formalnie: Rozmyte systemy wnioskujące

Slides:



Advertisements
Podobne prezentacje
System lingwistyczny - wnioskowanie
Advertisements

Metody Sztucznej Inteligencji 2012/2013Zastosowania systemów rozmytych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania 1 Zastosowania.
Mechanizm wnioskowania rozmytego
Inteligencja Obliczeniowa Otwieranie czarnej skrzynki.
Inteligencja Obliczeniowa Zbiory rozmyte, modelowanie wiedzy.
Cel lekcji: Utrwalę umiejętność obliczanie pola i obwodu prostokąta ( kwadratu), rozwiązywania zadań z jednostkami czasu, wagi i pieniędzy. .
"Szlachetne zdrowie, nikt się nie dowie, jako smakujesz,
KNW- Wykład 8 Wnioskowanie rozmyte.
Statystyka w doświadczalnictwie
BIOSTATYSTYKA I METODY DOKUMENTACJI
Sztuczna Inteligencja Reprezentacja wiedzy I Logika rozmyta
Systemy rozmyte Systemami rozmytymi nazywamy systemy (statyczne lub dynamiczne) w których wykorzystujemy zbiory rozmyte i właściwy im aparat matematyczny.
Model lingwistyczny – wnioskowanie Mamdani’ego
Model Takagi – Sugeno – Kang’a - TSK
Co oznacza BMI ? Body Mass Index (ang. wskaźnik masy ciała, w skrócie BMI; inaczej wskaźnik Queteleta II) – współczynnik powstały przez podzielenie masy.
Opracował: Zespół Humanistyczny. Klasa Średnia ww - wielokrotnego wyboru (na 20 p) Średnia KO - krótkie odpowiedzi (na 10 p) Średnia za zaproszenie (na.
Paweł Wójcik, IQS and QUANT Group
Konstrukcja, estymacja parametrów
Wykład 25 Regulatory dyskretne
Wybrane modele rozmyte i schematy wnioskowania
ZAMIANA JEDNOSTEK CZAS, DŁUGOŚĆ, MASA WYKONAŁY: LAURA BUNDZIÓW
formalnie: Uczenie nienadzorowane
nieformalnie: Prawie o tym jak mierzyć zawartość cukru w cukrze...
Anna Gadomska Szkoła Podstawowa Nr 79 Łódź
Co to jest sukces? Proste wytłumaczenie
formalnie: Naiwny klasyfikator Bayesa
Trzymaj formę... Trzymaj formę....
Systemy/modele rozmyte – podstawy i struktury
w ramach projektu Szkoła z Klasą 2.0
PROPOZYCJE MEXX JESIEŃ NOWA KOLEKCJA Ceny od 40zł.
Wnioskowanie w stylu Takagi - Sugeno.
Sztuczna inteligencja – wprowadzenie
EcoCondens BBS 2,9-28 E.
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
Wyniki badań dzieci 10 letnich z realizacji podstawy programowej z wychowania fizycznego po I etapie edukacyjnym- wrzesień 2013, luty- czerwiec 2014 Kuratorium.
siła cz.II W części II prezentacji: o sile ciężkości
Materiały termoizolacyjne i temoprzewodzące
Oś liczbowa Zaznaczanie liczb naturalnych na osi liczbowej
Nowy Jork Londyn Mleko, (1l) 0,81£ 0,94 £ Bochenek świeżego chleba (500g) 1,78 £ 0,96 £ Ryż (biały), (1kg) 2,01 £ 1,51 £ Jajka(12) 1,86 £ 2,27 £ Lokalny.
INŻYNIERIA BEZPIECZEŃSTWA Sztuczna Inteligencja
siła cz.IV W części IV prezentacji: treść II zasady dynamiki
Zagadnienia AI wykład 1. Zaliczenie wykładu: Egzamin pisemny w formie testu Podręcznik do wykładu: Leszek Rutkowski Metody i techniki sztucznej inteligencji.
KONTYNENTY I ICH MIESZKAŃCY.
Sterowanie rozmyte i neuronowe I
Zagadnienia AI wykład 4.
Zagadnienia AI wykład 2.
Zagadnienia AI wykład 6.
Zagadnienia AI wykład 5.
Wyniki Ankiety odnośnie zdrowego odżywiania
Elementy geometryczne i relacje
Czy chcesz utrzymać zdrowie? OBLICZ SWÓJ
Pingwiny – mieszkańcy Antarktydy
Metody sztucznej inteligencji – technologie rozmyte i neuronoweSystemy rozmyte – podstawy i struktury  Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii.
Metody Sztucznej Inteligencji – technologie rozmyte i neuronowe Wnioskowanie Mamdani’ego - rozwinięcia  Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii.
Modelowanie i identyfikacja 2014/2015Modele rozmyte  Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania1 Systemy rozmyte są modelami.
© Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów Sterowania Modelowanie i podstawy identyfikacji 2015/2016 Modelowanie rozmyte – podstawy,
GeneracjeTechnologia Architektura przetwarzania 0. Przekaźniki elektromechaniczne 1. Lampy elektronowe 2. Tranzystory 3. Układy scalone 3.5.Układy dużej.
Etapy procesu sterowania rozmytego
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego I © Kazimierz Duzinkiewicz, dr hab.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego II © Kazimierz Duzinkiewicz, dr hab.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie formalne © Kazimierz Duzinkiewicz, dr hab. inż.
Formalnie: Pamięci asocjacyjne Dorota Cendrowska nieformalnie: (???) To miasto było na ‘K’... Na pewno na ‘K’! (???) Mam! To było Świnoujście...
Podstawowe rodzaje modeli rozmytych
Systemy neuronowo – rozmyte
formalnie: Sieci jednokierunkowe: architektura, uczenie, zastosowania
Rozkład z próby Jacek Szanduła.
WARSAW DATA SCIENCE MEETUP
Metody sztucznej inteligencji
Sztuczna Inteligencja Reprezentacja wiedzy I Logika rozmyta
Zapis prezentacji:

formalnie: Rozmyte systemy wnioskujące Dorota Cendrowska nieformalnie: Parafrazując: nikt nam nie będzie wmawiał, że białe jest białe, a czarne jest czarne…

Plan wykładu zbiory rozmyte: rozmyte systemy wnioskujące: definicje operacje na zbiorach zastosowania rozmyte systemy wnioskujące: struktura podstawowe bloki i ich rola

Rozmyty system wnioskujący operacje na danych jakościowych

Powtórka z rozrywki... dane, informacja Informacja „ilościowa”: dane numeryczne Informacja „jakościowa”: dane porządkowe, dane symboliczne ceglany stary 15°C pomarańczowy 288,15°K dorosły [0, 60, 100,0] 59°F 21 22 zimno [255, 102, 0] młody ciepło semantyczna nieostrość zakresu tych pojęć :(

Lingwistyczne problemy „płci” :) Nie zapomnij kupić piękną cytrynę. Tak, chodzi o rajstopy cieńsze niż grubsze. Czy mógłbyś wyjąć z szafy żółty szal?

Numeryczne czy lingwistyczne? Wzrost: Typ numeryczny: 155 cm, 192 cm Pojęcie lingwistyczne: wysoki, średni, niski Waga: Typ numeryczny: 80 kg, 45 kg, 110 kg Pojęcie lingwistyczne: mała, średnia, duża

Numeryczne czy lingwistyczne? Wzrost: Typ numeryczny: 155 cm, 192 cm Pojęcie lingwistyczne: wysoki, średni, niski Waga: Typ numeryczny: 80 kg, 45 kg, 110 kg Pojęcie lingwistyczne: mała, normalna, duża wartość liczbowa współczynnika określającego „poprawność” wagi ciała ? wzrost-110 BMI wzrost-100 milion innych pomysłów wzrost w centymetrach waga w kilogramach

Numeryczne czy lingwistyczne? Wzrost: Typ numeryczny: 155 cm, 192 cm Pojęcie lingwistyczne: wysoki, średni, niski Waga: Typ numeryczny: 80 kg, 45 kg, 110 kg Pojęcie lingwistyczne: mała, normalna, duża

Numeryczne czy lingwistyczne? Wzrost: Typ numeryczny: 155 cm, 192 cm Pojęcie lingwistyczne: wysoki, średni, niski Waga: Typ numeryczny: 80 kg, 45 kg, 110 kg Pojęcie lingwistyczne: mała, normalna, duża Kiedy człowiek jest wysoki? Kiedy człowiek ma nadwagę?

Logika rozmyta... Zbiór rozmyty Z to: gdzie Z jest funkcją przynależności zbioru rozmytego: pełna przynależność (wartość 1), brak przynależności (wartość 0), częściowa przynależność (pozostałe wartości).

„Prawdziwość” a zbiory rozmyte logika dwuwartościowa: prawda fałsz logika rozmyta: wMieście=1.0, po22=0.9, naMazurachNadRanem=0.3, Środkiem płatniczym w Polsce jest złoty

„Leniwy człowiek” jako zbiory rozmyty Gdy przestrzeń X jest skończona to: wówczas:

„Leniwy człowiek” jako zbiory rozmyty Zbiór rozmyty D — „dobra ocena”: Zbiór rozmyty L — „leniwy” ktoś:

Zbiory rozmyte: graficznie Graficzna reprezentacja zbiorów rozmytych: „leniwy” „dobra ocena”

Zbiory rozmyte: graficznie Graficzna reprezentacja zbiorów rozmytych: waga: wzrost:

Operacje na zbiorach rozmytych suma:

Operacje na zbiorach rozmytych przecięcie:

Operacje na zbiorach rozmytych negacja:

System rozmyty — rozmywanie wzrost: 150 cm, waga: 67 kg wzrost: niski=0.45 średni=0.80 wysoki=0.00 waga: mała=0.15 normalna=0.50 duża=0.60

„Baza reguł” (z życia wzięta) Jak rozmiar nosi ktoś o wadze 75,5kg i wzroście 155,5cm?

