Wnioskowanie rozmyte. Krzysztof Patan
|
|
- Łucja Wojciechowska
- 6 lat temu
- Przeglądów:
Transkrypt
1 Wnioskowanie rozmyte Krzysztof Patan
2 Wprowadzenie Informacja precyzyjna jest to jedyna postać informacji akceptowanej przez konwencjonalne metody matematyczne, najczęściej dostarczana jest przez precyzyjne urządzenia pomiarowe za pomocą wartości liczbowych Przykład: prędkość samochodu wynosi v = 110km/h Informacja nieprecyzyjna jest informacją zgrubną, przybliżoną, często przekazywaną przy pomocy określeń lingwistycznych. Przykładowym źródłem informacji nieprecyzyjnej może być człowiek, formułujący subiektywne oraz nieprecyzyjne oceny opisywanych zjawisk, określeniami znanymi z języka potocznego Przykład: prędkość samochodu jest duża
3 Wprowadzenie Informacja precyzyjna jest to jedyna postać informacji akceptowanej przez konwencjonalne metody matematyczne, najczęściej dostarczana jest przez precyzyjne urządzenia pomiarowe za pomocą wartości liczbowych Przykład: prędkość samochodu wynosi v = 110km/h Informacja nieprecyzyjna jest informacją zgrubną, przybliżoną, często przekazywaną przy pomocy określeń lingwistycznych. Przykładowym źródłem informacji nieprecyzyjnej może być człowiek, formułujący subiektywne oraz nieprecyzyjne oceny opisywanych zjawisk, określeniami znanymi z języka potocznego Przykład: prędkość samochodu jest duża
4 Pojęcie ziarnistości informacji o skończonej szerokości wprowadził do nauki Lofti Zadeh w 1965 roku w artykule zatytułowanym Fuzzy Sets, w którym podał ideę i pierwsze pojęcie teorii, która umożliwiła rozmyty opis systemów rzeczywistych Dział matematyki operujący informacją rozmytą nazywany został teorią zbiorów rozmytych, a najważniejszym jej elementem jest logika rozmyta
5 Stopień ziarnistości vs rozwiązywanie rzeczywistych problemów Badania psychologiczne wykazały, że przeciętnie uzdolniony człowiek stosuje przy opisie zjawisk go otaczających od 5 do 9 ziaren informacji dla każdej zmiennej Taka ziarnistość okazuje się zupełnie wystarczająca do sterowania samolotów, samochodów, wielu innych obiektów i rozwiązywanie tysięcy codziennych problemów Technika komputerowa umożliwia stosowanie praktycznie dowolnej ziarnistości informacji można z jej pomocą uzyskiwać modele rzeczywistości o znacznie wyższej dokładności niż w przypadku człowieka Doświadczenie z modelowaniem systemów rzeczywistych wykazuje, że osiągnięcie pewnego progu dokładności nie jest możliwe i dlatego nie należy do tego dążyć za wszelką cenę Przyczyną takiego stanu rzeczy są następujące zjawiska: istnienie chaosu liczba możliwych rozwiązań brak możliwości pomiaru pewnych sygnałów w rzeczywistym systemie
6 Podstawowe pojęcia Zmienna lingwistyczna Zmienną lingwistyczną jest to wielkość wejściowa lub wyjściowa, którą zamierzamy ocenić stosując oceny lingwistyczne, zwane wartościami lingwistycznymi Przykład: prędkość samochodu, temperatura, napięcie Wartość lingwistyczna Wartość lingwistyczna jest słowną oceną wielkości lingwistycznej Przykład: bardzo duży ujemny, średni ujemny, średni dodatni, bardzo duży, stary, młody, brzydki, prawdziwy, nieprawdziwy Wartości lingwistyczne występują w modelach wraz ze zmiennymi lingwistycznymi których dotyczą Przykład: wysokie cieśninie powietrza, silny strumień wody. Przestrzeń lingwistyczna zmiennej Przestrzeń lingwistyczna zmiennej jest zbiorem wszystkich wartości lingwistycznych stosowanych do oceny danej zmiennej lingwistycznej
