Czy istnieje optymalna forma eksperckiego modelu rozmytego ?

• Autorzy: Piegat A. , Olchowy M.
• Języki publikacji: PL

Abstrakty

PL

Badania przeprowadzone przez autorów dotyczące zagadnienia, jaki jest optymalny zestaw elementów modelu rozmytego doprowadziły do wniosku, że jest to taki zestaw, który powoduje, że model rozmyty wytwarza pomiędzy punktami wiedzy eksperckiej oszczędną powierzchnie wielomianową określoną wzorami (9), (11), etc. Charakterystyka ta posiada najmniejszą powierzchnię względem wszystkich innych możliwych modeli interpolacyjnych, a sam model jest bardzo prosty i spełnia postulat „brzytwy Occam’a”. Potwierdziły to badania eksperymentalne przeprowadzone przez autorów. Określono elementy (funkcje przynależności i operatory) modelu rozmytego, które umożliwiają uzyskanie minimalnej powierzchni interpolacyjnej a przez to optymalnego, bezpiecznego modelu rozmytego. Ze względu na konieczne ograniczenia objętości artykułu problem został przedstawiony bardzo skrótowo.

EN

In expert fuzzy models various membership functions, various operators for AND and OR operations, for implication in single rules and aggregation of activated conclusions of single rules in one resultant conclusion, and various defuzzification methods can be chosen by a modeler. Is there, in the universal case, possible to answer the question, which set of the above elements of the fuzzy model is optimal? The authors try to give the answer to this difficult, but very interesting question in this paper.

Słowa kluczowe

PL

modelowanie rozmyte; teoria zbiorów rozmytych; logika rozmyta

EN

fyzzy modeling; fuzzy set theory; fuzzy logic

• Wydawca: Komisja Informatyki Polskiej Akademii Nauk, Oddział w Gdańsku
• Czasopismo: Metody Informatyki Stosowanej
• Rocznik: 2009
• Tom: nr 3 (20)
• Strony: 169--178
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Piegat A.

autor

Olchowy M.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Informatyki

Bibliografia

• [1] Babuska R. Fuzzy modeling for control. Kluwer Academic Publishers, Dortrecht 1998.
• [2] Bronsztejn I. N. et al. Kompendium matematyki. Wydawnictwo Naukowe PWN, Warszawa 2004.
• [3] Hand D. et al. Principles of data mining. Massachusets Institute of Technology, 2001.
• [4] Kluska J. Analytical methods in fuzzy modeling and control. Springer-Verlag, Berlin, Heidelberg 2009.
• [5] Łęski J. Systemy neuronowo-rozmyte. Wydawnictwo Naukowo-Techniczne, Warszawa 2008.
• [6] Mamdani E.H., Assilan S. An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies, 20(2), 1-13 (1975).
• [7] Pedrycz W., Gomide F. Fuzzy systems engineering. John Willey & Sons, Inc., Hoboken, New Jersey 2007.
• [8] Piegat A. Fuzzy modeling and control. A Springer-Verlag Company, Heidelberg, New York 2001.
• [9] Ross T. J. Fuzzy logic with engineering applications. Willey, New York 2004.
• [10] Rutkowski L. Computational intelligence: methods and techniques. Springer-Verlag,Heidelberg, New York 2008.
• [11] Wikipedia: http://en.wikipedia.org/wiki/Occam’s-razor, 2009.
• [12] Yakov B. H. Info-gap decision theory. Second edition. Elsevier, Amsterdam 2006.
• [13] Olchowy M. Metoda sektorowego, nieregularnego modelowania systemów na podstawie ograniczonej liczby punktów wiedzy eksperckiej lub/i eksperymentalnej. Rozprawa doktorska, w przygotowaniu.