Логика нечеткая

Лексема 261 Литерал 266 Логика нечеткая 315 [c.330]

Принципиальная схема связей между различными компонентами моделей объекта показана на рис. 1.1.3. При конкретизации этой схемы следует указывать тип величин, входящих в определенные компоненты (S -принадлежность к теоретико-множественным, L — логическим к N — количественным величинам и отношениям). При переходе к конкретным видам объектов и отношений схема на рис. 1.1.3 как бы расслаивается, связи между видами математических конструкций переходят в связи между их подвидами, т.е. схема существенно усложняется, однако системная связность всех компонентов по-прежнему сохраняется. При этом следует иметь в виду, что для моделирования. могут использоваться различные математические средства - классические или нечеткие множества, двузначные или многозначные логики и т.п. Например, от теоретико-множественного [c.24]

Проверка условий заключается в присвоении переменным в антецедентах А значений, соответствующих текущему состоянию БД, и в определении значений А. Основой блока проверки условий является выбранная для данной ЭС дедуктивная система. Исчисление предикатов первого порядка можно применять только в случаях, когда знания о предметной области полны и имеют детерминированный характер. Но обычно экспертные данные недостаточно полны и определенны. Поэтому напрашивается применение вероятностного подхода, при котором каждый из атомов, составляющих А, выполняется с некоторой вероятностью. Реализация вероятностного подхода требует знания большого числа условных вероятностей, поэтому применяется подход, основанный на формализмах нечеткой логики. Истинность каждого высказывания в нечеткой логике устанавливается не абсолютно, а с некоторым коэффициентом, называемым коэффициентом принадлежности или коэффициентом доверия. Например, высказыванию Х= = устройство надежно можно поставить в соответствие значение коэффициента доверия лх = 0,1, если среднее время Т между отказами менее 10 ч. Это утверждение лаконично выражается следующей записью цд (Г<102)=0,1. Для других значений Т коэффи- [c.316]

В последние годы создается новый математический аппарат для изучения ситуаций столь сложных и неопределенных, что они не поддаются точному количественному описанию. Его основу составляет теория нечетких (расплывчатых) множеств Заде (1973). В этой теории вводится понятие нечеткого множества и лингвистической переменной, значениями которой являются не только числа, но и слова или предложения естественного или искусственного языка. Такие переменные составляют основу нечеткой логики и приближенных способов рассуждений и принятия решений. Тем самым перекидывается новый мостик между логическими и математическими методами принятия решений, весьма адекватный содержательным особенностям социально-экономических задач. Он тем более важен, что в терминах теории нечетких множеств поддаются трактовке строгие количественные математические методы и модели и разработанный в их рамках аппарат. К сожалению, эти методы пока более применимы в лингвистике, чем в экономике. [c.315]

Для ситуаций, которые могут быть охарактеризованы лишь сравнительно неточно, недавно был введен в практику новый способ рассмотрения — методы так называемых нечетких (размытых) множеств. Эту концепцию предложил в середине 1960-х гг. Л. Заде с тех пор в этом направлении выполнено немало исследований, внесших существенный вклад в проблему, и, главное, опробовано много интересных применений. Методы нечетких множеств исходят из тех соображений, что творческое человеческое мышление в значительной мере протекает в рамках нечетких и не описываемых строго количественно понятий такому мышлению не могут полностью соответствовать модели классической математики с их однозначной двухпозиционной логикой. Таким образом, в методах не ,четких множеств стараются как можно шире применить испытанные математические подходы и прежде всего математическую символику, принимая вместе с тем нечеткость оценок и решений как важное отражение действительно существующей ситуации. Это по- [c.192]

Наряду с указанными подходами, обогащая их, развивались методы нечеткой логики [1.22]. [c.28]

В господствующих подходах, порожденных декартовой рационалистической методикой, традиционно существует тенденция отвергать такие термины, как неясность, неопределенность, нечеткость или неточность. Однако в реальном мире неминуемо приходится сталкиваться со множеством случаев, когда невозможно избежать проблемы учета неясностей и неточных данных о событиях, характеристиках в оценках. В 1965 г. Заде предложил теорию нечетких или размытых множеств [1.22], получивших также название нечеткой логики. Теория нечетких множеств дала схему решения проблем, в которых субъективное суждение или оценка играют существенную роль при оценке факта неясности и неопределенности. [c.28]

В. Использование нечеткой логики для оценки возможных решений. [c.50]

Необходимость появления нечеткой логики вызвана тем, что по мере роста сложности систем постоянно падает наша способность делать точные и в то же время значащие утверждения относительно их поведения, пока не будет достигнут порог, за которым точность и значимость становятся почти взаимоисключающими характеристиками. [c.50]

Для работы с размытыми множествами были введены лингвистические переменные. Лингвистической называется переменная, заданная на некоторой количественной шкале и принимающая значения в виде слов и словосочетаний естественного языка. Значения лингвистической переменной описываются нечеткими переменными. Лингвистические переменные и их значения служат для качественного словесного описания некоторой количественной величины. Использование нечеткой логики для оценки решений рассматривается в разделе 3.2. [c.50]

Теория нечетких множеств прошла путь от разработки формальных средств представления плохо определяемых понятий, используемых человеком, и аппарата для их обработки, до моделирования приближенных рассуждений, к которым человек прибегает в повседневной и профессиональной деятельности и даже до создания компьютеров с нечеткой логикой [3.6,3.7]. [c.143]

Преимущество подхода нечеткой логики перед классическим подходом при использовании их в описании систем управления заключается в том, что при нечетком подходе аналитическое описание процесса может не делаться. Во многих случаях достаточно только профессионального описания того, как процессом управляет опытный оператор, в то время как при классическом подходе необходимо как аналитическое описание самого процесса (математическая, химическая и т.п. модели), так и системы управления им [3.6]. [c.143]

