka. 3
4 Logika Rozmyta (Fuzzy Logic) Późne lata 80-te -... Computing with words Wykorzystanie logiki rozmytej (fuzzy logic). Eksperci posługują się nieprecyzyjnymi stwerdzeniami (np. duża, mocno, raczej, często, itd.) Opisują inny rodzaj niepewności danych niż metody probabilistyczne. Porównaj: prędkość jest równa 100 km/h prędkość jest duża prędkość jest prawdopodobnie równa 100 km/h prędkość jest prawdopodobnie duża 4
5 Logika Rozmyta (Fuzzy Logic) Późne lata 80-te -... Computing with words Wykorzystanie logiki rozmytej (fuzzy logic). Przykład: Sendai Subway System 54 reguł rozmytych (niewielka liczba) ale kilka lat poświęcono na ich dostrajanie. 5
6 Logika Rozmyta (Fuzzy Logic) Przyszłość - Metody Hybrydowe np. metody Neuro Fuzzy Łączą zdolność uczenia się z przejrzystością wyników dla ludzkiego użytkownika. Pozwala to na generowanie reguł z danych numerycznych. Pozyskiwanie wiedzy od eksperta jest długotrwałe i kosztowne. Dodatkowo, różni eksperci mogą mieć różne zdania na temat danego przypadku. 6
7 Logika Rozmyta (Fuzzy Logic) Koncepcja obliczeń inteligentnych (ang. Computational Intelligence - CI) Sztuczne sieci neuronowe + algorytmy ewolucyjne + zbiory rozmyte = CI 7
8 Logika Rozmyta (Fuzzy Logic) Eksperci posługują się wyrażeniami typu: Mimo, iż system jest bardzo przeciążony, myślę, że będę w stanie utrzymać go przez krótką chwilę. Inni eksperci nie mają problemu ze zrozumieniem tego typu stwierdzeń. Jak modelować je na komputerze? 8
9 Logika Rozmyta (Fuzzy Logic) Fuzzy logic is not logic that is fuzzy, but logic that is used to describe fuzziness. Logika rozmyta nie jest rozmyta (niejasna, niekonkretna), ale jest logiką służącą do opisu rozmytości (niepewności, niejasności) Kiedy wzniesienie staje się górą? 9
10 Logika Rozmyta (Fuzzy Logic) Logika rozmyta odzwierciedla sposób w jaki myślą ludzie. Kiedy człowiek uznamy za wysokiego? Tomek ma 181 cm wzrostu. Dawid ma 179 cm wzrostu. W tradycyjnej logice używamy ostrych klasyfikacji jest albo nie jest. Jeśli granicę wsokiego wzrostu przyjmiemy jako 180 cm, to Tomek jest wysoki, a Dawid nie. Kłóci się to wyraźnie z naszymi odczuciami. 10
11 Logika Rozmyta (Fuzzy Logic) Logika boolowska: TRUE lub FALSE Possibility Theory Logika wielowartościowa (multi-valued logic) : (1930 Łukasiewicz) : stopień prawda przyjmuje wartość z przedziału [0,1]. Wartość ta określa możliwość (ang. possibility), że dane wyrażenie jest prawdziwe. 11
12 Logika Rozmyta (Fuzzy Logic) Max Black, 1937 Vagueness: an exercise in logical analysis Continuum implies degrees. Ciągłość pociąga za sobą stopniowalność. U Blacka używał wartości stopnia jako odsetka ludzi, którzy uznali by dane wrażenie za prawdę. Innymi słowy, akceptował on niejasność jako formę prawdopodobieństwa. 12
13 Logika Rozmyta (Fuzzy Logic) Lotfi Zadeh, 1965 Fuzzy Sets Stworzył system formalny matematycznej logiki. Zaproponował nową koncepcję operowania na pojęciach języka naturalnego. 13
14 Logika Rozmyta (Fuzzy Logic) Lotfi Zadeh, 1965 Fuzzy Sets Logika klasyczna Logika rozmyta 14
15 Logika Rozmyta (Fuzzy Logic) X zbiór (klasyczny) x element zbioru X Element może należeć do zbioru, lub do niego nie należeć. Przynależność = 1 jeśli należy Przynależność = 0 jeśli nie należy lub 15
16 Logika Rozmyta (Fuzzy Logic) Paradoksy w logice dwuwartościowej: Czy prawdę mówi Ateńczyk mówiąc, że wszyscy ateńczycy kłamią? Fryzjer w wiosce ścina włosy tylko tym, którzy nie ścinają sobie włosów sami? Kto ścina włosy fryzjera? 16
