Wnioskowanie w stylu Takagi - Sugeno.

Slides:



Advertisements
Podobne prezentacje
Opracowała: Iwona Bieniek
Advertisements

Inteligencja Obliczeniowa Systemy rozmyte.
Rekurencja 1 Podprogram lub strukturę danych nazywamy rekurencyjną, (recursive subprogram, recursive data structure) jeżeli częściowo składa się z samej.
System lingwistyczny - wnioskowanie
Metody Sztucznej Inteligencji 2012/2013Zastosowania systemów rozmytych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania 1 Zastosowania.
Równanie różniczkowe zupełne i równania do niego sprowadzalne
Mechanizm wnioskowania rozmytego
Język ANSI C Funkcje Wykład: Programowanie komputerów
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Metoda simpleks Simpleks jest uniwersalną metodą rozwiązywania zadań programowania liniowego. Jest to metoda iteracyjnego poprawiania wstępnego rozwiązania.
dr Przemysław Garsztka
WYKŁAD 2 SYSTEMY EKSPERTOWE cz.2.
Michał Łasiński Paweł Witkowski
KNW- Wykład 8 Wnioskowanie rozmyte.
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
ZŁOŻONOŚĆ OBLICZENIOWA
Ekonometria wykladowca: dr Michał Karpuk
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
Metoda simpleks opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź Simpleks jest uniwersalną.
Sieci Hopfielda.
gdzie A dowolne wyrażenie logiczne ; x negacja x Tablice Karnaugha Minimalizacja A x+ A x=A gdzie A dowolne wyrażenie logiczne ;
Sieci neuronowe jednokierunkowe wielowarstwowe
Opis matematyczny elementów i układów liniowych
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów regulacji.
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów, elementów i układów.
Systemy wspomagania decyzji
Sztuczne Sieci Neuronowe
Systemy/modele rozmyte – podstawy i struktury
Wykład 25 Regulatory dyskretne
Metody numeryczne SOWIG Wydział Inżynierii Środowiska III rok
Patrycja Kabiesz i Sylwia Gremlik 2005 rok.
Wybrane modele rozmyte i schematy wnioskowania
Postać kanoniczna i iloczynowa równania funkcji kwadratowej.
formalnie: Rozmyte systemy wnioskujące
Systemy wspomagania decyzji
Modelowanie i podstawy identyfikacji 2012/2013Modele fenomenologiczne - dyskretyzacja Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania1.
Systemy/modele rozmyte – podstawy i struktury
Metody sterowania – sterowanie rozmyte
Zakład Gospodarki Mieszkaniowej w Wolsztynie
Wnioskowanie w stylu Mamdaniego.
Działania na zbiorach ©M.
Schematy blokowe i elementy systemów sterujących
Wykład nr 1: Wprowadzenie, podstawowe definicje Piotr Bilski
Planowanie badań i analiza wyników
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
Modele dyskretne – dyskretna aproksymacja modeli ciągłych lub
Sterowanie rozmyte i neuronowe I
Zagadnienia AI wykład 4.
Zagadnienia AI wykład 2.
Zagadnienia AI wykład 6.
Zagadnienia AI wykład 5.
1 informatyka +. 2 TYTUŁ: DZIELENIE WIELOMIANÓW - schemat Hornera - AUTORZY: Paweł Królikowski Agnieszka Brzostek.
Wnioskowanie Mamdani’ego
Warstwowe sieci jednokierunkowe – perceptrony wielowarstwowe
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.
 Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania 1 Metody sztucznej inteligencji – Technologie rozmyte i neuronoweSystemy.
© 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.
Elementy cyfrowe i układy logiczne
Systemy neuronowo – rozmyte
Metody sztucznej inteligencji
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Zapis prezentacji:

Wnioskowanie w stylu Takagi - Sugeno. Wnioskowanie rozmyte Wnioskowanie w stylu Takagi - Sugeno.

Wnioskowanie rozmyte Wnioskowanie w stylu Takagi - Sugeno. IF x jest A1 AND y jest B2 THEN z = f(x, y) A1 oraz B2 są wartościami lingwistycznymi opisywanymi za pomocą zbiorów rozmytych. z przyjmuje wartość zależną od x oraz y, np. wielomian pierwszego stopnia: z = a*x + b*y + c lub stała: z = 13 Tutaj w konkluzji reguły nie ma zbioru rozmytego!

Wnioskowanie rozmyte Główne etapy wnioskowania rozmytego: x1, x2 – wartości ostre Główne etapy wnioskowania rozmytego: Rozmywanie (Fuzzyfication) Sprawdzenie reguł rozmytych (Rule evaluaion) Agregacja odpowiedzi reguł rozmytych (Aggregation of the rule outputs) Wyostrzanie (Defuzzyfication) y – wartość ostra

Sterownik Takagi-Sugeno ... Ogólna postać reguł Numer reguły Numer zmiennej wejściowej

Sterownik Takagi-Sugeno Krok 1: Obliczanie stopnia aktywacji reguł dla sygnału wejściowego (wektor stanu obiektu):

Sterownik Takagi-Sugeno Dla reguły 1 obliczamy: oraz stopień aktywacji reguły 1:

Sterownik Takagi-Sugeno Krok 2: Obliczamy odpowiedź reguły 1:

Sterownik Takagi-Sugeno Powtarzamy dla każdej reguły 1 ... N:

Sterownik Takagi-Sugeno Odpowiedź sterownika Takagi - Sugeno jest znormalizowaną sumą ważoną poszczególnych wyjść

Sterownik Takagi-Sugeno W przypadku liniowym bazę reguł sterownika można zapisać jako dla k = 1, ..., N

Sterownik Takagi-Sugeno Przykład:

Sterownik Takagi-Sugeno 1 MAŁE DUŻE x1

Sterownik Takagi-Sugeno MAŁE 1 ŚREDNIE x2

Sterownik Takagi-Sugeno Wyznaczymy sygnał wyjściowy dla oraz

Sterownik Takagi-Sugeno 1 MAŁE DUŻE 0.75 0.3 x1 = 2 x1

Sterownik Takagi-Sugeno MAŁE 1 ŚREDNIE 0.7 0.2 x2 = 3 x2

Sterownik Takagi-Sugeno Wyznaczymy sygnał wyjściowy dla oraz Otrzymujemy: oraz (zamiast min może tu wystapić również iloczyn)

Sterownik Takagi-Sugeno Odpowiedź reguły 1: Odpowiedź reguły 2: Ostateczna odpowiedź sterownika: