STRUKTURA BAZY WIEDZY W BIBLIOTECE FUZZLIB STRUCTURE OF KNOWLEDGE BASE IN FUZZLIB LIBRARY
|
|
- Karolina Chmielewska
- 7 lat temu
- Przeglądów:
Transkrypt
1 STUDIA INFORMATICA 2010 Volume 31 Number 2A (89) Przemysław KUDŁACIK Uniwersytet Śląski, Instytut Informatyki STRUKTURA BAZY WIEDZY W BIBLIOTECE FUZZLIB Streszczenie. Biblioteka FUZZLIB to zbiór narzędzi pozwalających tworzyć i zarządzać rożnymi systemami rozmytymi za pomocą prostego w użyciu interfejsu. Szczególnie ułatwiono konfigurację i zarządzanie regułowej bazy wiedzy opartej na strukturach dynamicznych. Niniejszy artykuł opisuje zastosowane rozwiązania oraz interfejs programistyczny. Słowa kluczowe: regułowe systemy rozmyte, baza wiedzy, wnioskowanie przybliżone STRUCTURE OF KNOWLEDGE BASE IN FUZZLIB LIBRARY Summary. FUZZLIB library provide a set of tools that let to create and manage diverse fuzzy systems with an easy to use interface. Configuration and management of a rule base, based on dynamic structures, is especially simplified. Article describes developed solutions and program interface. Keywords: rule based fuzzy systems, knowledge base, approximate reasoning 1. Wprowadzenie Biblioteka FUZZLIB [2] jest uniwersalnym zestawem modułów programistycznych projektowanych z myślą o implementacji w popularnych obiektowych językach programowania 1. Głównym przeznaczeniem biblioteki jest tworzenie regułowych systemów rozmytych wykorzystujących różne rozwiązania wnioskowania rozmytego 2 [8 i 9]. Jej cechą szczególną 1 Obecnie istnieje implementacja w języku C++. Trwają jednak prace nad udostępnieniem modułów biblioteki w ramach języków Java oraz C#. 2 W chwili obecnej dostępne są podejścia z logiczną i koniunkcyjną interpretacją reguły jeżeli-to wprowadzone przez Zadeha [7], Mamdaniego [4] oraz Baldwina [1].
2 470 P. Kudłacik jest odcinkowo-liniowa reprezentacja funkcji przynależności zbiorów rozmytych [2]. Pozwala ona w prosty sposób definiować funkcje o dowolnym przebiegu z określoną dokładnością. Ze względu na wektorową postać opisu funkcji większość algorytmów charakteryzuje logarytmiczna i liniowa czasowa złożoność obliczeniowa [2]. Niniejszy artykuł opisuje rozwiązanie problemu formatu danych przechowujących bazę wiedzy, którą zorganizowano w ramach dynamicznej struktury pojedynczych reguł oraz dynamicznej struktury ich zbioru. 2. Struktura informacji w rozmytym systemie regułowym Najważniejszym elementem wielu systemów rozmytych, z użytkowego punktu widzenia, jest baza reguł, czyli wiedza systemu, która definiuje jego działanie. Stanowi ją zbiór reguł jeżeli-to, które mogą być określone bezpośrednio np. przez eksperta, bądź utworzone automatycznie (wydobyte z danych), co ma miejsce w przypadku systemów uczących się. Bazę reguł R w postaci kanonicznej dla systemu z N wejściami, składającą sie z I rozmytych reguł jeżeli-to, opisuje się następująco [3]: N ( i) I ( i) ( i) { R } = jezeli x jest A, to jest B, R = i= 1 n n y (1) n= 1 gdzie x i A (i) reprezentują odpowiednio zmienne wejściowe oraz przypisane im w (i)-tej regule przesłanki. Natomiast y i B (i) określają odpowiednio wyjście systemu oraz konkluzję reguły (i). Symbol oznacza spójnik I kolejnych przesłanek. W ogólnym przypadku przesłanki mogą być również łączone za pomocą spójnika LUB, dana reguła może być określona dla mniejszej liczby wejść oraz system może posiadać więcej wyjść. Jednak każdy z tych przypadków można sprowadzić do postaci kanonicznej odpowiednio poprzez rozbicie reguł i wprowadzenie dodatkowych, dodanie odpowiednio opisanych przesłanek oraz dekompozycję systemu z wieloma wyjściami na większą liczbę systemów [3]. Projektowane rozwiązanie powinno uwzględnić możliwość tworzenia reguł najbardziej rozbudowanych, w których można określić dowolną liczbę przesłanek w każdej regule oraz stosować różne spójniki. Zatem równanie (1) przyjmie w tym przypadku następującą postać: ( i ) N M ( i) I ( i) ( i) R = { R } i= 1 = jezeli x n jest An, to y m jest Bm, (2) k= 1 m= 1 gdzie symbol * oznacza dowolny spójnik ( I bądź LUB ), natomiast parametr M odpowieda liczbie wyjść systemu. Parametry N (i) N oraz wybór n {1,2,,N} pozwalają dostosować liczbę przesłanek przypisanych do wybranych wejść systemu dla każdej z reguł w bazie. Wyjścia odpowiadają różnym zmiennym, dlatego zostały złączone spójnikiem I. I i= 1 I i= 1
3 Struktura bazy wiedzy z bibliotece FUZZLIB Dynamiczna struktura bazy wiedzy w zastosowanym rozwiązaniu Pewnymi wspólnymi elementami opisu bazy wiedzy, które mogą zostać wielokrotnie wykorzystane w regułach, są lingwistyczne określenia przesłanek i konkluzji, reprezentowane za pomocą zbiorów rozmytych. Zbiór rozmyty w bibliotece FUZZLIB implementuje klasa FuzzySet, której podstawowe cechy i funkcjonalność opisano dokładniej w publikacji [2]. Zatem przed tworzeniem reguł można zdefiniować zestaw wykorzystywanych zbiorów, natomiast w regułach umieszczać jedynie odwołania. To podejście pozwala zaoszczędzić znaczną ilość pamięci operacyjnej, ponieważ nie zachodzi redundancja przechowywanych informacji. Jest to szczególnie ważne w przypadku dużej liczby reguł. Ponadto zbiory przypisywane przesłankom i konkluzjom nie są modyfikowane w procesie wnioskowania (tylko odczyt), zatem rozwiązanie nie będzie wymagało zastosowania wyszukanych mechanizmów współdzielenia dostępu do pamięci oraz synchronizacji w możliwych rozwiązaniach wielowątkowych/wieloprocesowych. Omawiane rozwiązanie rozdziela zbiory przesłanek oraz konkluzji gromadząc je w dwóch różnych kolekcjach dynamicznych 3, które