Нечеткая логика, предложенная Заде, это первая теория, оперирующая с неточными и даже не вполне ясными понятиями. С тех пор по нечеткой логике появилось огромное число работ [3.8]. [c.143]

Нечеткая логика, как следует из ее названия, предполагает неточные, приблизительные, примерные оценки. Она предполагает, [c.143]

Исходя из этих тестовых ограничений можно сформулировать следующие основные правила нечеткой логики [c.162]

Применение нечеткой логики уже сейчас начало находить широкое применение в экспертных системах. Покажем это на примере экспертной системы оценки повреждений с помощью методов нечеткой логики [3.19]. Так же как на рис. 3.4, на рис. 3.6 представлены вербальные значения уровней истинности (лингвистические переменные). [c.164]

Нечеткая логика. Логика или система рассуждений, в которой в процессе вывода принимаются во внимание вероятности или коэффициенты достоверности. [c.311]

Основные компоненты ЭС база знаний, хранящаяся в соответствии с некоторыми способами представления знаний, информации о предметной области факты, закономерности, эвристические правила, метаправила рабочее поле для хранения описания решаемой задачи и данных для конкретного сеанса работы ЭС диалоговый процесс, обеспечивающий взаимодействие конечного пользователя, а также инженера по знаниям с ЭС на некотором языке-профессиональном, ограниченном естественном, графическом, тактильного взаимодействия и т.д. решать реализующую функцию планирования, поиска решения задачи, вывода логического блок извлечения, пополнения и корректировки знаний блок объяснений(пользователю действий ЭС) Чаще всего ЭС строятся как продукционные системы Сс числом продукций от нескольких десятков до нескольких тысяч). Для организации поиска решения задач используются различные методы, разработанные в исследованиях по искусственному интеллекту. Для получения выводов из неполных, вероятностных, нечетких знаний применяют вероятностные методы (например юпользующуюсяБайеса формулу), нечеткую логику, логики многозначные. Некоторые ЭС способны делать индуктивные выводы, обучаться. [c.91]

В настоящее время известно довольно большое число моделей ПР, в которых в качестве математического аппарата используется теория нечетких множеств и алгоритмов. Подавляющая часть данных моделей ПР носит нормативный характер и представляет собой формализацию этапа выбора, когда множество альтернатив, критерии целей и ограничения, отношения предпочтения и другие условия считаются заданными. При этом согласно предложенной классификации существующие модели выбора в нечетких условиях можно. разбить на достаточно независимые группы по числу этапов (одноэтапные и многоэтапные), по числу ЛПР (индивидуальные и коллективные), по числу используемых критериев (однокритериальные и многокритериальные). По характеру описания предпочтений можно выделить модели нечеткого математического программирования и нечетких бинарных отношений альтернатив. Особый класс составляют лингвистические модели ПР, основанные на нечеткой логике с лингвистическими значениями истинности. Обзор данных методов наиболее полно представлен в монографиях [14, 19,42]. [c.31]

Рассмотренный анализ применимости теории нечеткого управления для решения задачи сближения КА дает основание считать, что использование обсуждаемого подхода возможно для всех существующих методов сближения. Не исключена также вероятность Армирования методов, специально ориентированных на теорию нечеткого управления. Следует также иметь в виду, что использовать вышеизложенную методику непосредственно в прямом виде ие представляется возможным, так как несмотря на универсальность и эффективность аппарата нечетких множеств и нечеткой логики в целом, для построенных нечетких систем характерны следующие существенные недостат- [c.366]

Сердцевиной технологии Soft omputinq является нечеткая логика. Ее основу составляет теория нечетких множеств, созданная в конце 60-х гг. американским ученым азербайджанского происхождения А. Заде (кстати сказать, родившимся в городе Баку и в 30-х годах эмигрировавшим в США), Именно теория нечетких множеств стала основой совершенно нового направления в области создания систем с искусственным интеллектом и позволила преодолеть некоторый кризис, имевший место в начале 90-х гг. в развитии этих систем. Разработка этой теории создала реальные предпосылки для построения не только экспертных систем, выступающих в роли хорошего советчика, но и интеллектуальных систем управления, принимающих эффективные решения и реализующих их. [c.94]

Ниже излагается методика разработки интеллектуальной — экспертной системы для расчета температуры газа в шлейфе на входе УКПГ. При разработке этой системы знания экспертов формализованы средствами нечеткой логики. [c.168]

Инженерное и производственное решение проблем (консультант). Этот класс экспертных виетем осуществляет анализ, основанный на правилах. При таком методе в систему вводится ряд правил. Программа использует эти правила для анализа проблемы и получения заключений относительно проблемы методом дедукции. При этом подходе знания о предмете, которыми обладает эксперт — консультант, можно вложить в программное обеспечение. Программа будет задавать относительно проблемы те же вопросы, которые задавал бы консультант, делая заключения на основе ответов человек а, нспрльзуюш его систему. При соответствующем запросе программа может показать процесс рас-суждений, которому она следует при достижении заключения (рис. 10.6). Можно также ввести коэффициенты уверенности, чтобы определять степень уверенности пользователя в своем ответе. Такое введение вероятностей и статистики в приложения искусственного интеллекта называется нечеткой логикой. Примером этого типа систем может служить программа, предназначенная для анализа причины неисправности машины. Существуют также системы идентификации решений, основанные не на правилах и называемые системами порождения и проверки, которые генерируют все возможные решения (или столько, сколько нужно для поиска заданного числа решений) и сопоставляют их с фактами. Подобные системы полезны для решения задач, имеющих небольшое чйсло возможных ответов (несколько сотен). [c.268]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...