Rozmyte systemy doradcze
|
|
- Bogdan Podgórski
- 8 lat temu
- Przeglądów:
Transkrypt
1 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 Mamdani, 2. typu Sugeno. 2
2 Co to takiego myślenie rozmyte? Nawet eksperci używają sformułowań: Metoda X jest znacznie bardziej efektywna niż metoda Y. Ocenę stanów, rzeczy wykonuje się w pewnej skali stopniowania: mały, duży, wielki, niski, wysoki, bardzo wysoki, wolny, średnio wolny, szybki, itd... Trudno jest zatem odróżnić element danej klasy od innych. Logika rozmyta to logika użyta by opisywać rozmycie, a nie logika, która jest rozmyta (mętna). 3 Uwaga! 4 2
3 Myślenie według logiki konwencjonalnej Logika boolowska używa ostrego rozróżniania: albo coś jest elementem klasy, albo nie jest, np.: kabel jest długi > 300 m, albo kabel krótki <=300m Tomek jest wysoki, bo ma 8cm (wysoki > 80cm) Michał jest niski (nie wysoki), bo mierzy 79cm
4 Zbiory w ujęciu klasycznym Zbiór - podstawowe pojęcie w matematyce. X - zbiór klasyczny, x element zbioru X. (x X) x jest elementem zbioru X. Każdy element, który przynależy do zbioru ma ustawianą wartość. (x X) x nie należy zbioru X. Każdy element, który nie jest elementem zbioru ma ustawianą wartość 0. 7 Główna idea zbiorów rozmytych Element należy do zbioru rozmytego z pewnym stopniem przynależności. Zatem stwierdzenie może być częściowo prawdziwe lub częściowo fałszywe. Przynależność jest liczbą rzeczywistą z przedziału 0 do. 8 4
5 Porównanie Imię Wysokość Funkcja charkterystyczna Logika klasyczna Przynależność Logika Rozmyta Krzyś 208,00 Marek 205,00 Jan 98 0,98 Tomek 8 0,82 Dawid ,78 Michał ,24 Bartek ,5 Staś ,06 Piotr ,0 9 Zbiór / Zbiór rozmyty X uniwersum, zbiór uniwersalny, przestrzeń. x element uniwersum. Klasyczna logika definiuje funkcję charakterystyczną zbioru : f (x) X 0,, gdzie: f, if x ( x) = 0, if x Logika rozmyta definiuje funkcję przynależności zbioru z uniwersum X: µ (x) X [0,], gdzie: µ ( x) = µ ( x) = 0 if x na pewno jest w if x nie jest w 0 < µ ( x) < if x czesciowo jest w 0 5
6 Skąd wiadomo jakie stosować funkcje przynależności? Od pojedynczego eksperta. Zbierając dane od wielu ekspertów. Sztuczne sieci neuronowe uczą się na dostępnych dla systemu danych i określają zbiór rozmyty. Typy funkcji przynależności 2 6
7 Przykład funkcja przynależności stopień przynależności stopień przynależności niski niski średni wysoki 70 średni wysoki przypadek logiki klasycznej wzrost w cm przypadek logiki rozmytej 84cm przynależność do zbioru średni ze stopniem 0.4, a do zbioru wysoki ze stopniem wzrost w cm 3 Reprezentacja zbioru rozmytego Niech X jest to zbiór par: {x i, µ (x) } {element, jego funkcja przynależności}. jest podzbiorem X. Sposoby reprezentowania podzbioru :. 2. { x µ ( x )}, { x, µ ( x )}, K, { x, ( x )} = µ, 2 2 n n { µ x ) / x }, { µ ( x ) / x }, K, { ( x ) x } = / ( 2 2 µ Przykład: wysoki mężczyzna=(0/80, /90) niski mężczyzna=(/60, 0/70) średniego wzrostu mężczyzna=(0/65, /75, 0/85) n n 4 7
8 Zmienne lingwistyczne Zmienne lingwistyczne: Jan jest wysoki. Jan przyjmuje lingwistyczna wartość (term) wysoki. [Wzrost jest zmienną lingwistyczną] Przykłady reguł rozmytych (na zmiennych lingwistycznych): IF wiatr jest silny THENżaglowanie jest dobre IF czas projektu jest długi THEN ryzyko ukończenia wysokie IF prędkość wolna THEN droga hamowania krótka 5 Operacje na zbiorach klasycznych dopełnienie zawieranie się NOT B B B przecięcie unia 6 8
9 Zbiory rozmyte - Dopełnienie Zbiór klasyczny: Kto/co nie należy do zbioru? Zbiór rozmyty: Jak bardzo element nie przynależy do zbioru? Przykład: µ ( x) = µ ( x) wysoki mężczyzna = (0/80, 0.25/82.5, 0.5/85, 0.75/87, /90) NOT wysoki mężczyzna = (/ /82.5, 0.5/85, 0.25/87, 0/90) µ (x) 0 x µ (x) NOT 0 x 7 Zbiory rozmyte - Zawieranie się Zbiór klasyczny: Który zbiór należy do innych zbiorów? Zbiór rozmyty: Który zbiór rozmyty należy do innych zbiorów rozmytych? Przykład: wysoki mężczyzna = (0/80, 0.25/82.5, 0.5/85, 0.75/87, /90) bardzo wysoki mężczyzna = (0/80, 0.06/82.5, 0.25/85, 0.56/87, /90) µ(x) 0 B x 8 9