7 Podstawowe pojęcia Zmienna lingwistyczna Zmienną lingwistyczną jest to wielkość wejściowa lub wyjściowa, którą zamierzamy ocenić stosując oceny lingwistyczne, zwane wartościami lingwistycznymi Przykład: prędkość samochodu, temperatura, napięcie Wartość lingwistyczna Wartość lingwistyczna jest słowną oceną wielkości lingwistycznej Przykład: bardzo duży ujemny, średni ujemny, średni dodatni, bardzo duży, stary, młody, brzydki, prawdziwy, nieprawdziwy Wartości lingwistyczne występują w modelach wraz ze zmiennymi lingwistycznymi których dotyczą Przykład: wysokie cieśninie powietrza, silny strumień wody. Przestrzeń lingwistyczna zmiennej Przestrzeń lingwistyczna zmiennej jest zbiorem wszystkich wartości lingwistycznych stosowanych do oceny danej zmiennej lingwistycznej
8 Podstawowe pojęcia Zmienna lingwistyczna Zmienną lingwistyczną jest to wielkość wejściowa lub wyjściowa, którą zamierzamy ocenić stosując oceny lingwistyczne, zwane wartościami lingwistycznymi Przykład: prędkość samochodu, temperatura, napięcie Wartość lingwistyczna Wartość lingwistyczna jest słowną oceną wielkości lingwistycznej Przykład: bardzo duży ujemny, średni ujemny, średni dodatni, bardzo duży, stary, młody, brzydki, prawdziwy, nieprawdziwy Wartości lingwistyczne występują w modelach wraz ze zmiennymi lingwistycznymi których dotyczą Przykład: wysokie cieśninie powietrza, silny strumień wody. Przestrzeń lingwistyczna zmiennej Przestrzeń lingwistyczna zmiennej jest zbiorem wszystkich wartości lingwistycznych stosowanych do oceny danej zmiennej lingwistycznej
9 Teoria zbiorów rozmytych Zbiór rozmyty Podzbiór rozmyty jest uogólnieniem zbioru zwykłego lub nierozmytego Definicja Niech A będzie rozmytym podzbiorem przestrzeni X: µ A : X [0, 1] A = µ A(x 1 ) x 1 + µ A(x 2 ) x µ A(x n ) x n A = n i=1 µ A (x i ) x i
10 Operacja rozmywania Rozmywanie to operacja przekształcenia wielkości liczbowej w zmienną lingwistyczną Do rozmywania stosuje się funkcje przynależności x DD A=DU µ A (x) = 1
11 Gaussowska funkcja przynależności y ( ( ) ) x c 2 y = exp d gdzie c centrum, d rozpiętość x
12 Trójkątna funkcja przynależności 1.5 y dla x < b x b dla b x a y = a b c x dla a < x c a b 0 dla x > c x gdzie a, b, c punkty umiejscowienia wierzchołków trójkąta
13 Trapezoidalna funkcja przynależności y dla x < a x a dla a x < b b a y = 1 dla b x c d x dla c < x d d c 0 dla x > d x gdzie a, b, c, d punkty umiejscowienia wierzchołków trapeza
14 Wnioskowanie
15 Implikacja klasyczna Implikacja jest pewnym rodzajem relacji mającym postać reguły stosowanej we wnioskowaniu. Implikacja klasyczna ma postać: jezeli P to Q gdzie P to zdanie zwane przesłanką (poprzednikiem), a Q to zdanie zwane konkluzją (następnikiem) Implikacja rozmyta Rozmyta implikacja A B jest równoważna pewnej relacji rozmytej R X Y o funkcji przynależności µ R (x, y) Implikację rozmytą można zapisać za pomocą nastepującej reguły rozmytej: jezeli x jest A to y jest B gdzie x, y to zmienne lingwistyczne, A, B zbiory rozmyte