najczęściej są tworzone jeszcze przed definiowaniem reguł, ponieważ przy tworzeniu reguły muszą już istnieć opisy wykorzystywanych przez nią przesłanek i konkluzji. Innym stałym elementem konfiguracji systemu, z punktu widzenia opisu, są jego zmienne wejściowe i wyjściowe, które utożsamia się odpowiednio z wejściami oraz wyjściami. Oczywiście podczas pracy systemu mogą one przyjmować różne wartości, jednak ich konfiguracja, a szczególnie liczba, nie zmieniają się. W omawianej bibliotece zmienne wejściowe i wyjściowe reprezentują odpowiednio klasy InVar oraz OutVar. Ich obiekty są również przechowywane w ramach dwóch dynamicznych kolekcji. W obiektach klas InVar i OutVar zachodzi etap rozmywania i wyostrzania. Odpowiednio określony zbiór rozmyty może zostać przechowany w ramach obiektu zmiennej wejściowej i użyty, kiedy zajdzie potrzeba rozmycia wprowadzonej wartości numerycznej [2]. Obiekty reprezentujące zmienne wyjściowe również zawierają zbiory rozmyte, które pełnią w tym przypadku dwie role. Po pierwsze określają rozmyte wyjścia systemu, a po drugie są wykorzystywane jako bufor wyników tymczasowych w procesie wnioskowania podczas agregacji rezultatów. Numeryczne wyjście systemu uzyskuje się poprzez wyostrzenie rozmytych wyników, co jest standardową funkcjonalnością klasy FuzzySet [2]. Przedstawione elementy pozwalają w pełni opisywać reguły łącząc przesłanki i konkluzje z wejściami i wyjściami systemu, minimalizując przy tym użycie pamięci operacyjnej. 3 W dotychczasowym rozwiązaniu w ramach języka C++ są to tablice dynamiczne.
4 472 P. Kudłacik Pozostałe elementy są bezpośrednio związane ze strukturą bazy wiedzy. Składową najbardziej ogólną w tym zbiorze jest reguła, reprezentowana w omawianej bibliotece przez klasę Rule. Agreguje ona złożony poprzednik oraz złożony następnik reguły rozmytej. Do tego celu utworzono dwie dodatkowe klasy: PremItem oraz ConsItem, rozbijające złożony poprzednik i następnik na pojedyncze elementy składowe. Zgodnie z (2) następnik reguły może utworzyć ciąg stwierdzeń y jest B, określający stan wyjść w danym przypadku. Zatem element ConsItem łączy jeden obiekt OutVar z obiektem FuzzySet, określającymi odpowiednio zmienną wyjściową i konkluzję. Natomiast złożony następnik tworzy kolekcja obiektów ConsItem, która jest zawierana w obiektach klasy Rule. Poza elementami konkluzji reguła zawiera kolekcję obiektów PremItem, które ze względu na zastosowanie różnych spójników oraz określanie priorytetów kolejnych złączeń są bardziej rozbudowane. Założono, iż podstawowy element poprzednika (PremItem) pozwoli określić złączenie dwóch części przesłanki złożonej za pomocą określonego operatora. Rodzaj zastosowanego spójnika pomagają określić wartości statyczne w pomocniczej klasie OpType. Łączyć można zarówno dwie przesłanki proste, jak i dwa rezultaty otrzymane z operacji wcześniejszych, których wyniki zapamiętano na stosie wartości. Zatem obiekt klasy PremItem pozwala złączyć elementy umieszczone po lewej i prawej stronie określonego operatora, a elementami tymi mogą być przesłanki proste bądź wyniki poprzednich złączeń. Tym sposobem zapewniono warunki przedstawione w równaniu (2), uzyskując dodatkowo możliwość łączenia przesłanek prostych w określonej kolejności. Na rysunku 1 przedstawiono skrótowy diagram wymienionych dotychczas klas, ze szczególnym uwzględnieniem relacji agregacji. Schemat wyraźnie obrazuje strukturę zawierania kolejnych obiektów. Zbiór rozmyty określający przesłanki i konkluzje (klasa FuzzySet) jest kolekcją punktów opisu (klasa SPoint). Dalej obiekty zbiorów są umieszczane w ramach zmiennych wejściowych/wyjściowych oraz elementów przesłanek i konkluzji, które ostatecznie tworzą całą regułę. Rozbudowana baza wiedzy zawiera oczywiście całą kolekcję tak określonych reguł, którą w istniejącej implementacji oparto na dynamicznej liście obiektów klasy Rule.
5 Struktura bazy wiedzy z bibliotece FUZZLIB 473 +pits: * PremItem +psize: int +maxpsize: int +cits: * ConsItem +csize: int +maxcsize: int Rule +Rule(premiseSize: int, conclusionsize: int) +AddPreItem(varA: int, seta: int, varb: int, setb: int, op_type: short int, op: Norm): void +AddConItem(varC: int, setc: int, extended: int): void OpType +NO_OPERATION: short int +AND: short int +OR: short int +ilvar: int +irvar: int +ilset: int +irset: int +op_type: int +op: Norm +PremItem() PremItem +ivar: int +iset: int +con: FuzzySet ConsItem +ConsItem(storeConclusion: int) +createconclusionset(): void +deleteconclusionset(): void InVar +inval: double +invalf: FuzzySet +fuzz: FuzzySet +id: string +des: string +InVar() +setfuzzyfier(fs: FuzzySet): void +fuzzyfy(): void +setvalue(): void FuzzySet +pts: * SPoint +id: string +des: string FuzzySet() +...() OutVar +outset: FuzzySet +outval: double +cnum: int +id: string +des: string +OutVar() +getvalue() +defuzzyfy() SPoint +x: double +y: double +SPoint() Rys. 1. Diagram klas biorących udział w tworzeniu reguły Fig. 1. Diagram of classes taking part in rule creation Warto zwrócić uwagę na wspomnianą wcześniej oszczędność pamięci poprzez przechowywanie jedynie referencji do jednokrotnie opisanych zmiennych (InVar, OutVar) oraz przesłanek i konkluzji (FuzzySet) w obiektach klas PremItem oraz ConsItem (pola ivar referencja na zmienną oraz iset referencja na zbiór rozmyty). Całe obiekty zbiorów pojawiają się w klasach InVar, OutVar oraz ConsItem. Są to pola invalf (rozmyta wartość wejściowa), fuzz (zbiór rozmywający [2]), outset (rozmyte wyjście) oraz con (wniosek wynikający z reguły).
