Plan wykładu. Sztuczne sieci neuronowe. Podstawowe pojcia logiki rozmytej. Logika ostra a logika rozmyta. Wykład 13: Sieci neuronowe o logice rozmytej

Podobne dokumenty
System M/M/c/L. H 0 µ 1 λ 0 H 1 µ 2 λ 1 µ c λ c-1 H c µ c+1 λ c µ c+l λ c+l-1 H c+l = 2 = 3. Jeli załoymy, e λ λ = λ = Lλ. =1, za.

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym

Parametry stanu w przemianie izobarycznej zmieniają się według zależności

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

ZADANIE 9.5. p p T. Dla dwuatomowego gazu doskonałego wykładnik izentropy = 1,4 (patrz tablica 1). Temperaturę spiętrzenia obliczymy następująco

Prawdopodobieństwo i statystyka r.

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji

Rozkłady zmiennych losowych

Proces narodzin i śmierci

Cyfrowe przetwarzanie i kompresja danych

Metody probabilistyczne Rozwiązania zadań

I zasada termodynamiki

SYSTEM NEURONOWO-ROZMYTY W ZASTOSOWANIU DO BADAŃ DEFORMACJI KONSTRUKCJI APPLICATION OF NEURAL-FUZZY SYSTEM IN STRUCTURE DEFORMATION ANALYSIS

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

F - wypadkowa sił działających na cząstkę.

Modelowanie struktur mechanicznych

3. Kinematyka podstawowe pojęcia i wielkości

Funkcje wielu zmiennych różniczkowalność

Kody Huffmana oraz entropia przestrzeni produktowej. Zuzanna Kalicińska. 1 maja 2004

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz

6. Inteligentne regulatory rozmyte dla serwomechanizmów

System M/M/c/N. System róni si od wyej omawianego tym, e posiada c kanałów obsługi. ródła zgłosze. Stanowiska obsługi. 2 kolejka

Plan wykładu. Sztuczne sieci neuronowe. Problem dwuklasowy (N=1) Problem klasyfikacji. Wykład 6: Ocena jakoci sieci neuronowej Sieci RBF KLASYFIKATOR







WYKŁAD 4 PLAN WYKŁADU. Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania. Metody uczenia sieci: Zastosowania

Plan wykładu. Sztuczne sieci neuronowe. Problem dwuklasowy (N=1) Problem klasyfikacji. Wykład 4-5: Ocena jakości sieci neuronowej Sieci RBF

TERMODYNAMIKA TECHNICZNA I CHEMICZNA

Statystyka. Zmienne losowe

Ćw. 2. Wyznaczanie wartości średniego współczynnika tarcia i sprawności śrub złącznych oraz uzyskanego przez nie zacisku dla określonego momentu.

Minimalizacja funkcji jednej lub wielu zmiennych

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

Chemia Fizyczna Technologia Chemiczna II rok Wykład 1. Kontakt,informacja i konsultacje. Co to jest chemia fizyczna?

Badanie energetyczne płaskiego kolektora słonecznego

TWIERDZENIA O WZAJEMNOŚCIACH



Artur Kasprzycki, Ryszard Knosala Politechnika Opolska, Katedra InŜynierii Produkcji

Analiza Matematyczna Ćwiczenia. J. de Lucas

Metody doświadczalne w hydraulice Ćwiczenia laboratoryjne. 1. Badanie przelewu o ostrej krawędzi

VIII. MODELE PROCESÓW EKSPLOATCJI OBIEKTÓW TECHNICZNYCH

ĆWICZENIE 4 KRZ: A B A B A B A A METODA TABLIC ANALITYCZNYCH

Parametry zmiennej losowej

10. FALE, ELEMENTY TERMODYNAMIKI I HYDRODY- NAMIKI.

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Reprezentacje grup symetrii. g s

4. ZASTOSOWANIE METODY ELEMENTÓW SKOŃCZONYCH (MES) W AKUSTYCE

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Do Szczegółowych Zasad Prowadzenia Rozliczeń Transakcji przez KDPW_CCP

Wielokategorialne systemy uczące się i ich zastosowanie w bioinformatyce. Rafał Grodzicki

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12


Funkcje i charakterystyki zmiennych losowych

2.5. Ciepło właściwe gazów doskonałych

Teoria informacji i kodowania Ćwiczenia Sem. zimowy 2016/2017

( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego

ANALIZA FOURIEROWSKA szybkie transformaty Fouriera

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci

Prosta w 3. t ( t jest parametrem).


Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.

Modelowanie przepływu cieczy przez ośrodki porowate

Powtórzenie na kolokwium nr 4. Dynamika punktu materialnego

5. MES w mechanice ośrodka ciągłego

8. Neuron z ciągłą funkcją aktywacji.

max Wydział Elektroniki studia I st. Elektronika III r. EZI Technika optymalizacji Dr inż. Ewa Szlachcic

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.


Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k

DRGANIA MECHANICZNE. materiały uzupełniające do ćwiczeń. Wydział Samochodów i Maszyn Roboczych studia inżynierskie

WICZENIE NR II PODSTAWY PROCESÓW OBRÓBKI PLASTYCZNEJ WŁASNOCI MATERIAŁÓW KSZTAŁTOWANYCH PLASTYCZNIE - ANIZOTROPIA BLACH -

ATRYBUTY FUNKCJI BUDYNKU I GENERALIZACJA. 1.Oznaczenia rodzajów i typów sieci uzbrojenia terenu. 1. Stosowanie atrybutu <przewaŝająca funkcja budynku

Ruchy ciała sztywnego i przekształcenia jednorodne

v! są zupełnie niezależne.

KINEMATYKA MANIPULATORÓW

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ

Decyzyjny rachunek kosztów w zarządzaniu jakością. Ocena ekonomicznej efektywności systemów operacyjnego sterowania jakością

Logika rozmyta - wprowadzenie

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Przykładowe zadania z matematyki na poziomie podstawowym wraz z rozwiązaniami

Uniwersalny sumator kodu naturalnego (NB) i uzupełnieniowego U2. dopełnienie arytmetyczne (1 x) negacja logiczna x logiczna funkcja nadmiaru: v = c k

sin θ, (2) sin θ Rθ cos θ. (3) L 2 R < 0. 1

SZTUCZNA INTELIGENCJA

Portfel złożony z wielu papierów wartościowych

Relaksacja. Chem. Fiz. TCH II/19 1

PC 3 PC^ TIMER IN RESET PC5 TIMER OUT. c 3. L 5 c.* Cl* 10/H CE RO WR ALE ADO AD1 AD2 AD3 AD4 A05 A06 LTJ CO H 17 AD7 U C-"

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne

Wyznaczenie współczynnika podziału kwasu octowego pomiędzy fazą organiczną a wodną

PROWIZJE Menad er Schematy rozliczeniowe

METODA PROJEKTU BADAWCZEGO. Przedszkole Nr 407 w Warszawie

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

( n) Łańcuchy Markowa X 0, X 1,...

Transkrypt:

Pan wyładu Sztuzne se neuronowe yład 3: Se neuronowe o oge rozmytej ałgorzata Krtowsa Katedra Orogramowana e-ma: mma@.b.baysto. Podstawy og rozmytej zbory rozmyte oeraje og rozmytej shemat systemu rozmytego Se neuronowe o oge rozmytej ogóny shemat agorytm gradentowy samoorganzujae s se rozmyte uzene na odstawe tabe rzej Sztuzne se neuronowe Loga ostra a oga rozmyta Podstawowe oja og rozmytej wyorzystane tyo nformaj numeryznej słe jednoznazne owzane nformaj wejowej wyjowej systemu Sztuzne se neuronowe ostra : : zarne bałe LOGIK rozmyta : : wyorzystane nformaj ngwstyznej oja osowe ne zwzane e z wartoam numeryznym: mały,redn, duy ade z oree jest ojem rozmytym, neostrym odene szaro 3 Zborem rozmytym w ewnej neustej rzestrzen X nazywany zbór ar: { u, u; u X } gdze jest funj rzynaeno zboru rozmytego. unja rzynaeno rzysuje ademu eementow u jego stoe rzynaeno do zboru rozmytego : u oznaza ełn rzynaeno eementu u do zboru u0 oznaza bra rzynaeno eementu u do zboru rozmytego 3 0 < u < oznaza zow rzynaeno eementu u do zboru rozmytego Sztuzne se neuronowe : X [0,] 4

