рефераты конспекты курсовые дипломные лекции шпоры

Раздел Философия
/
Тема 9 Системы нечеткой логики с фаззификатором и дефаззификатором. Методика построения систем нечеткой логики в RESOLVER’е и в среде MatLab

Реферат Курсовая Конспект

Выберите учебное заведение

Тема 9 Системы нечеткой логики с фаззификатором и дефаззификатором. Методика построения систем нечеткой логики в RESOLVER’е и в среде MatLab

Тема 9 Системы нечеткой логики с фаззификатором и дефаззификатором. Методика построения систем нечеткой логики в RESOLVER’е и в среде MatLab - раздел Философия, Тема 1 Особенности и признаки интеллектуальности информационных систем. Системы с интеллектуальным интерфейсом Для Того, Чтобы Использовать Рассмотренные Выше Простые Системы Нечеткой Логи...

Для того, чтобы использовать рассмотренные выше простые системы нечеткой логики в технических приложениях, когда входы и выходы систем принимают реальные значения, наиболее простым путем является добавление фаззификатора ко входу и дефаззификатора к выходу простой системы нечеткой логики.

Базовая конфигурация системы нечеткой логики с фаззификатором и дефаззификатором представлена на рисунке.

Рисунок - Система нечеткой логики с фаззификатором и дефаззификатором

Фаззификатор отображает "четкую" точку (или значение переменной ) из Х в нечеткие множества из Х. Дефаззификатор отображает нечеткие множества из Y в четкое значение выхода. Базис нечетких правил и механизм нечеткого вывода остаются такими же, как в простых системах нечеткой логики.

Базис нечетких правил. Базис нечетких правил состоит из набора нечетких IF-THEN-правил. Базис нечетких правил является основной частью системы нечеткой логики в том смысле, что остальные ее компоненты используются для интерпретации этих правил и их применения при решении конкретных задач.

Механизм нечеткого вывода. В механизме нечеткого вывода принципы нечеткой логики используются для объединения нечетких IF-THEN-правил из базиса нечетких правил в отображение входных нечетких множеств из Х= в выходные нечеткие множества из Y.

Системы нечеткой логики с фаззификатором и дефаззификатором имеют несколько привлекательных черт:

во-первых, они пригодны для использования в технических системах, так как их входные и выходные переменные принимают реальные значения;

во-вторых, они предоставляют возможность естественного перехода от заключений эксперта к нечетким IF-THEN-правилам;

в-третьих, они предоставляют большую свободу в выборе фаззификатора, механизма нечеткого вывода и дефаззификатора, т.е. можно подобрать систему нечеткой логики, наиболее подходящую для решения конкретной задачи;

в-четвертых, могут быть разработаны различные алгоритмы настройки таких систем нечеткой логики, что позволяет эффективно объединять численную и лингвистическую информацию.

Развернуть

Открыть в широком формате

– Конец работы –

Эта тема принадлежит разделу:

Тема 1 Особенности и признаки интеллектуальности информационных систем. Системы с интеллектуальным интерфейсом

Т о операционные знания алгоритм и фактуальные знания структура данных неотъемлемы друг от друга Однако если в ходе эксплуатации... Следствием этого является плохая жизнеспособность ИС слабая адаптивность к... В системах основанных на обработке БД происходит отделение фактуального и операционного знаний друг от друга Первое...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Тема 9 Системы нечеткой логики с фаззификатором и дефаззификатором. Методика построения систем нечеткой логики в RESOLVER’е и в среде MatLab

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Тема 1 Особенности и признаки интеллектуальности информационных систем. Системы с интеллектуальным интерфейсом
Особенности и признаки интеллектуальности ИС. Принятие решений относительно действий или поведения в той или иной ситуации любых субъектов (людей, роботов, сложных систем

СБД=программа ó СУБД óБД
Концепции независимости программы от данных позволяет повысить гибкость ИС по выполнению производственных информационных запросов. Общие недостатки традиционных ИС: 1. Слабая адап

Системы с интеллектуальным интерфейсом
1. Интеллектуальные БД отличаются от обычных БД возможностью выборки по запросу необходимой информации, к-е могут явно не храниться, а выводиться из имеющейся в БД. Интеллек

Экспертные системы.
Назначение экспертных систем заключается в решении достаточно трудных для эксперта задач на основе накапливаемой БЗ, отражающей опыт работы экспертов в рассматриваемой проблемной области.

Многоагентные системы
Для таких динамических систем характерна интеграция в БЗ нескольких разнородных источников знаний, обменивающихся между собой получаемыми результатами на динамической основе (например, доска объявл

Тема 4 Самообучающиеся системы: индуктивные системы, нейронные сети, системы, основанные на прецедентах, информационные хранилища
Самообучающиеся системы. В основе самообучающихся систем лежат методы автоматической классификации примеров ситуаций реальной практики (обучение на примерах). Примеры реал

Извлечение знаний на основе информационных хранилищ
В отличие от интеллектуальной базы данных информационное хранилище представляет собой хранилище извлеченной значимой информации из оперативных баз данных, которое предназначено, в первую очередь, д

Этап 1. Идентификация
Этап идентификации проблемной области включает определение назначения и сферы применения экспертной системы, подбор экспертов и группы инженеров по знаниям, выделение ресурсов, постановку и парамет

Этап 2. Концептуализация
На этапе построения концептуальной модели создается целостное и системное описание используемых знаний, отражающее сущность функционирования проблемной области. От качества построения концептуально

Этап 3. Формализация
На этапе формализации базы знаний осуществляется выбор метода представления знаний. В рамках выбранного формализма осуществляется проектирование логической структуры базы знаний. На этапе

Этап 4. Реализация
На этапе реализации экспертной системы происходит физическое наполнение базы знаний и настройка всех программных механизмов в рамках выбранного инструментального средства, а при необходимости и доп

Этап 5. Тестирование
На этапе тестирования созданные экспертные системы оцениваются с позиции двух основных групп критериев: точности и полезности. С точностью работы связаны такие характеристики, как правильн