→ Пошук по сайту       Увійти / Зареєструватися
Знання Нечітка логіка, нечіткі множини, м'які обчислення

Нечітка логіка, нечіткі множини, м'які обчислення. Семантичний конспект розділу

Нечітка логіка, нечіткі множини, м'які обчислення

Нечітка логіка (від англ. fuzzy logic) як наука була започаткована американським вченим іранського походження Лотфі А. Заде (Lotfi A. Zadeh). На відміну від булевої алгебри, у котрій існує лише дві величини (0 та 1, правда чи неправда) у нечіткій логіці існують також перехідні величини (стани).
Семантичне ядро:
Нечеткий логический вывод

1. Нечеткий логический вывод [Центральне поняття розділу]

Нечеткий логический выводОсновой для его проведения является база правил, содержащая нечеткие высказывания в форме "Если-то" и функции принадлежности для соответствующих лингвистических термов

Нечеткий логический выводВключает четыре этапа: введение нечеткости (фазификация), нечеткий вывод, композиция и приведение к четкости, или дефазификация

2. Схема нечеткого вывода по Мамдани

Схема нечеткого вывода по Мамдани Рисунок графически показывает процесс нечеткого вывода по Мамдани для двух входных переменных и двух нечетких правил R1 и R2

Схема нечеткого вывода по Мамдани :

3. Результат нечеткого вывода

Результат нечеткого вывода — Четкое значение переменной y* на основе заданных четких значений xk , k=1..n

5. Нечітка логіка

Нечітка логікаБула започаткована американським вченим іранського походження Лотфі А. Заде (Lotfi A. Zadeh)

Нечітка логікаНа відміну від булевої алгебри, у котрій існує лише дві величини (0 та 1, правда чи неправда) тут існують також перехідні величини (стани)

6. Нечеткие нейронные сети

Нечеткие нейронные сети — Fuzzy-neural networks


Нечеткие нейронные сетиОсуществляют выводы на основе аппарата нечеткой логики, однако параметры функций принадлежности настраиваются с использованием алгоритмов обучения НС

Нечеткие нейронные сетиДля подбора параметров тут применим метод обратного распространения ошибки, изначально предложенный для обучения многослойного персептрона

7. Адаптивные нечеткие системы

Адаптивные нечеткие системы — Adaptive fuzzy systems


Адаптивные нечеткие системыПодбор параметров нечеткой системы здесь производится в процессе обучения на экспериментальных данных

8. Нечеткая переменная

Нечеткая переменнаяОписывается набором (N,X,A), где N это название переменной, X универсальное множество (область рассуждений), A нечеткое множество на X

9. Лингвистическая переменная

Лингвистическая переменнаяНаходится на более высоком уровне, чем нечеткая переменная

Лингвистическая переменнаяСостоит из:

  • названия;
  • множества своих значений, которое также называется базовым терм-множеством T. Элементы базового терм-множества представляют собой названия нечетких переменных;
  • универсального множества X;
  • синтаксического правила G, по которому генерируются новые термы с применением слов естественного или формального языка;
  • семантического правила P, которое каждому значению лингвистической переменной ставит в соответствие нечеткое подмножество множества X.

10. Нечеткая логика

Нечеткая логика — Fuzzy logic

Нечеткая логика — Обобщение классической классической формальной логики


Нечеткая логикаПолучила признание после того как в 1988 году экспертная система на основе нечетких правил для прогнозирования финансовых индикаторов единственная предсказала биржевой крах

11. Нечеткие множества

Нечеткие множества — Fuzzy sets


Нечеткие множестваЗдесь для описания вводятся понятия нечеткой и лингвистической переменных

12. Треугольная функция принадлежности

Треугольная функция принадлежностиОпределяется тройкой чисел (a,b,c), и ее значение в точке x вычисляется согласно выражению:

13. Дефазификация

Дефазификация — Приведение к четкости

14. Фазификация

Фазификация — Введение нечеткости
загрузка...
Сторінки, близькі за змістом