17 Logika Rozmyta (Fuzzy Logic) Paradoksy w logice dwuwartościowej: Czy prawdę mówi Ateńczyk mówiąc, że wszyscy ateńczycy kłamią? Fryzjer w wiosce ścina włosy tylko tym, którzy nie ścinają sobie włosów sami? Kto ścina włosy fryzjera? Odpowiedzi Fuzzy Logic: Ateńczyk jednocześnie kłamie i mówi prawdę. Fryzjer jednocześnie ścina i nie ścina swych włosów. 17
18 Logika Rozmyta (Fuzzy Logic) Wysoki Współczynik przynależności Wzrost (logika rozmyta) 18
19 Logika Rozmyta (Fuzzy Logic) Wysoki Współczynik przynależności Wzrost (logika klasyczna) 19
20 Logika Rozmyta (Fuzzy Logic) Wzrost zmienna lingwistyczna Wysoki wartość zmiennej lingwistycznej Wzrost wyrażona za pomocą zbioru rozmytego Wzrost = Wysoki 20
21 Logika Rozmyta (Fuzzy Logic) Zbiór klasyczny. X przestrzeń rozważań (ang. universe of discourse) funkcja charakterystyczna zbioru A: 21
22 Logika Rozmyta (Fuzzy Logic) Zbiór rozmyty zbiór z rozmytymi granicami. X przestrzeń rozważań (ang. universe of discourse) funkcja charakterystyczna rozmytego zbioru A: 22
23 Logika Rozmyta (Fuzzy Logic) Zbiór rozmyty A: 23
24 Logika Rozmyta (Fuzzy Logic) Współczynik przynależności Niski Średni Wysoki Wzrost (logika klasyczna) 24
25 Logika Rozmyta (Fuzzy Logic) Współczynik przynależności Niski Średni Wysoki Wzrost (logika rozmyta) 25
26 Logika Rozmyta (Fuzzy Logic) Przykłady reguł logiki boolowskiej: IF prędkość > 100 THEN droga hamowania jest długa IF kolejka ma > 20 osób AND tempo obsługi jest < 3 osoby na godzinę THEN czas oczekiwania jest > 1 dzień 26
27 Logika Rozmyta (Fuzzy Logic) Przykłady reguł rozmytych: IF prędkość jest mała THEN droga hamowania jest krótka IF kolejka jest długa AND tempo obsługi jest wolne THEN czas oczekiwania jest bardzo długi 27
28 Wnioskowanie rozmyte Wnioskowanie w stylu Mamdaniego. Wnioskowanie w stylu Sugeno. 28
29 Wnioskowanie rozmyte Wnioskowanie w stylu Mamdaniego. IF x jest A1 AND y jest B2 THEN z jest Z1 A1, B2 oraz Z1 są wartościami lingwistycznymi opisywanymi za pomocą zbiorów rozmytych. 29
30 Wnioskowanie rozmyte Wnioskowanie w stylu Sugeno. IF x jest A1 AND y jest B2 THEN z = a*x + b*y + c A1 oraz B2 są wartościami lingwistycznymi opisywanymi za pomocą zbiorów rozmytych. z przyjmuje wartość zależną od x oraz y (wielomian pierwszego stopnia). Tutaj w konkluzji reguły nie ma zbioru rozmytego! 30
31 Wnioskowanie rozmyte x1, x2 wartości ostre Główne etapy wnioskowani a rozmytego: Rozmywanie (Fuzzyfication) Sprawdzenie reguł rozmytych (Rule evaluaion) Agregacja odpowiedzi reguł rozmytych (Aggregation of the rule outputs) Wyostrzanie (Defuzzyfication) y wartość ostra 31
32 Wnioskowanie rozmyte Wnioskowanie modus ponens (logika klasyczna) Przesłanka: A Implikacja: Wniosek: A -> B B np. A = Jan jest kierowcą. B = Jan posiada prawo jazdy. Jeśli wiemy, że Jan jest kierowcą, stwierdzamy, że posiada on prawo jazdy. 32
33 Wnioskowanie rozmyte Wnioskowanie modus tollens (logika klasyczna) Przesłanka: ~B Implikacja: A -> B Wniosek: ~A np. Jeśli Jan nie posiada prawa jazdy, to stwierdzamy, że Jan nie jest kierowcą. 33
34 Wnioskowanie rozmyte Wnioskowanie modus ponens (logika rozmyta) Przesłanka: x jest A' x, y zmienne lingwistyczne A, B zbiory rozmyte Implikacja: Wniosek: IF x jest A THEN y jest B y jest B' 34
35 Wnioskowanie rozmyte Wnioskowanie modus ponens (logika rozmyta) Przesłanka: Prędkość samochodu jest duża. Implikacja: Wniosek: Jeśli prędkość samochodu jest bardzo duża, wtedy poziom hałasu jest wysoki. Poziom hałasu jest średniowysoki. 35
