Wyniki wyszukiwania - BazTech

1

Fuzzy estimation of activities duration in construction projects

Ibadov N.

Archives of Civil Engineering

|

2015

|

Vol. 61, nr 2

23--34

EN

During implementation of construction projects, durations of activities are affected by various factors. Because of this, both during the planning phase of the project as well as the construction phase, managers try to estimate, or predict, the length of any delays that may occur. Such estimates allow for the ability to take appropriate action in terms of planning and management during the execution of construction works. This paper presents the use of the non-deterministic concept for describing the uncertainty of estimating works duration. The concept uses the theory of fuzzy sets. The author describes a method for fuzzy estimations of construction works duration based on the fact that uncertain data is an inherent factor in the conditions of construction projects. An example application of the method is presented. The author shows a fuzzy estimation for the duration of an activity, taking into consideration the distorting influence caused by malfunctioning construction equipment and delivery delays of construction materials.

PL

W czasie realizacji obiektów budowlanych, procesy wykonawcze są narażone na wpływ różnych czynników zakłócających (warunki atmosferyczne, nieterminowość dostaw materiałów, awarie sprzętu, kwalifikacje robotników, zła organizacja robót na budowie itp.). Czynniki te, pomimo świadomości planistów o ich istnieniu, nie zawsze są uwzględniane podczas szacowania czasów wykonania robót na etapie projektowania budowy. Powoduje to różnice pomiędzy oszacowaniami czasów wykonania robót a rzeczywistymi czasami wykonania robót, uzyskanymi podczas realizacji budowy. Trzeba mieć na uwadze, że wiedza planisty (eksperta) na temat czynników zakłócających oraz ich konsekwencjach ma charakter przybliżony i niepewny. Kiedy próbuje się oszacować czasy wykonania robót budowlanych, powstaje problem niemożności wykorzystania metod statystycznych i miary probabilistycznej dla oceny skutków realizacji różnych scenariuszy jednoczesnego oddziaływania różnych czynników na przebieg budowy. Warte rozpatrzenia jest w tym przypadku również wykorzystanie logiki rozmytej i teorii zbiorów rozmytych. W artykule przedstawiono przykład wykorzystania teorię zbiorów rozmytych dla oszacowania rozmytego czasu wykonania roboty budowlanej biorąc pod uwagę wpływy zakłócające spowodowane w skutek awarii sprzętu budowlanego oraz opóźnienia w dostawach materiałów budowlanych.

2

System uruchomieniowy AVR-FIS

Wyrwoł B.

Elektronika : konstrukcje, technologie, zastosowania

|

2010

|

Vol. 51, nr 9

44-47

PL

W artykule przedstawiono koncepcję systemu uruchomieniowego AVR-FIS, opartego na mikrokontrolerze AVR rodziny ATMega, wspomagającego tworzenie, uruchamianie i testowanie aplikacji, w których wymagane jest zaimplementowanie algorytmów wnioskowania przybliżonego. W pierwszej części opisana została architektura systemu, w skład której wchodzi jednostka centralna, oraz podstawowe moduły wejścia-wyjścia. Architektura posiada charakter otwarty, dzięki czemu możliwa jest rozbudowa lub modyfikacja systemu na potrzeby konkretnie realizowanej aplikacji. Druga część poświęcona została omówieniu narzędzi programistycznych takich jak preprocesor wraz z bibliotekami funkcji, wspomagających proces tworzenia aplikacji wykorzystujących algorytmy wnioskowania przybliżonego, jakie zostały opracowane i zintegrowane ze środowiskiem AVR Studio jak również narzędziami wchodzącymi w skład pakietu kompilatora AVR-GCC.

EN

The paper presents idea of the AVR-FIS development system. It is based on AVR microcontroller ATMega family and used to develop and test applications based on fuzzy inference algorithm. The first part describes an open architecture of the system, which includes central unit and basie input-output modules. It allows develop or modify system for specific application. The second part describes programming tools: fuzzy logic preprocessor and libraries. They allow creating applications using fuzzy logic arithmetic and can be integrated with AVR Studio integrated development environment and AVR-GCC compiler.

3

Sprzętowa implementacja zachłannego algorytmu kolorowania grafu

Wyrwoł B.