16 Implikacja klasyczna Implikacja jest pewnym rodzajem relacji mającym postać reguły stosowanej we wnioskowaniu. Implikacja klasyczna ma postać: jezeli P to Q gdzie P to zdanie zwane przesłanką (poprzednikiem), a Q to zdanie zwane konkluzją (następnikiem) Implikacja rozmyta Rozmyta implikacja A B jest równoważna pewnej relacji rozmytej R X Y o funkcji przynależności µ R (x, y) Implikację rozmytą można zapisać za pomocą nastepującej reguły rozmytej: jezeli x jest A to y jest B gdzie x, y to zmienne lingwistyczne, A, B zbiory rozmyte
17 Regułowe systemy rozmyte Rozmyte modele lingwistyczne przesłanki oraz konkluzje zdefiniowane są za pomocą zbiorów rozmytych. Szczególnym przypadkiem tych systemów są układy singletonowe, które definiują konkluzje za pomocą zbiorów rozmytych typu singleton Rozmyte modele relacyjne mogą być traktowane jako uogólnione modele lingwistyczne. W niniejszym podejściu pojedyncza przesłanka może być skojarzona z wieloma różnymi konkluzjami poprzez rozmytą relację. Rozmyte modele typu Takagi-Sugeno przesłanki identyczne jak poprzednie modele, a konkluzje są nie rozmytymi funkcjami zmiennych zawartych w przesłankach.
18 Wnioskowanie w modelu lingwistycznym Wnioskowanie polega na wyznaczeniu wynikowego zbioru rozmytego na podstawie danych wejść oraz reguły rozmytej. Mechanizm wnioskowania w modelu lingwistycznym opiera się na kompozycyjnej regule wnioskowania zaproponowanej przez Zadeha Każda reguła traktowana jest jako relacja rozmyta: gdzie I jest operatorem implikacji Najczęściejx stosowane implikacje implikacja Mamdaniego implikacja Larsena µ R (x, y) = I(µ A (x), µ B (y)) I(µ A (x), µ B (y)) = min(µ A (x), µ B (y)) I(µ A (x), µ B (y)) = µ A (x) µ B (y))
19 Wnioskowanie w modelu lingwistycznym Wnioskowanie polega na wyznaczeniu wynikowego zbioru rozmytego na podstawie danych wejść oraz reguły rozmytej. Mechanizm wnioskowania w modelu lingwistycznym opiera się na kompozycyjnej regule wnioskowania zaproponowanej przez Zadeha Każda reguła traktowana jest jako relacja rozmyta: gdzie I jest operatorem implikacji Najczęściejx stosowane implikacje implikacja Mamdaniego implikacja Larsena µ R (x, y) = I(µ A (x), µ B (y)) I(µ A (x), µ B (y)) = min(µ A (x), µ B (y)) I(µ A (x), µ B (y)) = µ A (x) µ B (y))
20 Agregacja reguł W ogólnym przypadku system rozmyty skład się z wielu reguł i każda z nich może generować wyniki Należy dokonać kombinacji wszystkich dostępnych wyników w celu wygenerowania pojedynczej odpowiedzi systemu rozmytego Taką operację nazywa się agregacją relacji m R = Stopień zapłonu reguły dla wejścia rozmytego i=1 R i τ i = P (B i A) = x [B i (x) A(x)] dla wejścia w postaci deterministycznej τ i = P (B i A) = B i (x )
21 Agregacja reguł W ogólnym przypadku system rozmyty skład się z wielu reguł i każda z nich może generować wyniki Należy dokonać kombinacji wszystkich dostępnych wyników w celu wygenerowania pojedynczej odpowiedzi systemu rozmytego Taką operację nazywa się agregacją relacji m R = Stopień zapłonu reguły dla wejścia rozmytego i=1 R i τ i = P (B i A) = x [B i (x) A(x)] dla wejścia w postaci deterministycznej τ i = P (B i A) = B i (x )
22 Przykład odpalenia i agregacji reguł przypadek wejścia rozmytego