6 474 P. Kudłacik 4. Interfejs programistyczny Diagram przedstawiony na rysunku 1 pokazuje kilka prostych metod umieszczonych w ramach klasy Rule, pozwalających zarządzać strukturą bazy na poziomie reguły. Za pomocą tych metod modyfikuje się regułę dodając jej kolejne elementy składowe. Jednak większość programistycznego interfejsu zaprojektowanego do budowania bazy wiedzy znajduje się w klasie FuzzySystem, reprezentującej system rozmyty, zawierający całą kolekcję reguł. Głównym założeniem biblioteki FUZZLIB jest maksymalne uproszczenie interfejsu tak, aby każdy użytkownik znający podstawy programowania obiektowego potrafił z niej korzystać. Elementem tego założenia jest również uproszczenie zasad konfiguracji systemu rozmytego poprzez wykorzystanie określeń lingwistycznych. Jak można zauważyć na rysunku 1, klasy FuzzySet, InVar oraz OutVar zawierają dwie składowe opisowe typu string: identyfikator id oraz opis des. Szczególnie ważne są pola identyfikatorów, które odpowiadają skrótowym nazwom lingwistycznym przypisanym do zbiorów rozmytych oraz zmiennych systemu. W ten sposób kod odpowiedzialny za definicje reguł jest bardzo łatwy w interpretacji. Konfigurację struktury najlepiej rozpocząć od utworzenia obiektów zbiorów rozmytych oraz przypisania im identyfikatorów lub opisów. Zbiory te po przypisaniu do systemu staną się definicjami jego przesłanek i konkluzji. Przypisania dokonuje się za pomocą metod addpremiseset(fuzzyset & fs) oraz addconclusionset(fuzzyset & fs), składowych klasy FuzzySystem. W części przygotowawczej należy również skonfigurować i przypisać identyfikatory obiektom zmiennych wejściowych i wyjściowych systemu. Utworzenie zmiennych jest realizowane za pomocą metod setinputwidth(int n) oraz setoutputwidth(int m). Później przypisywane są identyfikatory każdej z n zmiennych wejściowych i m wyjściowych metodami: describeinputvar(int var, string id, string des), describeoutputvar(int var, string id, string des). Następnie można przejść do definiowania struktury bazy wiedzy poprzez dodawanie i konfigurację kolejnych reguł. Metoda addrule() dodaje nową regułę, której kolejne elementy definiuje się za pomocą: addruleitem(string vara, string seta, string operator, string varb, string setb), addruleitem(string vara, string seta), addruleconclusion(string varc, string setc), gdzie pierwsza dodaje element przesłanki złożonej, druga wykorzystywana jest do definiowania przesłanek prostych, natomiast trzecia dodaje element konkluzji. Należy zwrócić uwagę na opisowe typy parametrów, które odpowiadają identyfikatorom dodanych wcześniej zmiennych wejściowych oraz przesłanek i konkluzji.
7 Struktura bazy wiedzy z bibliotece FUZZLIB 475 Przyjęto następujące tekstowe określenia dla operatorów stanowiących spójniki przesłanek: AND i OR, odpowiednio dla spójników I oraz LUB. W trakcie pracy systemu wynik każdego złączenia, określonego za pomocą obiektów RuleItem, zapisywany jest na stosie. Na etapie konfiguracji reguły istnieje możliwość określenia czy dana strona złączenia powinna być pobrana ze stosu. Do tego celu służy ciąg tekstowy STACK podany w miejsce identyfikatora zmiennej wejściowej. W tym przypadku identyfikator przesłanki jest pomijany i może przyjąć dowolną wartość. Jak wcześniej wspomniano, takie rozwiązanie pozwala w prosty sposób definiować dowolnie złożone reguły z określonym priorytetem złączeń. Przykładowo, regułę opisującą pracę pewnego urządzenia osuszającego, zapisaną lingwistycznie w postaci: jeśli (powierzchnia jest mokra i temperatura jest niska) lub (powierzchnia jest bardzo mokra i temperatura jest średnia), to poziom osuszania jest bardzo intensywny, można utworzyć za pomocą następującego ciągu instrukcji: system.addrule(); system.addruleitem( surface, wet, AND, temp, low ); system.addruleitem( surface, very_wet, AND, temp, medium ); system.addruleitem( STACK,, OR, STACK, ); system.addruleconclusion( drying_level, high ); gdzie założono istnienie definicji zmiennych wejściowych, przesłanek i konkluzji o podanych identyfikatorach. Przykładowa definicja zbioru rozmytego przesłanki o gaussowskiej funkcji przynależności w języku C++ wygląda następująco: FuzzySet medium; medium.newgaussianfast(m,q); gdzie parametry m oraz q określają odpowiednio środek oraz szerokość funkcji Gaussa. Natomiast postać trójkątna lub trapezoidalna może zostać utworzona przez proste dodawanie kolejnych punktów: FuzzySet medium; medium.addpoint(0.0, 0.0); medium.addpoint(2.0, 1.0); Po skonfigurowaniu systemu jest on gotowy do działania. Wnioskowanie przeprowadza się wywołując metodę process() obiektu klasy FuzzySystem. 5. Podsumowanie Podsumowując warto wymienić najważniejsze cechy zaproponowanego rozwiązania. Zapewne mechanizm definiowania praktycznie dowolnie złożonych reguł oferuje duże możliwości konfiguracji bazy wiedzy, w zależności od potrzeb i upodobań użytkownika. Ponadto
8 476 P. Kudłacik stosowanie spójników LUB w przesłankach złożonych pozwoli w niektórych przypadkach 4 zmniejszyć liczbę reguł przez ich scalanie. Zaproponowana struktura, oparta w większości na dynamicznych tabelach, pozwala szybko odwołać się do adresowanych obiektów. Niestety, takie rozwiązanie może się wiązać z większą złożonością obliczeniową etapu wstawiania nowego elementu do kolekcji. Problem powstaje, gdy rozmiar tabeli jest zbyt mały i trzeba ją powiększyć lub gdy wstawiany element powinien się znaleźć w środku kolekcji, co wiąże się z koniecznością przesunięcia innych. Należy jednak podkreślić, iż etap tworzenia struktury jest wykonywany jednokrotnie, dlatego w tym podejściu ważniejsze są zalety wykorzystania tabel podczas pracy systemu. Zaletą jest również możliwość lingwistycznej konfiguracji kolekcji reguł. Zapewne rozwiązaniem idealnym byłoby umożliwienie definiowania bazy wiedzy za pomocą tekstowego skryptu. Implementacja tej funkcjonalności jest kolejnym planowanym krokiem rozwoju biblioteki FUZZLIB. Najważniejszym elementem takiego rozwiązania jest określenie odpowiedniej gramatyki, szczególnie w zakresie definicji zbiorów rozmytych. Możliwość definiowania funkcji przynależności o dowolnym kształcie jest atutem