ZBIORY ROZMYTE. METODY INTELIGENCJI OBLICZENIOWEJ wykład 6 I WNIOSKOWANIE PRZYBLIŻONE. sets

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZBIORY ROZMYTE. METODY INTELIGENCJI OBLICZENIOWEJ wykład 6 I WNIOSKOWANIE PRZYBLIŻONE. sets"

Transkrypt

1 METODY INTELIGENCJI OBLICZENIOWEJ wykłd 6 ZBIORY ROZMYTE I WNIOSKOWNIE PRZYBLIŻONE 965 Lotfi. Zdeh: : Fuzzy sets Metod reprezentcji wiedzy wyrżonej w języku nturlnym: Tempertur wynosi 9 o C informcj liczow - nturln dl systemów komputerowych. Jest dość ciepło informcj opisow - nturln dl człowiek. In lmost every cse you cn uild the sme product without fuzzy logic, ut fuzzy is fster nd cheper. Prof. Lotfi Zdeh, UC Berkeley, Inventor of Fuzzy Logic 3 Klsyczn teori ziorów: : dowolny element nleży lu nie nleży do dnego zioru. Teori ziorów rozmytych: element może częściowo nleżeć do pewnego zioru. 4 młody człowiek : μ.8 młody Zmist dwóch wrtości logicznych (prwd i fłsz) nieskończenie wiele wrtości [,]. młody Oszr rozwżń X (thethe universe of discourse) discourse - ziór nierozmyty (np. płc w UK i w Polsce). Ziór rozmyty w pewnej przestrzeni (niepustej) X - ziór pr: (, μ ( )); X { } 3 klsycznie [lt] 3 [lt] sposó rozmyty μ () funkcj przynleżności zioru rozmytego. Umożliwiją formlne określenie pojęć nieprecyzyjnych i wielozncznych: wielozncznych: - wysoki hłs, - duże zroki, - niskie zużycie pliw. 5 Funkcj przynleżności przypisuje kżdemu ele- mentowi X stopień jego przynleżności do zioru rozmytego. 6

2 μ ()) pełn przynleżność elementu do ZR ; μ ()) rk przynleżności do ZR ; < μ () < częściow przynleżność do ZR. Stopień przynleżności to nie jest prwdopodoieństwo: młody w 8% to nie 4 młodych n 5 Symoliczny zpis ZR o skończonej liczie elementów: μ ( ) μ ( ) μ ( ) μ ( ) n n i n i i sum mnogościow przyporządkownie 7 Np. Ciepł wod n senie : Oszr rozwżń: X [5,,..., 35] Ziór rozmyty (według osoy nr ): Według osoy nr : Jeśli X - przestrzeń o nieskończonej liczie elementów, to zpis symoliczny: to zpis symoliczny: μ ( ) 8 Np. Ziór licz liskich liczie 7 : lu μ ( ) + ( 7) - + ( -7) -7 jeżeli 4 μ( ) 3 w przeciwnym rzie μ ( ) μ ( ) STNDRDOWE FUNKCJE PRZYNLEŻNOŚCI GUSSOWSK F. PRZYNLEŻNOŚCI ' μ ( ; ', ) ep μ().5 ' środek; określ szerokość krzywej.5 F. PRZYNLEŻNOŚCI KLSY s dl - dl c- sc ( ;,, ) - c dl c c- dl c μ ( ).5 + c c

3 F. PRZYNLEŻNOŚCI KLSY π (zdef.. poprzez klsę s) s( c ; - c, - /, c) dl π ( c ;, ) - s( cc ;, + /, c+ ) dl c F. PRZYNLEŻNOŚCI KLSY γ (lterntyw dl s) dl γ ( ;, ) dl dl μ ( ) μ ( ) F. PRZYNLEŻNOŚCI KLSY L.5 c- c-/ c c+/ c+ 6 3 μ ( ) dl - L( ;, ) - dl dl 4 F. PRZYNLEŻNOŚCI KLSY t (lterntyw dl π) μ ( ).5 c- c-/ c c+/ c+ 6 μ ( ) dl dl tc ( ;,, ) c dl c c dl c F. PRZYNLEŻNOŚCI KLSY singleton ( ) ( - ') jeżeli ' μ δ jeżeli ' μ ( ).5 c 5 ' Singleton chrkteryzuje jednoelementowy ziór r rozmyty. Funkcj t jest wykorzystywn głównie g do opercji rozmywni w systemch wnioskujących. 6 prędkość smochodu: X: [, m ] Mł prędkość smochodu () typ L Średni prędkość smochodu (B) typ t Duż prędkość smochodu (C) typ γ.5 μ () μ B () μ C () μ ()).5, μ B ().75, μ C () m 7 μ() α Jądro α - przekrój Bz Nośnik (z) zioru rozmytego : ziór elementów ZR, dl których μ ()) > { X μ } supp ; ( ) > α -przekrój zioru rozmytego : ziór nierozmyty tki, że: { X } α : μ( ) α ( α [,] Jądro zioru rozmytego : z. elementów ZR, dl których μ() core( ) { X : μ ( ) } 8 3

4 α -przekroje: X{,..., } X {,..., },. {, 4, 5, 8, },.3 {4, 5, 8, },.6 {5, 8},.7 {5}. 9 Wysokość zioru rozmytego : Ziór normlny: Normlizcj zioru: h ( ) sup μ ( ) h ( ) - przed normlizcją: - po normlizcji: μ( ) μ ( ) N h ( ) X N Inkluzj (zwiernie sie ZR w ZR B): μ () μ () ZR wypukły: μ B () μ () ZR niewypukły: μ () OPERCJE N ZBIORCH ROZMYTYCH Równość dwu ZR i B: μ ( ) μ ( ) X B PRZECIĘCIE W literturze istnieje wiele definicji przecięci (iloczynu) ziorów rozmytych pod wspólną nzwą T-norm. μ ( ) T ( μ ( ), μ ( )) B B Njczęściej stosown definicj przecięci ziorów i B: { } μ ( ) min μ ( ), μ ( ) B B μ () μ () μ B () μ () μ B () SUM μ () μ () μ B () Definicje sumy ziorów rozmytych mją nzwę S-norm. { } μ ( ) m μ ( ), μ ( ) B B DOPEŁNIENIE zioru rozmytego: μ ˆ( ) μ ( ) μ () μ () μ () μ B () μ Â () lu (iloczyn lgericzny): μ B( ) μ ( ) μb( ) μ () μ () μ B () μ () μ B () 3 Dl ZR nie są spełnione prw dopełnieni: ˆ X ˆ 4 4

5 Przykłd: Przecięcie: Sum: X {,,3,4,5,6,7}.5.8 B B B Przykłd: Przecięcie: Sum: X {,3,4,5,6,7} ˆ ˆ ˆ X LICZBY ROZMYTE Liczy rozmyte to ZR zdefiniowne n osi licz rzeczywistych. Wymgni: np.: μ () ziór normlny: h(); ziór wypukły; funkcj przynleżności przedziłmi ciągł. 7 dodtnie ujemne; ni dodtnie ni ujemne. μ () 8 Dodwnie licz rozmytych: μ ( ) m { μ ( y), μ ( z) y z} B B + + μ μ (y) μ B (z) μ +B () Trójkątne liczy rozmyte: Opis: - f. przynleżności klsy t; - jko: (,, ) M μ () Mnożenie licz rozmytych: μb ( ) min { μ( y), μb( z) y z} μ μ (y) μ B (z) μ B () 9 Wyostrznie trójkątnej () liczy rozmytej: y M M + 4 y () M y y (3) (4) M M 3 5