23 Wyostrzanie Wyostrzanie to wybór właściwego elementu na podstawie rozmytego zbioru wyjściowego W praktyce wymagane jest, aby wynikiem działania systemu rozmytego była wartość precyzyjna Operacja wyostrzania przekształca zbiór rozmyty w pojedynczą wartość numeryczną Metody wyostrzania: metoda środka ciężkości, COG (ang. Center Of Gravity) metoda pierwszego maksimum, FOM (ang. First Of Maxima) metoda średniego maksimum, MOM (ang. Mean Of Maxima) metoda środka sum, COS (ang. Center of Sum) metoda wysokości, HM (ang. Height Method)
24 Najczęściej stosowane metody wyostrzania y COG = ni=1 y i µ(y i ) ni=1 µ(y i ) y MOM = 1 y i m y i G gdzie G zbiór wartości y osiągających wartość maksymalną
25 Przykład wyostrzania metodą COG
26 Baza reguł Blok wnioskowania wykorzystuje bazę reguł do wykonania zadania
27 Przykład rozmytej bazy reguł 1 JEŻELI e(k) jest DD I e(k) jest Z TO u(k) jest DD 2 JEŻELI e(k) jest SD I e(k) jest Z TO u(k) jest SD 3 JEŻELI e(k) jest MD I e(k) jest Z TO u(k) jest MD 4 JEŻELI e(k) jest MU I e(k) jest Z TO u(k) jest MU 5 JEŻELI e(k) jest SU I e(k) jest Z TO u(k) jest SU 6 JEŻELI e(k) jest DU I e(k) jest Z TO u(k) jest DU 7 JEŻELI e(k) jest Z I e(k) jest Z TO u(k) jest Z 8 JEŻELI e(k) jest Z I e(k) jest DD TO u(k) jest DD 9 JEŻELI e(k) jest Z I e(k) jest SD TO u(k) jest SD 10 JEŻELI e(k) jest Z I e(k) jest MD TO u(k) jest MD 11 JEŻELI e(k) jest Z I e(k) jest MU TO u(k) jest MU 12 JEŻELI e(k) jest Z I e(k) jest SU TO u(k) jest SU 13 JEŻELI e(k) jest Z I e(k) jest DU TO u(k) jest DU
28 Realizacja rozmytego regulatora Regulator rozmyty Fuzzy Logic Controller, FLC Nie używa się modelu procesu sterowanego (proces jest trudny do modelowania, proces modelowania jest zbyt kosztowny) Doświadczony operator potrafi, pomimo braku modelu sterowanego procesu, dobrze nim sterować Wiedza ekspertów lub operatorów danego procesu może być tylko wyrażona w postaci werbalnej, a nie w postaci dokładnej (np. numerycznej) Nie optymalizuje sie funkcji jakości sterowania
29 Prawo sterowania konwencjonalnego u(k) = F (e(k), e(k 1),..., e(k r), u(k 1), u(k 2),..., u(k s)) gdzie F oznacza funkcję w ogólności nieliniową W rzeczywistych regulatorach sens fizyczny maja reprezentacje 1 uchyb sterowania e(k) = y r (k) y(k) 2 zmiana uchybu sterowania e(k) = e(k) e(k 1) 3 suma uchybów sterowania k l=0 e(l) 4 sterowanie u(k) 5 zmiana sterowania u(k) = u(k) u(k 1)
30 Rozmyty regulator PI Prawo sterowania u(k) = F (e(k), e(k)) gdzie F oznacza prawo sterowania definiowane poprzez bazę wiedzy Aktualną wartość sterowania uzyskuje sie jako u(k) = u(k 1) + u(k) Prawo sterowania opisuje zależność pomiędzy zmienną sterowania u(k) i uchybem e(k) oraz jego zmianą e(k) Zmienne wejściowe regulatora e(k), e(k), zmienna wyjściowa u(k)
31 Przykład bazy reguł rozmytego regulatora PI 1 JEŻELI e(k) jest dodatni I e(k) jest prawie zero TO u(k) jest dodatni, 2 JEŻELI e(k) jest ujemny I e(k) jest prawie zero TO u(k) jest ujemny, 3 JEŻELI e(k) jest prawie zero I e(k) jest prawie zero TO u(k) jest prawie zero, 4 JEŻELI e(k) jest prawie zero I e(k) jest dodatni TO u(k) jest dodatni, 5 JEŻELI e(k) jest prawie zero I e(k) jest ujemny TO u(k) jest ujemny.
