Curs Fuzzy

Curs
9/10 (2 voturi)
Domeniu: Automatică
Conține 1 fișier: pdf
Pagini : 57 în total
Cuvinte : 20878
Mărime: 470.59KB (arhivat)
Cost: Gratis

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.

Preview document

Curs Fuzzy - Pagina 1
Curs Fuzzy - Pagina 2
Curs Fuzzy - Pagina 3
Curs Fuzzy - Pagina 4
Curs Fuzzy - Pagina 5
Curs Fuzzy - Pagina 6
Curs Fuzzy - Pagina 7
Curs Fuzzy - Pagina 8
Curs Fuzzy - Pagina 9
Curs Fuzzy - Pagina 10
Curs Fuzzy - Pagina 11
Curs Fuzzy - Pagina 12
Curs Fuzzy - Pagina 13
Curs Fuzzy - Pagina 14
Curs Fuzzy - Pagina 15
Curs Fuzzy - Pagina 16
Curs Fuzzy - Pagina 17
Curs Fuzzy - Pagina 18
Curs Fuzzy - Pagina 19
Curs Fuzzy - Pagina 20
Curs Fuzzy - Pagina 21
Curs Fuzzy - Pagina 22
Curs Fuzzy - Pagina 23
Curs Fuzzy - Pagina 24
Curs Fuzzy - Pagina 25
Curs Fuzzy - Pagina 26
Curs Fuzzy - Pagina 27
Curs Fuzzy - Pagina 28
Curs Fuzzy - Pagina 29
Curs Fuzzy - Pagina 30
Curs Fuzzy - Pagina 31
Curs Fuzzy - Pagina 32
Curs Fuzzy - Pagina 33
Curs Fuzzy - Pagina 34
Curs Fuzzy - Pagina 35
Curs Fuzzy - Pagina 36
Curs Fuzzy - Pagina 37
Curs Fuzzy - Pagina 38
Curs Fuzzy - Pagina 39
Curs Fuzzy - Pagina 40
Curs Fuzzy - Pagina 41
Curs Fuzzy - Pagina 42
Curs Fuzzy - Pagina 43
Curs Fuzzy - Pagina 44
Curs Fuzzy - Pagina 45
Curs Fuzzy - Pagina 46
Curs Fuzzy - Pagina 47
Curs Fuzzy - Pagina 48
Curs Fuzzy - Pagina 49
Curs Fuzzy - Pagina 50
Curs Fuzzy - Pagina 51
Curs Fuzzy - Pagina 52
Curs Fuzzy - Pagina 53
Curs Fuzzy - Pagina 54
Curs Fuzzy - Pagina 55
Curs Fuzzy - Pagina 56
Curs Fuzzy - Pagina 57

Conținut arhivă zip

  • Curs Fuzzy.pdf

Alții au mai descărcat și

Simularea Modului de Functionare al unei Centrale Termice in Mediul Lab Windows CVI

4. Consideraţii generale. Panoul de comandă DESCRIEREA PĂRŢILOR COMPONENTE A - Comutator vară/iarnă, reglare încălzire B - Buton Reset /...

Modelarea si Simularea unei Sere cu Logica Fuzzy

1.INTRODUCERE Proiectul reprezintă realizarea unui Controller PD cu ajutorul tehnici Fuzzy.Pentru realizarea Controllerului Fuzzy s-a folosit atât...

Modelarea Temperaturii intr-o Camera

Proiectul prezintă simularea temperaturii într-o cameră si menţinerea ei la o valoare impusă. Simularea se bazează pe modelul matematic atât al...

Menținerea Automată a Distanței Optimale între Automobile

Menţinerea automată a distanţei optimale între automobile este una dintre apli¬caţiile care va avea cu siguranţă o largă aplicabilitate pe...

Reglarea Temperaturii unui Cuptor

1. Modelare matematică 2. Proiectarea unui regulator PID 3. Locul rădăcinilor 4. Proiectarea in LQR 5. Determinarea caracteristicilor Bode şi a...

Implementarea Logicii Fuzzy pentru Controlul unui Servomotor cu Ajutorul unui Dsp Programabil (Tms320c14)

In cele ce urmeaza, vom studia modul in care poate fi implementat un compensator fuzzy pe un DSP fabricat de Texas Instruments si anume TMS320C14....

Modelarea, Simularea și Indentificarea Sistemelor

1. INTRODUCERE Studiul sistemelor sau fenomenelor reale este deseori dificilă întrucât acestea prezintă o mare diversitate şi complexitate....

Utilizarea Senzorilor de Proximitate

Argument Tema proiectului meu „Utilizarea senzorilor de proximitate” face parte integrantă din domeniul pregătirii mele profesionale pentru...

Ai nevoie de altceva?