6 Płskie liczy rozmyte: μ() PRZYBLIŻONE WNIOSKOWNIE 3 3 Logik trdycyjn (dwuwrtościow): O prwdziwości zdń wnioskuje się n podstwie prwdziwości innych zdń. : logiczną wrtością zdni jest prwd; : logiczną wrtością zdni jest fłsz. Funktory logiczne: Schemt notowni: Nd kreską zdni, n podstwie których się wnioskuje; Pod kreską otrzymny wniosek. Jeśli prwdziwe są wszystkie zdni powyżej kreski to prwdziwy jest też wniosek. Terz:, B zdni. 33 Opercj logiczn negcj koniunkcj lterntyw implikcj równowżność tożsmość kwntyfiktor ogólny kwntyfiktor szczególny Funktor ~ lu Czyt się: nie jest prwdą, że... i, orz lu jeżeli... to... wtedy i tylko wtedy, gdy... jest tożsme... dl kżdego... istnieje tkie Implikcj (wyniknie): Zdnie logiczne o strukturze jeśli p to q" " (p q)( p poprzednik implikcji; q nstępnik implikcji. Implikcj jest prwdziw: gdy q jest prwdziwe; gdy p i q są fłszywe. 35 REGUŁY WNIOSKOWNI MODUS PONENS Modus ponendo ponens sposó wnioskowni przez twierdzenie p do twierdzeni q. Przesłnk: Implikcj: B Z prwdziwości przesłnki i implikcji wynik prwdziwość wniosku. Jcek jest kierowcą B Jcek m prwo jzdy Jeśli to B B 36 6

7 MODUS TOLLENS Modus tollendo tollens sposó wnioskowni prowdzący przez przeczenie do przeczeni. Przesłnk: Implikcj: ~B B ~ Z prwdziwości przesłnki i implikcji również wynik prwdziwość wniosku. B (~B( ~B) Jcek nie m prw jzdy (~) Jcek nie jest kierowcą Jeśli B to 37 REGUŁY WNIOSKOWNI W LOGICE ROZMYTEJ Reguły, których przesłnki lu wnioski wyrżone są w języku ziorów rozmytych. Reguły pochodzące od ekspertów zwykle wyrżone są w języku nieprecyzyjnym. Ziory rozmyte pozwlją przełożyć ten język n konkretne wrtości liczowe. Prc systemu decyzyjnego oprtego n logice rozmy- tej zleży od definicji reguł rozmytych w zie reguł. 38 Reguły mją postć IF...ND...THEN. np.: IF is ND is B THEN c is C IF is ND is NOT B THEN c is C gdzie:,, c zmienne lingwistyczne,,,..., C ziory rozmyte. Różnice w porównniu z klsycznymi regułmi IF-THEN THEN: Wykorzystnie W zmiennych opisujących ziory rozmyte; Występownie mechnizmu określjącego stopień przynleżności elementu do zioru; Wykorzystnie opercji n ziorch rozmytych. Schemt wnioskowni, w którym przesłnk, implikcj i wniosek są nieprecyzyjne: Zmienne lingwistyczne: zmienne, które przyjmują jko wrtości słow lu zdni wypowiedzine w języku nturlnym. (również również wrtości liczowe). 39 Przesłnk nk: : Implikcj: Prędkość smochodu jest duż Jeśli prędko dkość smochodu jest rdzo duż poziom hłsu su jest wysoki Poziom hłsu jest wysoki 4 Przesłnk: Implikcj: Prędkość smochodu jest duż Jeśli prędko dkość smochodu jest rdzo duż poziom hłsu su jest wysoki Poziom hłsu jest wysoki Przesłnk: Implikcj: Prędkość smochodu jest duż Jeśli prędko dkość smochodu jest rdzo duż poziom hłsu su jest wysoki Poziom hłsu jest wysoki Rozmyt reguł wnioskowni modus ponens : Przesłnk: Implikcj: jest Jeśli jest y jest B y jest B 4 Zmienne lingwistyczne: prędkość smochodu y poziom hłsu Ziór wrtości zmiennych lingwistycznych: : : T{ mł mł, średni średni, duż duż, rdzo duż } y: : T{ mły mły, średni średni, wysoki wysoki, wysoki wysoki } 4 7

8 Do kżdego elementu ziorów T i T możn przyporządkowć ziór rozmyty o złożonej przez ns funkcji przynleżności. Tu: prędkość smochodu jest rdzo duż ; prędkość smochodu jest duż ; B poziom hłsu jest wysoki ; B poziom hłsu jest wysoki. Implikcj m tą smą postć ( B) w regule rozmytej jk i w nierozmytej. W regule rozmytej jej przesłnk nie dotyczy z. rozmytego lecz,, który może yć zliżony do,, le niekoniecznie Poniewż - wniosek jest inny niż yły w przypdku reguły nierozmytej. Ziór rozmyty B jest określony przez złożenie zioru rozmytego orz implikcji B: B' ' ( B) Rozmyt reguł wnioskowni modus tollens : Przesłnk: Implikcj: y jest B Jeśli jest y jest B jest Wyzncznie funkcji μ B (,y) gdy μ () orz μ B (y) są znne:. Reguł Mmdniego: 3. Reguł Łuksiewicz: μ B(, y) min,- μ( ) + μb( y) 4. Reguł Zdeh:... μ (, y) min[ μ ( ), μ ( y)] B B. Reguł Lrsen: μ B(, y) μ( ) μb( y) [ ] { [ ] } μ B(, y) m min μ( ), μb( y), μ( ) 45 STEROWNIKI ROZMYTE 46 Zstosowni prktyczne: sprzęt GD (prlki, lodówki, odkurzcze); kmery (utofokus( utofokus); ndzór wentylcji w tunelch; sterownie świtłmi n wjeździe n utostrdę; klimtyzcj; utomtyk przemysłow; sterownie rootów; Nie wymgją tworzeni modelu rozwżnego procesu (co często jest trudne); Nleży jedynie sformułowć zsdy postępowni w postci rozmytych reguł (IF( IF....THEN). Schemt ukłdu klimtyzcji:, y pomieszczenie KLIMTYZTOR czujnik tempertury STEROWNIK ROZMYTY zmierzone wrtości wejściowe; czujnik wilgotności sygnł sterujący (intensywność chłodzeni). 48 8

9 STEROWNIK ROZMYTY: Np. Sterownie ogrzewniem: BZ REGUŁ Cen ogrzewni mróz Tempertur zimno chłodno BLOK ROZMYWNI ' X BLOK WNIOSKOWNI B' BLOK WYOSTRZNI y tnio drogo mocno mocno mocno sło sło wcle Bz reguł (model lingwistyczny): ziór rozmytych reguł w postci: R ( k ) : IF ( is ND is ND is ) k k k n n k THEN ( y is B ND y is B ND y is B ) k k m m R () R : IF is ND is () ( Tempertur mróz Cen _ ogrz tnio) THEN ( Grzć is mocno) : IF ( Tempertur is chłodno ND Cen _ ogrz is drogo) THEN ( Grzć is wcle) 49 5 ROZMYWNIE (fuzzyfikcj) Przejście od pomirów (konkretn wrtość ) do funkcji przynleżności przez określenie stopni przyn- leżności zmiennych lingwistycznych do kżdego ze ziorów rozmytych. Tempertur: T 5 C Cen_ogrz: p 48zł/MBTU (3) R : IF ( Tempertur is chłodno ND Cen _ ogrz is tnio) THEN ( Grzć is ).5 5 C μ chłodno (T).5 T.3 μ tnio (p).3 48zł/MBtu Stopień spełnieni reguły dl wszystkich przesłnek: μ ( ) min{ μ ( T), μ ( p)} cłe chłodno tnio p μ chłodno (T) μ tnio (p) min{.5,.3} C T.3 48zł/MBtu p 5 poziom zpłonu reguły 5 WNIOSKOWNIE Olicznie stopni prwdziwości wniosku: Wnioskownie MIN: μ wniosku min{ μ, μ } μ (h) cłe GREGCJ μ wniosku Jeżeli więcej niż jedn reguł m niezerowy poziom zpłonu, wyniki (ziory rozmyte) sumuje się. THEN Grzć is sło THEN Grzćis THENGrzć is mocno μ cłe.3 μ wniosku (h) h sło mocno h