32 Schemat blokowy regulatora Rozmywanie Baza reguł
33 Rozmyty regulator PD Prawo sterowania u(k) = F (e(k), e(k)) gdzie F oznacza prawo sterowania definiowane poprzez bazę wiedzy Prawo sterowania opisuje zależność pomiędzy zmienną sterowania u(k) i uchybem e(k) oraz jego zmianą e(k) Zmienne wejściowe regulatora e(k), e(k), zmienna wyjściowa u(k) Przykład reguły: JEŻELI e(k) jest dodatnie e(k) jest prawie zero TO u(k) jest dodatnie
34 Rozmyty regulator PD Prawo sterowania u(k) = F (e(k), e(k)) gdzie F oznacza prawo sterowania definiowane poprzez bazę wiedzy Prawo sterowania opisuje zależność pomiędzy zmienną sterowania u(k) i uchybem e(k) oraz jego zmianą e(k) Zmienne wejściowe regulatora e(k), e(k), zmienna wyjściowa u(k) Przykład reguły: JEŻELI e(k) jest dodatnie e(k) jest prawie zero TO u(k) jest dodatnie
35 Rozmyty regulator PID Prawo sterowania można wyznaczyć stosując sumy uchybów jako dodatkową zmienną wejściową k e(k) = e(l 1) Postać prawa sterowania l=0 u(k) = F (e(k), e(k), e(k)) gdzie F oznacza prawo sterowania definiowane poprzez bazę wiedzy Prawo sterowania opisuje zależność pomiędzy zmienną sterowania u(k) i uchybem e(k) oraz jego zmianą e(k) oraz sumą uchybów e(k) Zmienne wejściowe regulatora e(k), e(k), e(k) zmienna wyjściowa u(k) Przykład reguły: JEŻELI e(k) jest prawie zero I e(k) jest dodatnie I e(k) jest dodatnie TO u(k) jest dodatnie
36 Rozmyty regulator PID Prawo sterowania można wyznaczyć stosując sumy uchybów jako dodatkową zmienną wejściową k e(k) = e(l 1) Postać prawa sterowania l=0 u(k) = F (e(k), e(k), e(k)) gdzie F oznacza prawo sterowania definiowane poprzez bazę wiedzy Prawo sterowania opisuje zależność pomiędzy zmienną sterowania u(k) i uchybem e(k) oraz jego zmianą e(k) oraz sumą uchybów e(k) Zmienne wejściowe regulatora e(k), e(k), e(k) zmienna wyjściowa u(k) Przykład reguły: JEŻELI e(k) jest prawie zero I e(k) jest dodatnie I e(k) jest dodatnie TO u(k) jest dodatnie
37 Regulator PI nastawy MacVicarda-Whelana Założenia: zmienne e(k) i u(k) są znormalizowane do przestrzeni [ 1, 1] Baza reguł MacVicarda-Whelana e(k) e(k) -L -M -S -Z +Z +S +M +L -L -L -L -L -L -L -M -S -Z -M -L -L -M -M -M -S -Z +S -S -L -M -S -S -S -Z +S +M -Z -L -M -S -Z +Z +S +M +L +Z -L -M -S -Z +Z +S +M +L +S -M -S +Z +S +S +S +M +L +M -S +Z +S +M +M +M +L +L +L +Z +S +M +L +L +L +L +L
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 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 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 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 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 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 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 szczegółowoZasada rozszerzania. A U A jest zbiorem rozmytym, B jest obrazem zbioru A Przeniesienie rozmytości A w odwzorowaniu f na zbiór B. sup.
