Нечеткое множество

Cтраница 4

Модель нечетких множеств основывается на теории нечетких множеств, допускающей ( в отличие от обычной теории множеств) частичную принадлежность элемента тому или иному множеству. Здесь логические операции переопределены таким образом, чтобы учесть возможность неполной принадлежности множеству, а обработка запросов пользователя выполняется аналогично булевой модели. Тем не менее ИПС на основе подобной модели оказывается практически столь же не способной классифицировать полученные результаты, что и системы, базирующиеся на булевой модели. [46]

Рассмотрение нечеткого множества как подмножества некоторого универсального множества вытекает из следующего. [47]

Типовые линейные алгоритмы регулирования. [48]

Теория нечетких множеств позволяет использовать при синтезе алгоритма управления нечеткие лингвистически определенные переменные. [49]

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. [50]

Использование нечетких множеств в чистом виде связано с достаточно громоздкими вычислениями и неудобно для восприятия. В то же время семантически, содержательно аппарат нечетких множеств представляет собой очень ценный аппарат для выражения приблизительных и субъективных оценок. [51]

Теорию нечетких множеств часто путают с теорией вероятностей. В самом деле, ее критики заявляли, что теория нечетких множеств не способна решать задачи, которые не сформулированы в терминах теории вероятностей. За исключением этих величин, две данные меры совершенно различны, хотя обе могут быть описаны как меры неопределенности. Из них каждая измеряет отличный аспект неопределенности. [52]

Для нечетких множеств вводятся также операции: произведения - цл. [53]

Понятие нечеткого множества является одним из возможных описаний неопределенности результатов измерения. В этом смысле нечеткие множества являются весьма полезным аппаратом для формализации априорной информации и дальнейшего ее использования при обработке данных. В работе [19] рассматривается формализация априорной информации, формируемой экспертом на основе его профессионального опыта, в том числе в результате анализа физической природы объекта измерения, методов измерений, взаимодействия средства измерений с объектом, а также на основе изучения поведения аналогичных объектов и анализа их сходства с данным объектом. [54]

Над нечеткими множествами производятся операции, соответствующие комбинациям нечетких терминов и целей. Рассмотрим некоторые из них. [55]

Над нечеткими множествами можно выполнять операции, аналогичные операциям над обычными множествами, а также выполнять специальные операции, введенные для использования нечетких множеств в задачах принятия решений. [56]

В нечетких множествах мы увидели еще один пример того, как дробные величины могут во много раз увеличить полезность уже хорошо известного понятия. Нечеткие множества могут точно моделировать процессы принятия решений человеком. Их достижения в моделировании поведения, когда точность не является необходимой, почти сказочны. Поведенческая психология эмпирически показала, что нечеткая модель принятия решения человеком применима к реальному миру. В то же время бихевиористы показали, что бывают случаи, когда такой подход к принятию решений наиболее оптимален. Он может вести к лучшим оценкам, чем могли бы быть получены с помощью других статистических методов. [57]

На практике нечеткие множества запоминаются в компьютере в виде данных о структуре и операциях над ними, и далее производится исполнение этих операций. Компьютерная реализация обуславливает необходимость рассмотрения основных форм представления нечетких множеств. Эти представления имеют три формы. [58]

J - нечеткие множества, заданные своими функциями принадлежностей. [59]

Страницы: 1 2 3 4