omawianej biblioteki i projektowane rozszerzenia nie mogą ograniczać dostępu do bogatego zbioru jej funkcji. Głównym założeniem, które przyjęto podczas rozwoju biblioteki FUZZLIB, jest projektowanie przystępnego interfejsu programistycznego. Powinien on z jednej strony umożliwić szeroką konfigurację budowanych systemów rozmytych zaawansowanym użytkownikom, a z drugiej zachęcać wszystkich swoją prostotą. Autor ma nadzieję, iż zaprezentowane w niniejszym artykule rozwiązanie obiektowe jest zgodne z przyjętym założeniem i pozwoli na łatwe wykorzystanie biblioteki w wielu różnych zastosowaniach. BIBLIOGRAFIA 1. Baldwin J.F.: A new approach to approximate reasoning using a fuzzy logic. Fuzzy Sets and Systems Vol. 2, 1979, s Kudłacik P.: Operacje na zbiorach rozmytych z odcinkowo-liniową funkcją przynależności. Studia Informatica Vol. 29(3A), Gliwice 2008, s Łeski J.: Systemy Neuronowo-Rozmyte. Wydawnictwa Naukowo-Techniczne, Warszawa Mamdani E.H., Assilan S.: An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies Vol. 20(2), 1975, s Rutkowski L.: Metody i Techniki Sztucznej Inteligencji. Wydawnictwo Naukowe PWN, Warszawa Gdy konkluzje reguły są identyczne bądź podobne.
9 Struktura bazy wiedzy z bibliotece FUZZLIB Zadeh L.A.: Fuzzy sets. Information and Control Vol. 8, 1965, s Zadeh L.A.: Outline of a new approach to the analysis of complex systems and decision processes. IEEE Transactions on Systems, Man and Cybernetics Vol. 3(1), 1973, s Cho Y.I.: Fuzzy Inference Method for Intelligent Artificial System. Journal of Medical Informatics & Technologies, Vol. 13, 2009, ISSN , s Przybyła T.: Hybrid Fuzzy Clustering Method. Journal of Medical Informatics & Technologies Vol. 10, 2006, ISSN , s Recenzenci: Dr inż. Bożena Małysiak-Mrozek, Dr hab. inż. Adam Pelikant, prof. Pol. Łódzkiej Wpłynęło do Redakcji 31 stycznia 2010 r. Abstract FUZZLIB library provides easy to use tools designed for developing fuzzy systems of diverse complexity. Article describes an object oriented approach to a knowledge base structure and methods representing an interface designed for creating rules. Canonical form of a rule (1) does not consider OR operators in compound premise and does not consider compound conclusion [3]. Presented approach allows both AND and OR operators, as well as compound conclusion joined with AND operator (equation (2)). Solution stores common elements of a system description in one place. This considers objects for input and output variables and fuzzy sets, such as premises and conclusions. Objects directly involved in creating a structure of a knowledge base (rules) use only references to common elements. Figure 1 presents diagram of classes used in rule representation. The whole knowledge base is a simple collection of such rules. Class Rule allows to define more than one part of a premise (PremItem), which is used in compound statements. Also more than one object of a ConsItem class is allowed, which enables to define compound conclusions. Classes aggregated below represent common elements described earlier, like system variables (InVar, OutVar), premises and conclusions (FuzzySet). For these, only references are stored in PremItem and ConsItem. Configuration and management of a knowledge base is very simplified, because of a linguistic object description. Such human-like approach makes a code of a program very
10 478 P. Kudłacik clear. The author hopes that this advantage of the library will help it find many different applications. Adres Przemysław KUDŁACIK: Uniwersytet Śląski, Instytut Informatyki, ul. Będzińska 39, Sosnowiec, Polska,
SZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA SYSTEMY ROZMYTE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium
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
SZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 10. WNIOSKOWANIE W LOGICE ROZMYTEJ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska WNIOSKOWANIE W LOGICE DWUWARTOŚCIOWEJ W logice
INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Podstawowe pojęcia z logiki rozmytej Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sterowanie
Logika 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
Wnioskowanie rozmyte. Krzysztof Patan
Wnioskowanie rozmyte Krzysztof Patan Wprowadzenie Informacja precyzyjna jest to jedyna postać informacji akceptowanej przez konwencjonalne metody matematyczne, najczęściej dostarczana jest przez precyzyjne
ALGORYTM 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
Temat: 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
Zagadnienia (1/3) Data-flow diagramy przepływów danych ERD diagramy związków encji Diagramy obiektowe w UML (ang. Unified Modeling Language)
Zagadnienia (1/3) Rola modelu systemu w procesie analizy wymagań (inżynierii wymagań) Prezentacja różnego rodzaju informacji o systemie w zależności od rodzaju modelu. Budowanie pełnego obrazu systemu
Informacje ogólne. Karol Trybulec p-programowanie.pl 1. 2 // cialo klasy. class osoba { string imie; string nazwisko; int wiek; int wzrost;
Klasy w C++ są bardzo ważnym narzędziem w rękach programisty. Klasy są fundamentem programowania obiektowego. Z pomocą klas będziesz mógł tworzyć lepszy kod, a co najważniejsze będzie on bardzo dobrze
Wykład 8: klasy cz. 4
Programowanie obiektowe Wykład 8: klasy cz. 4 Dynamiczne tworzenie obiektów klas Składniki statyczne klas Konstruktor i destruktory c.d. 1 dr Artur Bartoszewski - Programowanie obiektowe, sem. 1I- WYKŁAD
Klasy abstrakcyjne i interfejsy
Klasy abstrakcyjne i interfejsy Streszczenie Celem wykładu jest omówienie klas abstrakcyjnych i interfejsów w Javie. Czas wykładu 45 minut. Rozwiązanie w miarę standardowego zadania matematycznego (i nie
Jeśli X jest przestrzenią o nieskończonej liczbie elementów:
Logika rozmyta 2 Zbiór rozmyty może być formalnie zapisany na dwa sposoby w zależności od tego z jakim typem przestrzeni elementów mamy do czynienia: Jeśli X jest przestrzenią o skończonej liczbie elementów
Zasada rozszerzania. A U A jest zbiorem rozmytym, B jest obrazem zbioru A Przeniesienie rozmytości A w odwzorowaniu f na zbiór B. sup.