Zasada rozszerzania f U V U jest zbiorem rozmytym V = f( ), jest obrazem zbioru Przeniesienie rozmytości w odwzorowaniu f na zbiór v) = ( v)? ( f ( ) = sup ( u) gdy ( v) 0 1 = 1 u f ( v) f( ) ( v) 1 0
Bardziej szczegółowoMETODY 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 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 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 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 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 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 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 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 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 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 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 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
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 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 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 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 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 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 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. 2
Sztuczna inteligencja : Zbiory rozmyte cz. 2 Przemysław Juszczuk Instytut Informatyki Uniwersytetu Śląskiego 1 marca 2012 Funkcja trójkątna: Funkcja trójkątna: Funkcja przynależności γ (gamma): Rysunek:
Bardziej szczegółowoSztuczna inteligencja : Zbiory rozmyte cz. III
Instytut Informatyki Uniwersytetu Śląskiego lab 3 Notacja Zadeha: symboliczny zapis zbioru rozmytego dla przestrzeni dyskretnej. Dla X jest przestrzenią o skończonej liczbie elementów X = {x 1, x 2,...,
Bardziej 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 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 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 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 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 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 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 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 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 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 szczegółowoSreszczenie. Słowa kluczowe: sterowanie, poziom cieczy, regulator rozmyty
Ewa Wachowicz Katedra Systemów Sterowania Politechnika Koszalińska STEROWANIE POZIOMEM CIECZY W ZBIORNIKU Z WYKORZYSTANIEM REGULATORA ROZMYTEGO Sreszczenie W pracy omówiono układ regulacji poziomu cieczy,
Bardziej 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 szczegółowoKOMPUTERY W STEROWANIU. Ćwiczenie 6 Projektowanie układu regulacji rozmytej
Wydział Elektryczny Zespół Automatyki (ZTMAiPC) KOMPUTERY W STEROWANIU Ćwiczenie 6 Projektowanie układu regulacji rozmytej 1. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z procedurą projektowania
Bardziej szczegółowoTemat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Projektowanie sterownika rozmytego Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie System
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 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 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 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 szczegółowoProgramowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
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 szczegółowoROZMYTY REGULATOR PRĘDKOŚCI OBROTOWEJ ODPORNY NA ZMIANY BEZWŁADNOŚCI
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 80 Electrical Engineering 2014 Michał JAKUBOWSKI* Krystian NOWAKOWSKI* Krzysztof ZAWIRSKI* ROZMYTY REGULATOR PRĘDKOŚCI OBROTOWEJ ODPORNY NA ZMIANY
