Contextual one-sector non-regular fuzzy model based on 4 knowledge points

• Autorzy: Piegat A. , Olchowy M.

Warianty tytułu

PL

Kontekstowy, jednosektorowy, nieregularny model rozmyty oparty na 4 punktach wiedzy

• Języki publikacji: EN

Abstrakty

EN

The paper presents a method how to construct a non-regular fuzzy model based on 4 points of expert knowledge. Non-regular fuzzy models considerably differ from regular ones, which are based on the regular, rectangular partition of the input space. They allow for considerable decreasing the rule number and thus for constructing sparse models and for overcoming the phenomenon called "curse of dimensionality". Non-regular fuzzy modeling is rather not possible without a new coordinate system, which was called contextual, non-parallel coordinate system that also is described in the paper. The non-regular modeling method was illustrated by an example.

PL

W artykule przedstawiona została metoda konstruowania nieregularnego modelu rozmytego opartego na czterech punktach wiedzy eksperckiej. Nieregularne modele rozmyte różnią się znacznie od modeli regularnych, które oparte są na regularnym, prostokątnym podziale przestrzeni wejść. Posiadają one wiele zalet, m.in. pozwalają na znaczne zmniejszenie liczby reguł przy zachowaniu dokładności modelu rozmytego, czyli umożliwiają konstruowanie oszczędnych modeli rozmytych. Dzięki temu istnieje możliwość skutecznego pokonywania zjawiska "przekleństwa wymiarowości". Nieregularne modelowanie rozmyte nie jest chyba możliwe bez nowego układu współrzędnych. Układ taki nazwany został kontekstowym, nierównoległym układem współrzędnych, który jest uogólnieniem powszechnie stosowanego układu kartezjańskiego. Dla lepszego zrozumienia zagadnienia w artykule, w kilku krokach, przedstawiono sposób zastosowania kontekstowego układu współrzędnych w nieregularnym modelowaniu rozmytym. Metodę zilustrowano przykładem.

Słowa kluczowe

EN

fuzzy modeling; fuzzy logic; non-regular models; coordinate systems; fuzzy reasoning

PL

modelowanie rozmyte; logika rozmyta; modele nieregularne; układy współrzędnych; wnioskowanie rozmyte

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2010
• Tom: R. 56, nr 10
• Strony: 1193--1196
• Opis fizyczny: Bibliogr. 10 poz., rys., wykr., wzo

Twórcy

autor

Piegat A.

autor

Olchowy M.

• West Pomeranian University of Technology, Żołnierska 48, 71-210 Szczecin,

Bibliografia

• [1] Bronsztejn I. N. et al.: Nowoczesne kompedium matematyki (Modern compendium of mathematics). Wydawnictwo Naukowe PWN, Warszawa, 2004.
• [2] Brown M. et al.: High dimensional neurofuzzy systems : overcoming the curse of dimensionality. Proc. of Inter. Conf. FUZZ-IEEE/IFES 95, Yokohama, Japan, vol. 2, pp. 663-670, 1995.
• [3] Kacprzyk J.: Zbiory rozmyte w analizie systemowej (Fuzzy sets in the system analysis). Państwowe Wydawnictwo Naukowe, Warszawa, 1986.
• [4] Kluska J.: Analytical methods in fuzzy modeling and control. Springer, Heidelberg, 2009.
• [5] Łęski J.: Systemy neuronowo-rozmyte (Neuro-fuzzy systems). Wydawnictwo Naukowo-Techniczne, Warszawa, 2008.
• [6] Pedrycz W., Gomide F.: Fuzzy systems engineering. A John Wiley & Sons Inc., New Jersey, Canada, 2007.
• [7] Piegat A.: Fuzzy modeling and control. Springer, Heidelberg, New York, 2001.
• [8] Piegat A., Olchowy M.: Does an optimal form of an expert model exists? Paper accepted by the 10th Int. Conference on Artificial Intelligence and Soft Computing, Zakopane, Poland, June 13-17, 2010.
• [9] Rejer I., Mikołajczyk M., Piegat A.: Application of neural networks in chain curve modelling. In: Lectures Notes in Artificial Intelligence, Springer-Verlag, pp. 104-112, Berlin, 2006.
• [10] Rutkowski L: Flexible neuro-fuzzy systems: structures, learning and performance evaluation. Kluwer Academic Publishers, Springer, 2004.