Нечеткая логика "Fuzzy Logic" - презентация, доклад, проект скачать

Нажмите для полного просмотра!

Нечеткая логика "Fuzzy Logic", слайд №10

Нечеткая логика "Fuzzy Logic", слайд №11

Нечеткая логика "Fuzzy Logic", слайд №12

Нечеткая логика "Fuzzy Logic", слайд №13

Нечеткая логика "Fuzzy Logic", слайд №14

Нечеткая логика "Fuzzy Logic", слайд №15

Нечеткая логика "Fuzzy Logic", слайд №16

Нечеткая логика "Fuzzy Logic", слайд №17

Нечеткая логика "Fuzzy Logic", слайд №18

Нечеткая логика "Fuzzy Logic", слайд №19

Нечеткая логика "Fuzzy Logic", слайд №20

Нечеткая логика "Fuzzy Logic", слайд №21

Нечеткая логика "Fuzzy Logic", слайд №22

Нечеткая логика "Fuzzy Logic", слайд №23

Нечеткая логика "Fuzzy Logic", слайд №24

Нечеткая логика "Fuzzy Logic", слайд №25

Нечеткая логика "Fuzzy Logic", слайд №26

Нечеткая логика "Fuzzy Logic", слайд №27

Нечеткая логика "Fuzzy Logic", слайд №28

Нечеткая логика "Fuzzy Logic", слайд №29

Нечеткая логика "Fuzzy Logic", слайд №30

Нечеткая логика "Fuzzy Logic", слайд №31

Нечеткая логика "Fuzzy Logic", слайд №32

Нечеткая логика "Fuzzy Logic", слайд №33

Нечеткая логика "Fuzzy Logic", слайд №34

Нечеткая логика "Fuzzy Logic", слайд №35

Нечеткая логика "Fuzzy Logic", слайд №36

Нечеткая логика "Fuzzy Logic", слайд №37

Нечеткая логика "Fuzzy Logic", слайд №38

Нечеткая логика "Fuzzy Logic", слайд №39

Нечеткая логика "Fuzzy Logic", слайд №40

Нечеткая логика "Fuzzy Logic", слайд №41

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Нечеткая логика "Fuzzy Logic". Доклад-сообщение содержит 41 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1

Описание слайда:

Нечеткая логика "Fuzzy Logic"

Слайд 2

Описание слайда:

Слайд 3

Описание слайда:

С = {0,04/молоко; 0,15/творог; 0,25/сливки; 0,35/ сыр; 0,40/сметана; 0,78/масло; 0,98/топленое масло} µс(х).

Слайд 4

Описание слайда:

Нечетким множеством С в Х называется совокупность пар вида (х, µс(х)), где х, а µс(х) – функция принадлежности, определенная на интервале [0,1].

Слайд 5

Описание слайда:

Примеры записи нечеткого множества Пусть E = {x1, x2, x3, x4, x5 }, M = [0,1]; A - нечеткое множество, для которого µA(x1)=0,3; µA(x2)=0; µA(x3)=1; µA(x4)=0,5; µA(x5)=0,9. Тогда A можно представить в виде: A = {0,3/x1; 0/x2; 1/x3; 0,5/x4; 0,9/x5 } или A = 0,3/x1 + 0/x2 + 1/x3 + 0,5/x4 + 0,9/x5, А =

Слайд 6

Описание слайда:

Слайд 7

Описание слайда:

Рассмотрим нечеткое множество A , соответствующее понятию «расход теплоносителя небольшой». Рассмотрим нечеткое множество A , соответствующее понятию «расход теплоносителя небольшой». Объект x – расход теплоносителя, x0; x max – множество физически возможных значений скорости изменения температуры. Эксперту предъявляются различные значения расхода теплоносителя x и задается вопрос: с какой степенью уверенности 0 ≤ μ A (x) ≤ 1 эксперт считает, что данный расход теплоносителя x небольшой. При μ A (x) = 0 – эксперт абсолютно уверен, что расход теплоносителя x небольшой. При μ A (x) = 1 – эксперт абсолютно уверен, что расход теплоносителя x нельзя классифицировать как небольшой.

Слайд 8

Описание слайда:

Слайд 9

Описание слайда:

Слайд 10

Описание слайда:

Примеры нечетких множеств 1. Пусть E = {0,1,2,..,10}, M =[0,1]. Нечеткое множество "несколько" можно определить таким образом: "несколько" = 0,5/3+0,8/4+1/5+1/6+0,8/7+0,5/8; ее характеристики: высота = 1, носитель={3,4,5,6,7,8}, точки перехода - {3,8}. 2. Пусть E = {Запорожец, Жигули, Мерседес,....} - множество марок автомобилей, а E' = [0,µ] - универсальное множество "стоимость", тогда на E' мы можем определить нечеткие множества типа: "для небогатых ", "для среднего класса", "престижные", с функциями принадлежности типа:

Слайд 11

Описание слайда:

Нечеткая переменная характеризуется тройкой , где α - наименование переменной, X - универсальное множество (область определения α), A - нечеткое множество на X, описывающее ограничения (т.е. μ A(x)) на значения нечеткой переменной α.