Bardziej 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 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 szczegółowoAUTO-STROJENIE REGULATORA TYPU PID Z WYKORZYSTANIEM LOGIKI ROZMYTEJ
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 75 Electrical Engineering 2013 Łukasz NIEWIARA* Krzysztof ZAWIRSKI* AUTO-STROJENIE REGULATORA TYPU PID Z WYKORZYSTANIEM LOGIKI ROZMYTEJ Zagadnienia
Bardziej 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 szczegółowoTomasz Żabiński, tomz@prz-rzeszow.pl, 2006-03-14 90
Poniżej przedstawiono zagadnienie automatycznej pracy suwnicy (Sawodny et al. 2002), będącej elementem np. zautomatyzowanej linii produkcyjnej. Opracowany system sterowania realizuje bezpieczny transport
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 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 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 szczegółowoBADANIA SYMULACYJNE UKŁADU HYDRAULICZNEGO Z REGULATOREM ROZMYTYM O STRUKTURZE PI
WOJCIECH CZYŻYCKI BADANIA SYMULACYJNE UKŁADU HYDRAULICZNEGO Z REGULATOREM ROZMYTYM O STRUKTURZE PI SIMULATIONS OF HYDRAULIC SYSTEM WITH FUZZY LOGIC CONTROLLER BASED ON PI STRUCTURE S t r e s z c z e n
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 szczegółowoSterowanie z wykorzystaniem logiki rozmytej
Sterowanie z wykorzystaniem logiki rozmytej konspekt seminarium Paweł Szołtysek 24 stycznia 2009 1 Wstęp 1.1 Podstawy logiki rozmytej Logika rozmyta jest rodzajem logiki wielowartościowej, stanowi uogólnienie
Bardziej szczegółowoLogika 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 szczegółowoInterwałowe zbiory rozmyte
Interwałowe zbiory rozmyte 1. Wprowadzenie. Od momentu przedstawienia koncepcji klasycznych zbiorów rozmytych (typu 1), były one krytykowane za postać jaką przybiera funkcja przynależności. W przypadku
Bardziej szczegółowoKurs logiki rozmytej. 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 szczegółowoMetoda zaburz-obserwuj oraz metoda wspinania
Metoda zaburz-obserwuj oraz metoda wspinania Algorytm zaburz-obserwuj mierzy się moc (zwykle modułu) przed i po zmianie na tej podstawie podejmuje się decyzję o kierunku następnej zmiany Metoda wspinania
Bardziej 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 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 szczegółowoZASTOSOWANIE LOGIKI ROZMYTEJ W BUDOWIE SYSTEMÓW ZARZĄDZANIA WIEDZĄ PRODUKCYJNĄ
ZASTOSOWANIE LOGIKI ROZMYTEJ W BUDOWIE SYSTEMÓW ZARZĄDZANIA WIEDZĄ PRODUKCYJNĄ Alfred PASZEK Streszczenie: W artykule przedstawiono przykłady zastosowania elementów logiki rozmytej w opracowaniu reprezentacji
Bardziej szczegółowoZASTOSOWANIE LOGIKI ROZMYTEJ W ZARZĄDZANIU ZAPASAMI THE USE OF FUZZY LOGIC IN INVENTORY MANAGEMENT
orota Rogowska ZASTOSOWANIE LOGIKI ROZYTEJ W ZARZĄZANIU ZAPASAI Streszczenie Zagadnienie zarządzania zapasami zajmuje ważne miejsce w każdym przedsiębiorstwie. Zapasy stanowią bowiem podstawę zapewnienia
Bardziej 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 szczegółowoUkłady równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
Bardziej szczegółowoPROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM
Mostefa Mohamed-Seghir Akademia Morska w Gdyni PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM W artykule przedstawiono propozycję zastosowania programowania dynamicznego do rozwiązywania
Bardziej 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 szczegółowoPolitechnika Poznańska, Katedra Sterowania i Inżynierii Systemów Wykład 12, str. 1 C 1 C 2 C 3 1. * x 2. x 2. or max then (min)
Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. Implikacja rozmta A B A, B µ A (x, µ B ( x A, B µ A B (x, µ A B (x, = min(µ A (x, µ B ( lub µ A B (x, = µ A (x µ B ( 38. Wnioskowanie
Bardziej 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 Sterowanie
Bardziej szczegółowoObiekt. Obiekt sterowania obiekt, który realizuje proces (zaplanowany).