Zbory rozmyte Jee X jest rzestrzen o sozonej zbe eementów, X{,,..., }, to zbór rozmyty zasuje s jao: + + Λ + Oeraje og rozmytej rzee Przee dwóh zborów rozmytyh, w rzestrzen X jest równe zborem rozmytym o funj rzynaeno da wszysth X osta: mn{, } zna / - oznaza rzyorzdowane oszzegónym eementom ston rzynaeno zna + - oznaza oeraj dodana eementu do zboru Sztuzne se neuronowe 5 Sztuzne se neuronowe 6 Oeraje og rozmytej suma Oeraje og rozmytej doełnene Suma dwóh zborów rozmytyh, w rzestrzen X jest równe zborem rozmytym o funj rzynaeno da wszysth X osta: ma{, } Doełnenem zboru rozmytego X jest zbór rozmyty o funj rzynaeno zdefnowanej w osta: Sztuzne se neuronowe 7 Sztuzne se neuronowe 8

Zasady wnosowana w zborah rozmytyh Ogóny zas wnosowana: jee rzesłana ogzna to onuzja Je G s odzboram zborów rozmytyh U V, to zas Sztuzne se neuronowe je to y G oznaza, ze jes zmenna jest eementem zboru rozmytego, to zmenna y naezy do zboru rozmytego G. Zas w forme maj: G. Jee jest n-wymarowym wetorem, rzesłan stanow ozyn ogzny sładowyh tego wetora: jes Κ gdze orea numer reguły wnosowana n n to y G 9 Interretaja reguł wnosowana w systeme weowymarowym Je zbory -tej reguły rozmytej dotyzej zmennyh,,...,, y oznazy s w osta,,...,, G, to owysza reaja moe by nterretowana jao maja B, w tórej Κ B G Sztuzne se neuronowe n ; unja rzynaeno osuja ta maj moe rzybera róne osta:, y mn, y osta wsónej z zborów [ ] B B osta ozynowa, y y B B osta mnmasowa, y ma{ mn[, y ], } B B unja rzynaeno dotyza wetora moe by nterretowana w osta: mnmanego zboru wsónego mn[, y, Κ, ] n y n ozynowej Κ 0 Shemat uładu rozmytego uzyfator onwersja do dzedzny rozmytej X uzyfator Reguły wnosowana Defuzyfator y Y s yso 70 Rodzaje funj rzynaeno: 0.3 0.8 Zbór rozmyty X Człon deyzyjny Zbór rozmyty B Y Sztuzne se neuronowe funje gaussowse funje trójtne funje traezodane Sztuzne se neuronowe

Tworzene reguł wnosowana: Sztuzne se neuronowe Reguły wnosowana zastosowane wedzy eserta - esert na odstawe zdobytego wzenej dowadzena ma ore sosób ostowana da oszzegónyh rzyadów, tóre mog s zdarzy w trae roesu. Zadane eserta bdze onstruja reguły wnosowana, ja doboru funj rzynaeno da adego rzyadu. zastosowane bada eserymentanyh - odstaw reguł s wyn numeryzne eserymentów, oreaje zarówno reguły wnosowana ja funje rzynaeno. 3 S Sztuzne se neuronowe 0.3 0.0 0.8 Rodzaje defuzyfatorów: według rednh warto entrów y Defuzyfator onwertuje zbór rozmyty do dzedzny ostrej Defuzyfator y y wyso według waony rednh warto entrów, - entrum dysersja zboru rozmytego G ; - funja rzynaeno zborów rozmytyh odowadajyh danemu wetorow wejowemu 4 Defuzyfator Korzystaj z osów defuzyfatora dowon funj gł f o n- eementowym wetorze mona osa rzy wyorzystanu oj og rozmytej. Stosuj nterretaj ozynow funj rzynaeno y Κ n otrzymuje s da defuzyfatora: a warto rednh entrów b waonyh rednh warto entrów Se neuronowe o oge rozmytej owo rerezentaj dowonej funj nenowej weu zmennyh za omo sumy funj rozmytyh sharateryzowanyh rzez funje rzynaeno uzasadna mowo zastosowana funj rozmytyh do odwzorowana dowonyh roesów nenowyh stanow aternatywne odeje do asyznyh se neuronowyh jednoerunowyh f f Posta funj f umowa jej mementaj jao równoegłej strutury weowarstwowej, odobne ja w rzyadu se sgmodanyh radanyh gdze,,.., oznaza oejn reguł ogzn. Sztuzne se neuronowe 5 Sztuzne se neuronowe 6