Слайд 12

Описание слайда:

Лингвистической переменной называется набор , где Лингвистической переменной называется набор , где β - наименование лингвистической переменной; Т - множество ее значений (терм-множество), представляющих собой наименования нечетких переменных, областью определения каждой из которых является множество X. Множество T называется базовым терм-множеством лингвистической переменной; G - синтаксическая процедура, позволяющая оперировать элементами терм-множества T, в частности, генерировать новые термы (значения). Множество TÈ G(T), где G(T) - множество сгенерированных термов, называется расширенным терм-множеством лингвистической переменной; М - семантическая процедура, позволяющая превратить каждое новое значение лингвистической переменной, образуемое процедурой G, в нечеткую переменную, т.е. сформировать соответствующее нечеткое множество.

Слайд 13

Описание слайда:

Слайд 14

Описание слайда:

Слайд 15

Описание слайда:

График функции принадлежности нечеткому множеству «младенческий возраст»

Слайд 16

Описание слайда:

Пример: Пусть эксперт определяет толщину выпускаемого изделия с помощью понятий "малая толщина", "средняя толщина" и "большая толщина", при этом минимальная толщина равна 10 мм, а максимальная - 80 мм. Пример: Пусть эксперт определяет толщину выпускаемого изделия с помощью понятий "малая толщина", "средняя толщина" и "большая толщина", при этом минимальная толщина равна 10 мм, а максимальная - 80 мм. Формализация такого описания может быть проведена с помощью следующей лингвистической переменной < β, T, X, G, M>, где β - толщина изделия; T - {"малая толщина", "средняя толщина", "большая толщина"}; X - [10, 80]; G - процедура образования новых термов с помощью связок "и", "или" и модификаторов типа "очень", "не", "слегка" и др. Например: "малая или средняя толщина", "очень малая толщина" и др.; М - процедура задания на X = [10, 80] нечетких подмножеств А1="малая толщина", А2 = "средняя толщина", А3="большая толщина", а также нечетких множеств для термов из G(T) в соответствии с правилами трансляции нечетких связок и модификаторов "и", "или", "не", "очень", "слегка" и др. операции над нечеткими множествами вида: А Ç В, АÈ В, , CON А = А2 , DIL А = А0,5 и др.

Слайд 17

Описание слайда:

Слайд 18

Описание слайда:

Преимущества нечетких систем возможность оперировать нечеткими входными данными: например, непрерывно изменяющиеся во времени значения (динамические задачи), значения, которые невозможно задать однозначно (результаты статистических опросов, рекламные компании и т.д.); возможность нечеткой формализации критериев оценки и сравнения: оперирование критериями "большинство", "возможно", преимущественно" и т.д.; возможность проведения качественных оценок как входных данных, так и выходных результатов: вы оперируете не только значениями данных, но и их степенью достоверности (не путать с вероятностью!) и ее распределением; возможность проведения быстрого моделирования сложных динамических систем и их сравнительный анализ с заданной степенью точности: оперируя принципами поведения системы, описанными fuzzy-методами, вы во-первых, не тратите много времени на выяснение точных значений переменных и составление описывающих уравнений, во-вторых, можете оценить разные варианты выходных значений.

Слайд 19

Описание слайда:

Применение нечетких систем CubiCalc 2.0 RTC - одна из мощных коммерческих экспертных систем на основе нечеткой логики, позволяющая создавать собственные прикладные экспертные системы ; CubiQuick - дешевая "университетская" версия пакета CubiCalc ; RuleMaker - программа автоматического извлечения нечетких правил из входных данных ; FuziCalc - электронная таблица с нечеткими полями, позволяющая делать быстрые оценки при неточных данных без накопления погрешности; OWL - пакет, содержащий исходные тексты всех известных видов нейронных сетей, нечеткой ассоциативной памяти и т.д.

Слайд 20

Описание слайда:

Использование нечеткого управления рекомендуется... Использование нечеткого управления рекомендуется... для очень сложных процессов, когда не существует простой математической модели для нелинейных процессов высоких порядков если должна производиться обработка (лингвистически сформулированных) экспертных знаний Использование нечеткого управления не рекомендуется, если... приемлемый результат может быть получен с помощью общей теории управления уже существует формализованная и адекватная математическая модель проблема не разрешима

Слайд 21

Описание слайда:

Слайд 22

Описание слайда:

Фотоаппараты и видеокамеры используют нечеткую логику, чтобы реализовать опыт фотографа в управлении этими устройствами. Например, компании Fisherи Sanyo производят нечеткие логические видеокамеры, в которых применяется нечеткая фокусировка и стабилизация изображения. Фотоаппараты и видеокамеры используют нечеткую логику, чтобы реализовать опыт фотографа в управлении этими устройствами. Например, компании Fisherи Sanyo производят нечеткие логические видеокамеры, в которых применяется нечеткая фокусировка и стабилизация изображения. Компания Matsushita выпускает стиральную машину, в которой используются датчики и микропроцессоры с нечеткими алгоритмами управления. Датчики определяют цвет и вид одежды, степень загрязнения, а нечеткий микропроцессор выбирает наиболее подходящую программу стирки из 600 доступных комбинаций температуры воды, количества стирального порошка и времени стирки. Компания Mitsubishi выпустила первый в мире автомобиль, где управление каждой системой основано на нечеткой логике. Эта же компания производит «нечеткий» кондиционер, который управляет изменением температуры и влажности в помещении согласно человеческому восприятию степени комфорта. Компания Nissan разработала «нечеткую» автоматическую трансмиссию и «нечеткую» противоскользящую тормозную систему и реализовала их в одном из своих автомобилей повышенной комфортности.