Baza reguł JEŚLI wzrost=niski && waga=duża TO diagnoza=nadwaga JEŚLI wzrost=wysoki && waga=mała TO diagnoza=niedowaga JEŚLI diagnoza=nadwaga && przyczyna=złe odżywianie TO ryzyko=cukrzyca

Pojęcia lingistyczne i systemy regułowe JEŚLI wzrost=niski & waga=duża TO diagnoza=nadwaga JEŚLI wzrost=wysoki & waga=mała TO diagnoza=niedowaga JEŚLI diagnoza=nadwaga & przyczyna=złe odżywianie TO ryzyko=cukrzyca Jak duża nadwaga, niedowaga a kiedy norma?

Zbiory rozmyte i reguły — wnioskowanie wzrost: 150cm, niski=0.45, średni=0.8, wysoki=0 waga 67kg, mała=0.15, normalna=0.5, duża=0.6 JEŚLI waga=mała i wzrost=niski TO diagnoza=OK

Zbiory rozmyte i reguły — wnioskowanie wzrost: 150cm, niski=0.45, średni=0.8, wysoki=0 waga 67kg, mała=0.15, normalna=0.5, duża=0.6 JEŚLI waga=mała i wzrost=średni TO diagnoza=niedowaga

Zbiory rozmyte i reguły — wnioskowanie wzrost: 150cm, niski=0.45, średni=0.8, wysoki=0 waga 67kg, mała=0.15, normalna=0.5, duża=0.6 JEŚLI waga=normalna i wzrost=niski TO diagnoza=OK

Zbiory rozmyte i reguły — wnioskowanie wzrost: 150cm, niski=0.45, średni=0.8, wysoki=0 waga 67kg, mała=0.15, normalna=0.5, duża=0.6 JEŚLI waga=normalna i wzrost=średni TO diagnoza=OK

Zbiory rozmyte i reguły — wnioskowanie wzrost: 150cm, niski=0.45, średni=0.8, wysoki=0 waga 67kg, mała=0.15, normalna=0.5, duża=0.6 JEŚLI waga=duża i wzrost=niski TO diagnoza=nadwaga

Zbiory rozmyte i reguły — wnioskowanie wzrost: 150cm, niski=0.45, średni=0.8, wysoki=0 waga 67kg, mała=0.15, normalna=0.5, duża=0.6 JEŚLI waga=duża i wzrost=średni TO diagnoza=nadwaga

Zbiory rozmyte i reguły — wnioskowanie wzrost: 150cm, niski=0.45, średni=0.8, wysoki=0 waga 67kg, mała=0.15, normalna=0.5, duża=0.6 wynik=alternatywa wyników wszystkich reguł

System rozmyty — wyostrzanie metody: maksimum środek przedziału maksimum środek ciężkości y=295

System rozmyty — wyostrzanie metody: maksimum środek przedziału maksimum środek ciężkości y=27,35

System rozmyty — wyostrzanie metody: maksimum środek przedziału maksimum środek ciężkości y=24,6

Zbiory rozmyte i... liczby ≈5 + ≈–3 = ?

Zbiory rozmyte i... liczby ≈5 + ≈–3 = ?

Skierowane liczby rozmyte ≈5 + ≈–3 = ? „coś koło -3” = A =[-3,-3,-1] „około 5”=B=[3, 4, 5, 6]

Skierowane liczby rozmyte ≈5 + ≈–3 = ? „coś koło -3” = A =[-3,-3,-1]=[-3,-3,-3,-1] „około 5”=B=[3, 4, 5, 6] A+B=[0, 1, 2, 5]

Skierowane liczby rozmyte ≈5 + ≈–3 = ≈2 „coś koło -3” = A =[-3,-1]=[-3,-3,-1]=[-3,-3,-3,-1] „około 5”=B=[3, 4, 5, 6] A+B=[0, 1, 2, 5]

jak zwykle, zamiast zakończenia... filozoficznie: — Wie pani — powiedział do pani Bird, gdy przyszła do jadalni, by sprawdzić, czy już zjadł grzankę z marmoladą — nigdy dotąd nie zrobiłem wszystkiego, bo gdybym zrobił, to nie czekałyby mnie już żadne niespodzianki. fragment okładki i książki pt. „Paddington daje sobie radę” (autor: Michael Bond)