Sztuzne se neuronowe 7 Se neuronowe o oge rozmytej Przyjmuj gaussows osta funj rzynaeno da -tej zmennej odowadajej -tej regue w osta: funj arosymuj f wyraon rzez redne warto entrów mona zasa jao w tórej jest entrum zboru rozmytego zmennej wyjowej. e f e e Sztuzne se neuronowe 8 Se neuronowe o oge rozmytej Shemat se neuronowej rozmytej Sztuzne se neuronowe 9 etoda gradentowa Zadanem se jest odwzorowane ar danyh weje-wyje,d w ta sosób, aby warto dana d stanowa odan odowed systemu, była odwzorowana rzez funj f. Uzene se oega na doborze arametrów, oraz,,..,,,,..., Uzene rzerowadza s rzez mnmazaj błdu wadratowego mdzy warto dan d a jej odwzorowanem f: [ ] d f Sztuzne se neuronowe 0 etoda gradentowa agorytm wsteznej roagaj błdu Stosuj do mnmazaj metod najwszego sadu otrzymujemy w - tym rou uzym nastuje warto arametrów: + η + η η +

azy agorytmu roagaj wsteznej odane na weje se sygnałów wejowyh tworzyh wetor oreene wszysth sygnałów wewntrznyh oraz wyjowyh se, wystujyh w wyraenu oreajym gradent oreene warto funj błdu na wyju se rzez jego roagaj w erunu weja wyznazene wszysth sładowyh wetora gradentu; adataja arametrów se odbywa s z rou na ro według wybranej metody gradentowej z roem uzena η stałym bd zmennym. Cehy haraterystyzne haraterystyzna nterretaja arametrów funj, wynaja z fatu, e osta funj f jest odzweredenem zasady wnosowana ogznego w zborah rozmytyh zaweraj z warunow je... oraz z wynow to... : arametry oraz s odowedno entram szerooam z je wag odowadaj e entrom z to mowo włzena w roes uzena nformaj ngwstyznej, zawerajej s we wnosowanu ogznym edza eserta równoege do danyh omarowyh moe zosta wrzgnta w roes uzena, szzegóne na etae wstnym rzy doborze oztowyh warto arametrów otymazayjnyh. Sztuzne se neuronowe Sztuzne se neuronowe Uzene samoorganzuje s se rozmytyh Uzene samoorganzuje s se rozmytyh Załadamy, e mamy ar uzyh, rzy zym ada z nh jest rerezentantem reguły ogznej : ; d. Załadaj e otrzymujemy: d e f e gdze warto arametru, taa sama da adej reguły rozmytej, deyduje o głado odwzorowana. Im mnejsza warto warto tym esze doasowane w danym une jednozene gorsza głado funj. Sztuzne se neuronowe 3 Dobór a wławego; b newławego arametru funj rozmytej. Sztuzne se neuronowe 4

Sztuzne se neuronowe Uzene samoorganzuje s se rozmytyh Gdy zba jest dua rzyje jest neratyzne. Dane wówzas mog by rerezentowane rzez < astrów. gorytm automatyznego odzału rzestrzen danyh na astry odmana agorytmu K-rednh: Startuj z erwszej ary danyh, d jest tworzony erwszy aster o entrum. Załada s d oraz zno zboru L. eh r bdze oznaza odegło wetora eh od entrum, onej tórej dane bd tratowane jao naee do danego astera. Załadamy, ew hw startu stneje astrów. Po wzytanu -tej ary uzej, d nastuje wyznazene odegło -,,...,. Oreono, e najbszym entrum jest z. jee - z > r załada s nowy aster ustaa odowedno jego arametry atrz t. 5 Sztuzne se neuronowe Uzene samoorganzuje s se rozmytyh jee - z < r uatuanane s arametry astra z: z z -+d L z L z -+ z [ z -L z -+ ] / L z Przerowadzaj owysze ro do otrzymujemy odzał obszaru danyh na astrów odowedno da rzyjtej warto r. Lzebno adego z nh jest oreona rzez L, entrum rzez ; warto sumuowanej funj rzez. Posta funj arosymujaej e f L e 6 Uzene na odstawe tabe rzej tay uzena: Podzał rzestrzen danyh wejowyh wyjowyh na odzbory rozmyte z rzyorzdowan odowedn funj rzynaeno Generowane reguł rozmytyh na odstawe danyh uzyh h odzału na zbory rozmyte Herarhzaja reguł - owzane z ad reguł jej stona w herarh. rzyadu srzezno za obowzuj rzyjmuje s reguł o najwszym stonu Oreene tabe reguł wynowyh odejmowana deyzj: Interretaja: f X and y Y then z Z f X and y Y4 then z Z4 - Defuzyfaja Sztuzne se neuronowe 7