36 Wnioskowanie rozmyte Wnioskowanie modus tollens (logika rozmyta) Przesłanka: x jest B' x, y zmienne lingwistyczne A, B zbiory rozmyte Implikacja: Wniosek: IF x jest A THEN y jest B y jest A' 36
37 Wnioskowanie rozmyte Wnioskowanie modus ponens (logika rozmyta) Przesłanka: Poziom hałasu jest średniowysoki. Implikacja: Wniosek: Jeśli prędkość samochodu jest bardzo duża, wtedy poziom hałasu jest wysoki. Prędkość samochodu jest duża. 37
38 Sterownik rozmyty y Sterownik rozmyty x1 x2 Klimatyzator Czujnik temperatury Czujnik wilgotności x1, x2, y wartości ostre 38
39 Wnioskowanie rozmyte Reguła 1: IF x jest A3 OR y jest B1 THEN z jest C1 Reguła 2: IF x jest A2 AND y jest B2 THEN z jest C2 Reguła 3: IF x jest A1 THEN z jest C3 39
40 Wnioskowanie rozmyte A1 A2 A3 40
41 Wnioskowanie rozmyte B1 B2 41
42 Wnioskowanie rozmyte C1 C2 C3 42
43 Wnioskowanie rozmyte Reguła 1: IF x jest A3 OR y jest B1 THEN z jest C1 IF x OR y THEN z 43
44 Wnioskowanie rozmyte Reguła 2: IF x jest A2 AND y jest B2 THEN z jest C2 IF x AND y THEN z 44
45 Wnioskowanie rozmyte Reguła 3: IF x jest A1 THEN z jest C3 IF x THEN z 45
46 Rozmywanie A1 A2 A3 B1 B2 x1 wartość ostra y1 wartość ostra 46
47 Sprawdzanie reguł Reguła 1: IF x jest A3 OR y jest B1 THEN z jest C1 OR (max) IF x OR y THEN z 47
48 Sprawdzanie reguł Reguła 2: IF x jest A2 AND y jest B2 THEN z jest C2 AND (min) IF x AND y THEN z 48
49 Sprawdzanie reguł Reguła 3: IF x jest A1 THEN z jest C3 IF x THEN z 49
50 Agregacja wniosków reguł z jest C1 (0.1) z jest C2 (0.2) z jest C3 (0.6) 50
51 Agregacja wniosków reguł z jest C1 (0.1) z jest C2 (0.2) z jest C3 (0.6) 51
52 Wyostrzanie z jest C1 (0.1) z jest C2 (0.2) z jest C3 (0.6) Centre of Gravity 52
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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. 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 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 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 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 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 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 szczegółowoSID Wykład 7 Zbiory rozmyte
SID Wykład 7 Zbiory rozmyte Wydział Matematyki, Informatyki i Mechaniki UW slezak@mimuw.edu.pl Wstęp Language Ontological Commitment Epistemological Commitment (What exists in the world) (What an agent
Bardziej szczegółowoInżynieria 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 Współczynniki pewności (ang. Certainty
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 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 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 szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I IDENTYFIKACJA Logika rozmyta podstawy wnioskowania w GUI Fuzzy. Materiały pomocnicze do laboratorium
Bardziej szczegółowoLogika 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 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 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 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 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 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 szczegółowoSystemy ekspertowe. Reprezentacja wiedzy niepewnej i wnioskowanie w warunkach niepewności. Model współczynników pewności.
