STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI. METODY HEURYSTYCZNE wykład 6. (alternatywa dla s) (zdef. poprzez klasę s) GAUSSOWSKA F.
|
|
- Dariusz Krupa
- 6 lat temu
- Przeglądów:
Transkrypt
1 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 KLASY γ (zdef. poprzez klasę s) (alternatywa dla s) F. PRZYNALEŻNOŚCI KLASY L 5 6
2 F. PRZYNALEŻNOŚCI KLASY t F. PRZYNALEŻNOŚCI KLASY singleton (alternatywa dla π) 7 Singleton charakteryzuje jednoelementowy zbiór rozmyty. Funkcja ta jest wykorzystywana głównie do operacji rozmywania w systemach wnioskujących. 8 prędkość samochodu: X: [, ma ] Mała prędkość samochodu (A) typ L Średnia prędkość samochodu (B) typ t Duża prędkość samochodu (C) typ γ µ() α Jądro α - przekrój Baza µ A () µ B () µ C () Nośnik(baza) zbioru rozmytego A: zbiór elementów ZR, dla których µ () >.5 Jądro zbioru rozmytego A: zb. elementów ZR, dla których µ()= = µ A () =.25, µ B ()=.75, µ C ()= ma 9 α-przekrój zbioru rozmytego A: zbiór nierozmyty taki, że: Wysokość zbioru rozmytego A: X={,..., } Zbiór normalny: α-przekroje: A = X = {,..., }, Normalizacja zbioru: A. = {2, 4, 5, 8, }, A.3 = {4, 5, 8, }, - przed normalizacją: A.6 = {5, 8}, A.7 = {5}. - po normalizacji: 2 2
3 Inkluzja (zawieranie sie ZR A w ZR B): µ () µ B () µ A () ZR wypukły: ZR niewypukły: µ () µ () OPERACJE NA ZBIORACH ROZMYTYCH Równość dwu ZR A i B: 3 4 PRZECIĘCIE W literaturze istnieje wiele definicji przecięcia (iloczynu) zbiorów rozmytych pod wspólną nazwą T-norm. SUMA Definicje sumy zbiorów rozmytych mają nazwę S-norm. µ () µ A () µ B () µ A () µ B () Najczęściej stosowana definicja przecięcia zbiorów A i B: µ () µ A () µ B () µ A () µ B () DOPEŁNIENIE zbioru rozmytego: µ () µ A () µ Â () lub (iloczyn algebraiczny): µ () µ A () µ B () µ A () µ B () Dla ZR nie są spełnione prawa dopełnienia: 5 6 Przykład: Przykład: Przecięcie: Suma: Przecięcie: Suma: 7 8 3
4 Liczby rozmyte to ZR zdefiniowane na osi liczb rzeczywistych. Wymagania: zbiór normalny: h(a)=; LICZBY ROZMYTE np.: zbiór wypukły; funkcja przynależności przedziałami ciągła. µ () dodatnie µ () ujemne; 9 ani dodatnie ani ujemne. 2 ZASADA ROZSZERZANIA: ZASADA ROZSZERZANIA: Zasada rozszerzania pozwala przenieść (rozszerzyć) różne operacje matematyczne ze zbiorów nierozmytych na zbiory rozmyte (w tym również na liczby rozmyte). Zasada rozszerzania pozwala przenieść (rozszerzyć) różne operacje matematyczne ze zbiorów nierozmytych na zbiory rozmyte (w tym również na liczby rozmyte). dodawanie odejmowanie A A 2 = B A A 2 = B Nie zawsze wynikiem operacji arytmetycznych na liczbach rozmytych jest liczba rozmyta... Twierdzenie (Dubois, Prade): mnożenie dzielenie A A 2 = B A A 2 = B 2 Jeżeli liczby rozmyte A i A 2 mają ciągłe funkcje przynależności, to wynikiem operacji arytmetycznych dodawania, odejmowania, mnożenia i dzielenia są liczby rozmyte. 22 Dodawanie liczb rozmytych: Trójkątne liczby rozmyte: µ µ A (y) µ B (z) µ A+B () Opis: - f. przynależności klasy t; -jako: µ () Mnożenie liczb rozmytych: Wyostrzanie trójkątnej liczby rozmytej: a a M a 2 µ µ A (y) µ B (z) µ A B ()