10 Zbiory rozmyte - Iloczyn Zbiór klasyczny: Który element należy do obu zbiorów? Zbiór rozmyty: Jak bardzo element przynależy do obu zbiorów rozmytych? µ B x) = min[ µ ( x), µ B ( x)] = µ ( x) µ B ( ( x) Przykład: wysoki mężczyzna = (0/65, 0/75, 0/80, 0.25/82.5, 0.5/85, /90) średni mężczyzna = (0/65, /75, 0.5/80, 0.25/82.5, 0/85, 0/90) wysoki mężczyzna średni mężczyzna = (0/80, 0.25/82.5, 0/85) µ(x) 0 B x µ (x) 0 B x 9 Zbiory rozmyte - Suma Zbiór klasyczny: Który element należy do jednego z, lub obu zbiorów? Zbiór rozmyty: Jak bardzo element przynależy do jednego z, lub obu zbiorów? µ B x) = max[ µ ( x), µ B ( x)] = µ ( x) µ B ( Przykład: wysoki mężczyzna = (0/65, 0/75, 0/80, 0.25/82.5, 0.5/85, /90) średni mężczyzna = (0/65, /75, 0.5/80, 0.25/82.5, 0/85, 0/90) wysoki mężczyzna średni mężczyzna = (0/65, /75, 0.5/80, 0.25/82.5, 0.5/85, /90 ) ( x) µ(x) 0 B x µ (x) 0 B x 20 0
11 Reguły rozmyte IF prędkość duża THEN droga hamowania długa IF prędkość mała THEN droga hamowania krótka IF x jest THEN y jest B x,y zmienne lingwistyczne,,b wartości lingwistyczne (termy), X,Y uniwersa 2 Reguły złożone Wiele przesłanek: IF czas projektu długi ND liczba pracowników duża ND fundusze są nieodpowiednie THEN ryzyko duże IF jedzenie dobre OR obsługa miła THEN napiwek wysoki Wielokrotna konsekwencja: IF temperatura powietrza wysoka THEN temperatura wody jest obniżona; zwiększana jest zimna woda. 22
12 Wnioskowanie z reguł Logika klasyczna: Jeżeli przesłanka (IF) jest prawdą to i implikacja jest prawdziwa. Logika rozmyta: Jeżeli przesłanka jest w pewnym stopniu prawdziwa, to i konsekwencja jest w pewnym stopni prawdziwa. 23 Wnioskowanie rozmyte 24 2
13 Etapy w modelu rozmytym (Wnioskowanie rozmyte). Czynności wstępne:. Określenie reguł rozmytych. 2. Określenie funkcji przynależności do wartości wejść i wyjść. 2. Główne kroki:. Rozmycie wejść poprzez użycie funkcji przynależności (fuzyfikacja). 2. Łączenie rozmytych przesłanek (wejść) poprzez rozmyte reguły by uzyskać rozmyte konsekwencje (z wielu reguł). 3. Łączenie wniosków (konsekwencji), by otrzymać ostateczny rozkład wyjścia. 4. Defuzyfikacja wyjścia (wyostrzenie) tylko, gdy musimy uzyskać jednoznaczną odpowiedź. 25 Przykład Cel: zbudować rozmyty system ekspertowy wspomagający wnioskowanie o operacjach wydobycia na podstawie: cen ropy i wykazanych rezerw korporacji. Dane są: zbiory rozmyte dla cen ropy (wejście ), zbiory rozmyte dla wykazanych rezerw korporacji (wejście 2), Zbiory rozmyte zaangażowania w operację wydobycia (wyjście). Reguły postępowania przy zadanych wejściach. Przykład zaczerpnięty z:
14 Przykład cd. Wejście : rezerwy korporacji. 27 Przykład cd. Wejście 2: cena ropy. 28 4
15 Przykład cd. Wyjście: zaangażowania w operację zwiększenia wydobycia. 29 Przykład cd. reguły rozmyte Reguła : IF cena ropy jest wysoka ND wykazane rezerwy są niskie THEN zwiększenie operacji wydobycia wysoce wskazane. 30 5
16 Cechy wnioskowania rozmytego W procesie wnioskowania kilka reguł jest odpalanych jednocześnie, co bardziej przypomina sposób analizy prowadzony przez człowieka. Informacje wykorzystywane są w pełni symultanicznie. 3 Rozmywanie (fuzyfikacja) Podane są jednoznaczne (liczbowe, ostre) wejścia do systemu wnioskowania. Dane mogą mieć różne pochodzenie i stąd wartości. Każde wejście jest zamieniane na wartość rozmytą poprzez funkcję przynależności. Przykład: Cena ropy $20.00 za baryłkę i zapasy korporacji wielkości 9 MMBBLs (million barrels). 32 6