10 WYOSTRZNIE (defuzzyfikcj) Jeżeli n wyjściu wymgn jest wrtość liczow,, stosuje się jedną z metod wyostrzni: Metod pierwszego mksimum: Metod środk mksimum: Metod środk ciężkości (COG): 55 Tu: μ wniosku sło COG mocno 57 h i i h μ c i i i μ i powierzchni zioru i μ i stopień przynleżności do zioru i c i środek ciężkości zioru i. i i 56 STEROWNIKI ROZMYTE TKGI-SUGENO Bz reguł sterownik m chrkter rozmyty tylko w częś ęści IF. W częś ęści THEN występuj pują zleżno ności funkcyjne. Reguły Mmdniego: : wynikiem jest ziór r rozmyty B: IF ND n n THEN y B Reguły Tkgi-Sugeno Sugeno: : wynikiem jest funkcj f ( i ): IF ND n n THEN y f (,,.. n ) Zwykle sąs to funkcje liniowe : f ( i ) y + + n n 59 R () : IF prędkość is nisk THEN hmownie prędkość R () : IF prędkość is średni THEN hmownie 4 prędkość R (3) : IF prędkość is wysok THEN hmownie 8 prędkość μ.8.3. R () : w.3; r R () : w.8; r 4 R (3) : w 3.; r 3 8 nisk średni wysok Prędkość w ri Hmownie 7. w i i 6

STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI

STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI INTELIGENTNE TECHNIKI KOMPUTEROWE wkłd STNDRDOWE FUNKCJE PRZYNLEŻNOŚCI GUSSOWSK F. PRZYNLEŻNOŚCI ' μ ( ; ', ) ep μ().5 ' środek; określ szerokość krzwej.5 3 F. PRZYNLEŻNOŚCI KLSY s dl - dl c- sc ( ;,,

Bardziej szczegółowo

ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE

ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE METODY HEURYSTYCZNE wkłd 5 ZBIORY ROZMYTE I WNIOSKOWNIE PRZYBLIŻONE 965 Lotfi. Zdeh: Fuzz sets Metod reprezentcji wiedz wrżonej w jęzku j nturlnm: Tempertur wnosi 9 o C informcj liczow - nturln dl sstemów

Bardziej szczegółowo

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

STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI. METODY HEURYSTYCZNE wykład 6. (alternatywa dla s) (zdef. poprzez klasę s) GAUSSOWSKA F. METODY HEURYSTYCZNE wykład 6 STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI 2 GAUSSOWSKA F. PRZYNALEŻNOŚCI F. PRZYNALEŻNOŚCI KLASY s środek; a określa szerokość krzywej 3 4 F. PRZYNALEŻNOŚCI KLASY π F. PRZYNALEŻNOŚCI

Bardziej szczegółowo

METODY INTELIGENCJI OBLICZENIOWEJ wykład 6

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

Bardziej szczegółowo

ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE

ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE SYSTEMY ROZMYTE ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE 2 965 Lotfi A. Zadeh: Fuzzy sets Metoda reprezentacji wiedzy wyrażonej w języku naturalnym: Temperatura wynosi 29 o C informacja liczbowa - naturalna

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 9. ZBIORY ROZMYTE Częstochow 204 Dr hb. inż. Grzegorz Dudek Wydził Elektryczny Politechnik Częstochowsk ZBIORY ROZMYTE Klsyczne pojęcie zbioru związne jest z logiką dwuwrtościową

Bardziej szczegółowo

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA Mteriły do wykłdu MATEMATYKA DYSKRETNA dl studiów zocznych cz. Progrm wykłdu: KOMBINATORYKA:. Notcj i podstwowe pojęci. Zlicznie funkcji. Permutcje. Podziory zioru. Podziory k-elementowe. Ziory z powtórzenimi

Bardziej szczegółowo

Zbiory rozmyte. Teoria i zastosowania we wnioskowaniu aproksymacyjnym

Zbiory rozmyte. Teoria i zastosowania we wnioskowaniu aproksymacyjnym Zior rozmte Teori i zstosowni we wniosowniu prosmcjnm PODSTWOWE POJĘCI Motwcje Potrze opisni zjwis i pojęć wielozncznch i niepreczjnch użwnch swoodnie w jęzu nturlnm np. wso tempertur młod człowie średni

Bardziej szczegółowo

Zbiory rozmyte. logika rozmyta

Zbiory rozmyte. logika rozmyta Ziory rozmyte logik rozmyt Rozwiąznie Fuzzy Set Theory L. Zdeh (965) Logik rozmyt i reguły rozmyte Informj którą przetwrzją ludzie zęsto (zwsze) jest niepreyzyjn, mimo to potrfimy poprwnie wnioskowć! Np.

Bardziej szczegółowo

Zbiory wyznaczone przez funkcje zdaniowe

Zbiory wyznaczone przez funkcje zdaniowe pojęci zbioru i elementu RCHUNEK ZIORÓW zbiór zwier element element nleży do zbioru jest elementem zbioru ( X zbiór wszystkich przedmiotów indywidulnych, których dotyczy dn nuk zbiór pełny (uniwerslny

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

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

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 10. WNIOSKOWANIE W LOGICE ROZMYTEJ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska WNIOSKOWANIE W LOGICE DWUWARTOŚCIOWEJ W logice

Bardziej szczegółowo

ELEKTRONIKA CYFROWA. Materiały y pomocnicze do wykład sem.. 1

ELEKTRONIKA CYFROWA. Materiały y pomocnicze do wykład sem.. 1 ELEKTRONIKA CYFROWA Mteriły y pomocnicze do wykłd dów Dl AiZ zoczne inŝynierskie, sem Wykorzystne mteriły Łub T Ukłdy logiczne, PW 26 Wenck A NOTATKI Z TECHNIKI CYFROWEJ PW 26 wwwelektronikorgpl Wprowdzenie

Bardziej szczegółowo

PODSTAWY BAZ DANYCH Wykład 2 2. Pojęcie Relacyjnej Bazy Danych

PODSTAWY BAZ DANYCH Wykład 2 2. Pojęcie Relacyjnej Bazy Danych PODSTAWY BAZ DANYCH Wykłd 2 2. Pojęcie Relcyjnej Bzy Dnych 2005/2006 Wykłd "Podstwy bz dnych" 1 Pojęcie krotki - definicj Definicj. Niech dny będzie skończony zbiór U := { A 1, A 2,..., A n }, którego

Bardziej szczegółowo

usuwa niewymierność z mianownika wyrażenia typu

usuwa niewymierność z mianownika wyrażenia typu Wymgni edukcyjne n poszczególne oceny z mtemtyki Kls pierwsz zkres podstwowy. LICZBY RZECZYWISTE podje przykłdy liczb: nturlnych, cłkowitych, wymiernych, niewymiernych, pierwszych i złożonych orz przyporządkowuje

Bardziej szczegółowo

Podstawy układów logicznych

Podstawy układów logicznych Podstwy ukłdów logicznych Prw logiki /9 Alger Boole Prw logiki WyrŜeni i funkcje logiczne Brmki logiczne Alger Boole /9 Alger Boole' Powszechnie stosowne ukłdy cyfrowe (logiczne) prcują w oprciu o tzw.

