- •1.Коньюнкция условий и разбиение пространства входа.
- •Композиция нечетких отношений.
- •Нечеткое инверсное управление и нечеткая система управления с внутренней моделью
- •Алгоритм жесткой кластеризации.
- •Операции над нечеткими множествами. Модификаторы.
- •8. Проектирование нечетких контроллеров (метод Мамдани)
- •2. Нечеткий контроллер с двумя входами и одним выходом
- •9.Нечеткая система управления с плановым изменением коэффициента.
- •10. Оценка параметров заключений по (мнк)
- •11. Адаптивные нейронные нечеткие системы инференции (anfis)
- •12.Импликация Мамдани. Внешнее произведение.Таблица импликаци
- •13. Нечеткая идентификация. Структура и параметры.
- •14. Нечеткий логический вывод для нескольких правил и нескольких входов.
- •Несколько входов (многомерная лингвистическая модель)
- •16. Функциональная схема нечеткого контроллера
- •17. Отношения между нечеткими множествами
- •18. Алгоритм нечеткой кластеризации с-средних
- •19. Моделирование статических объектов упр-я как аппроксимация функций с помощью нейронных сетей (есть только для динамических объектов)((((((((
- •20. Анализ устойчивости тс модели объекта управления в пространстве состояний.
- •22. Нечеткий логический вывод с исп-м отношений. Пример
- •24. Визуализация алгоритма нечеткого логического вывода.
- •25. Понятия о нечетких множествах
- •26. Обучение нейронной сети. Общие сведения.
- •27. Упрощение алгоритма нечеткого логического вывода.
- •28. Обратное распространение ошибки
- •29. Визуализация нечеткого логического вывода.Аккумуляция.
- •30. Параметры алгоритма с-средних
- •31. Проектирование нечетких контроллеров (метод Мамдани)
- •32. Нечеткая логика. Логические связки.
- •33.Проектирование нечетких контроллеров(метод Мамдани). Многомерный нечеткий контроллер.
- •34. Алгоритм обучения anfis
- •35. Максиминная композиция нечетких отношений. Внутренне произведение. Пример.
- •36. Преобразование вход-выход. Кривая управления. Пов-ть управления.
- •37. Табличное изменение коэффициента усиления (супервизорное управление)
- •38. Алгоритм нечеткой кластеризации Густафсона–Кесселя.
- •39. Генетические алгоритмы
- •40. Извлечение правил с помощью кластеризации
- •41.Нечеткий сумматор для контроллеров с 2 входами и 1 выходом
- •42. Нейросетевое прямое и косвенное адаптивное управление с эталонной моделью
- •43. Обратное распространение ошибки. Обновление весовых коэф-в скрытых слоев. Локальные градиенты.
- •44. Модель Такаги-Сугено как квазилинейное устройство
- •45. Контроллер типа Такаги-Сугено
- •46. Нейросетевое управление с адаптивной линеаризацией обратной связью
- •48. Такаги-Сугено модель оу в пространстве состояний
- •49. Нечеткие множества. Синглтоны и лингвистические переменные.
- •50. Моделирование нелинейных динамических оу с помощью нейронных сетей
- •51. Структура интеллектуальной системы управления
- •52. Многослойная нейронная сеть
- •53. Дефаззификация. Методы дефаззификации.
- •54. Нейронная сеть с радиальными базисными функциями
- •56. Синтез нечеткой обратной связи
- •57. Линейные матричные неравенства, основные понятия.
- •58. Аппроксимация функций (моделирование) с помощью нейронных сетей (персептронов)
- •59. Классификация генетических нечетких систем
- •60. Синтез нейронных нечетких сетей. Структура anfis
- •19. Моделирование статических объектов управления как аппроксимация функций с помощью нейронных сетей.
- •Адаптивные нейронные нечеткие системы интерференции (anfis). . Синтез нечетких нейронных сетей
- •5.1. Введение
- •Адаптивные нейронечеткие системы инференции (anfis)
- •Импликация Мамдани. Внешнее произведение. Таблица импликации.
- •Нечеткая идентификация. Структура и параметры
- •Нечеткий логический вывод для нескольких правил и нескольких входов.
- •1. Настройка пид-регулятора
- •3. Перенос параметров пид-регулятора в нечеткий контроллер
- •Анализ устойчивости тс модели объекта управления в пространстве состояний. Анализ устойчивости тс модели объекта
- •1. Настройка пид-регулятора
- •Нечеткий логический вывод (инференция). Пример.
- •Визуализация нечеткого логического вывода. Агрегирование условий и активизация заключений.
- •Математическая модель нейрона. Математическая модель нейрона
- •Нечеткое управление с предсказанием.