Elektronika : konstrukcje, technologie, zastosowania

|

2010

|

Vol. 51, nr 9

21-23

PL

Kolorowanie grafów znajduje zastosowanie wszędzie tam, gdzie konieczny jest podział zbioru na rozłączne podzbiory wg określonego kryterium jakie spełniają lub nie elementy zbioru. Większość algorytmów kolorowania realizowana jest zwykle na drodze programowej. W sytuacji, kiedy dużą rolę odgrywają uwarunkowania czasowe, konieczna jest realizacja sprzętowa z wykorzystaniem dedykowanego układu. W artykule przedstawiony został zachłanny algorytm kolorowania wierzchołków grafu oraz jego sprzętowa implementacja w układzie programowalnym FPGA. Dodatkowo omówiona została metoda reprezentacji danych opisujących strukturę grafu i przykład wykorzystania sprzętowego modułu kolorowania grafu, wspomagającego proces dekompozycji lingwistycznej, w systemie wnioskowania przybliżonego.

EN

Graph coloring algorithms are used wherever it is necessary to divide set on disjoint subsets according to specified criteria or not they meet the elements of the set. Most of the coloring algorithms are usually implemented as a computer or microcontroller program. To reduce computing time of the coloring result it is necessary to implement hardware using a dedicated chip. The paper presents graph greedy vertex algorithm and its hardware implementation in an FPGA chip. It describes also a graph data structure and finally implementation of the graph coloring module in the fuzzy hierarchical inference system. It is used in linguistic decomposition process of the knowledge base in the stage of the partitioning the rule base.

4

Sprzętowa implementacja algorytmu dekompozycji sIRD w układzie FPGA

Wyrwoł B.

Elektronika : konstrukcje, technologie, zastosowania

|

2010

|

Vol. 51, nr 1

25-28

PL

Jedną z metod obniżenia nakładów sprzętowych i obliczeniowych w realizacjach regułowych lub relacyjnych systemów wnioskowania przybliżonego jest wykorzystanie techniki dekompozycji bazy wiedzy opartej na operacji projekcji. Pozwala ona przedstawić system w postaci struktury hierarchicznej, jednak wynik uzyskiwany z takiego systemu może charakteryzować się zwiększoną rozmytością w porównaniu z wynikiem uzyskiwanym z systemu o klasycznej architekturze. Można tego uniknąć poprzez wstępny podział bazy wiedzy systemu wnioskującego, a dopiero w kolejnym etapie przeprowadzić właściwą dekompozycję. Opracowane do tej pory algorytmy podziału nie pozwalają uzyskać zadowalających wyników dla szerokiej klasy systemów. Zaprezentowany w artykule algorytm slRD, oparty na rozkładzie reguł sprzecznych w bazie wiedzy, pozwala uzyskać, jak do tej pory, najlepsze wyniki. Jego sprzętowa implementacja znalazła swoje odzwierciedlenie w systemie wnioskowania przybliżonego zrealizowanego na bazie układu FPGA.

EN

Hardware costs and computing time of the practical realization of the rule and relational fuzzy inference systems can be decreased using decomposition technique based on projection. It allows show system as a hierarchical architecture. The inference result of the system is more fuzzy than of the classical system. This disadventage can be eliminated through initial partitioning knowledge base of the inference system, and then used primary decomposition method. The known partitioning algorithms do not permit to get the optimal results for a wide class of the fuzzy systems. In the paper is presented a sIRD algorithm based on inconsistency rule distribution amount. It allows get nearly optimal partitioning results. It is implemented in hardware fuzzy inference system based on an FPGA chip.

5

Sprzętowa implementacja algorytmów dekompozycji lingwistycznej opartych na podziale bazy wiedzy w układzie FPGA

Wyrwoł B.

Pomiary Automatyka Kontrola

|

2009

|

R. 55, nr 7

511-514

PL

Układowe realizacje systemów wnioskowania przybliżonego wymagają często znacznych nakładów. Zmniejszenie ich jest możliwe poprzez zastosowanie metody dekompozycji Gupty i przedstawieniu systemu jako struktury hierarchicznej. W celu wyeliminowania jej niekorzystnych własności konieczny jest wstępny podział bazy wiedzy. Zaproponowana została metoda najlepszego wyboru wykorzystująca wybrane algorytmy podziału, zaimplementowana w sprzętowym systemie wnioskowania przybliżonego FPGA-FIS.