Bardziej szczegółowo

PODSTAWY BAZ DANYCH Wykład 3 2. Pojęcie Relacyjnej Bazy Danych

PODSTAWY BAZ DANYCH Wykład 3 2. Pojęcie Relacyjnej Bazy Danych PODSTAWY BAZ DANYCH Wykłd 3 2. Pojęcie Relcyjnej Bzy Dnych 2005/2006 Wykłd "Podstwy z dnych" 1 Rozkłdlno dlność schemtów w relcyjnych Przykłd. Relcj EGZ(U), U := { I, N, P, O }, gdzie I 10 10 11 N f f

Bardziej szczegółowo

ELEMENTY SZTUCZNEJ INTELIGENCJI. Wstęp do logiki rozmytej

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

Bardziej szczegółowo

Algebra Boola i podstawy systemów liczbowych. Ćwiczenia z Teorii Układów Logicznych, dr inż. Ernest Jamro. 1. System dwójkowy reprezentacja binarna

Algebra Boola i podstawy systemów liczbowych. Ćwiczenia z Teorii Układów Logicznych, dr inż. Ernest Jamro. 1. System dwójkowy reprezentacja binarna lger Bool i podstwy systemów liczowych. Ćwiczeni z Teorii Ukłdów Logicznych, dr inż. Ernest Jmro. System dwójkowy reprezentcj inrn Ukłdy logiczne operują tylko n dwóch stnch ozncznymi jko zero (stn npięci

Bardziej szczegółowo

Sumy algebraiczne i funkcje wymierne

Sumy algebraiczne i funkcje wymierne Sumy lgebriczne i funkcje wymierne Moduł - dził -temt Zkres treści Sumy lgebriczne 1 definicj jednominu, sumy lgebricznej, wyrzów podobnych pojęcie współczynnik jednominu Dodwnie i odejmownie sum lgebricznych

Bardziej szczegółowo

Technologie i systemy oparte na logice rozmytej

Technologie 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 szczegółowo

WYKŁAD 10 Rozmyta reprezentacja danych (modelowanie i wnioskowanie rozmyte)

WYKŁAD 10 Rozmyta reprezentacja danych (modelowanie i wnioskowanie rozmyte) WYKŁAD 10 Rozmyta reprezentacja danych (modelowanie i wnioskowanie rozmyte) Motywacje:! przezwyciężenie wad tradycyjnych algorytmów komputerowych, które zawodzą zwłaszcza w sytuacjach, w których człowiek

Bardziej szczegółowo

Wnioskowanie rozmyte. Krzysztof Patan

Wnioskowanie rozmyte. Krzysztof Patan Wnioskowanie rozmyte Krzysztof Patan Wprowadzenie Informacja precyzyjna jest to jedyna postać informacji akceptowanej przez konwencjonalne metody matematyczne, najczęściej dostarczana jest przez precyzyjne

Bardziej szczegółowo

Inżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska

Inżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska Inżynieria Wiedzy i Systemy Ekspertowe Logika rozmyta dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Wyostrzanie Ostateczna, ostra wartość

Bardziej szczegółowo

Kodowanie liczb. Kodowanie stałopozycyjne liczb całkowitych. Niech liczba całkowita a ma w systemie dwójkowym postać: Kod prosty

Kodowanie liczb. Kodowanie stałopozycyjne liczb całkowitych. Niech liczba całkowita a ma w systemie dwójkowym postać: Kod prosty Kodownie licz Kodownie stłopozycyjne licz cłkowitych Niech licz cłkowit m w systemie dwójkowym postć: nn 0 Wtedy może yć on przedstwion w postci ( n+)-itowej przy pomocy trzech niżej zdefiniownych kodów

Bardziej szczegółowo

FUNKCJA KWADRATOWA. Moduł - dział -temat Lp. Zakres treści. z.p. z.r Funkcja kwadratowa - powtórzenie PLANIMETRIA 1

FUNKCJA KWADRATOWA. Moduł - dział -temat Lp. Zakres treści. z.p. z.r Funkcja kwadratowa - powtórzenie PLANIMETRIA 1 FUNKCJA KWADRATOWA Moduł - dził -temt Funkcj kwdrtow - powtórzenie Lp Lp z.p. z.r. 1 1 Równni kwdrtowe 2 Postć iloczynow funkcji kwdrtowej 3 Równni sprowdzlne do równń kwdrtowych Nierówności kwdrtowe 5

Bardziej szczegółowo

Inżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska

Inżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska Inżynieria Wiedzy i Systemy Ekspertowe Niepewność wiedzy dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Logika Rozmyta (Fuzzy Logic) Mimo

Bardziej szczegółowo

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

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

Bardziej szczegółowo

WEKTORY skalary wektory W ogólnym przypadku, aby określić wektor, należy znać:

WEKTORY skalary wektory W ogólnym przypadku, aby określić wektor, należy znać: WEKTORY Wśród wielkości fizycznych występujących w fizyce możn wyróżnić sklry i wektory. Aby określić wielkość sklrną, wystrczy podć tylko jedną liczbę. Wielkościmi tkimi są ms, czs, tempertur, objętość

Bardziej szczegółowo

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

Zasada rozszerzania. A U A jest zbiorem rozmytym, B jest obrazem zbioru A Przeniesienie rozmytości A w odwzorowaniu f na zbiór B. sup. Zasada rozszerzania f U V U jest zbiorem rozmytym V = f( ), jest obrazem zbioru Przeniesienie rozmytości w odwzorowaniu f na zbiór v) = ( v)? ( f ( ) = sup ( u) gdy ( v) 0 1 = 1 u f ( v) f( ) ( v) 1 0

Bardziej szczegółowo

Podstawy programowania obiektowego

Podstawy programowania obiektowego 1/3 Podstwy progrmowni oiektowego emil: m.tedzki@p.edu.pl stron: http://rgorn.p.ilystok.pl/~tedzki/ Mrek Tędzki Wymgni wstępne: Wskzn yły znjomość podstw progrmowni strukturlnego (w dowolnym języku). Temty

Bardziej szczegółowo

Jeśli X jest przestrzenią o nieskończonej liczbie elementów:

Jeśli X jest przestrzenią o nieskończonej liczbie elementów: Logika rozmyta 2 Zbiór rozmyty może być formalnie zapisany na dwa sposoby w zależności od tego z jakim typem przestrzeni elementów mamy do czynienia: Jeśli X jest przestrzenią o skończonej liczbie elementów

Bardziej szczegółowo

Bardzo krótki wstęp do elektroniki cyfrowej

Bardzo krótki wstęp do elektroniki cyfrowej Brdzo krótki wstęp do elektroniki cyfrowej Słwomir Mmic http://min5.mu.edu.pl/~zfp/sm/home.html Pln ) Ukłdy logiczne b) Algebr Boole i jej relizcj sprzętow c) Brmki są dwie? d) Prosty przykłd sumtor e)

Bardziej szczegółowo

Wymagania na ocenę dopuszczającą z matematyki klasa II Matematyka - Babiański, Chańko-Nowa Era nr prog. DKOS 4015-99/02

Wymagania na ocenę dopuszczającą z matematyki klasa II Matematyka - Babiański, Chańko-Nowa Era nr prog. DKOS 4015-99/02 Wymgni n ocenę dopuszczjącą z mtemtyki kls II Mtemtyk - Bbiński, Chńko-Now Er nr prog. DKOS 4015-99/02 Temt lekcji Zkres treści Osiągnięci uczni WIELOMIANY 1. Stopień i współczynniki wielominu 2. Dodwnie