- •Визуализация нечеткого логического вывода. Аккумуляция заключений.
- •5.1. Введение
- •Алгоритм обучения anfis
- •Максиминная композиция нечетких отношений. Внутреннее произведение. Пример.
- •Преобразование вход-выход для нечетких контроллеров. Кривая управления и поверхность управления.
- •2.4. Преобразование вход-выход
- •Табличное изменениекоэффициентаусиления (супервизорное управление).
- •2.8. Табличное изменение коэффициента усиления (супервизорное управление)
- •Алгоритм нечеткой кластеризации Густафсона-Кесселя.
- •Генетические алгоритмы. Генетические алгоритмы
- •Модель Такаги-Сугено как квазилинейное (аффинное) устройство. Модель Такаги-Сугено как квазилинейное устройство
- •Контроллер типа Такаги-Сугено.
- •Деффазификация. Методы деффазификации.
- •2.2.5. Дефаззификация
- •Теорема б универсальной аппроксимации.
- •Такаги-Сугено модель объекта управления в пространстве состояний.
- •Табличный контроллер. Билинейная интерполяция.
- •2.3. Табличный контроллер
- •Моделирование нелинейных динамических объектов управления с помощью нейронных сетей.
- •Моделирование нелинейных динамических процессов (объектов)
- •Упрощение алгоритма нечеткого логического вывода.
- •Обратное распространение ошибки. Обновление весовых коэффициентов выходного слоя.
- •4.6. Обратное распространение ошибки
- •Структура интеллектуальной системы управления.
- •Многослойная нейронная сеть. Многослойная нейронная сеть
- •5.1. Введение
- •Структура anfis
17. Отношения между нечеткими множествами
В любом нечетком контроллере отношения между множествами играют главную роль. Понятие нечеткого отношения, наряду с понятием самого нечеткого множества, следует отнести к фундаментальным основам всей теории нечетких множеств. Нечеткое отношение часто заменяется терминами нечеткая связь, ассоциация, взаимосвязь или соотношение. Некоторые отношения затрагивают элементы одного и того же универсума или, как говорят, описывает свойство: например, такие свойства «одно измерение больше другого», «одно событие наступает раньше другого», «один элемент похож на другой элемент» и т.п. Другие отношения связывают элементы из разных универсумов, например, описывают такие свойства, как «величина измерения большая и его скорость изменения положительная», «x- координата (абсцисса) большая и y- координата (ордината) малая». В этих примерах фигурируют отношения между двумя множествами. Однако в принципе могут иметь место отношения, устанавливающие связи между несколькими множествами.
Формально бинарное четкое отношение или просто четкое отношение R между двумя четкими множествами и (отношение между элементами x и y множеств и ) в соответствии с заданным свойством приписывает каждой упорядоченной паре только лишь одно из следующих утверждений: а) «x связано с y» или б) «x не связано с y». Продукционное пространство или декартово произведение множеств есть множество всех возможных комбинаций (пар) элементов (значений) из и или это то же, что для всех , т.е.
.
Пример. Пусть есть множество женщин {Ольга, Вера, Галина} и есть множество мужчин {Борис, Николай, Сергей}, то отношение «состоят в браке» на множестве может быть, например, таким
{(Ольга, Сергей),(Вера, Николай),(Галина, Борис)}.При этом данное отношение можно описать двумерной функцией принадлежности
Заметим,
что в классической теории множеств
называют характкристической функцией.
Нечеткое отношение R
между множествами A и
,
называемое бинарным (двумерным) нечетким
множеством, есть нечеткое подмножество
декартового произведения
соответствующих этим множествам
универсумов A и B.
При этом двумерная функция принадлежности
,
описывающая нечеткое отношение,
показывает степень выполнения отношения
между элементами x
и y,
,
Отсюда нечеткие отношения являются более гибкими по сравнению с традиционными (четкими) отношениями. Они позволяют задавать не только сам факт выполнения соотношения, но и указывать степень его выполнения, что является очень важным для многих практических задач, в частности для задач управления. Нечеткое отношение R между множествами A и называют бинарным (двумерным) нечетким множеством с двумерной функцией принадлежности . Если множество A состоит из m элементов, а множество из элементов, то является матрицей размерности ( ). По сути дела нечеткое отношение можно считать тождественным своей функции принадлежности , т.е. можно записать, что .
П
ример
2. Еще один пример функции принадлежности
нечеткого отношения R в
случае, когда имеет место треугольная
функция принадлежности для A
и трапециидальная функция принадлежности
для B, показан на
рисунке ниже. При этом нечеткое отношение
описывает свойство (импликацию):
« если x есть A, то y есть B».
