- •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
12.Импликация Мамдани. Внешнее произведение.Таблица импликаци
Оператор импликация на протяжении
длительного времени не дает покоя
теоретикам нечеткой логики. Если мы
его определим классическим (традиционным)
путем, т.е. как
,
то мы получим таблицу истинности, которая
противоречит интуиции и непригодна,
т.к. некоторые законы логики ею не
поддерживаются, теряют силу. Под таблицей
истинности понимают таблицу, определяющую
истинность результата рассматриваемой
операции для каждого из значений
истинности исходного или исходных
высказываний. Кстати, к законам логики
относятся, например, закон противоречия,
закон двойного отрицания, закон
доказательства от противного и другие.
Многие ученые пытались дать иные
определения импликации. В литературе,
например, приводится список из 72 ее
альтернативных определений. Одним из
таких определений является так называемая
импликация Гёделя, которая лучше в
смысле того, что многие из «прежних,
достаточно старых» (читай двухзначных)
логических отношений при ее использовании
имеют силу. Тремя другими примерами
являются:
(упрощение или симплификация),
(правило отделения или modus
ponens (модус поненс)) и
(гипотетический силлогизм). Импликация
Гёделя может быть записана так
,
(1.9) где
.Правило
Если уровень в баке есть НИЗКИЙ, то
входной сигнал V1
вентиля есть ОТКРЫТЬ является
импликацией, т.к. переменная уровень
влечет за собой значение V1
на выходе регулятора. Однако
импликация Гёделя, редко используется
в нечетких регуляторах (контроллерах).
Значительно чаще применяется импликация,
называемая импликацией Мамдани.
Определение (импликация Мамдани).
Пусть A и B
два нечетких множества, не обязательно
заданные на одном и том же универсуме,
определяемые своими дискретными
функциями принадлежности a
и b соответственно.
Импликация Мамдани определяется как
, (1.12), где
есть внешнее произведение, применяющее
операцию min к каждому
элементу декартова произведения a
и b. В отличие от
классической импликации, которая говорит
о том, что «A влечет за
собой B», но ничего нельзя
сказать о B, когда A
не имеет место ( A и B
нельзя менять местами), импликация
Мамдани трактует правило Если A,
то B как «Истина, что A
и B одновременно имеют
место». Последняя импликация симметрична
и может быть инвертируема и записывается
в ряде случаев как конъюнкция A
и B, т.е. как A
B
.Пусть a представляет
собой вектор-столбец и b
вектор-строку, тогда их внешнее min-
произведение может быть найдено в виде
«таблицы умножения».
З
десь
ai
=
и b j
=
соответственно элементы дискретных
функций принадлежности a
и b множеств A
и B. Таким образом,
импликация Мамдани представляет собой
нечеткое отношение множеств A
и B и определяется
по формуле R =A
B
a
min
b. Матрицу R
можно записать в виде R=[r
ij], где r
ij
ai
b
j – (i,j)-й
элемент матрицы R.
Для непрерывных универсумов нечеткое
отношение имеет следующий вид
.
Как видим, каждое правило можно трактовать
как импликацию, другими словами, как
нечеткое отношение.
Пример 1.13 (внешнее произведение). Рассмотрим импликацию (правило) «Если уровень есть НИЗКИЙ, то входной сигнал V1 вентиля ОТКРЫТЬ» с переменными (нечеткими множествами) НИЗКИЙ (A) и ОТКРЫТЬ (B), определяемыми c помощью дискретных функций принадлежности как a= низкий = [ 1 0,75 0,5 0,25 0], b=открыть = [0 0,5 1].
Тогда импликация, рассматриваемая как нечеткое отношение множеств НИЗКИЙ и ОТКРЫТЬ, т.е. как R=низкий min открыть, в соответствии с (1.13)
вычисляется по следующей схеме
Это есть весьма важный путь построения
таблицы импликации исходя из правил.
Здесь a=
,
b=
.
Внешнее min -
произведение Мамдани так же, как и
внешнее произведение с операцией
,
заменяемой операцией * для
произведения, есть основа для построения
большинства нечетких контроллеров;
поэтому в последующем мы будем часто
его использовать. Однако следует
отметить, что Задэ и другие ученые
предложили несколько других теоретических
определений импликации.
Заметим, что импликация
рассматривается как база знаний
или просто как знание.