Bardziej szczegółowo

WEKTORY skalary wektory W ogólnym przypadku, aby określić wektor, należy znać:

WEKTORY skalary wektory W ogólnym przypadku, aby określić wektor, należy znać: WEKTORY Wśród wielkości fizycznych występujących w fizyce możn wyróżnić sklry i wektory. Aby określić wielkość sklrną, wystrczy podć tylko jedną liczbę. Wielkościmi tkimi są ms, czs, tempertur, objętość

Bardziej szczegółowo

Klasa druga: II TK1, II TK2 Poziom podstawowy 3 godz. x 30 tyg.= 90 nr programu DKOS /07 I. Funkcja kwadratowa

Klasa druga: II TK1, II TK2 Poziom podstawowy 3 godz. x 30 tyg.= 90 nr programu DKOS /07 I. Funkcja kwadratowa Kls drug: II TK1, II TK2 Poziom podstwowy 3 godz. 30 tyg.= 0 nr progrmu DKOS-5002-7/07 I. Funkcj kwdrtow Moduł - dził - L.p. temt Wykres 1 f()= 2 2 Zkres treści Pojęcie Rysownie wykresów Związek współczynnik

Bardziej szczegółowo

Sumy algebraiczne i funkcje wymierne

Sumy algebraiczne i funkcje wymierne Sumy lgebriczne i funkcje wymierne Moduł - dził -temt Zkres treści Sumy lgebriczne 1 definicj jednominu, sumy lgebricznej, wyrzów podobnych pojęcie współczynnik jednominu Dodwnie i odejmownie sum lgebricznych

Bardziej szczegółowo

Piotr Sobolewski Krzysztof Skorupski

Piotr 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 szczegółowo

Wymagania edukacyjne matematyka klasa 2 zakres podstawowy 1. SUMY ALGEBRAICZNE

Wymagania edukacyjne matematyka klasa 2 zakres podstawowy 1. SUMY ALGEBRAICZNE Wymgni edukcyjne mtemtyk kls 2 zkres podstwowy 1. SUMY ALGEBRAICZNE Uczeń otrzymuje ocenę dopuszczjącą lub dostteczną, jeśli: rozpoznje jednominy i sumy lgebriczne oblicz wrtości liczbowe wyrżeń lgebricznych

Bardziej szczegółowo

Temat lekcji Zakres treści Osiągnięcia ucznia

Temat lekcji Zakres treści Osiągnięcia ucznia ln wynikowy kls 2c i 2e - Jolnt jąk Mtemtyk 2. dl liceum ogólnoksztłcącego, liceum profilownego i technikum. sztłcenie ogólne w zkresie podstwowym rok szkolny 2015/2016 Wymgni edukcyjne określjące oceny:

Bardziej szczegółowo

Wymagania kl. 2. Uczeń:

Wymagania kl. 2. Uczeń: Wymgni kl. 2 Zkres podstwowy Temt lekcji Zkres treści Osiągnięci uczni. SUMY ALGEBRAICZNE. Sumy lgebriczne definicj jednominu pojęcie współczynnik jednominu porządkuje jednominy pojęcie sumy lgebricznej

Bardziej szczegółowo

Oznaczenia: K wymagania konieczne; P wymagania podstawowe; R wymagania rozszerzające; D wymagania dopełniające; W wymagania wykraczające

Oznaczenia: K wymagania konieczne; P wymagania podstawowe; R wymagania rozszerzające; D wymagania dopełniające; W wymagania wykraczające Wymgni edukcyjne z mtemtyki ls 2 b lo Zkres podstwowy Oznczeni: wymgni konieczne; wymgni podstwowe; R wymgni rozszerzjące; D wymgni dopełnijące; W wymgni wykrczjące Temt lekcji Zkres treści Osiągnięci

Bardziej szczegółowo

Inteligencja obliczeniowa

Inteligencja obliczeniowa Ćwiczenie nr 1 Zbiory rozmyte logika rozmyta Tworzenie: termów zmiennej lingwistycznej o różnych kształtach, modyfikatorów, zmiennych o wielu termach; operacje przecięcia, połączenia i dopełnienia 1. Wprowadzenie

Bardziej szczegółowo

Pierwiastek z liczby zespolonej

Pierwiastek z liczby zespolonej Pierwistek z liczby zespolonej Twierdzenie: Istnieje dokłdnie n różnych pierwistków n-tego stopni z kżdej liczby zespolonej różnej od zer, tzn. rozwiązń równni w n z i wszystkie te pierwistki dją się zpisć

Bardziej szczegółowo

Podstawy sztucznej inteligencji

Podstawy sztucznej inteligencji wykład 4 (Fuzzy logic) 23 listopad 2011 Plan wykładu 1 Systemy wnioskowania z danymi niepewnymi 2 3 Inteligentne systemy z wiedzą Systemy z wiedzą składają się z dwóch części: 1 Baza wiedzy (KB): zbioru

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa

Analiza matematyczna i algebra liniowa Anliz mtemtyczn i lgebr liniow Mteriły pomocnicze dl studentów do wykłdów Mcierze liczbowe i wyznczniki. Ukłdy równń liniowych. Mcierze. Wyznczniki. Mcierz odwrotn. Równni mcierzowe. Rząd mcierzy. Ukłdy

Bardziej szczegółowo

Zadania. I. Podzielność liczb całkowitych

Zadania. I. Podzielność liczb całkowitych Zdni I. Podzielność liczb cłkowitych. Pewn liczb sześciocyfrow kończy się cyfrą 5. Jeśli tę cyfrę przestwimy n miejsce pierwsze ze strony lewej to otrzymmy nową liczbę cztery rzy większą od poprzedniej.

Bardziej szczegółowo

Wykład 2. Granice, ciągłość, pochodna funkcji i jej interpretacja geometryczna

Wykład 2. Granice, ciągłość, pochodna funkcji i jej interpretacja geometryczna 1 Wykłd Grnice, ciągłość, pocodn unkcji i jej interpretcj geometryczn.1 Grnic unkcji. Grnic lewostronn i grnic prwostronn unkcji Deinicj.1 Mówimy, że liczb g jest grnicą lewostronną unkcji w punkcie =,

Bardziej szczegółowo

WYKŁAD 5. Typy macierzy, działania na macierzach, macierz układu równań. Podstawowe wiadomości o macierzach

WYKŁAD 5. Typy macierzy, działania na macierzach, macierz układu równań. Podstawowe wiadomości o macierzach Mtemtyk I WYKŁD. ypy mcierzy, dziłni n mcierzch, mcierz ukłdu równń. Podstwowe widomości o mcierzch Ogóln postć ukłdu m równń liniowych lgebricznych z n niewidomymi x x n xn b x x n xn b, niewidome: x,

Bardziej szczegółowo

Wyznacznikiem macierzy kwadratowej A stopnia n nazywamy liczbę det A określoną następująco:

Wyznacznikiem macierzy kwadratowej A stopnia n nazywamy liczbę det A określoną następująco: Def.8. Wyzncznikiem mcierzy kwdrtowej stopni n nzywmy liczbę det określoną nstępująco:.det.det dl n n det det n det n, gdzie i j ozncz mcierz, którą otrzymujemy z mcierzy przez skreślenie i- tego wiersz

Bardziej szczegółowo

Sztuczna inteligencja : Zbiory rozmyte cz. III

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

Bardziej szczegółowo

PRÓBNA MATURA Z MATEMATYKI Z OPERONEM LISTOPAD ,0. 3x 6 6 3x 6 6,

PRÓBNA MATURA Z MATEMATYKI Z OPERONEM LISTOPAD ,0. 3x 6 6 3x 6 6, Zdnie PRÓBNA MATURA Z MATEMATYKI Z OPERONEM LISTOPAD 04 Zbiorem wszystkich rozwiązń nierówności x 6 6 jest: A, 4 0, B 4,0 C,0 4, D 0,4 Odpowiedź: C Rozwiąznie Sposób I Nierówność A 6 jest równowżn lterntywie

Bardziej szczegółowo

Układy logiki rozmytej. Co to jest?