5 Płaskie liczby rozmyte: µ() PRZYBLIŻONE WNIOSKOWANIE Logika tradycyjna (dwuwartościowa): O prawdziwości zdań wnioskuje się na podstawie prawdziwości innych zdań. Schemat notowania: Nad kreską zdania, na podstawie których się wnioskuje; Pod kreską otrzymany wniosek. Jeśli prawdziwe są wszystkie zdania powyżej kreski to prawdziwy jest też wniosek. Teraz: A, B zdania. 27 A= : logiczną wartością zdania A jest prawda; A= : logiczną wartością zdania A jest fałsz. Funktory logiczne: Operacja logiczna Funktor Czyta się: negacja ~ lub nie jest prawdą, że... koniunkcja i, oraz alternatywa lub implikacja jeżeli... to... równoważność wtedy i tylko wtedy, gdy... tożsamość jest tożsame... kwantyfikator ogólny kwantyfikator szczególny dla każdego... istnieje takie Implikacja (wynikanie): Zdanie logiczne o strukturze jeśli p to q" (p q) p poprzednik implikacji; q następnik implikacji. Implikacja jest prawdziwa: gdy q jest prawdziwe; gdy p i q są fałszywe. 29 REGUŁY WNIOSKOWANIA MODUS PONENS Modus ponendo ponens sposób wnioskowania przez twierdzenie p do twierdzenia q. Wniosek: A A B Z prawdziwości przesłanki i implikacji wynika prawdziwość wniosku. A= Jacek jest kierowcą B= Jacek ma prawo jazdy Jeśli A= to B= B 3 5
6 MODUS TOLLENS Modus tollendo tollens sposób wnioskowania prowadzący przez przeczenie do przeczenia. ~B A B Wniosek: ~A Z prawdziwości przesłanki i implikacji również wynika prawdziwość wniosku. B= (~B=) Jacek nie ma prawa jazdy A= (~A=) Jacek nie jest kierowcą Jeśli B= to A= 3 REGUŁY WNIOSKOWANIA W LOGICE ROZMYTEJ Reguły, których przesłanki lub wnioski wyrażone są w języku zbiorów rozmytych. Reguły pochodzące od ekspertów zwykle wyrażone są w języku nieprecyzyjnym. Zbiory rozmyte pozwalają przełożyć ten język na konkretne wartości liczbowe. Praca systemu decyzyjnego opartego na logice rozmytej zależy od definicji reguł rozmytych w bazie reguł. 32 Reguły mają postać IF...AND...THEN. np.: IF a is A AND b is B THEN c is C IF a is A2 AND b is NOT B2 THEN c is C2 gdzie: a, b, c zmienne lingwistyczne, A,..., C2 zbiory rozmyte. Zmienne lingwistyczne: zmienne, które przyjmują jako wartości słowa lub zdania wypowiedziane w języku naturalnym. (również wartości liczbowe). 33 Różnice w porównaniu z klasycznymi regułami IF-THEN: Wykorzystanie zmiennych opisujących zbiory rozmyte; Występowanie mechanizmu określającego stopień przynależności elementu do zbioru; Wykorzystanie operacji na zbiorach rozmytych. Schemat wnioskowania, w którym przesłanka, implikacja i wniosek są nieprecyzyjne: Wniosek: Prędkość samochodu jest duża Jeśli prędkość samochodu jest bardzo duża poziom hałasu jest wysoki Poziom hałasu jestśredniowysoki 34 Wniosek: Prędkość samochodu jest duża Jeśli prędkość samochodu jest bardzo duża poziom hałasu jest wysoki Poziom hałasu jestśredniowysoki Wniosek: Prędkość samochodu jest duża Jeśli prędkość samochodu jest bardzo duża poziom hałasu jest wysoki Poziom hałasu jestśredniowysoki Rozmyta reguła wnioskowania modus ponens : jest A Jeśli jest A y jest B Wniosek: y jest B 35 Zmienne lingwistyczne: prędkość samochodu y poziom hałasu Zbiór wartości zmiennych lingwistycznych: : T={ mała, średnia, duża, bardzo duża } y: T2={ mały, średni, średniowysoki, wysoki } 36 6