17 33 Odpalenie reguł Wykorzystuje się, w zależności od reguły, operatory zdefiniowane dla zbiorów rozmytych takie jak: suma (MX), iloczyn (MIN) do składania wejść. W wyniku obliczeń powstaje zbiór rozmyty, tzw. konsekwencja. Różnorodność operatorów sum i iloczynów prowadzi do różnych rozwiązań. 34 7
18 35 gregacja reguł (akumulacja) Jest to proces łączenia wszystkich reguł wyjściowych w jeden zbiór rozmyty. Najczęściej wykorzystuje się operator max. 36 8
19 Wyostrzanie (defuzyfikacja) Proces uzyskiwania jednoznacznej (ostrej) wartości jako wyniku wnioskowania. Metody defuzyfikacji: metoda środka ciężkości (Center of Gravity) najpopularniejsza, metoda środka maximum (Mean Of Maximum), metoda pierwszego maximum (First of Maxima). 37 stopień przynależności Wyostrzanie - metoda COG Metoda środka ciężkości Dla funkcji ciągłej: Dla próbkowanego przedziału zmiennej: a b Y b a COG = b Y µ ( x) xdx a µ ( x) dx b x= a COG = b x= a µ ( x) x µ ( x) wzrost w cm 38 9
20 COG przykład stopień przynależności Y COG ( ) 0.+ ( ) ( ) 0.5 = = Wyostrzanie - metoda MOM Metoda środka maksimum Wyjście przyjmuje wartość: Y = Y ( µ ) term stopień przynależności MOM max a b wzrost w cm 40 20
21 Typ wejść pojedyncza liczba 4 Typ wejść wartość rozmyta
22 Wnioskowanie typu Segueno Wnioskowanie typu Mamdani nie jest korzystne obliczeniowe, ponieważ należy wyznaczać centra dwuwymiarowych figur. Wnioskowanie typu Segueno stosuje pojedyncze wartości (singletony) jako funkcje przynależności znalezionych konsekwencji. Mają one wartości różne od zera tylko w jednym punkcie. 43 Mamdani
23 Segueno 45 Zalety Segueno Efektywny obliczeniowo Pracuje poprawnie z technikami liniowymi Jest wydajny dla technik optymalizacji i adaptacji. Gwarantuje ciągłość płaszczyzny wyjściowej. Dopasowany do analiz matematycznych. Mamdani Jest intuicyjny. Metoda szeroko wykorzystywana i akceptowana. Dobrze dopasowana do wejść opisywanych przez człowieka
24 Zastosowania Medyczne systemy diagnozowania. Systemy meteorologiczne. Systemy nadzorujące chów bydła. Inne zastosowanie poza systemami ekspertowymi: Inteligentne lodówki, pralki, windy, opiekacze do grzanek, aparaty fotograficzne. Zastosowania w finansach i ekonomii 47 24
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 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 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 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 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 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. 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 rozmyta. Agnieszka Nowak - Brzezińska
Logika rozmyta Agnieszka Nowak - Brzezińska Geneza Logiki rozmytej Za twórcę teorii zbiorów rozmytych i logiki rozmytej uważa się Lotfiego A. Zadeha, który w 1965 roku opublikował artykuł Fuzzy Sets (Information
Bardziej szczegółowoInteligencja obliczeniowa
Ćwiczenie nr 3 Zbiory rozmyte logika rozmyta Sterowniki wielowejściowe i wielowyjściowe, relacje rozmyte, sposoby zapisu reguł, aproksymacja funkcji przy użyciu reguł rozmytych, charakterystyki przejściowe
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 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 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 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 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 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 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 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 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 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 szczegółowoTemat: ANFIS + TS w zadaniach. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: ANFIS + TS w zadaniach Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1. Systemy neuronowo - rozmyte Systemy