Układy logiki rozmytej. Co to jest? PUAV Wykład 14 Co to jest? Co to jest? Logika rozmyta (fuzzy logic) jest to dział matematyki precyzyjnie formalizujący nieprecyzyjne, nieformalne ludzkie rozumowanie. Co to jest? Logika rozmyta (fuzzy

Bardziej szczegółowo

Wymagania edukacyjne matematyka klasa 2b, 2c, 2e zakres podstawowy rok szkolny 2015/2016. 1.Sumy algebraiczne

Wymagania edukacyjne matematyka klasa 2b, 2c, 2e zakres podstawowy rok szkolny 2015/2016. 1.Sumy algebraiczne Wymgni edukcyjne mtemtyk kls 2b, 2c, 2e zkres podstwowy rok szkolny 2015/2016 1.Sumy lgebriczne N ocenę dopuszczjącą: 1. rozpoznje jednominy i sumy lgebriczne 2. oblicz wrtości liczbowe wyrżeń lgebricznych

Bardziej szczegółowo

Maciej Grzesiak. Iloczyn skalarny. 1. Iloczyn skalarny wektorów na płaszczyźnie i w przestrzeni. a b = a b cos ϕ. j) (b x. i + b y

Maciej Grzesiak. Iloczyn skalarny. 1. Iloczyn skalarny wektorów na płaszczyźnie i w przestrzeni. a b = a b cos ϕ. j) (b x. i + b y Mciej Grzesik Iloczyn sklrny. Iloczyn sklrny wektorów n płszczyźnie i w przestrzeni Iloczyn sklrny wektorów i b określmy jko b = b cos ϕ. Bezpośrednio z definicji iloczynu sklrnego mmy, że i i = j j =

Bardziej szczegółowo

Macierz. Wyznacznik macierzy. Układ równań liniowych

Macierz. Wyznacznik macierzy. Układ równań liniowych Temt wykłdu: Mcierz. Wyzncznik mcierzy. Ukłd równń liniowych Kody kolorów: żółty nowe pojęcie pomrńczowy uwg kursyw komentrz * mterił ndobowiązkowy Ann Rjfur, Mtemtyk Zgdnieni. Pojęci. Dziłni n mcierzch.

Bardziej szczegółowo

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Temat: Podstawowe pojęcia z logiki rozmytej Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sterowanie

Bardziej szczegółowo

a a a b M. Przybycień Matematyczne Metody Fizyki I

a a a b M. Przybycień Matematyczne Metody Fizyki I Relcje równowr wnowżności i klsy Definicj: Relcją określoną n zbiorze A nzywmy dowolny test porównwczy pomiędzy uporządkownymi prmi elementów elementów zbioru A. Jeśli pr (, b) œ A ä A spełni ten test,

Bardziej szczegółowo

Rozmyte systemy doradcze

Rozmyte systemy doradcze Systemy ekspertowe Rozmyte systemy doradcze Plan. Co to jest myślenie rozmyte? 2. Teoria zbiorów rozmytych. 3. Zmienne lingwistyczne. 4. Reguły rozmyte. 5. Wnioskowanie rozmyte (systemy doradcze). typu

Bardziej szczegółowo

Materiały pomocnicze do ćwiczeń z przedmiotu: Ogrzewnictwo, wentylacja i klimatyzacja II. Klimatyzacja

Materiały pomocnicze do ćwiczeń z przedmiotu: Ogrzewnictwo, wentylacja i klimatyzacja II. Klimatyzacja Mteriły pomocnicze do ćwiczeń z przedmiotu: Orzewnictwo, wentylcj i klimtyzcj II. Klimtyzcj Rozdził 1 Podstwowe włsności powietrz jko nośnik ciepł mr inż. Anieszk Sdłowsk-Słę Mteriły pomocnicze do klimtyzcji.

Bardziej szczegółowo

G i m n a z j a l i s t ó w

G i m n a z j a l i s t ó w Ko³o Mtemtyzne G i m n z j l i s t ó w 1. Lizy,, spełniją wrunki: (1) ++ = 0, 1 () + + 1 + + 1 + = 1 4. Olizyć wrtość wyrżeni w = + + Rozwiąznie Stowrzyszenie n rzez Edukji Mtemtyznej Zestw 7 szkie rozwizń

Bardziej szczegółowo

Programy współbieżne

Programy współbieżne Specyfikownie i weryfikownie Progrmy współieżne Mrek A. Bednrczyk, www.ipipn.gd.pl Litertur wiele prc dostępnych w Sieci np.: http://www.wikipedi.org/ Specyfikownie i weryfikcj progrmy współieżne PJP Prosty

Bardziej szczegółowo

1 klasyfikacja trójkątów twierdzenie o sumie miar kątów w trójkącie

1 klasyfikacja trójkątów twierdzenie o sumie miar kątów w trójkącie Funkcj kwdrtow - powtórzenie z klsy pierwszej (5godzin) PLANIMETRIA Moduł - dził - temt Miry kątów w trójkącie Lp Zkres treści 1 klsyfikcj trójkątów twierdzenie o sumie mir kątów w trójkącie Trójkąty przystjące

Bardziej szczegółowo

Legenda. Optymalizacja wielopoziomowa Inne typy bramek logicznych System funkcjonalnie pełny

Legenda. Optymalizacja wielopoziomowa Inne typy bramek logicznych System funkcjonalnie pełny Dr Glin Criow Legend Optymlizcj wielopoziomow Inne typy brmek logicznych System funkcjonlnie pełny Optymlizcj ukłdów wielopoziomowych Ukłdy wielopoziomowe ukłdy zwierjące więcej niż dw poziomy logiczne.

Bardziej szczegółowo

2. FUNKCJE WYMIERNE Poziom (K) lub (P)

2. FUNKCJE WYMIERNE Poziom (K) lub (P) Kls drug poziom podstwowy 1. SUMY ALGEBRAICZNE Uczeń otrzymuje ocenę dopuszczjącą lub dostteczną, jeśli: rozpoznje jednominy i sumy lgebriczne oblicz wrtości liczbowe wyrżeń lgebricznych redukuje wyrzy

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE IIc ZAKRES PODSTAWOWY I ROZSZERZONY

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE IIc ZAKRES PODSTAWOWY I ROZSZERZONY WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE IIc ZAKRES PODSTAWOWY I ROZSZERZONY. JĘZYK MATEMATYKI oblicz wrtość bezwzględną liczby rzeczywistej stosuje interpretcję geometryczną wrtości bezwzględnej liczby

Bardziej szczegółowo

4. RACHUNEK WEKTOROWY

4. RACHUNEK WEKTOROWY 4. RACHUNEK WEKTOROWY 4.1. Wektor zczepiony i wektor swoodny Uporządkowną prę punktów (A B) wyznczjącą skierowny odcinek o początku w punkcie A i końcu w punkcie B nzywmy wektorem zczepionym w punkcie

