Curs Fuzzy

Imagine preview
(9/10 din 2 voturi)

Acest curs prezinta Curs Fuzzy.
Mai jos poate fi vizualizat un extras din document (aprox. 2 pagini).

Arhiva contine 1 fisier pdf de 57 de pagini .

Iti recomandam sa te uiti bine pe extras si pe imaginile oferite iar daca este ceea ce-ti trebuie pentru documentarea ta, il poti descarca.

Fratele cel mare te iubeste, acest download este gratuit. Yupyy!

Domeniu: Automatica

Extras din document

Sistemele bazate pe cunoştinţe sunt o ramură a inteligenţei artificiale. Scopul lor este de a stoca şi manipula

cunoştinţe reprezentate printr-un limbaj formal, astfel încât să poate fi incluse într-un mecanism inferenţial

pentru a rezolva o problemă. Exemple ale sistemelor bazate pe cunoştinţe sunt: sistemele expert, sisteme de

mentenanţă, sisteme de prelucrare de informaţii, sisteme de lucru cu limbajul natural.

Limbajul formal utilizat la reprezentarea cunoştinţelor este, de obicei, bazat pe logică şi matematică şi are

bine fundamentate aspectele semantice şi sintactice. Pentru formalizarea cunoştinţelor se pot folosi logica

propoziţiilor, logica predicatelor de ordinul unu, logica fuzzy, logica posibilistă, cadre, Xml, reţele

semantice. Fiecare metodă de reprezentare de cunoştinţe are asociată metoda de raţionament

corespunzătoare.

1.1 Metode de reprezentare a cunoştinţelor

Nivelul de inteligenţă al sistemului bazat pe cunoştinţe este dat, pe de o parte de cantitatea de cunoştinţe

pe care o conţine, iar pe de altă parte de capacitatea de a realiza raţionamente pentru a obţine noi informaţii şi

pentru a infera concluzii.

Metodele de reprezentare de cunoştinţe pot fi clasificate în formalisme bazate pe logică şi formalisme

care nu sunt bazate pe logici. Metodele de reprezentare bazate pe logică stau la baza limbajelor formale (de

exemplu, logica propoziţiilor, logica predicatelor de ordin unu, logica fuzzy, logica posibilistă) (simbolice).

Aceste metode de reprezentare sunt uşor de înţeles, pot fi implementate pentru raţionament, dar au

dezavantajul că nu permit structurarea cunoştinţelor. Metodele de reprezentare non-logice au la bază

reprezentările obiectuale, diagramatice (al căror rol este mai mult de a explica, decât de a reprezenta,

ontologii), reprezentări bazate pe reguli, reţele neuronale. Aceste metode, sunt şi ele sugestive, includ

capacităţi de schematizare şi structurare, dar sunt mai greu de utilizat în mecanisme de inferenţă. Pentru a

putea realiza inferenţă se poate încerca transformarea reprezentărilor non-logice în reprezentări logice care

au asociate diferite mecanisme de raţionament sau în grafuri care au asociaţi algoritmi specifici.

1.1.1 Reprezentarea prin scheme a cunoştinţelor

Cu ajutorul schemelor se pot reprezenta cunoştinţe:

• Declarative sau conceptuale – care cuprind faptele, conceptele.

• Procedurale – prin care se reprezintă metodele sau raţionamentele. Acestea pot fi abductive (care

demonstrează că un lucru există), deductive (demonstrează că un lucru trebuie să existe), inductive

(arată că un lucru este în general adevărat).

• Condiţionale, contextuale sau strategice – conţin condiţii care descriu contextul de aplicare şi

secvenţa de proceduri de aplicat sau concepte între care se stabilesc asociaţii.

2

În general, schemele sunt implementate cu ajutorul grafurilor. În nodurile grafurilor pot fi reprezentate

faptele şi conceptele (cunoştinţe declarative), dar şi atributele obiectelor sau faptelor, împreună cu tipul de

valori pe care le pot lua atributele. Aceste valori pot fi concrete, dacă li se poate asocia un aspect din lumea

reală, sau abstracte, care pot fi descrise prin alte scheme.

1.1.2 Metode de reprezentare structurată a cunoştinţelor

În continuare prezentăm diverse metode non-logice de reprezentare de cunoştinţe, care, în marea lor

majoritate conţin reprezentări schematice ale datelor.

Fisiere in arhiva (1):

  • Curs Fuzzy.pdf