Bardziej szczegółowoSztuczna Inteligencja Projekt
Sztuczna Inteligencja Projekt Temat: Algorytm F-LEM1 Liczba osób realizujących projekt: 2 1. Zaimplementować algorytm F LEM 1. 2. Zaimplementować klasyfikator Classif ier. 3. Za pomocą algorytmu F LEM1
Bardziej 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 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 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 szczegółowoKARTA PRZEDMIOTU. 17. Efekty kształcenia:
Z1-PU7 WYDANIE N1 Strona 1 z 4 (pieczęć wydziału) KARTA PRZEDMIOTU 1. Nazwa przedmiotu: CYBERNETYKA 2. Kod przedmiotu: CYB 3. Karta przedmiotu ważna od roku akademickiego: 2012/2013 4. Forma kształcenia:
Bardziej 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 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 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 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 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 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 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 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 szczegółowoIndukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak
Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka
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 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 szczegółowoWstęp do Techniki Cyfrowej... Algebra Boole a
Wstęp do Techniki Cyfrowej... Algebra Boole a Po co AB? Świetne narzędzie do analitycznego opisu układów logicznych. 1854r. George Boole opisuje swój system dedukcyjny. Ukoronowanie zapoczątkowanych w
Bardziej szczegółowo1. Logika, funkcje logiczne, preceptron.
Sieci neuronowe 1. Logika, funkcje logiczne, preceptron. 1. (Logika) Udowodnij prawa de Morgana, prawo pochłaniania p (p q), prawo wyłączonego środka p p oraz prawo sprzeczności (p p). 2. Wyraź funkcję
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 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 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 szczegółowoWybrane rozkłady zmiennych losowych. Statystyka
Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1
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 szczegółowoANALIZA I PROGNOZA WODOCHŁONNOŚCI SEKTORÓW GOSPODARKI Z ZASTOSOWANIEM WNIOSKOWANIA ROZMYTEGO
IZABELA GODYŃ ANALIZA I PROGNOZA WODOCHŁONNOŚCI SEKTORÓW GOSPODARKI Z ZASTOSOWANIEM WNIOSKOWANIA ROZMYTEGO APPLICATION OF FUZZY REASONING IN THE ANALYSIS AND FORECAST OF WATER CONSUMPTION IN ECONOMY Streszczenie
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 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 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 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 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 szczegółowoSystemy Inteligentnego Przetwarzania wykład 4: algorytmy genetyczne, logika rozmyta
Systemy Inteligentnego Przetwarzania wykład 4: algorytmy genetyczne, logika rozmyta Dr inż. Jacek Mazurkiewicz Katedra Informatyki Technicznej e-mail: Jacek.Mazurkiewicz@pwr.edu.pl Wprowadzenie Problemy
Bardziej 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 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 szczegółowoPrzetwarzanie obrazów wykład 4
Przetwarzanie obrazów wykład 4 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Filtry nieliniowe Filtry nieliniowe (kombinowane)
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 szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoMetoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.