Zasada rozszerzania f U V U jest zbiorem rozmytym V = f( ), jest obrazem zbioru Przeniesienie rozmytości w odwzorowaniu f na zbiór v) = ( v)? ( f ( ) = sup ( u) gdy ( v) 0 1 = 1 u f ( v) f( ) ( v) 1 0
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny Politechnika Śląska
Instytut Mechaniki i Inżynierii Obliczeniowej www.imio.polsl.pl fb.com/imiopolsl @imiopolsl Wydział Mechaniczny Technologiczny Politechnika Śląska Języki programowania z programowaniem obiektowym Laboratorium
Inteligencja 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
Inżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska
Inżynieria Wiedzy i Systemy Ekspertowe Logika rozmyta dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Wyostrzanie Ostateczna, ostra wartość
PROGRAMOWANIE 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
Laboratorium z przedmiotu Programowanie obiektowe - zestaw 04
Laboratorium z przedmiotu Programowanie obiektowe - zestaw 04 Cel zajęć. Celem zajęć jest zapoznanie się ze sposobem działania popularnych kolekcji. Wprowadzenie teoretyczne. Rozważana w ramach niniejszych
Diagramy klas. dr Jarosław Skaruz http://ii3.uph.edu.pl/~jareks jaroslaw@skaruz.com
Diagramy klas dr Jarosław Skaruz http://ii3.uph.edu.pl/~jareks jaroslaw@skaruz.com O czym będzie? Notacja Ujęcie w różnych perspektywach Prezentacja atrybutów Operacje i metody Zależności Klasy aktywne,
1. Które składowe klasa posiada zawsze, niezależnie od tego czy je zdefiniujemy, czy nie?
1. Które składowe klasa posiada zawsze, niezależnie od tego czy je zdefiniujemy, czy nie? a) konstruktor b) referencje c) destruktor d) typy 2. Które z poniższych wyrażeń są poprawne dla klasy o nazwie
6. Zagadnienie parkowania ciężarówki.
6. Zagadnienie parkowania ciężarówki. Sterowniki rozmyte Aby móc sterować przebiegiem pewnych procesów lub też pracą urządzeń niezbędne jest stworzenie odpowiedniego modelu, na podstawie którego można
Programowanie obiektowe
Laboratorium z przedmiotu Programowanie obiektowe - zestaw 02 Cel zajęć. Celem zajęć jest zapoznanie z praktycznymi aspektami projektowania oraz implementacji klas i obiektów z wykorzystaniem dziedziczenia.
Programowanie obiektowe
Wykład 12 Marcin Młotkowski 16 maja 2018 Plan wykładu 1 Analiza obiektowa Dziedziczenie Dziedziczenie a składanie 2 Marcin Młotkowski 482 / 537 Dziedziczenie Dziedziczenie a składanie Plan wykładu 1 Analiza
Języki i techniki programowania Ćwiczenia 2
Języki i techniki programowania Ćwiczenia 2 Autor: Marcin Orchel Spis treści: Język C++... 5 Przekazywanie parametrów do funkcji... 5 Przekazywanie parametrów w Javie.... 5 Przekazywanie parametrów w c++...
Wprowadzenie do projektu QualitySpy
Wprowadzenie do projektu QualitySpy Na podstawie instrukcji implementacji prostej funkcjonalności. 1. Wstęp Celem tego poradnika jest wprowadzić programistę do projektu QualitySpy. Będziemy implementować
Podstawy sztucznej inteligencji
wykład 4 (Fuzzy logic) 23 listopad 2011 Plan wykładu 1 Systemy wnioskowania z danymi niepewnymi 2 3 Inteligentne systemy z wiedzą Systemy z wiedzą składają się z dwóch części: 1 Baza wiedzy (KB): zbioru
Dziedziczenie. Streszczenie Celem wykładu jest omówienie tematyki dziedziczenia klas. Czas wykładu 45 minut.
Dziedziczenie Streszczenie Celem wykładu jest omówienie tematyki dziedziczenia klas. Czas wykładu 45 minut. Rozpatrzmy przykład przedstawiający klasy Student oraz Pracownik: class Student class Pracownik
Rozdział 4 KLASY, OBIEKTY, METODY
Rozdział 4 KLASY, OBIEKTY, METODY Java jest językiem w pełni zorientowanym obiektowo. Wszystkie elementy opisujące dane, za wyjątkiem zmiennych prostych są obiektami. Sam program też jest obiektem pewnej
7. 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
Programowanie obiektowe
Laboratorium z przedmiotu Programowanie obiektowe - zestaw 03 Cel zajęć. Celem zajęć jest zapoznanie z praktycznymi aspektami projektowania oraz implementacji klas abstrakcyjnych i interfejsów. Wprowadzenie
Tworzenie 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
C++ - przeciążanie operatorów. C++ - przeciążanie operatorów. C++ - przeciążanie operatorów. C++ - przeciążanie operatorów
Operatory są elementami języka C++. Istnieje zasada, że z elementami języka, takimi jak np. słowa kluczowe, nie można dokonywać żadnych zmian, przeciążeń, itp. PRZECIĄŻANIE OPERATORÓW Ale dla operatorów
Oracle PL/SQL. Paweł Rajba.
Paweł Rajba pawel@ii.uni.wroc.pl http://www.kursy24.eu/ Zawartość modułu 8 Wprowadzenie Definiowanie typu obiektowego Porównywanie obiektów Tabele z obiektami Operacje DML na obiektach Dziedziczenie -
THE 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,
Programowanie obiektowe
Laboratorium z przedmiotu - zestaw 02 Cel zajęć. Celem zajęć jest zapoznanie z praktycznymi aspektami projektowania oraz implementacji klas i obiektów z wykorzystaniem dziedziczenia. Wprowadzenie teoretyczne.