7 Do każdego elementu zbiorów T i T2 można przyporządkować zbiór rozmyty o założonej przez nas funkcji przynależności. Tu: A prędkość samochodu jest bardzo duża ; A prędkość samochodu jest duża ; B poziom hałasu jest wysoki ; B poziom hałasu jest średniowysoki. Implikacja ma tą samą postać (A B) w regule rozmytej jak i w nierozmytej. W regule rozmytej jej przesłanka nie dotyczy zb. rozmytego A lecz A, który może być zbliżony do A, ale niekoniecznie A=A. 37 Ponieważ A A - wniosek jest inny niż byłby w przypadku reguły nierozmytej. Zbiór rozmyty B jest określony przez złożenie zbioru rozmytego A oraz implikacji A B: Rozmyta reguła wnioskowania modus tollens : y jest B Jeśli jest A y jest B Wniosek: jest A 38 Wyznaczanie funkcji µ A B (,y) gdy µ A () oraz µ B (y) są znane:. Reguła Mamdaniego: 2. Reguła Larsena: 3. Reguła Łukasiewicza: STEROWNIKI ROZMYTE 4. Reguła Zadeha: Nie wymagają tworzenia modelu rozważanego procesu (co często jest trudne); Należy jedynie sformułować zasady postępowania w postaci rozmytych reguł (IF..THEN). Schemat układu klimatyzacji: pomieszczenie KLIMATYZATOR czujnik temperatury STEROWNIK ROZMYTY zmierzone wartości wejściowe; czujnik wilgotności sygnał sterujący (intensywność chłodzenia). 4 Zastosowania praktyczne: sprzęt AGD (pralki, lodówki, odkurzacze); kamery (autofokus); nadzór wentylacji w tunelach; sterowanie światłami na wjeździe na autostradę; klimatyzacja; automatyka przemysłowa; sterowanie robotów;
8 STEROWNIK ROZMYTY: Np. Sterowanie ogrzewaniem: BLOK ROZMYWANIA BAZA REGUŁ BLOK WNIOSKOWANIA BLOK WYOSTRZANIA Cena ogrzewania Temperatura mróz zimno chłodno tanio mocno mocno średnio średnio mocno średnio słabo drogo średnio słabo wcale Baza reguł (model lingwistyczny): zbiór rozmytych reguł w postaci: ROZMYWANIE (fuzzyfikacja) Przejście od pomiarów (konkretna wartość ) do funkcji przynależności przez określenie stopni przynależności zmiennych lingwistycznych do każdego ze zbiorów rozmytych. Temperatura: T =5 C Cena_ogrz: p =48zł/MBTU µ chłodno (T)=.5 µ tanio (p)= C T 48zł/MBtu p Stopień spełnienia reguły dla wszystkich przesłanek: µ chłodno (T) µ tanio (p).5 5 C T.3 48zł/MBtu p 45 poziom zapłonu reguły 46 WNIOSKOWANIE Obliczanie stopnia prawdziwości wniosku: Wnioskowanie MIN: AGREGACJA Jeżeli więcej niż jedna reguła ma niezerowy poziom zapłonu, wyniki (zbiory rozmyte) sumuje się. µ średnio (h) µ całe =.3 µ wniosku (h) h h
9 WYOSTRZANIE (defuzzyfikacja) Jeżeli na wyjściu wymagana jest wartość liczbowa, stosuje się jedną z metod wyostrzania: Tu: Metoda pierwszego maksimum: COG 57 h Metoda środka maksimum: Metoda środka ciężkości(cog): 49 A i powierzchnia zbioru i µ i stopień przynależności do zbioru i c i środek ciężkości zbioru i. 5 STEROWNIKI ROZMYTE TAKAGI-SUGENO Baza reguł sterownika ma charakter rozmyty tylko w części IF. W części THEN występują zależności funkcyjne. Reguły Mamdaniego: wynikiem jest zbiór rozmyty B: IF =A AND 2 =A 2 n =A n THEN y = B Reguły Takagi-Sugeno: wynikiem jest funkcja f ( i ): IF =A AND 2 =A 2 n =A n THEN y = f (, 2,.. n ) Zwykle są to funkcje liniowe : f ( i ) = y = a +a +a n n 5 52 R () :IF prędkość is niska THEN hamowanie = prędkość R (2) :IF prędkość is średnia THEN hamowanie = 4 prędkość R (3) :IF prędkość is wysoka THEN hamowanie = 8 prędkość µ.8 niska średnia wysoka.3. R () : w =.3; r = 2 R (2) : w 2 =.8; r 2 = 4 2 R (3) : w 3 =.; r 3 = Hamowanie = Prędkość 53 9
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 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 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 szczegółowoInżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska
Inżynieria Wiedzy i Systemy Ekspertowe Logika rozmyta dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Wyostrzanie Ostateczna, ostra wartość
Bardziej 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 szczegółowo0.1. Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań.
Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej Wykład ELEMENTY LOGIKI ALGEBRA BOOLE A Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek
Bardziej szczegółowo1 Podstawowe oznaczenia
Poniżej mogą Państwo znaleźć skondensowane wiadomości z wykładu. Należy je traktować jako przegląd pojęć, które pojawiły się na wykładzie. Materiały te nie są w pełni tożsame z tym co pojawia się na wykładzie.
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 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 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 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 szczegółowoJest to zasadniczo powtórka ze szkoły średniej, być może z niektórymi rzeczami nowymi.
Logika Jest to zasadniczo powtórka ze szkoły średniej, być może z niektórymi rzeczami nowymi. Często słowu "logika" nadaje się szersze znaczenie niż temu o czym będzie poniżej: np. mówi się "logiczne myślenie"
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 szczegółowoWstęp do logiki. Klasyczny Rachunek Zdań III
Wstęp do logiki Klasyczny Rachunek Zdań III Przypomnijmy: Logika: = Teoria form (schematów, reguł) poprawnych wnioskowań. Wnioskowaniem nazywamy jakąkolwiek skończoną co najmniej dwuwyrazową sekwencję
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 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. 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 szczegółowoRachunek zdao i logika matematyczna
Rachunek zdao i logika matematyczna Pojęcia Logika - Zajmuje się badaniem ogólnych praw, według których przebiegają wszelkie poprawne rozumowania, w szczególności wnioskowania. Rachunek zdao - dział logiki
Bardziej szczegółowoLOGIKA MATEMATYCZNA. Poziom podstawowy. Zadanie 2 (4 pkt.) Jeśli liczbę 3 wstawisz w miejsce x, to które zdanie będzie prawdziwe:
LOGIKA MATEMATYCZNA Poziom podstawowy Zadanie ( pkt.) Która koniunkcja jest prawdziwa: a) Liczba 6 jest niewymierna i 6 jest liczbą dodatnią. b) Liczba 0 jest wymierna i 0 jest najmniejszą liczbą całkowitą.
