спасибо за помощь!
Информация о работе
Подробнее о работе
Нечеткая логика
- 30 страниц
- 2016 год
- 460 просмотров
- 2 покупки
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
ВВЕДЕНИЕ.
Большинство современных методов управления предполагают наличие точной математической модели процесса (или системы). Как правило, такую модель трудно или слишком дорого получить. Принятие решений в проблемно-ориентированных информационных системах и системах управления осуществляется в условиях априорной неопределенности, обусловленной неточностью или неполнотой исходных данных, стохастической природой внешних воздействий, отсутствием адекватной математической модели функционирования, нечеткостью цели, человеческим фактором и т. п.
Неопределенность системы приводит к росту рисков от принятия неэффективных решений, результатом чего могут быть негативные экономические, технические и социальные последствия.
Неопределенности в системах принятия решений компенсируют с помощью различных методов искусственного интеллекта. Для эффективного принятия решений при неопределенности условий функционирования системы применяют методы на основе правил нечеткой логики. Такие методы основываются на нечетких множествах и используют лингвистические величины и выражения для описания стратегий принятия решений. С другой стороны, нечеткая логика может быть удобным инструментом для решения проблем построения моделей различных процессов, если нет необходимости анализировать объект управления с высокой степенью детализации. Такие модели являются приближенными, но они могут быть достаточно быстро и легко получены. Знания в таких моделях выражают природу процесса (или системы) в лингвистической интерпретации.
Это дает возможность анализировать систему без необходимости получения стратегии управления.
Учитывая широкое распространение систем искусственного интеллекта с интегрированной нечеткой логикой, разработка эффективных систем принятия решений на их основе является актуальной научно-практической проблемой.
Системы с нечеткой логикой, а именно теория нечетких множеств и основанная на ней нечеткая логика, на сегодня является одним из важнейших формализмов, используемых в искусственном интеллекте для моделирования неопределенности в знаниях. Нечеткая логика лежит в основе приближенных (нечетких) соображений и в последние годы является наиболее популярным инструментом, который используется в системах нечеткого вывода для решения проблем в нечетких, неопределенных условиях.
Цель работы – изучить основные сведения о нечеткой логике.
Объект исследования– нечеткая логика.
Предмет исследования – практическое использование нечеткой логики.
Основные задачи работы:
• Исследовать формирование и развитие нечеткой логики;
• Изучить математические основы нечеткой логики;
• Рассмотреть примеры использования нечеткой логики.
Содержание.
ВВЕДЕНИЕ. 3
1. ОСНОВЫ НЕЧЕТКОЙ ЛОГИКИ 5
1.1. Формирование и развитие нечеткой логики. 5
1.2. Нечеткие системы. 7
1.3. Нечеткие множества 8
1.4. Нечеткие переменные 9
1.5. Операции нечеткой логики 9
1.6. Функции и структура нечеткой системы 13
1.7. Фаззификация входов 15
1.8. Нечеткий логический вывод 16
1.9. Дефаззификация выходов 20
2. ПРИМЕНЕНИЕ НЕЧЕТКОЙ ЛОГИКИ НА ПРАКТИКЕ 22
2.1. Пример применения теории нечетких множеств для оценки рисков информационной безопасности 22
2.2. Пример использования нечеткого вывода для определения шанса трудоустройства. 24
ЗАКЛЮЧЕНИЕ. 27
СПИСОК ИСТОЧНИКОВ. 29
ЗАКЛЮЧЕНИЕ.
Нечеткая логика имеет очень широкую сферу применения: упрощенное управление работами, наведение телекамер при трансляции спортивных событий, эффективное и стабильное управление автомобильным двигателем, диагностирования рака, управления стиральными машинами, распознавание рукописных текстов, объектов, голоса, для повышения удобства управления метрополитеном, точности остановки и экономии энергии.
На сегодняшний день существуют системы, которые успешно работают на базе нечеткой логики. И их диапазон применения от бытовых устройств до сложных промышленных процессов.
Методы нечетких множеств особенно полезны при отсутствии точной математической модели функционирования системы. Теория нечетких множеств дает возможность применить для принятия решений неточные и субъективные экспертные знания о предметной области без формализации их в виде традиционных математических моделей.
С использованием теории нечетких множеств решаются вопросы согласования противоречивых критериев принятия решений, создания логических регуляторов систем. Нечеткие множества позволяют применять лингвистическое описание сложных процессов, устанавливать нечеткие отношения между понятиями, прогнозировать поведение системы, формировать множество альтернативных действий, выполнять формальное описание нечетких правил принятия решений.
Методы теории нечетких множеств является удобным средством проектирования интерфейсов в человеко-машинных системах. На основе нечеткого логического вывода строятся системы управления, представления знаний, поддержки принятия решений, аппроксимации, структурной и параметрической идентификации, распознавания образов, оптимизации. Нечеткая логика находит применение в бытовой электронике, диагностике, различных экспертных системах. Нечеткие экспертные системы для поддержки принятия решений находят широкое применение в военном деле, медицине и экономике. С их помощью осуществляют бизнес-прогнозирование, оценки рисков и доходности инвестиционных проектов. На основе нечеткой логики исследуют глобальные политические решения и моделируют кризисные ситуации.
Важным применением теории нечетких множеств являются контроллеры нечеткой логики, которые используются в различных системах управления, в частности в бытовых приборах. Вместо математической модели для описания системы такие контроллеры используют интегрированные знания экспертов, которые по структуре представления приближаются к разговорной речи и описываются с помощью лингвистических переменных и нечетких множеств.
Перспектива применения нечеткой логики заключается в разработке гибридных методов искусственного интеллекта, к которым можно отнести нечеткие нейронные сети, адаптивное пополнения баз нечетких правил, поддержка нечетких запросов к базам данных, построение нечетких когнитивных карт, нечеткие графы, нечеткие сети Петри, нечеткие деревья принятия решений, нечеткая кластеризация и др.
СПИСОК ИСТОЧНИКОВ.
1. Борисов В.В., Круглов В.В., Федулов А.С. "Нечеткие модели и сети." М.: Горячая линия – Телеком, 2012. – 284 с.
2. Бураков М.В. Нейронные сети и нейроконтроллеры Учеб. пособие. СПб.: Изд-во ГУАП, 2013. — 283 с.
3. Бураков М.В. Нечеткие регуляторы Учебное пособие. Спб, Из-во ГУАП, 2010. — 237с.
4. Дунин-Барковский В.Л., Горбань А.Н. и др. Нейроинформатика М.: ИНТУИТ, 2016. — 330 с.
5. Рутковский Лешек. Искусственные нейронные сети. Теория и практика. — М.: Горячая линия - Телеком, 2010. — 520 с.
6. Усков А.А. и др. Гибридные нейросетевые методы моделирования сложных объектов Смоленск: СФРУК, 2011. – 132 с.
7. Ухоботов В.И. Избранные главы теории нечетких множеств Учебное пособие. Челябинск: Изд-во Челяб. гос. ун-та, 2011. — 245 с.
8. Хижняков Ю.Н. Алгоритмы нечеткого, нейронного и нейро-нечеткого правления в системах реального времени: учеб. пособие. Пермь: Изд-во ПНИПУ, 2013. – 160 с.
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
