I T P W ZPT 1. I T P W ZPT 2 Synteza logicznaInżynieria informacji Dekompozycja funkcjonalna Odwzorowanie technologiczne FPGA Hierarchiczne podejmowanie.

Slides:



Advertisements
Podobne prezentacje
Data Mining w e-commerce
Advertisements

Minimalizacja formuł Boolowskich
Teoria układów logicznych
Podstawowe pojęcia związane z Active Directory
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Michał Łasiński Paweł Witkowski
Elementy systemu operacyjnego
Układy logiczne kombinacyjne sekwencyjne
I T P W ZPT 1 Jak smakuje Espresso I T P W ZPT 2.
Klasyfikacja Obcinanie drzewa Naiwny klasyfikator Bayes’a kNN
Mirosław ŚWIERCZ Politechnika Białostocka, Wydział Elektryczny
5. Problemy lokalizacji w projektowaniu międzynarodowych struktur logistycznych – przegląd metod i technik.
Katedra Podstaw Systemów Technicznych Politechnika Śląska
Projektowanie - wprowadzenie
Zależności funkcyjne.
Kod Graya.
Układy kombinacyjne.
Podstawy układów logicznych
Synteza układów sekwencyjnych z (wbudowanymi) pamięciami ROM
Technologia informacyjna
Zmodyfikowana metoda ekspansji Komputerowe narzędzia syntezy logicznej
Espresso mankamenty.
Moduł 2: Zarządzanie kontami użytkowników i komputerów
ALGORYTMY OPTYMALIZACJI
GŁOSOWA ŁĄCZNOŚĆ Z KOMPUTEREM
Eksploracja danych (Data mining)
Przykład syntezy strukturalnej
Dana jest sieć dystrybucji wody w postaci: Ø      m- węzłów,
Synteza logiczna w projektowaniu…
Metoda klasyczna ... to metoda tablicowa, graficzna, której podstawowe
ISS – Synteza regulatora cyfrowego (minimalnoczasowego)
Podstawy Techniki Cyfrowej
MS Excel - wspomaganie decyzji
VII EKSPLORACJA DANYCH
IV EKSPLORACJA DANYCH Zadania eksploracji danych: klasyfikacja
Interakcja człowiek – komputer Podstawy metod obiektowych mgr inż. Marek Malinowski Zakład Matematyki i Fizyki Wydz. BMiP PW Płock.
Podstawy Techniki Cyfrowej
METODY PODEJMOWANIA DECYZJI
Numer z klasyfikacji zawodów:312102
Model obiektowy bazy danych
Grafika i komunikacja człowieka z komputerem
ZPT Synteza logiczna w eksploracji danych jest dynamicznie rozwijającą się dziedziną informatyki o coraz szerszych zastosowaniach niemal w każdej dziedzinie.
Dane – informacje - wiadomości Kodowanie danych i problem nadmiarowości.
I T P W ZPT Konwerter BIN2BCD 1 LK „8” DEC LK = 0 LOAD1 R3R2R1  K S3 S2S1 A B „5” K  5 MUX 1 0 A R4 LOAD2 Y = LD B LB „3” US Układ wykonawczy Układ sterujący.
I T P W ZPT 1 Minimalizacja funkcji boolowskich c.d. Pierwsze skuteczne narzędzie do minimalizacji wieloargumentowych i wielowyjściowych funkcji boolowskich.
Metody Inteligencji Obliczeniowej
Podstawy automatyki I Wykład 1b /2016
Podstawy Techniki Cyfrowej Dr inż. Marek Mika Państwowa Wyższa Szkoła Zawodowa im. Jana Amosa Komeńskiego W Lesznie Wykład 5: Minimalizacja form boolowskich.
Przypomnienie: Przestrzeń cech, wektory cech
ZPT f Gate ArrayStandard Cell Programmable Logic Devices PAL, PLA 1 Omówione do tej pory metody syntezy dotyczą struktur bramkowych… Dekompozycja funkcji.
ZPT 1 Dekompozycja nierozłączna Pojęcie r - przydatności Dekompozycja zrównoważona Dekompozycja równoległa.
Pojęcia podstawowe c.d. Rachunek podziałów Elementy teorii grafów
Zagadnienia transportowe Katedra Ekonomiki i Funkcjonowania Przedsiębiorstw Transportowych.
Człowiek – najlepsza inwestycja
MODELE ANALIZY WYNIKÓW GEODEZYJNYCH POMIARÓW DEFORMACJI.
I T P W ZPT 1 Realizacje funkcji boolowskich Omawiane do tej pory metody minimalizacji funkcji boolowskich związane są z reprezentacją funkcji w postaci.
MICZKO KAROLINA PATEK JOANNA GR. 2B ORGANIZACJE I ICH RODZAJE.
Elementy cyfrowe i układy logiczne
Pojęcia podstawowe Algebra Boole’a … Tadeusz Łuba ZCB 1.
Systemy neuronowo – rozmyte
Elementy analizy sieciowej
Synteza logiczna w projektowaniu układów cyfrowych
Metoda klasyczna (wg książki Sasao)
MATEMATYCZNE MODELOWANIE PROCESÓW BIOTECHNOLOGICZNYCH
Metody syntezy logicznej w zadaniach pozyskiwania wiedzy
Wstęp do Informatyki - Wykład 6
Przypomnienie: Przestrzeń cech, wektory cech
Podstawy Automatyki Człowiek- najlepsza inwestycja
Systemy eksperckie i sztuczna inteligencja
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Zapis prezentacji:

I T P W ZPT 1

I T P W ZPT 2 Synteza logicznaInżynieria informacji Dekompozycja funkcjonalna Odwzorowanie technologiczne FPGA Hierarchiczne podejmowanie decyzji  Minimalizacja F.B.  Redukcja argumentów  Generacja reguł decyzyjnych  Redukcja atrybutów

I T P W ZPT 3 Tablice i reguły decyzyjne (a,1)  (b,0)  (d,1) (e,1) abde  Atrybuty  Ich wartości  Operatory redukcja atrybutów redukcja (generacja) reguł decyzyjnych

I T P W ZPT 4 Generacja reguł Metoda analogiczna do ekspansji: Tworzy się macierz porównań M, Wyznacza minimalne pokrycie M, Atrybutami reguły minimalnej są atrybuty należące do minimalnego pokrycia M.

I T P W ZPT 5 Przykład generacji reguł Uabcde Tablica decyzyjna abcde 10––1 0–––0 –1–10 –––22 Tablica reguł minimalnych

I T P W ZPT 6 Przykład: uogólniamy U 1 Uabcde Macierz M powstaje przez porównanie obiektów: (u 1, u 3 ), (u 1, u 4 ),..., (u 1, u 7 ). Wynikiem porównania są wiersze M. Dla takich samych wartości atrybutów odpowiedni m=0, dla różnych m= dcba M 

I T P W ZPT 7 Przykład: uogólniamy U 1 Minimalne pokrycia są: {a,b} oraz {b,d}, dcba M  a, b, c, d a, b, d b, d b a, d Wyznaczone na ich podstawie minimalne reguły: (a,1) & (b,0)  (e,1) (b,0) & (d,1)  (e,1) Uabcde Uabcde

I T P W ZPT 8 Przykład generacji reguł cd. Uabcde Po uogólnieniu obiektu u 1  u 2. u 2 można usunąć Uabcde

I T P W ZPT 9 Przykład generacji reguł c.d. Uabcde (a,0)  (e,0) (b,1) & (d,1)  (e,0) Dla obiektu u3Dla obiektu u4 Niestety po uogólnieniu ani u 3 nie pokrywa u 4, ani u 4 nie pokrywa u 3

I T P W ZPT 10 Przykład generacji reguł c.d. Uabcde (d,2)  (e,2) Dla obiektu u5 u 6, u 7

I T P W ZPT 11 Reguły minimalne abcde 10––1 0–––0 –1–10 –––22 (a,1) & (b,0)  (e,1) (a,0)  (e,0) (b,1) & (d,1)  (e,0) (d,2)  (e,2) (a,1) & (b,0)  (e,1) (a,0)  (b,1) & (d,1)  (e,0) (d,2)  (e,2) w innym zapisie:

I T P W ZPT 12 Zastosowania Uabcde Pierwotna tablica decyzyjna abcde 10––1 0–––0 –1–10 –––22 Tablica reguł minimalnych Takie metody stosuje się w przypadkach, gdy dysponuje się zbiorem obiektów, których przynależność do odpowiedniej klasy jest znana, a celem jest identyfikacja nieznanych reguł klasyfikacji. a=1,b=1, c=1, d= 1Jaka decyzja? Decyzja e=0

