- •1. Подходы к определению понятия «система». Классификация и характеристика систем. Модель «черного ящика». Статические и динамические модели.
- •1 Класс моделей – это модели типа черного ящика.
- •2 Класс моделей – это модель состава системы.
- •3 Класс моделей – структурная схема системы.
- •2. Определение, обозначение, примеры нечеткого множества. Основные характеристики нечетких множеств.
- •3. Расширение понятия нечеткого множества
- •4. Стандартные операции над нечеткими множествами и их свойства. Расширенные операции над нечеткими множествами.
- •Стандартная функция дополнения
- •Нечеткое разбиение. (это лучше не писать!)
- •Нечеткое пересечение (fuzzy intersection).
- •Нечеткое объединение. Fuzzy union
- •5. Операции для определения различия между нечеткими множествами:
- •6. Показатели неопределенности (размытости) нечетких множеств.
- •7. Определение и свойства нечетких чисел. Декомпозиция нечеткого числа. Операции над нечеткими числами на основе интервального метода.
- •9. Определение нечетких отношений. Способы представления нечетких отношений.
- •10. Нечеткие графы. Разновидности нг. Нечеткие гиперграфы.
- •11. Операции над нечеткими отношениями. Свойства нечетких отношений. Транзитивное замыкание нечетких отношений.
- •12. Расширение понятия нечеткого отношения.
- •13. Нечеткое отношение эквивалентности, неэквивалентности, сходства, различия, предпорядка, порядка. Нечеткий гомоморфизм между нечеткими отношениями.
- •14. Понятие нечеткой переменной, понятие лингвистической переменной, логико-лингвистическая шкала.
- •15. Области применения нечетких моделей. Классификация нечетких моделей.
- •16. Определение нечеткой продукционной модели. Компоненты нечетких продукционных моделей.
- •17. Определение нечеткой продукционной модели. Компоненты нечетких продукционных моделей.
- •18. Определение нечеткой продукционной модели. Компоненты нечетких продукционных моделей. Классы операций нечеткой импликации. Критерии оценки нечеткой импликации
- •19. Основные задачи создания базы нечетких продукционных правил. Формирование нечетких (простых и составных) высказываний в предпосылках и заключениях правил.
- •20. Основные задачи создания базы нечетких продукционных правил. Классификация лингвистических продукционных правил.
- •21. Основные задачи создания базы нечетких продукционных правил. Классификация нечетких продукционных правил с заключениями в виде четких значений или функций.
- •22. Основные задачи создания базы нечетких продукционных правил. Типы структур базы нечетких продукционных правил (siso-, miso-, mimo-структуры).
- •24. Основные задачи создания базы нечетких продукционных правил. Каскадное соединение баз нечетких продукционных правил.
- •25. Основные задачи создания базы нечетких продукционных правил. Обеспечение полноты и непротиворечивости базы нечетких правил.
- •26. Основные компоненты нечетких продукционных моделей.
- •27. Алгоритмы нечеткого вывода Мамдани, Ларсена
- •27. Алгоритмы нечеткого вывода Цукамото, Такаги–Сугено.
17. Определение нечеткой продукционной модели. Компоненты нечетких продукционных моделей.
Обратный способ нечеткого вывода
Fuzzy backward-chaining reasoning
Используется modus tollens
Этап 1. Задание нечеткой импликации:
R: A->B
Этап 2. Задание нечеткого условия: «y’ есть B’».
y’ – полученное значение выходной переменной. B’ – нечеткое множество для значения y’
Этап 3. Формирование обратного вывода: “ x’ есть A’ ”. x’ – фактическое значение переменной х. A’ – некоторое нечеткое множество, которое отражает значение x’ и которое задается функцией принадлежности
Целью обратного нечеткого вывода является установление истинности предпосылки по заданной степени истинности заключения.
И прямой и обратный вывод работают в условиях монотонности искомого решения.
Решить задачу обратного вывода по аналогии с прямым не всегда удается.
Обратный нечеткий вывод часто используется при описании сложных систем (их параметров и состояний), а также в задачах диагностики.
18. Определение нечеткой продукционной модели. Компоненты нечетких продукционных моделей. Классы операций нечеткой импликации. Критерии оценки нечеткой импликации
Классы нечеткой импликации:
S-импликация
,S – оператор S-нормы, NOT – нечеткое дополнение
R-импликация, основана на сравнении с Т-нормой
Т-импликация
Эти операции не удовлетворяют общепринятым свойствам, но, тем не менее, широко используются в современных прикладных системах.
Критерии оценки и выбора операции нечеткой импликации
Максимальная ошибка в результате использования операции импликации не должна превышать максимальной ошибки лингвистического представления данных
Нечеткая модель, построенная с использованием выбранной операции нечеткой импликации, должна быть устойчивой по отношению к выбору функции принадлежности.
19. Основные задачи создания базы нечетких продукционных правил. Формирование нечетких (простых и составных) высказываний в предпосылках и заключениях правил.
Основные задачи создания базы нечетких продукционных правил:
Сформировать простые нечеткие высказывания в предпосылках и заключениях правил;
Сформировать составные нечеткие высказывания в предпосылках и заключениях правил;
Выбрать тип нечетких продукционных правил;
Задать структуру базы нечетких правил;
Выполнить оценку и обеспечить полноту и непротиворечивость базы правил.
К простым нечетким высказываниям можно отнести: Если х есть А, то у есть В. Фактически для задания нам нужно задать нечеткие множества А и В, то есть задать их функции принадлежности.
Существуют прямые и косвенные методы построения нечетких множеств.
Прямые – эксперт сам задает, на основе своих опыта и знаний.
Косвенные методы основаны на мнении нескольких экспертов:
- методы парных сравнений,
- методы на основе статистических данных
- методы на основе использования L-R-функций.
Формирование составных нечетких высказываний в предпосылках и заключениях правил.
Возможны 3 случая составления высказываний:
Составные высказывания соединяемые через И, ИЛИ относятся к одной и той же переменной
Составные высказывания в предпосылках через И, ИЛИ относятся к разным переменным.
Составные высказывания в заключениях через И, ИЛИ относятся к разным переменным.
Примеры:
Если х1 есть А1 И х1 есть А2, то …
Очевидно, в таких случаях предпосылку можно представить в виде простой предпосылки с преобразованной функцией принадлежности:
Если х1 есть A1 A2
Если х1 есть А1 И х2 есть А2, то …
Если х1 есть А1 ИЛИ х2 есть А2, то y есть В
Если х1 есть А1, то y есть В
Если х2 есть А2, то y есть В
Если …, то y1 есть В1 И у2 есть В2.