Слайд 23

Описание слайда:

Японский город Сендай имеет метрополитен с 16 станциями, который управляется нечетким компьютером. При этом нечеткий компьютер регулирует процессы ускорения и торможения поездов метро, делая на 70 % меньше ошибок, чем соответствующий человек-оператор. Японский город Сендай имеет метрополитен с 16 станциями, который управляется нечетким компьютером. При этом нечеткий компьютер регулирует процессы ускорения и торможения поездов метро, делая на 70 % меньше ошибок, чем соответствующий человек-оператор. На фондовом рынке Токио используется несколько трейдерных систем, основанных на нечеткой логике, которые превосходят по скоростным и динамическим характеристикам традиционные информационные системы. В Японии имеются также «нечеткие» системы управления уличным движением, «нечеткие» тостеры, «нечеткие» рисовые печи, «нечеткие» пылесосы и многие другие бытовые технические устройства.

Слайд 24

Описание слайда:

Автоматическое управление воротами плотины на гидроэлектростанциях (Tokio Electric Pow.) Автоматическое управление воротами плотины на гидроэлектростанциях (Tokio Electric Pow.) Упрощенное управление роботами (Hirota, Fuji Electric, Toshiba, Omron) Наведение телекамер при трансляции спортивных событий (Omron) Замена экспертов при анализе работы биржи (Yamaichi, Hitachi) Предотвращение нежелательных температурных флуктуаций в системах кондиционирования воздуха (Mitsubishi, Sharp) Эффективное и стабильное управление автомобильными двигателями (Nissan) Управление экономичной скоростью автомобилей (Nissan, Subaru)

Слайд 25

Описание слайда:

Улучшение эффективности и оптимизация промышленных систем управления (Aptronix, Omron, Meiden, Sha, Micom, Mitsubishi, Nisshin-Denki, Oku-Electronics) Улучшение эффективности и оптимизация промышленных систем управления (Aptronix, Omron, Meiden, Sha, Micom, Mitsubishi, Nisshin-Denki, Oku-Electronics) Позиционирование приводов в производстве полупроводников wafer-steppers (Canon) Оптимизированное планирование автобусных расписаний (Toshiba, Nippon-System, Keihan-Express) Системы архивации документов (Mitsubishi Elec.) Системы прогнозирования землетрясений (Inst. of Seismology Bureau of Metrology, Japan) Медицина: диагностика рака (Kawasaki Medical School) Сочетание методов нечеткой логики и нейронных сетей (Matsushita) Распознавание рукописных символов в карманных компьютерах (записных книжках) (Sony)

Слайд 26

Описание слайда:

Распознавание движения изображения в видеокамерах (Canon, Minolta) Распознавание движения изображения в видеокамерах (Canon, Minolta) Автоматическое управление двигателем пылесосов с автоматическим определением типа поверхности и степени засоренности (Matsushita) Управление освещенностью в камкодерах (Sanyo) Компенсация вибраций в камкодерах (Matsushita) Однокнопочное управление стиральными машинами (Matsushita, Hitatchi) Распознавание рукописных текстов, объектов, голоса (CSK, Hitachi, Hosai Univ., Ricoh) Вспомагательные средства полета вертолетов (Sugeno) Моделирование судебных процессов (Meihi Gakuin Univ, Nagoy Univ.)

Слайд 27

Описание слайда:

САПР производственных процессов (Aptronix, Harima, Ishikawajima-OC Engeneering) САПР производственных процессов (Aptronix, Harima, Ishikawajima-OC Engeneering) Управление скоростью линий и температурой при производстве стали (Kawasaki Steel, New-Nippon Steel, NKK) Управление метрополитенами для повышения удобства вождения, точности остановки и экономии энергии (Hitachi) Оптимизация потребления бензина в автомобилях (NOK, Nippon Denki Tools) Повышение чувствительности и эффективности управления лифтами (Fujitec, Hitachi, Toshiba) Повышение безопасности ядерных реакторов (Hitachi, Bernard, Nuclear Fuel div.)

Слайд 28

Описание слайда:

Основные характеристики нечетких множеств

Слайд 29

Описание слайда:

Пусть M = [0,1] и A - нечеткое множество с элементами из универсального множества E и множеством принадлежностей M. Пусть M = [0,1] и A - нечеткое множество с элементами из универсального множества E и множеством принадлежностей M. Величина µA(x) называется высотой нечеткого множества A. Нечеткое множество A нормально, если его высота равна 1, т.е. верхняя граница его функции принадлежности равна 1 (µA(x)=1). При µA(x)