|
|||||||
|
Информация о курсе
Одним из популярных направлений Artificial Intelligence является теория нечетких множеств (fuzzy sets). Данный курс является систематизированным вводным курсом в это направление. Нашей целью является обеспечение достаточно конкретной информацией, без углубления в сложные математические описания, чтобы слушатель мог понять основные идеи и возможности этого направления.
Цель
Познакомить слушателей с одним из ведущими направлениями Artificial Intelligence.
Предварительные знания
Знание линейной алгебры, теории множеств и теории отношений. Записаться на обучение
1.
В лекции формулируется определение нечеткого множества, описываются
характеристики нечетких множеств. Приводится классификация нечетких множеств по области
значений функции принадлежности. Дается аксиоматическое описание операторов для
построения алгебры нечетких множеств.
2.
В лекции определяется понятие нечеткого отношения,
описываются свойства нечетких отношений и операции над ними.
Рассматриваются вопросы декомпозиции и транзитивного замыкания нечетких
отношений. Дается определение проекции нечеткого отношения.
3.
В лекции приводится классификация нечетких
отношений, рассматриваются классы нечетких отношений сходства и различия,
а также класс нечетких порядков. В качестве примеров применения теории
нечетких отношений рассматриваются задачи нечеткой классификации и нечеткого
упорядочения.
4.
В лекции вводится понятие показателя
размытости нечеткого множества, рассматриваются аксиоматические и метрические
способы
задания показателя размытости. Изучаются понятия нечеткой меры и нечеткого
интеграла.
Описываются основные классы нечетких мер. В конце лекции приводятся два примера
применения теории нечетких мер для решения практических задач.
5.
В лекции даются основные понятия
теории измерений. Далее рассматривается классификация различных методов
построения функции принадлежности, основанная на классической теории
измерений.
6.
В лекции рассматриваются наиболее
распространенные методы построения функций принадлежности.
7.
В лекции дается определение нечеткого
числа, рассматриваются его свойства, описываются операции над нечеткими
числами.
Подробно рассматриваются нечеткие треугольные числа, а также различные
арифметики
нечетких треугольных чисел.
8.
В лекции дается определение нечеткой
переменной и рассматриваются различные логики данной нечеткой
переменной.
9.
В данной лекции дается формальное
определение лингвистической переменной, описываются основные ее свойства.
Рассматривается понятие лингвистической переменной истинности, на базе
которой строится нечеткая лингвистическая логика.
10.
В лекции рассматривается композиционное
правило вывода — главное понятие теории приближенных рассуждений.
Описывается работа нечеткой экспертной системы, основанной на принципах теории
приближенных вычислений.
11.
В лекции дается строгое,
формальное определение нечеткого алгоритма, рассматриваются
способы его выполнения, описывается метод представления нечеткого алгоритма в
виде ориентированного графа.
12.
В лекции рассматриваются
следующие нечеткие алгоритмы обучения: обучающийся нечеткий автомат,
обучение на основе условной нечеткой меры, адаптивный нечеткий логический
регулятор, обучение при лингвистическом описании предпочтения.
13.
В лекции рассматриваются основные
понятия, используемые в задачах нечеткой оптимизации. Разбираются
модели нечеткого математического программирования и нечеткой ожидаемой
полезности.
14.
В лекции рассматриваются применения
метода нечетких множеств в различных задачах контроля и управления
|
![]() |
|
|||||||||||||||||||||||||||||||||||||||||
|
|||
|
|||
|
Курсы |
Учебные программы |
Учебники |
Вопросы и Ответы |
Форум |
Новости |
Помощь
Телефон: +7 (499) 253-9312, 253-9313, факс: +7 (499) 253-9310, email: info@intuit.ru © INTUIT.ru::Интернет-Университет Информационных Технологий - дистанционное образование, 2003-2011 |
|
Проект Издательства "Открытые Системы". Партнеры: РМ Телеком, KRAFTWAY COMPUTERS. |
|