Część siódma Reprezentacja wiedzy niepewnej i wnioskowanie w warunkach niepewności Autor Roman Simiński Model współczynników pewności Kontakt siminski@us.edu.pl www.us.edu.pl/~siminski Niniejsze opracowanie
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 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 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 szczegółowoWNIOSKOWANIE ROZMYTE FUZZY INFERENCE
Dominik Ziajka WNIOSKOWANIE ROZMYTE FUZZY INFERENCE Celem artykułu jest przedstawienie teorii zbiorów rozmytych, wnioskowania rozmytego oraz porównania ich ze zbiorami przybliżonymi. Wprowadzenie do zbiorów
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 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 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 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 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 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 szczegółowoTechnologie i systemy oparte na logice rozmytej
Zagadnienia I Technologie i systemy oparte na logice rozmytej Mają zastosowania w sytuacjach kiedy nie posiadamy wystarczającej wiedzy o modelu matematycznym rządzącym danym zjawiskiem oraz tam gdzie zbudowanie
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 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 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 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 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 szczegółowoTomasz Pawlak. Zastosowania Metod Inteligencji Obliczeniowej
1 Zastosowania Metod Inteligencji Obliczeniowej Tomasz Pawlak 2 Plan prezentacji Sprawy organizacyjne Wprowadzenie do metod inteligencji obliczeniowej Studium wybranych przypadków zastosowań IO 3 Dane
Bardziej szczegółowoSystemy ekspertowe. Wnioskowanie w systemach regułowych. Część piąta. Autor Roman Simiński.
Część piąta Autor Roman Simiński Kontakt siminski@us.edu.pl www.us.edu.pl/~siminski Niniejsze opracowanie zawiera skrót treści wykładu, lektura tych materiałów nie zastąpi uważnego w nim uczestnictwa.
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 szczegółowoWiedza niepewna i wnioskowanie (c.d.)
Wiedza niepewna i wnioskowanie (c.d.) Dariusz Banasiak Katedra Informatyki Technicznej Wydział Elektroniki Wnioskowanie przybliżone Wnioskowanie w logice tradycyjnej (dwuwartościowej) polega na stwierdzeniu
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 szczegółowoKoncepcja systemu oceny wartości użytkowej informacji logistycznych
Lech A. Bukowski 1 Wyższa Szkoła Biznesu w Dąbrowie Górniczej Jerzy Feliks 2 AGH Akademia Górniczo-Hutnicza Koncepcja systemu oceny wartości użytkowej informacji logistycznych 1. WPROWADZENIE W czasach
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 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 szczegółowoRachunek zdań i predykatów
Rachunek zdań i predykatów Agnieszka Nowak 14 czerwca 2008 1 Rachunek zdań Do nauczenia :! 1. ((p q) p) q - reguła odrywania RO 2. reguła modus tollens MT: ((p q) q) p ((p q) q) p (( p q) q) p (( p q)
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 szczegółowoSyste t m e y m ek e s k per pe to t w o e w Wykład 6 1
Systemy ekspertowe Wykład 6 1 Zbieranie informacji i danych Podczas tworzenia bazy wiedzy zbieranie informacji i danych moŝna realizować poprzez: poszukiwanie literatury; zastawienie bibliografii; gromadzenie