Podstawy Programowania Obiektowego
Podstawy Programowania Obiektowego Wprowadzenie do programowania obiektowego. Pojęcie struktury i klasy. Spotkanie 03 Dr inż. Dariusz JĘDRZEJCZYK Tematyka wykładu Idea programowania obiektowego Definicja
Politechnika 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
UML a kod w C++ i Javie. Przypadki użycia. Diagramy klas. Klasy użytkowników i wykorzystywane funkcje. Związki pomiędzy przypadkami.
UML a kod w C++ i Javie Projektowanie oprogramowania Dokumentowanie oprogramowania Diagramy przypadków użycia Przewoznik Zarzadzanie pojazdami Optymalizacja Uzytkownik Wydawanie opinii Zarzadzanie uzytkownikami
Konstruktory. Streszczenie Celem wykładu jest zaprezentowanie konstruktorów w Javie, syntaktyki oraz zalet ich stosowania. Czas wykładu 45 minut.
Konstruktory Streszczenie Celem wykładu jest zaprezentowanie konstruktorów w Javie, syntaktyki oraz zalet ich stosowania. Czas wykładu 45 minut. Rozpatrzmy przykład przedstawiający klasę Prostokat: class
Zad. 3: Układ równań liniowych
1 Cel ćwiczenia Zad. 3: Układ równań liniowych Wykształcenie umiejętności modelowania kluczowych dla danego problemu pojęć. Definiowanie właściwego interfejsu klasy. Zwrócenie uwagi na dobór odpowiednich
Interwałowe 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
OpenAI Gym. Adam Szczepaniak, Kamil Walkowiak
OpenAI Gym Adam Szczepaniak, Kamil Walkowiak Plan prezentacji Programowanie agentowe Uczenie przez wzmacnianie i problemy związane z rozwojem algorytmów Charakterystyka OpenAI Gym Biblioteka gym Podsumowanie
Programowanie obiektowe
Laboratorium z przedmiotu - zestaw 03 Cel zajęć. Celem zajęć jest zapoznanie z praktycznymi aspektami projektowania oraz implementacji klas abstrakcyjnych i interfejsów. Wprowadzenie teoretyczne. Rozważana
JAVA W SUPER EXPRESOWEJ PIGUŁCE
JAVA W SUPER EXPRESOWEJ PIGUŁCE Obiekt Obiekty programowe to zbiór własności i zachowań (zmiennych i metod). Podobnie jak w świecie rzeczywistym obiekty posiadają swój stan i zachowanie. Komunikat Wszystkie
ID1SII4. Informatyka I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) stacjonarne (stacjonarne / niestacjonarne)
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu ID1SII4 Nazwa modułu Systemy inteligentne 1 Nazwa modułu w języku angielskim Intelligent
Temat: 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
STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI. METODY HEURYSTYCZNE wykład 6. (alternatywa dla s) (zdef. poprzez klasę s) GAUSSOWSKA F.
METODY HEURYSTYCZNE wykład 6 STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI 2 GAUSSOWSKA F. PRZYNALEŻNOŚCI F. PRZYNALEŻNOŚCI KLASY s środek; a określa szerokość krzywej 3 4 F. PRZYNALEŻNOŚCI KLASY π F. PRZYNALEŻNOŚCI
Temat: Ułatwienia wynikające z zastosowania Frameworku CakePHP podczas budowania stron internetowych
PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W ELBLĄGU INSTYTUT INFORMATYKI STOSOWANEJ Sprawozdanie z Seminarium Dyplomowego Temat: Ułatwienia wynikające z zastosowania Frameworku CakePHP podczas budowania stron internetowych
Wykład 5: Klasy cz. 3
Programowanie obiektowe Wykład 5: cz. 3 1 dr Artur Bartoszewski - Programowanie obiektowe, sem. 1I- WYKŁAD - podstawy Konstruktor i destruktor (część I) 2 Konstruktor i destruktor KONSTRUKTOR Dla przykładu
ĆWICZENIE 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
Informatyka I. Typy danych. Operacje arytmetyczne. Konwersje typów. Zmienne. Wczytywanie danych z klawiatury. dr hab. inż. Andrzej Czerepicki
Informatyka I Typy danych. Operacje arytmetyczne. Konwersje typów. Zmienne. Wczytywanie danych z klawiatury. dr hab. inż. Andrzej Czerepicki Politechnika Warszawska Wydział Transportu 2019 1 Plan wykładu
Dariusz Brzeziński. Politechnika Poznańska, Instytut Informatyki
Dariusz Brzeziński Politechnika Poznańska, Instytut Informatyki Object-oriented programming Najpopularniejszy obecnie styl (paradygmat) programowania Rozwinięcie koncepcji programowania strukturalnego
WYKORZYSTANIE MODELI TAKAGI SUGENO DO KRÓTKOTERMINOWEGO PROGNOZOWANIA ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ ODBIORCÓW WIEJSKICH
Inżynieria Rolnicza 1(110)/2009 WYKORZYSTANIE MODELI TAKAGI SUGENO DO KRÓTKOTERMINOWEGO PROGNOZOWANIA ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ ODBIORCÓW WIEJSKICH Małgorzata Trojanowska Katedra Energetyki
Interfejsy. Programowanie obiektowe. Paweł Rogaliński Instytut Informatyki, Automatyki i Robotyki Politechniki Wrocławskiej
Programowanie obiektowe Interfejsy Paweł Rogaliński Instytut Informatyki, Automatyki i Robotyki Politechniki Wrocławskiej pawel.rogalinski pwr.wroc.pl Interfejsy Autor: Paweł Rogaliński Instytut Informatyki,
Układy logiki rozmytej. Co to jest?
