Нечеткая модель

Cтраница 3

В частности, неопределенность, которая также является неотъемлемым свойством сложных проблем, может описываться вероятностными, интервальными, нечеткими, лингвистическими и другими моделями. Однако, взаимная согласованность этих моделей трудно достижима. В качестве примера можно привести вероятностные и нечеткие модели: переход от описания некоторой системы в терминах нечетких множеств к описанию той же системы в терминах вероятностей или наоборот является нетривиальной задачей. [31]

Ваша нечеткая модель может быть сохранена в формате ASCII для последующего использования вне среды MATLAB a. Пакет предоставляет эффективный инструмент нечеткого вывода, способный запускать нечеткую модель как автономное приложение или как часть другого приложения. [32]

На практике возможны случаи, когда диалог связан с такой информационной задачей, решение которой не поддается полностью алгоритмизации. Тогда в процесс построения структуры диалога, в стратегию перемещения от одного шага диалога к другому вносятся элементы неопределенности, связанные с эвристикой пользователя. В этом случае правомерна модель вероятностного диалога, в которой переход от одного шага к другому задается некоторой случайной функцией. Большое практическое значение имеет также нечеткая модель диалога, в которой весомость перехода от одного шага диалога к другому суть лингвистическая вероятность. Соответствующие множества ГДП образуют полугруппы, а их факторизация по конгруэнции устанавливает связь между динамической ( детерминированной) моделью диалога и ее вероятностной и нечеткой модификациями. Очень интересна стохастическая модель диалога, в которой информационно-вычислительный процесс соответствует сетевому ГДП, что позволяет решить следующие две задачи. Первая - это уложить интерактивное взаимодействие в заданное число шагов диалога, а вторая - реализовать диалог в заданное время, при этом расход вычислительных ресурсов среды будет минимальным, а доход пользователя от реализации заданной последовательности шагов диалога - максимальным. [33]

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. [34]

ЧДД) часть его составляющих показателей может быть рассчитана точно, а часть из них ( такие как годовая добыча нефти, цена на нефть, эксплуатационные расходы, фактор дисконтирования, а также возможно и другие, в зависимости от имеющейся базы данных) точно определить не представляется возможным. Согласно [8.1] для одного из месторождений нечеткость ( неточность) входных данных, оцениваемая 10 %, приводит к 15 % уровню нечеткости при расчете времени эксплуатации и большой неопределенности ( 142 %) в оценке ЧДД, при этом, однако, максимальная и минимальная оценка ЧДД остается положительной, но часто бывает так что, особенно для месторождений с небольшими извлекаемыми запасами или для месторождений в неосвоенных регионах, с изменчивой средой и суровыми климатическими условиями, минимальная оценка ЧДД является отрицательной, что делает принятие решения весьма затруднительным. Нижние и верхние границы нечетких вычислений охватывают все возможные решения, которые могут быть получены, заменяя анализ чувствительности. Другими словами, анализ чувствительности включен в нечеткую модель неявно благодаря самой природе нечетких чисел, и обычный анализ чувствительности не является необходимым. [35]

Моделирование маневрирующего объекта с помощью НС ( 551. [36]

Обработка включает в себя завязку, обнаружение и сопровождение траектории маневрирующих объектов, обнаружение ложных отметок и траекторий, а также идентификацию информации от первичного и вторичного радиолокаторов. Предлагается применение базы знаний, построенной на основе эмпирических правил. База знаний реализуется в виде продукционных моделей. Она используется для построения нечеткой модели, использующей эмпирические знания по размерам стробов сопровождения, критериям обнаружения и сброса траекторий, начальным условиям, идентификации информации от первичного и вторичного радиолокаторов. Использование нейронных сетей здесь возможно при идентификации информации от первичного и вторичного радиолокаторов, обнаружении ложных отметок и траекторий. Предлагается для более качественных идентификации и сопровождения осуществлять дополнительные фильтрацию и сопровождение воздушных судов по запасу топлива и высоты, значения которых поступают по вторичному каналу с борта судна. [37]

Страницы: 1 2 3