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 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 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 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 szczegółowoSystemy Inteligentnego Przetwarzania wykład 4: algorytmy genetyczne, logika rozmyta
Systemy Inteligentnego Przetwarzania wykład 4: algorytmy genetyczne, logika rozmyta Dr inż. Jacek Mazurkiewicz Katedra Informatyki Technicznej e-mail: Jacek.Mazurkiewicz@pwr.edu.pl Wprowadzenie Problemy
Bardziej szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Jak określa się inteligencję naturalną? Jak określa się inteligencję naturalną? Inteligencja wg psychologów to: Przyrodzona, choć rozwijana w toku dojrzewania i uczenia
Bardziej szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Wykład 7. O badaniach nad sztuczną inteligencją Co nazywamy SZTUCZNĄ INTELIGENCJĄ? szczególny rodzaj programów komputerowych, a niekiedy maszyn. SI szczególną własność
Bardziej szczegółowoZagadnienia AI wykład 1
Zagadnienia AI wykład Podręcznik do wykładu: Leszek Rutkowski Metody i techniki sztucznej inteligencji Wydawnictwo Naukowe PWN Prezentacje do wykładu będą sukcesywnie umieszczane na stronie: http://merlin.fic.uni.lodz.pl/mskulimowski/
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 szczegółowoMetody Sztucznej Inteligencji Methods of Artificial Intelligence. Elektrotechnika II stopień ogólno akademicki. niestacjonarne. przedmiot kierunkowy
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoPORÓWNANIE ALGORYTMÓW WNIOSKOWANIA KLASYCZNEGO I ROZMYTEGO NA PRZYKŁADZIE SYSTEMU WSPOMAGANIA DECYZJI PERSONALNYCH MENEDŻERA
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2016 Seria: ORGANIZACJA I ZARZĄDZANIE z. 92 Nr kol. 1955 Izabela ĆWIKLIŃSKA, Agnieszka NOWAK-BRZEZIŃSKA Uniwersytet Śląski Instytut Informatyki e-mail: cwiklinskaizabela@gmail.com
Bardziej szczegółowoSztuczna Inteligencja Projekt
Sztuczna Inteligencja Projekt Temat: Algorytm F-LEM1 Liczba osób realizujących projekt: 2 1. Zaimplementować algorytm F LEM 1. 2. Zaimplementować klasyfikator Classif ier. 3. Za pomocą algorytmu F LEM1
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 szczegółowoTHE USE OF FUZZY SET THEORY IN EXPLOITATION MANAGEMENT PROCESS ON THE WATER SUPPLY NETWORK
Journal of KONBiN 3(35)2015 ISSN 1895-8281 DOI 10.1515/jok-2015-0044 ESSN 2083-4608 THE USE OF FUZZY SET THEORY IN EXPLOITATION MANAGEMENT PROCESS ON THE WATER SUPPLY NETWORK WYKORZYSTANIE TEORII ZBIORÓW
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 szczegółowoInteligentny model wskaźnika zagrożenia pożarowego w kopalni węgla
Inteligentny model wskaźnika zagrożenia pożarowego w kopalni węgla Bogumiła Mrozek*, Dariusz Felka** *Instytut Informatyki, Politechnika Krakowska **Instytut Technik Innowacyjnych EMAG w Katowicach Streszczenie:
Bardziej szczegółowoV Seminarium Naukowe "Inżynierskie zastosowania technologii informatycznych" - relacja
V Seminarium Naukowe "Inżynierskie zastosowania technologii informatycznych" - relacja W dniu 27.06.2015 odbyło się V Seminarium Naukowe Inżynierskie zastosowania technologii informatycznych. Organizatorzy
Bardziej szczegółowoMyślenie w celu zdobycia wiedzy = poznawanie. Myślenie z udziałem rozumu = myślenie racjonalne. Myślenie racjonalne logiczne statystyczne
Literatura: podstawowa: C. Radhakrishna Rao, Statystyka i prawda, 1994. G. Wieczorkowska-Wierzbińska, J. Wierzbiński, Statystyka. Od teorii do praktyki, 2013. A. Aczel, Statystyka w zarządzaniu, 2002.