Bardziej szczegółowo

WYMAGANIA I KRYTERIA OCENIANIA Z MATEMATYKI W 3 LETNIM LICEUM OGÓLNOKSZTAŁCĄCYM

WYMAGANIA I KRYTERIA OCENIANIA Z MATEMATYKI W 3 LETNIM LICEUM OGÓLNOKSZTAŁCĄCYM WYMAGANIA I KRYTERIA OCENIANIA Z MATEMATYKI W 3 LETNIM LICEUM OGÓLNOKSZTAŁCĄCYM Kls drug A, B, C, D, E, G, H zkres podstwowy 1. FUNKCJA LINIOWA rozpoznje funkcję liniową n podstwie wzoru lub wykresu rysuje

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Różniczkowanie i całkowanie numeryczne

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Różniczkowanie i całkowanie numeryczne Modelownie i obliczeni techniczne Metody numeryczne w modelowniu: Różniczkownie i cłkownie numeryczne Pochodn unkcji Pochodn unkcji w punkcie jest deiniown jko grnic ilorzu różnicowego (jeżeli istnieje):

Bardziej szczegółowo

MATeMAtyka 3 inf. Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony. Dorota Ponczek, Karolina Wej

MATeMAtyka 3 inf. Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony. Dorota Ponczek, Karolina Wej Dorot Ponczek, Krolin Wej MATeMAtyk 3 inf Przedmiotowy system ocenini wrz z określeniem wymgń edukcyjnych Zkres podstwowy i rozszerzony Wyróżnione zostły nstępujące wymgni progrmowe: konieczne (K), podstwowe

Bardziej szczegółowo

Grażyna Nowicka, Waldemar Nowicki BADANIE RÓWNOWAG KWASOWO-ZASADOWYCH W ROZTWORACH ELEKTROLITÓW AMFOTERYCZNYCH

Grażyna Nowicka, Waldemar Nowicki BADANIE RÓWNOWAG KWASOWO-ZASADOWYCH W ROZTWORACH ELEKTROLITÓW AMFOTERYCZNYCH Ćwiczenie Grżyn Nowick, Wldemr Nowicki BDNIE RÓWNOWG WSOWO-ZSDOWYC W ROZTWORC ELETROLITÓW MFOTERYCZNYC Zgdnieni: ktywność i współczynnik ktywności skłdnik roztworu. ktywność jonów i ktywność elektrolitu.

Bardziej szczegółowo

Matematyczne Podstawy Informatyki

Matematyczne Podstawy Informatyki Mtemtyczne Podstwy Informtyki dr inż. Andrzej Grosser Instytut Informtyki Teoretycznej i Stosownej Politechnik Częstochowsk Rok kdemicki 2013/2014 Podstwowe pojęci teorii utomtów I Alfetem jest nzywny

Bardziej szczegółowo

PEWNIK DEDEKINDA i jego najprostsze konsekwencje

PEWNIK DEDEKINDA i jego najprostsze konsekwencje PEWNIK DEDEKINDA i jego njprostsze konsekwencje W rozdzile ósmym stwierdziliśmy, że z podnych tm pewników nie wynik istnienie pierwistków z liczb rzeczywistych. Uzupe lnimy terz liste pewników jeszcze

Bardziej szczegółowo

Realizacje zmiennych są niezależne, co sprawia, że ciąg jest ciągiem niezależnych zmiennych losowych,

Realizacje zmiennych są niezależne, co sprawia, że ciąg jest ciągiem niezależnych zmiennych losowych, Klsyczn Metod Njmniejszych Kwdrtów (KMNK) Postć ć modelu jest liniow względem prmetrów (lbo nleży dokonć doprowdzeni postci modelu do liniowości względem prmetrów), Zmienne objśnijące są wielkościmi nielosowymi,

Bardziej szczegółowo

1 Definicja całki oznaczonej

1 Definicja całki oznaczonej Definicj cłki oznczonej Niech dn będzie funkcj y = g(x) ciągł w przedzile [, b]. Przedził [, b] podzielimy n n podprzedziłów punktmi = x < x < x

Bardziej szczegółowo

WYMAGANIA I KRYTERIA OCENIANIA DO EGZAMINU POPRAWKOWEGO MATEMATYKA. Zakresie podstawowym i rozszerzonym. Klasa II rok szkolny 2011/2012

WYMAGANIA I KRYTERIA OCENIANIA DO EGZAMINU POPRAWKOWEGO MATEMATYKA. Zakresie podstawowym i rozszerzonym. Klasa II rok szkolny 2011/2012 mgr Jolnt Chlebd mgr Mri Mślnk mgr Leszek Mślnk mgr inż. Rent itl mgr inż. Henryk Stępniowski Zespół Szkół ondgimnzjlnych Młopolsk Szkoł Gościnności w Myślenicch WYMAGANIA I RYTERIA OCENIANIA DO EGZAMINU

Bardziej szczegółowo

RACHUNEK CAŁKOWY. Funkcja F jest funkcją pierwotną funkcji f na przedziale I R, jeżeli. F (x) = f (x), dla każdego x I.

RACHUNEK CAŁKOWY. Funkcja F jest funkcją pierwotną funkcji f na przedziale I R, jeżeli. F (x) = f (x), dla każdego x I. RACHUNEK CAŁKOWY Funkcj F jest funkcją pierwotną funkcji f n przedzile I R, jeżeli F (x) = f (x), dl kżdego x I. Przykłd. Niech f (x) = 2x dl x (, ). Wtedy funkcje F (x) = x 2 + 5, F (x) = x 2 + 5, F (x)

Bardziej szczegółowo

SID Wykład 7 Zbiory rozmyte

SID Wykład 7 Zbiory rozmyte SID Wykład 7 Zbiory rozmyte Wydział Matematyki, Informatyki i Mechaniki UW slezak@mimuw.edu.pl Wstęp Language Ontological Commitment Epistemological Commitment (What exists in the world) (What an agent

Bardziej szczegółowo

Równania i nierówności kwadratowe z jedną niewiadomą

Równania i nierówności kwadratowe z jedną niewiadomą 50 REPETYTORIUM 31 Równni i nierówności kwdrtowe z jedną niewidomą Równnie wielominowe to równość dwóch wyrżeń lgebricznych Kżd liczb, któr po podstwieniu w miejscu niewidomej w równniu o jednej niewidomej

Bardziej szczegółowo

4.6. Gramatyki regularne

4.6. Gramatyki regularne 4.6. Grmtyki regulrne G = < N,T,P,Z > jest grmtyką prwostronnie liniową, jeśli jej produkcje mją postć: ( i) U xv x T * U,V N ( ii) U x G = < N,T,P,Z > jest grmtyką prwostronnie regulrną, jeśli jej produkcje

Bardziej szczegółowo

Notatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski

Notatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski Nottki z Anlizy Mtemtycznej 4 Jcek M. Jędrzejewski ROZDZIAŁ 7 Cłk Riemnn 1. Cłk nieoznczon Definicj 7.1. Niech f : (, b) R będzie dowolną funkcją. Jeżeli dl pewnej funkcji F : (, b) R spełnion jest równość

Bardziej szczegółowo

6. Zagadnienie parkowania ciężarówki.

6. Zagadnienie parkowania ciężarówki. 6. Zagadnienie parkowania ciężarówki. Sterowniki rozmyte Aby móc sterować przebiegiem pewnych procesów lub też pracą urządzeń niezbędne jest stworzenie odpowiedniego modelu, na podstawie którego można

Bardziej szczegółowo

ZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ

ZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ ZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ Nrsowć wkres funkji: f() = + Nrsowć wkres funkji: f() = + Nrsowć wkres funkji: f() = + + Dl jkih wrtośi A, B zhodzi równość: + +5+6 = A