SWB - Systemy wbudowane w układach sterowania - wykład 13 asz 1 Obiekt sterowania Wejście Obiekt Wyjście Obiekt sterowania obiekt, który realizuje proces (zaplanowany). Fizyczny obiekt (proces, urządzenie)
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 szczegółowoElementy teorii zbiorów rozmytych. Materiał udostępniony na prawach rękopisu
Elementy teorii zbiorów rozmytych. Materiał udostępniony na prawach rękopisu Sławomir T.Wierzchoń Instytut Podstaw Informatyki PAN Uniwersytet Gdański, Instytut Informatyki 9 kwietnia 2009 Spis treści
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /10
Matematyka dyskretna Andrzej Łachwa, UJ, 2018 andrzej.lachwa@uj.edu.pl 10/10 Podziały i liczby Stirlinga Liczba Stirlinga dla cykli (często nazywana liczbą Stirlinga pierwszego rodzaju) to liczba permutacji
Bardziej szczegółowoAutomatyka i sterowania
Automatyka i sterowania Układy regulacji Regulacja i sterowanie Przykłady regulacji i sterowania Funkcje realizowane przez automatykę: regulacja sterowanie zabezpieczenie optymalizacja Automatyka i sterowanie
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 szczegółowoSystemy uczące się wykład 2
Systemy uczące się wykład 2 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 19 X 2018 Podstawowe definicje Fakt; Przesłanka; Konkluzja; Reguła; Wnioskowanie. Typy wnioskowania
Bardziej 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 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: 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 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 szczegółowoSterownik (regulator) rozmyty przykład [1]
Sterownik (regulator) rozmyty przykład [1] zadanie: przywracanie ustalonej pozycji wózka na platformie masa siła siła -2 m 0 m 2 m tarcie 1 Sterownik (regulator) rozmyty przykład (2) zmienne: x pozycja
Bardziej szczegółowoWstęp do Metod Systemowych i Decyzyjnych Opracowanie: Jakub Tomczak
Wstęp do Metod Systemowych i Decyzyjnych Opracowanie: Jakub Tomczak 1 Wprowadzenie. Zmienne losowe Podczas kursu interesować nas będzie wnioskowanie o rozpatrywanym zjawisku. Poprzez wnioskowanie rozumiemy
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 szczegółowoMetody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015
Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 1 Metody numeryczne Dział matematyki Metody rozwiązywania problemów matematycznych za pomocą operacji na liczbach. Otrzymywane
Bardziej 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 szczegółowoWprowadzenie do metod numerycznych. Krzysztof Patan
Wprowadzenie do metod numerycznych Krzysztof Patan Metody numeryczne Dział matematyki stosowanej Każde bardziej złożone zadanie wymaga opracowania indywidualnej metody jego rozwiązywania na maszynie cyfrowej
Bardziej szczegółowoSystemy. Krzysztof Patan
Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej
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 szczegółowoZASTOSOWANIE LOGIKI ROZMYTEJ W INŻYNIERII MECHANICZNEJ NA PRZYKŁADZIE HYDRAULICZNEGO UKŁADU POZYCJONOWANIA ŁADUNKU
EDWARD LISOWSKI, GRZEGORZ FILO ZASTOSOWANIE LOGIKI ROZMYTEJ W INŻYNIERII MECHANICZNEJ NA PRZYKŁADZIE HYDRAULICZNEGO UKŁADU POZYCJONOWANIA ŁADUNKU APPLICATION OF FUZZY LOGIC IN MECHANICAL ENGINEERING ON
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 szczegółowoI. KARTA PRZEDMIOTU CEL PRZEDMIOTU
I. KARTA PRZEDMIOTU 1. Nazwa przedmiotu: SYSTEMY DYNAMICZNE 2. Kod przedmiotu: Esd 3. Jednostka prowadząca: Wydział Mechaniczno-Elektryczny 4. Kierunek: Mechatronika 5. Specjalność: Techniki Komputerowe
Bardziej szczegółowoNotacja. - operator implikacji, - operator koniunkcji v operator alternatywy - operator równoważności ~ operator negacji Duża litera (np.
Systemy ekspertowe Notacja - operator implikacji, - operator koniunkcji v operator alternatywy - operator równoważności ~ operator negacji Duża litera (np. A) - fakt Klauzula Horna Klauzula Horna mówi,
Bardziej szczegółowo