Plan Procedura decyzyjna Reguły α i β - algorytm Plan Procedura decyzyjna Reguły α i β - algorytm Logika obliczeniowa Instytut Informatyki 1 Procedura decyzyjna Logiczna konsekwencja Teoria aksjomatyzowalna
Bardziej szczegółowoMetodyka i system dopasowania protez słuchu w oparciu o badanie percepcji sygnału mowy w szumie
Metodyka i system dopasowania protez w oparciu o badanie percepcji sygnału mowy w szumie opracowanie dr inż. Piotr Suchomski Koncepcja metody korekcji ubytku Dopasowanie szerokiej dynamiki odbieranego
Bardziej szczegółowoMETODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład 3-4. Parametry i wybrane rozkłady zmiennych losowych
METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład - Parametry i wybrane rozkłady zmiennych losowych Parametry zmiennej losowej EX wartość oczekiwana D X wariancja DX odchylenie standardowe inne, np. kwantyle,
Bardziej szczegółowoSztuczna inteligencja wprowadzenie
Sztuczna inteligencja wprowadzenie Sławomir Samolej Slajdy zostały przygotowane na podstawie materiałów opublikowanych na (http://wazniak.mimuw.edu.pl/ Literatura Leszek Rutkowski Metody i techniki sztucznej
Bardziej szczegółowoKARTA MODUŁU KSZTAŁCENIA
KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia
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 szczegółowoInżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska
Inżynieria Wiedzy i Systemy Ekspertowe Niepewność wiedzy dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Współczynniki pewności (ang. Certainty
Bardziej szczegółowoĆWICZENIE 4 ZASTOSOWANIE METOD I NARZĘDZI LOGIKI ROZMYTEJ DO KLASYFIKACJI DANYCH I APROKSYMACJI ODWZOROWAŃ STATYCZNYCH
Politechnika Białostocka Wydział Elektryczny Katedra Automatyki i Elektroniki ĆWICZENIE 4 ZASTOSOWANIE METOD I NARZĘDZI LOGIKI ROZMYTEJ DO KLASYFIKACJI DANYCH I APROKSYMACJI ODWZOROWAŃ STATYCZNYCH Pracownia
Bardziej 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 szczegółowoJacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa
Jacek Skorupski pok. 251 tel. 234-7339 jsk@wt.pw.edu.pl http://skorupski.waw.pl/mmt prezentacje ogłoszenia konsultacje: poniedziałek 16 15-18, sobota zjazdowa 9 40-10 25 Udział w zajęciach Kontrola wyników
Bardziej szczegółowoTHE PART OF FUZZY SYSTEMS ASSISTING THE DECISION IN DI- AGNOSTICS OF FUEL ENGINE SUBASSEMBLIES DEFECTS
Journal of KONES Internal Combustion Engines 2005, vol. 12, 3-4 THE PART OF FUZZY SYSTEMS ASSISTING THE DECISION IN DI- AGNOSTICS OF FUEL ENGINE SUBASSEMBLIES DEFECTS Mariusz Topolski Politechnika Wrocławska,
Bardziej 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 szczegółowoWybrane rozkłady zmiennych losowych. Statystyka
Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1
Bardziej szczegółowoBADANIE GOTOWOŚCI PRZEDSIĘBIORSTW DO ZARZĄDZANIA STRATEGICZNEGO Z WYKORZYSTANIEM ROZMYTEGO RACHUNKU ZDAŃ
BADANIE GOTOWOŚCI PRZEDSIĘBIORSTW DO ZARZĄDZANIA STRATEGICZNEGO Z WYKORZYSTANIEM ROZMYTEGO RACHUNKU ZDAŃ Agata SZEPTUCH, Marcin ADAM Streszczenie: W artykule podjęto problem badania gotowości przedsiębiorstw
Bardziej szczegółowoSystemy ekspertowe - wiedza niepewna
Instytut Informatyki Uniwersytetu Śląskiego lab 8 Rozpatrzmy następujący przykład: Miażdżyca powoduje często zwężenie tętnic wieńcowych. Prowadzi to zazwyczaj do zmniejszenia przepływu krwi w tych naczyniach,
Bardziej 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 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 szczegółowo