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 szczegółowoLOGIKA I TEORIA ZBIORÓW
LOGIKA I TEORIA ZBIORÓW Logika Logika jest nauką zajmującą się zdaniami Z punktu widzenia logiki istotne jest, czy dane zdanie jest prawdziwe, czy nie Nie jest natomiast istotne o czym to zdanie mówi Definicja
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 szczegółowoElementy logiki matematycznej
Elementy logiki matematycznej Przedmiotem logiki matematycznej jest badanie tzw. wyrażeń logicznych oraz metod rozumowania i sposobów dowodzenia używanych w matematyce, a także w innych dziedzinach, w
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 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 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 szczegółowoWykład 2. Informatyka Stosowana. 8 października 2018, M. A-B. Informatyka Stosowana Wykład 2 8 października 2018, M. A-B 1 / 41
Wykład 2 Informatyka Stosowana 8 października 2018, M. A-B Informatyka Stosowana Wykład 2 8 października 2018, M. A-B 1 / 41 Elementy logiki matematycznej Informatyka Stosowana Wykład 2 8 października
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 szczegółowoLogika I. Wykład 4. Semantyka Klasycznego Rachunku Zdań
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 4. Semantyka Klasycznego Rachunku Zdań 1 Skróty: Język Klasycznego Rachunku Zdań zamiast Klasyczny Rachunek Zdań piszę
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 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 szczegółowoMatematyka I. BJiOR Semestr zimowy 2018/2019 Wykład 1
Matematyka I BJiOR Semestr zimowy 2018/2019 Wykład 1 Zasady współpracy https://mat.ug.edu.pl/~matpz/ wykłady nie są obowiązkowe, ale nieobecności będą odnotowywane nieobecności nie należy usprawiedliwiać,
Bardziej szczegółowoLekcja 3: Elementy logiki - Rachunek zdań
Lekcja 3: Elementy logiki - Rachunek zdań S. Hoa Nguyen 1 Materiał a) Zdanie proste, złożone b) Spójniki logiczne (funktory zdaniotwórcze):,,,,, (alternatywa wykluczająca - XOR). c) Tautologia, zdanie
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 szczegółowoLogika Stosowana. Wykład 5 - Zbiory i logiki rozmyte Część 1. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 5 - Zbiory i logiki rozmyte Część 1 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 36 Plan
Bardziej szczegółowo1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych.
Elementy logiki i teorii zbiorów. 1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych. Pojęcia pierwotne to najprostsze
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 szczegółowoTautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne)
Tautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne) Definicja 1: Tautologia jest to takie wyrażenie, którego wartość logiczna jest prawdą przy wszystkich możliwych wartościowaniach zmiennych
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 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 szczegółowoZiemia obraca się wokół Księżyca, bo posiadając odpowiednią wiedzę można stwierdzić, czy są prawdziwe, czy fałszywe. Zdaniami nie są wypowiedzi:
1 Elementy logiki W logice zdaniem nazywamy wypowiedź oznajmującą, która (w ramach danej nauki) jest albo prawdziwa, albo fałszywa. Tak więc zdanie może mieć jedną z dwóch wartości logicznych. Prawdziwość
Bardziej szczegółowoPodstawy Automatyki. Wykład 9 - Podstawy matematyczne automatyki procesów dyskretnych. dr inż. Jakub Możaryn. Instytut Automatyki i Robotyki
Wykład 9 - Podstawy matematyczne automatyki procesów dyskretnych Instytut Automatyki i Robotyki Warszawa, 2015 Kody liczb całkowitych nieujemnych Kody liczbowe dzielimy na analityczne nieanalityczne (symboliczne)
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 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 szczegółowoLogika formalna wprowadzenie. Ponieważ punkty 10.i 12. nie były omawiane na zajęciach, dlatego można je przeczytać fakultatywnie.
Logika formalna wprowadzenie Ponieważ punkty 10.i 12. nie były omawiane na zajęciach, dlatego można je przeczytać fakultatywnie. 1. Zdanie logicznie prawdziwe (Prawda logiczna) Zdanie, którego analityczność
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 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 szczegółowoI. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych.
I. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych. 1. Elementy logiki matematycznej. 1.1. Rachunek zdań. Definicja 1.1. Zdaniem logicznym nazywamy zdanie gramatyczne
Bardziej szczegółowoELEMENTY TEORII ZBIORÓW ROZMYTYCH
ELEMENTY TEORII ZBIORÓW ROZMYTYCH OPRACOWAŁ: M. KWIESIELEWICZ POJĘCIA NIEPRECYZYJNE ODDZIAŁYWANIA CZŁOWIEK-OBIEKT TECHNICZNY OTOCZENIE (Hoang 990: człowieka na otoczenie, np.: ergonomiczna konstrukcja
Bardziej szczegółowoEgzamin z logiki i teorii mnogości, rozwiązania zadań
Egzamin z logiki i teorii mnogości, 08.02.2016 - rozwiązania zadań 1. Niech φ oraz ψ będą formami zdaniowymi. Czy formuła [( x : φ(x)) ( x : ψ(x))] [ x : (φ(x) ψ(x))] jest prawem rachunku kwantyfikatorów?
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 szczegółowoElementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń
Elementy logiki Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń 1 Klasyczny Rachunek Zdań 1.1 Spójniki logiczne Zdaniem w sensie logicznym nazywamy wyrażenie, które jest
Bardziej szczegółowoElementy logiki. Zdania proste i złożone
Elementy logiki Zdania proste i złożone. Jaka jest wartość logiczna następujących zdań: (a) jest dzielnikiem 7 lub suma kątów wewnętrznych w trójkącie jest równa 80. (b) Jeśli sin 0 =, to 5 < 5. (c) Równanie
Bardziej szczegółowoMatematyka do liceów i techników Szczegółowy rozkład materiału Zakres podstawowy
Matematyka do liceów i techników Szczegółowy rozkład materiału Zakres podstawowy Wariant nr (klasa I 4 godz., klasa II godz., klasa III godz.) Klasa I 7 tygodni 4 godziny = 48 godzin Lp. Tematyka zajęć
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 szczegółowoUwagi wprowadzajace do reguł wnioskowania w systemie tabel analitycznych logiki pierwszego rzędu
Witold Marciszewski: Wykład Logiki, 17 luty 2005, Collegium Civitas, Warszawa Uwagi wprowadzajace do reguł wnioskowania w systemie tabel analitycznych logiki pierwszego rzędu 1. Poniższe wyjaśnienie (akapit
Bardziej szczegółowoWykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań System aksjomatyczny logiki Budując logikę
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 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 szczegółowoArytmetyka liczb binarnych
Wartość dwójkowej liczby stałoprzecinkowej Wartość dziesiętna stałoprzecinkowej liczby binarnej Arytmetyka liczb binarnych b n-1...b 1 b 0,b -1 b -2...b -m = b n-1 2 n-1 +... + b 1 2 1 + b 0 2 0 + b -1
Bardziej 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 szczegółowoREGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE
REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE Część 3: Systemy elementarne i rozwinięte z ocenami Antoni Niederliński Uniwersytet Ekonomiczny w Katowicach antoni.niederlinski@ue.katowice. pl Koniec pewnego
Bardziej szczegółowoDalszy ciąg rachunku zdań
Dalszy ciąg rachunku zdań Wszystkie możliwe funktory jednoargumentowe p f 1 f 2 f 3 f 4 0 0 0 1 1 1 0 1 0 1 Wszystkie możliwe funktory dwuargumentowe p q f 1 f 2 f 3 f 4 f 5 f 6 f 7 f 8 f 9 f 10 f 11 f
Bardziej szczegółowoLogika binarna. Prawo łączności mówimy, że operator binarny * na zbiorze S jest łączny gdy (x * y) * z = x * (y * z) dla każdego x, y, z S.
