Programowanie w Pakietach Użytkowych

Zajęcia odbywaja się w semestrze zimowym.

 

ELEMENTY SZTUCZNEJ INTELIGENCJI (EIS)

W ramach kursu EIS zajęcia obejmują realizację dwóch tematów:

  1. Logika rozmyta (5 spotkań) z B. Mrzygłód
  2. Sztuczne sieci neuronowe (5 spotkań) z K. Regulski

 

LOGIKA ROZMYTA jako forma reprezentacji wiedzy

Rozwój teorii zbiorów rozmytych zapoczątkowany został w 1965r. przez amerykańskiego profesora Lofti Zadeha, który w swoim artykule "Fuzzy Sets" opisał ideę i pierwsze pojęcia teorii, która umożliwia rozmyty opis systemów rzeczywistych. Głównym działem teorii zbiorów rozmytych jest logika rozmyta stosowana do modelowania i opisywania zjawisk trudnych do opisania przy pomocy klasycznego aparatu matematycznego.

Teoria zbiorów rozmytych jest rozszerzenim klasycznej teorii zbiorów i zakłada rozszerzenie pojęcia przynależności elementu do zbioru przez wprowadzenie funkcji przynależności, określającej stopień przynależności elementu do danego zbioru/klasy. Przeciwdziedzina funkcji przynależności klasycznego zbioru ma jedynie dwie wartości: 0 lub 1 interpretowane jako FAŁSZ lub PRAWDA. Zbiór rozmyty (fuzzy set) - JEST TO obiekt matematyczny ze zdefiniowaną funkcją przynależności (zwaną też funkcją charakterystyczną zbioru rozmytego), która może przybierać nieskończenie wiele wartości z przedziału [0, 1].

MATERIAŁY DO ZAJEĆ

Nr CW
Tematyka
Materiały
1.
  • Wprowadzenie do inżynierii wiedzy. Omówienie metod reprezentacji wiedzy w systemach komputerowych.
  • Logika rozmyta jako forma reprezentacji wiedzy w systemach komputerowych.
  • Omówienie podstawowych pojęć z logiki rozmytej
    • zbiór rozmyty
    • zmienna lingwistyczna
    • funkcja przynależności
    • typy funkcji przynależności (trójkątna, gausowska, trapezowa, itd.)
    • reguły rozmyte - rozmyta baza wiedzy
    • T-normy
    • S-normy
  • Wprowadzenie do wnioskowania w LR - tworzenie modeli rozmytych na bazie wiedzy eksperta (MAMDANI)
2.
  • Tworzenie modeli rozmytych na bazie wiedzy eksperta (model MAMDANI).
  • Tworzenie systemów FIS (Fzzy Inference System) - realizacja przykładów w Matlab
  • Omówienie wytycznych do projektu FUZZY - pobierz

-------------------------------------------------------------------------------
  • Zadanie 1 - pobierz
    • obliczenia na kartce
    • wprowadenie do Matlab i sprawdzenie wyników
3
  • Analiza wynikowej funkcji przynależności.
  • Omówienie metod wyostrzania (wady, zalety, zastosowanie) - pobierz
  • Wpływ poszczególnych czynników na wynik wnioskowania:
    • kształt i położenie zbiorów rozmytych zmiennych INPUTS
    • kształt i położenie zbiorów rozmytych zmiennych OUTPUTS
    • wpływ reguł rozmytych
    • wpływ przyjętych operatorów logivznych
    • wpływ metody wyostrzania na wynik
  
4.    
5.