PUAV Wykład 14 Co to jest? Co to jest? Logika rozmyta (fuzzy logic) jest to dział matematyki precyzyjnie formalizujący nieprecyzyjne, nieformalne ludzkie rozumowanie. Co to jest? Logika rozmyta (fuzzy
Optimizing Programs with Intended Semantics
Interaktywna optymalizacja programów 26 kwietnia 2010 Spis treści Spis treści Wstęp Omówienie zaproponowanego algorytmu na przykładzie Wewnętrzna reprezentacja reguł dotyczących optymalizacji Wybrane szczegóły
ZASTOSOWANIE SPLOTU FUNKCJI DO OPISU WŁASNOŚCI NIEZAWODNOŚCIOWYCH UKŁADÓW Z REZERWOWANIEM
1-2011 PROBLEMY EKSPLOATACJI 205 Zbigniew ZDZIENNICKI, Andrzej MACIEJCZYK Politechnika Łódzka, Łódź ZASTOSOWANIE SPLOTU FUNKCJI DO OPISU WŁASNOŚCI NIEZAWODNOŚCIOWYCH UKŁADÓW Z REZERWOWANIEM Słowa kluczowe
Obiekt klasy jest definiowany poprzez jej składniki. Składnikami są różne zmienne oraz funkcje. Składniki opisują rzeczywisty stan obiektu.
Zrozumienie funkcji danych statycznych jest podstawą programowania obiektowego. W niniejszym artykule opiszę zasadę tworzenia klas statycznych w C#. Oprócz tego dowiesz się czym są statyczne pola i metody
Kraków, 14 marca 2013 r.
Scenariusze i trendy rozwojowe wybranych technologii społeczeństwa informacyjnego do roku 2025 Antoni Ligęza Perspektywy rozwoju systemów eksperckich do roku 2025 Kraków, 14 marca 2013 r. Dane informacja
PROE wykład 3 klasa string, przeciążanie funkcji, operatory. dr inż. Jacek Naruniec
PROE wykład 3 klasa string, przeciążanie funkcji, operatory dr inż. Jacek Naruniec Przypomnienie z ostatnich wykładów Konstruktory/destruktory i kolejność ich wywołania w złożonej klasie. Referencja Obiekty
Inżynieria Rolnicza 5(114)/2009
Inżynieria Rolnicza (114)/29 MODELE ROZMYTE ZAPOTRZEBOWANIA NA MOC DLA POTRZEB KRÓTKOTERMINOWEGO PROGNOZOWANIA ZUŻYCIA ENERGII ELEKTRYCZNEJ NA WSI CZĘŚĆ II OPRACOWANIE PREDYKCYJNYCH MODELI RELACYJNYCH
Diagram klas UML jest statycznym diagramem, przedstawiającym strukturę aplikacji bądź systemu w paradygmacie programowania obiektowego.
Umiejętność czytania oraz tworzenia diagramów klas UML jest podstawą w przypadku zawodu programisty. Z takimi diagramami będziesz spotykał się w przeciągu całej swojej kariery. Diagramy klas UML są zawsze
Programowanie obiektowe
Programowanie obiektowe Wykład 2: Wstęp do języka Java 3/4/2013 S.Deniziak: Programowanie obiektowe - Java 1 Cechy języka Java Wszystko jest obiektem Nie ma zmiennych globalnych Nie ma funkcji globalnych
Zadanie 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
C++ - klasy. C++ - klasy. C++ - klasy. C++ - klasy. C++ - klasy WSKAŹNIKI KLASOWE
WSKAŹNIKI KLASOWE Wskaźniki klasowe Każdy obiekt zajmuje fragment pamięci i wszystkie obiekty tego samego typu zajmują fragmenty pamięci tej samej długości początek miejsca w pamięci zajmowanego przez
Analiza i projektowanie aplikacji Java
Analiza i projektowanie aplikacji Java Modele analityczne a projektowe Modele analityczne (konceptualne) pokazują dziedzinę problemu. Modele projektowe (fizyczne) pokazują system informatyczny. Utrzymanie
Analiza i projektowanie obiektowe 2016/2017. Wykład 10: Tworzenie projektowego diagramu klas
Analiza i projektowanie obiektowe 2016/2017 Wykład 10: Tworzenie projektowego diagramu klas Jacek Marciniak Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 Plan wykładu 1. Projektowy
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
TEMAT : KLASY DZIEDZICZENIE
TEMAT : KLASY DZIEDZICZENIE Wprowadzenie do dziedziczenia w języku C++ Język C++ możliwa tworzenie nowej klasy (nazywanej klasą pochodną) w oparciu o pewną wcześniej zdefiniowaną klasę (nazywaną klasą
O-MaSE Organization-based Multiagent System Engineering. MiASI2, TWO2,
O-MaSE Organization-based Multiagent System Engineering MiASI2, TWO2, 2017-2018 Materiały Strona poświęcona metodzie O-MaSE http://macr.cis.ksu.edu/projects/omase.html (Multiagent & Cooperative Reasoning
PODSTAWY 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
Sterowniki Programowalne (SP)
Sterowniki Programowalne (SP) Wybrane aspekty procesu tworzenia oprogramowania dla sterownika PLC Podstawy języka funkcjonalnych schematów blokowych (FBD) Politechnika Gdańska Wydział Elektrotechniki i
Podczas dziedziczenia obiekt klasy pochodnej może być wskazywany przez wskaźnik typu klasy bazowej.
Polimorfizm jest filarem programowania obiektowego, nie tylko jeżeli chodzi o język C++. Daje on programiście dużą elastyczność podczas pisania programu. Polimorfizm jest ściśle związany z metodami wirtualnymi.
Uniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych. Ćwiczenie 3 stos Laboratorium Metod i Języków Programowania
Uniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych Ćwiczenie 3 stos Laboratorium Metod i Języków Programowania Celem ćwiczenia jest zapoznanie studentów z najprostszą dynamiczną strukturą
Programowanie obiektowe - 1.