Logika binarna Logika binarna zajmuje się zmiennymi mogącymi przyjmować dwie wartości dyskretne oraz operacjami mającymi znaczenie logiczne. Dwie wartości jakie mogą te zmienne przyjmować noszą przy tym
Bardziej szczegółowoWstęp do logiki. Klasyczny Rachunek Zdań II
Wstęp do logiki Klasyczny Rachunek Zdań II DEF. 1 (Słownik). Następujące znaki tworzą słownik języka KRZ: p 1, p 2, p 3, (zmienne zdaniowe) ~,,,, (spójniki) ), ( (nawiasy). DEF. 2 (Wyrażenie). Wyrażeniem
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 szczegółowoRAMOWY ROZKŁAD MATERIAŁU Z MATEMATYKI DLA KLAS I-III LICEUM OGÓLNOKSZTAŁCĄCEGO PRZY CKU NR 1
RAMOWY ROZKŁAD MATERIAŁU Z MATEMATYKI DLA KLAS I-III LICEUM OGÓLNOKSZTAŁCĄCEGO PRZY CKU NR 1 Zakres podstawowy Kl. 1-60 h ( 30 h w semestrze) Kl. 2-60 h (30 h w semestrze) Kl. 3-90 h (45 h w semestrze)
Bardziej szczegółowoKształcenie w zakresie podstawowym. Klasa 1
Kształcenie w zakresie podstawowym. Klasa 1 Poniżej podajemy umiejętności, jakie powinien zdobyć uczeń z każdego działu, aby uzyskać poszczególne stopnie. Na ocenę dopuszczającą uczeń powinien opanować
Bardziej szczegółowoWykład 1. Informatyka Stosowana. 3 października Informatyka Stosowana Wykład 1 3 października / 26
Wykład 1 Informatyka Stosowana 3 października 2016 Informatyka Stosowana Wykład 1 3 października 2016 1 / 26 Wykłady : 45h (w semestrze zimowym) ( Egzamin) 30h (w semetrze letnim ) ( Egzamin) Zajęcia praktyczne:
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 szczegółowoMATEMATYKA DYSKRETNA, PODSTAWY LOGIKI I TEORII MNOGOŚCI
MATEMATYKA DYSKRETNA, PODSTAWY LOGIKI I TEORII MNOGOŚCI Program wykładów: dr inż. Barbara GŁUT Wstęp do logiki klasycznej: rachunek zdań, rachunek predykatów. Elementy semantyki. Podstawy teorii mnogości
Bardziej szczegółowoPodstawy Automatyki. Wykład 13 - Układy bramkowe. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 13 - Układy bramkowe Instytut Automatyki i Robotyki Warszawa, 2015 Układy z elementów logicznych Bramki logiczne Elementami logicznymi (bramkami logicznymi) są urządzenia o dwustanowym sygnale wyjściowym
Bardziej szczegółowoAndrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykłady 7 i 8. Aksjomatyczne ujęcie Klasycznego Rachunku Zdań
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykłady 7 i 8. Aksjomatyczne ujęcie Klasycznego Rachunku Zdań 1 Istnieje wiele systemów aksjomatycznych Klasycznego Rachunku
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 szczegółowoPlan wynikowy z wymaganiami edukacyjnymi z przedmiotu matematyka w zakresie rozszerzonym dla klasy I liceum ogólnokształcącego
Plan wynikowy z wymaganiami edukacyjnymi z przedmiotu matematyka w zakresie rozszerzonym dla klasy I liceum ogólnokształcącego Temat (rozumiany jako lekcja) Lekcja organizacyjna I. Działania na liczbach
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 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 szczegółowoWybierz cztery z poniższych pięciu zadań. Poprawne rozwiazanie dwóch zadań oznacza zdany egzamin.
Logika, II rok Etnolingwistyki UAM, 20 VI 2008. Imię i Nazwisko:.............................. GRUPA: I Wybierz cztery z poniższych pięciu zadań. Poprawne rozwiazanie dwóch zadań oznacza zdany egzamin.
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 szczegółowoKryteria oceniania z matematyki zakres podstawowy Klasa I
Kryteria oceniania z matematyki zakres podstawowy Klasa I zakres Dopuszczający Dostateczny Dobry bardzo dobry Zdanie logiczne ( proste i złożone i forma zdaniowa oraz prawa logiczne dotyczące alternatywy,
Bardziej szczegółowo