Bardziej szczegółowo

KONKURS MATEMATYCZNY. Model odpowiedzi i schematy punktowania

KONKURS MATEMATYCZNY. Model odpowiedzi i schematy punktowania KONKURS MATEMATYCZNY dl uczniów gimnzjów orz oddziłów gimnzjlnych województw mzowieckiego w roku szkolnym 2018/2019 Model odpowiedzi i schemty punktowni Z kżde poprwne i pełne rozwiąznie, inne niż przewidzine

Bardziej szczegółowo

PODSTAWY ALGEBRY MACIERZY. Operacje na macierzach

PODSTAWY ALGEBRY MACIERZY. Operacje na macierzach PODSTWY LGEBRY MCIERZY WIERSZ i, KOLUMN (j) Mcierz m,n, gdzie m to ilość wierszy, n ilość kolumn i,j element mcierzy z itego wiersz, jtej kolumny Opercje n mcierzch Równość mcierzy m,n = B m,n. def i,j

Bardziej szczegółowo

Fizyka. Kurs przygotowawczy. na studia inżynierskie. mgr Kamila Haule

Fizyka. Kurs przygotowawczy. na studia inżynierskie. mgr Kamila Haule Fizyk Kurs przygotowwczy n studi inżynierskie mgr Kmil Hule Dzień 3 Lbortorium Pomir dlczego mierzymy? Pomir jest nieodłączną częścią nuki. Stopień znjomości rzeczy często wiąże się ze sposobem ich pomiru.

Bardziej szczegółowo

RBD Relacyjne Bazy Danych

RBD Relacyjne Bazy Danych Wykłd 6 RBD Relcyjne Bzy Dnych Bzy Dnych - A. Dwid 2011 1 Bzy Dnych - A. Dwid 2011 2 Sum ziorów A i B Teori ziorów B A R = ) ( Iloczyn ziorów A i B ( ) B A R = Teori ziorów Różnic ziorów ( A) i B Iloczyn

Bardziej szczegółowo

Algorytmy graficzne. Filtry wektorowe. Filtracja obrazów kolorowych

Algorytmy graficzne. Filtry wektorowe. Filtracja obrazów kolorowych Algorytmy grficzne Filtry wektorowe. Filtrcj orzów kolorowych Filtrcj orzów kolorowych Metody filtrcji orzów kolorowych możn podzielić n dwie podstwowe klsy: Metody komponentowe (component-wise). Cechą

Bardziej szczegółowo

Macierz. Wyznacznik macierzy. Układ równań liniowych

Macierz. Wyznacznik macierzy. Układ równań liniowych Temt wykłdu: Mcierz. Wyzncznik mcierzy. Ukłd równń liniowych Kody kolorów: Ŝółty nowe pojęcie pomrńczowy uwg kursyw komentrz * mterił ndobowiązkowy Ann Rjfur, Mtemtyk n kierunku Biologi w SGGW Zgdnieni.

Bardziej szczegółowo

Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych (zakres podstawowy)

Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych (zakres podstawowy) Propozycj przedmiotowego systemu ocenini wrz z określeniem wymgń edukcyjnych (zkres podstwowy) Proponujemy, by omwijąc dne zgdnienie progrmowe lub rozwiązując zdnie, nuczyciel określł do jkiego zkresu

Bardziej szczegółowo

2. Tensometria mechaniczna

2. Tensometria mechaniczna . Tensometri mechniczn Wstęp Tensometr jk wskzywłby jego nzw to urządzenie służące do pomiru nprężeń. Jk jednk widomo, nprężeni nie są wielkościmi mierzlnymi i stnowią jedynie brdzo wygodne pojęcie mechniki

Bardziej szczegółowo

Pierwiastek z liczby zespolonej

Pierwiastek z liczby zespolonej Pierwistek z liczby zespolonej Twierdzenie: Istnieje dokłdnie n różnych pierwistków n-tego stopni z kżdej liczby zespolonej różnej od zer, tzn. rozwiązń równni w n z i wszystkie te pierwistki dją się zpisć

Bardziej szczegółowo

Metoda sił jest sposobem rozwiązywania układów statycznie niewyznaczalnych, czyli układów o nadliczbowych więzach (zewnętrznych i wewnętrznych).

Metoda sił jest sposobem rozwiązywania układów statycznie niewyznaczalnych, czyli układów o nadliczbowych więzach (zewnętrznych i wewnętrznych). Metod sił jest sposoem rozwiązywni ukłdów sttycznie niewyznczlnych, czyli ukłdów o ndliczowych więzch (zewnętrznych i wewnętrznych). Sprowdz się on do rozwiązni ukłdu sttycznie wyznczlnego (ukłd potwowy

Bardziej szczegółowo

Wektor kolumnowy m wymiarowy macierz prostokątna o wymiarze n=1 Wektor wierszowy n wymiarowy macierz prostokątna o wymiarze m=1

Wektor kolumnowy m wymiarowy macierz prostokątna o wymiarze n=1 Wektor wierszowy n wymiarowy macierz prostokątna o wymiarze m=1 Rchunek mcierzowy Mcierzą A nzywmy funkcję 2-zmiennych, któr prze liczb nturlnych (i,j) gdzie i = 1,2,3,4.,m; j = 1,2,3,4,n przyporządkowuje dokłdnie jeden element ij. 11 21 A = m1 12 22 m2 1n 2n mn Wymirem

Bardziej szczegółowo

WYKORZYSTANIE TEORII ZBIORÓW ROZMYTYCH DO PODEJMOWANIA DECYZJI

WYKORZYSTANIE TEORII ZBIORÓW ROZMYTYCH DO PODEJMOWANIA DECYZJI ZESZYTY NUKOWE POLITECHNIKI ŚLĄSKIEJ 994 Seri: GÓRNICTWO z. 9 Nr kol. 34 Stnisłw KOWLIK Ktedr Orgnizcji i Ekonomiki Górnictw Politechniki Śląskiej WYKORZYSTNIE TEORII ZIORÓW ROZMYTYCH DO PODEJMOWNI DECYZJI

Bardziej szczegółowo

WNIOSKOWANIE ROZMYTE FUZZY INFERENCE

WNIOSKOWANIE 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 szczegółowo

Badanie regularności w słowach

Badanie regularności w słowach Przypdek sekwencyjny Mrcin Piątkowski Wydził Mtemtyki i Informtyki Uniwersytet Mikołj Kopernik Edsger Wybe Dijkstr (1930 2002) Computer science is no more bout computers thn stronomy is bout telescopes,

Bardziej szczegółowo

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

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 6 SYSTEMY ROZMYTE TYPU MAMDANIEGO

Bardziej szczegółowo

Materiały do wykładu Logiczne podstawy kognitywistyki

Materiały do wykładu Logiczne podstawy kognitywistyki Andrzej Pietruszczk Mteriły do wykłdu Logiczne podstwy kognitywistyki Część 6 1. Logik, czyli bstrhownie od rozwżnych pojęć Poprzednią część wykłdu zkończyliśmy dedukcją, w której z dwóch przesłnek wyprowdziliśmy

Bardziej szczegółowo

Laura Opalska. Klasa 1. Gimnazjum nr 1 z Oddziałami Integracyjnym i Sportowymi im. Bł. Salomei w Skale

Laura Opalska. Klasa 1. Gimnazjum nr 1 z Oddziałami Integracyjnym i Sportowymi im. Bł. Salomei w Skale Trójkąt Pscl od kuchni Kls 1 Gimnzjum nr 1 z Oddziłmi Integrcyjnym i Sportowymi im. Bł. Slomei w Skle ul. Ks.St.Połetk 32 32-043 Skł Gimnzjum nr 1 z Oddziłmi Integrcyjnymi i Sportowymi im. Bł. Slomei w

Bardziej szczegółowo