Programowanie obiektowe - 1 Mariusz.Masewicz@cs.put.poznan.pl Programowanie obiektowe Programowanie obiektowe (ang. object-oriented programming) to metodologia tworzenia programów komputerowych, która
Sztuczna inteligencja : Zbiory rozmyte cz. III
Instytut Informatyki Uniwersytetu Śląskiego lab 3 Notacja Zadeha: symboliczny zapis zbioru rozmytego dla przestrzeni dyskretnej. Dla X jest przestrzenią o skończonej liczbie elementów X = {x 1, x 2,...,
Smarty PHP. Leksykon kieszonkowy
IDZ DO PRZYK ADOWY ROZDZIA SPIS TREœCI KATALOG KSI EK KATALOG ONLINE ZAMÓW DRUKOWANY KATALOG Smarty PHP. Leksykon kieszonkowy Autor: Daniel Bargie³ ISBN: 83-246-0676-9 Format: B6, stron: 112 TWÓJ KOSZYK
Informatyka I. Klasy i obiekty. Podstawy programowania obiektowego. dr inż. Andrzej Czerepicki. Politechnika Warszawska Wydział Transportu 2018
Informatyka I Klasy i obiekty. Podstawy programowania obiektowego dr inż. Andrzej Czerepicki Politechnika Warszawska Wydział Transportu 2018 Plan wykładu Pojęcie klasy Deklaracja klasy Pola i metody klasy
Programowanie współbieżne Wykład 8 Podstawy programowania obiektowego. Iwona Kochaoska
Programowanie współbieżne Wykład 8 Podstawy programowania obiektowego Iwona Kochaoska Programowanie Obiektowe Programowanie obiektowe (ang. object-oriented programming) - metodyka tworzenia programów komputerowych,
Cel 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,
Method 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
SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD
Dr inż. Jacek WARCHULSKI Dr inż. Marcin WARCHULSKI Mgr inż. Witold BUŻANTOWICZ Wojskowa Akademia Techniczna SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD Streszczenie: W referacie przedstawiono możliwości
Systemy ekspertowe : program PCShell
Instytut Informatyki Uniwersytetu Śląskiego lab 1 Opis sytemu ekspertowego Metody wnioskowania System PcShell Projekt System ekspertowy - system ekspertowy to system komputerowy zawierający w sobie wyspecjalizowaną
Implementacja 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
Lingwistyczne podsumowania baz danych.inteligentne generowanie s
Lingwistyczne podsumowania baz danych. Inteligentne generowanie streszczeń Instytut Informatyki, Politechnika Łódzka Katowice, 29 stycznia 2010 r. Problematyka Bazy i hurtownie danych olbrzymia ilość liczb......
Zarządzanie sieciami telekomunikacyjnymi
SNMP Protocol The Simple Network Management Protocol (SNMP) is an application layer protocol that facilitates the exchange of management information between network devices. It is part of the Transmission
Szablony klas, zastosowanie szablonów w programach
Szablony klas, zastosowanie szablonów w programach 1. Szablony klas i funkcji 2. Szablon klasy obsługującej uniwersalną tablicę wskaźników 3. Zastosowanie metody zwracającej przez return referencję do
DROGA ROZWOJU OD PROJEKTOWANIA 2D DO 3D Z WYKORZYSTANIEM SYSTEMÓW CAD NA POTRZEBY PRZEMYSŁU SAMOCHODOWEGO
Marta KORDOWSKA, Andrzej KARACZUN, Wojciech MUSIAŁ DROGA ROZWOJU OD PROJEKTOWANIA 2D DO 3D Z WYKORZYSTANIEM SYSTEMÓW CAD NA POTRZEBY PRZEMYSŁU SAMOCHODOWEGO Streszczenie W artykule omówione zostały zintegrowane
Strona główna. Strona tytułowa. Programowanie. Spis treści. Sobera Jolanta 16.09.2006. Strona 1 z 26. Powrót. Full Screen. Zamknij.
Programowanie Sobera Jolanta 16.09.2006 Strona 1 z 26 1 Wprowadzenie do programowania 4 2 Pierwsza aplikacja 5 3 Typy danych 6 4 Operatory 9 Strona 2 z 26 5 Instrukcje sterujące 12 6 Podprogramy 15 7 Tablice
Sztuczna 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:
Programowanie obiektowe. Literatura: Autor: dr inŝ. Zofia Kruczkiewicz
Programowanie obiektowe Literatura: Autor: dr inŝ. Zofia Kruczkiewicz Java P. L. Lemay, Naughton R. Cadenhead Java Podręcznik 2 dla kaŝdego Języka Programowania Java Linki Krzysztof Boone oprogramowania
Przypisywanie bibliotek w architekturze SAS
SAS Institute TECHNICAL SUPPORT Przypisywanie bibliotek w architekturze SAS Platforma SAS pozwala na zdefiniowanie wspólnych zasobów w metadanych oraz ustalanie praw dostępu dla użytkowników i grup. Ze
Tutorial prowadzi przez kolejne etapy tworzenia projektu począwszy od zdefiniowania przypadków użycia, a skończywszy na konfiguracji i uruchomieniu.
AGH, EAIE, Informatyka Winda - tutorial Systemy czasu rzeczywistego Mirosław Jedynak, Adam Łączyński Spis treści 1 Wstęp... 2 2 Przypadki użycia (Use Case)... 2 3 Diagramy modelu (Object Model Diagram)...
Technologie obiektowe
WYKŁAD dr inż. Paweł Jarosz Instytut Informatyki Politechnika Krakowska mail: pjarosz@pk.edu.pl LABORATORIUM dr inż. Paweł Jarosz (3 grupy) mgr inż. Piotr Szuster (3 grupy) warunki zaliczenia Obecność
Python wstęp do programowania dla użytkowników WCSS
Python wstęp do programowania dla użytkowników WCSS Dr inż. Krzysztof Berezowski Instytut Informatyki, Automatyki i Robotyki Politechniki Wrocławskiej Wprowadzenie CHARAKTERYSTYKA JĘZYKA Filozofia języka
UKŁADY MIKROPROGRAMOWALNE
UKŁAD MIKROPROGRAMOWALNE Układy sterujące mogą pracować samodzielnie, jednakże w przypadku bardziej złożonych układów (zwanych zespołami funkcjonalnymi) układ sterujący jest tylko jednym z układów drugim
Inteligencja obliczeniowa
Ćwiczenie nr 1 Zbiory rozmyte logika rozmyta Tworzenie: termów zmiennej lingwistycznej o różnych kształtach, modyfikatorów, zmiennych o wielu termach; operacje przecięcia, połączenia i dopełnienia 1. Wprowadzenie
Programowanie obiektowe Object programming. Elektrotechnika II stopień (I stopień / II stopień) Ogólno akademicki (ogólno akademicki / praktyczny)
Załącznik nr 7 do Zarządzenia Rektora nr 10/1 z dnia 1 lutego 01r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 01/013 Programowanie
ECDL Podstawy programowania Sylabus - wersja 1.0
ECDL Podstawy programowania Sylabus - wersja 1.0 Przeznaczenie Sylabusa Dokument ten zawiera szczegółowy Sylabus dla modułu Podstawy programowania. Sylabus opisuje, poprzez efekty uczenia się, zakres wiedzy