Bardziej szczegółowoWA R S AW D ATA S C I E N C E M E E T U P
WA R S AW D ATA S C I E N C E M E E T U P Mateusz Grzyb konsultant technologiczny Microsoft Polska mateuszgrzyb.pl Plan prezentacji 1. Zbiory rozmyte. 2. Logika rozmyta. 3. Systemy rekomendacyjne. 4.
Bardziej szczegółowoZASTOSOWOWANIE PRESKRYPTYWNEGO STEROWANIA ROZMYTEGO W PROCESIE FORMUŁOWANIA STRATEGII ZARZĄDZANIA PRZEDSIĘBIORSTWEM
Patrycja Trojczak ZASTOSOWOWANIE PRESKRYPTYWNEGO STEROWANIA ROZMYTEGO W PROCESIE FORMUŁOWANIA STRATEGII ZARZĄDZANIA PRZEDSIĘBIORSTWEM Streszczenie W artykule prezentowane jest deskryptywne i preskryptywne
Bardziej szczegółowoLingwistyczne podsumowania baz danych.inteligentne generowanie s
Lingwistyczne podsumowania baz danych. Inteligentne generowanie streszczeń Instytut Informatyki, Politechnika Łódzka Katowice, 29 stycznia 2010 r. Problematyka Bazy i hurtownie danych olbrzymia ilość liczb......
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 szczegółowoNowoczesne techniki informatyczne Program: 1. Sztuczna inteligencja. a) definicja; b) podział: Systemy ekspertowe Algorytmy ewolucyjne Logika rozmyta Sztuczne sieci neuronowe c) historia; 2. Systemy eksperckie
Bardziej szczegółowoLogika Stosowana. Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta. Marcin Szczuka. Instytut Informatyki UW
Logika Stosowana Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika
Bardziej szczegółowoNazwa przedmiotu: METODY SZTUCZNEJ INTELIGENCJI W ZAGADNIENIACH EKONOMICZNYCH Artificial intelligence methods in economic issues Kierunek:
Nazwa przedmiotu: METODY SZTUCZNEJ INTELIGENCJI W ZAGADNIENIACH EKONOMICZNYCH Artificial intelligence methods in economic issues Kierunek: Forma studiów: Informatyka Stacjonarne Rodzaj przedmiotu: obowiązkowy
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 szczegółowoZASTOSOWANIE PROGRAMU MATLAB W MODELOWANIU PODCIŚNIENIA W APARACIE UDOJOWYM
Inżynieria Rolnicza 9(118)/2009 ZASTOSOWANIE PROGRAMU MATLAB W MODELOWANIU PODCIŚNIENIA W APARACIE UDOJOWYM Katedra Energetyki Rolniczej, Uniwersytet Rolniczy w Krakowie Streszczenie. Przedstawiono metodykę
Bardziej szczegółowoKoncepcja wykorzystania rozmytego rachunku zdań do oceny skuteczności metod informatycznych wspomagających zarządzanie wiedzą na uczelniach
2014, nr 1 (53) A. Szeptuch, Koncepcja wykorzystania rozmytego rachunku zdań do oceny skuteczności metod informatycznych wspomagających zarządzanie wiedzą w uczelniach, e-mentor 2014, nr 1 (53), s. 62
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 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 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 szczegółowoZastosowanie adaptacyjnego, neuronowo rozmytego systemu wnioskowania ANFIS w analizie wyników badania trójosiowego ściskania gruntów
Uniwersytet Warmińsko-Mazurski w Olsztynie Wydział Nauk Technicznych Katedra Geotechniki i Budownictwa Drogowego AUTOREFERAT ROZPRAWY DOKTORSKIEJ Zastosowanie adaptacyjnego, neuronowo rozmytego systemu
Bardziej szczegółowoInżynieria wiedzy Wnioskowanie oparte na wiedzy niepewnej Opracowane na podstawie materiałów dra Michała Berety
mgr Adam Marszałek Zakład Inteligencji Obliczeniowej Instytut Informatyki PK Inżynieria wiedzy Wnioskowanie oparte na wiedzy niepewnej Opracowane na podstawie materiałów dra Michała Berety Wstępnie na
Bardziej szczegółowo