I T P W ZPT 13 Sytuacja ta występuje np. przy wnioskach kredytowych składanych w bankach. Ponieważ część z nich jest akceptowana, a część odrzucana, można dane zebrane w dłuższym okresie czasu zapisać w tablicy decyzyjnej, uogólnić i dalej stosować w uproszczonej formie do podejmowania decyzji. Klientów charakteryzuje się za pomocą następujących cech jakościowych i ilościowych: - Sytuacja zawodowa: B (bezrobotny), P (pracujący) - przeznaczenie kredytu: komputer (K), sprzęt audio (A), biżuteria (B)… - wiek w latach - stan konta Zastosowania Przykładowo:

I T P W ZPT Przykładowa tablica danych... C1C2C3C4C5C6C7C8C9C10Klasa PKKSnie tak PKKSnie tak BKKR nie PSMRnie tak PSMSnie tak PSMRnie tak 14 Przeznaczenie: Komp., sam. wiekStan konta Staż pracy w danym zakładzie pracy Sytuacja zawodowa

I T P W ZPT 15 Zastosowania [wiek > 25] & [stan konta > 70] & [staż pracy > 2]  tak [płeć = kobieta] & [wiek < 25]  nie ……. Po uogólnieniu reguł decyzyjnych… LERS

I T P W ZPT 16 Reguły minimalne LERS.i 7.o 1.type fr.p e [ x1 x2 x3 x4 x5 x6 x7 d ] ESPRESSO (x4,1) -> (d,0) (x7,1) & (x1,1) & (x3,0) -> (d,0) (x2,1) & (x6,1) -> (d,0) (x4,0) & (x2,0) & (x6,1) -> (d,1) (x6,0) & (x2,1) -> (d,1) (x5,0) -> (d,1)

I T P W ZPT 17 Redukcja atrybutów a1a1 a2a2 a3a3 a4a4 a5a5 a6a6 d a1a1 a3a3 a5a5 a6a6 d Redukty: {a 1, a 3, a 5, a 6 } {a 2, a 3, a 5, a 6 }

I T P W ZPT 18 Przykład redukcji atrybutów a4a a5a da6a6 a3a3 a2a2 a1a1 ponieważ wiersze 6 i 10 różnią się na pozycji a 1 a1a1 a6a6 a wiersze 2 i 8 różnią się na pozycji a 6

I T P W ZPT 19 Przykład redukcji atrybutów a4a a5a da6a6 a3a3 a2a2 a1a1

I T P W ZPT 20 Przykład redukcji atrybutów a4a a5a da6a6 a3a3 a2a2 a1a1 a 2, a 4, a 5 1,9 2,9 4,5 4,8 3,7 (a 4 + a 2 ) (a 4 + a 3 ) (a 4 + a 5 ) = a 4 + a 2 a 3 a 5 a 2, a 3, a 4, a 5 a 3, a 4 a 2, a 4 a 4, a 5 {a 1, a 4, a 6 } {a 1, a 2, a 3, a 5, a 6 }

I T P W ZPT 21 Dekompozycja tablic decyzyjnych B A G H Decyzja końcowa Atrybuty Tablica decyzyjna Decyzja pośrednia Atrybuty

I T P W ZPT 22 Dekompozycja tablic decyzyjnych F = H(A,G(B))  G  P(B): P(A)   G  P D B A G H Decyzja końcowa Decyzja pośrednia

I T P W ZPT 23 Przykład dekompozycji TD a4a a5a da6a6 a3a3 a2a2 a1a1 A = {a 4, a 5, a 6 } B = {a 1, a 2, a 3 }

I T P W ZPT 24 Przykład c.d. F a1a1 a2a2 a3a3 g a4a4 a5a5 a6a6 gd G: H:

I T P W ZPT 25 Kompresja danych S F = 130 jednostek S G = 42 jednostki S H = 72 jednostki S = p  q i Dekompozycja S G + S H = 87% S F

I T P W ZPT 26 Przykład 68% kompresji danych

I T P W ZPT 27

I T P W ZPT 28 Przykład: zastosowanie dekompozycji w nauczaniu sieci neuronowych

I T P W ZPT 29 PODSUMOWANIE Zagadnienia syntezy logicznej znajdują szerokie zastosowanie w wielu dziedzinach techniki:  w technice cyfrowej  w inżynierii informacji  w kryptografii  w sieciach neuronowych Znaczenie syntezy logicznej ciągle wzrasta, a USSL stają się niezbędnym narzędziem w projektowaniu układów i systemów cyfrowych Uniwersyteckie Systemy Syntezy Logicznej: SIS, (Espresso, NOVA,...),... DEMAIN