EN

The hardware cost of a fuzzy inference system can be reduced using the Gupta's relational decomposition technique [1]. The system can be represented as a hierarchical architecture that comprises a set of Single Input Single Output subsystems (Fig. 1). The decomposition has some disadvantages, computation of the global relation ℜ is an extremely time-consuming process and a large memory is necessary to store it. They can be eliminated if projection is expanded on linguistic level and decomposition is used for the knowledge base (1), (Fig. 2) [2]. The projection operation (on relational or linguistic level) in some cases can lead to inevitable loss of information because of its approximate nature [3]. To avoid the inference error (the output result is more fuzzy than that obtained in the classical system architecture (3)) methods for partitioning (5) the knowledge base KB[Y , XK,? , X1] into p subbases without inconsistent rules (4) are proposed [4]. In Section 3 the methods based on partitioning towards a defined input linguistic variable (Fig. 3) and elimination of the inconsistent rules (Fig. 4) are described [5, 6]. The algorithms are simple and fast but the results are not optimal in all cases (hardware cost depends on the number of subsystems p, Tab. 1). Thus, the method of the best choice is proposed and implemented in the FPGA fuzzy inference system as a DMU (Decomposition Management Unit) module (Fig. 6).

6

Dekompozycja lingwistyczna bazy wiedzy systemu wnioskowania przybliżonego z eliminacją reguł sprzecznych

Wyrwoł B.

Elektronika : konstrukcje, technologie, zastosowania

|

2008

|

Vol. 49, nr 11

234-236

PL

W artykule przedstawiono metodę dekompozycji relacyjnej Gupty przeniesioną na płaszczyznę lingwistyczną i wykorzystaną w realizacjach regułowych systemów wnioskowania przybliżonego (FITA) strukturze hierarchicznej. Pozwala ona obniżyć nakłady sprzętowe i obliczeniowe. Wynik wnioskowania uzyskiwany z takiego systemu jest bardziej rozmyty, niż uzyskany z systemu o klasycznej strukturze. W artykule omówiona została technika dekompozycji wykorzystująca podział bazy wiedzy systemu wnioskowania przybliżonego. Pozwala ona zmniejszyć lub całkowicie wyeliminować nadmiarową rozmytość wyniku wnioskowania.

EN

The paper presents Gupta's relational decomposition technique expanded on linguistic level. The method can be used to implement First Inference Then Aggregation fuzzy hierarchical inference systems. It allows a decrease in the hardware cost of the fuzzy system or in the computing time of the final result. The inference result of the hierarchical system using decomposition technique is more fuzzy than of the classical system. The paper describes a linguistic decomposition technique based on partitioning the knowledge base of the fuzzy inference system. It allows to decrease or even totally remove a redundant fuzziness of the inference result.

7

Sprzętowa realizacja procesu dekompozycji lingwistycznej bazy wiedzy systemu wnioskowania przybliżonego

Wyrwoł B.

Pomiary Automatyka Kontrola

|

2007

|

R. 53, nr 7

33-35

PL

Metoda dekompozycji relacji rozmytych M. M. Gupty pozwala ograniczyć nakłady sprzętowe niezbędne w realizacji układowej systemów relacyjnych, jednak charakteryzuje się wysokim nakładem obliczeniowym. Tę niekorzystną własność można wyeliminować poprzez rozszerzenie metody podstawowej na płaszczyznę lingwistyczną. Podejście to pozwala wykorzystać uzyskane wyniki w realizacji zarówno systemów regułowych, relacyjnych, jak i mieszanych. W pracy przedstawiono sprzętowy modułu realizujący proces dekompozycji lingwistycznej bazy wiedzy zaimplementowany w systemie wnioskowania przybliżonego FPGA-FIS.

EN

The hardware cost of the FATI relational fuzzy inference system can be reduced using M. M. Gupta's decomposition technique. It is based at projection operation defined for fuzzy relation. A lot of time is required to compute a global relation and a large memory to store it. In the paper has been proposed a modified M. M. Gupta's decomposition method expanded on linguistic level. It allows reducing hardware cost of the implementation of the FITA or FITA/FATI fuzzy inference systems. It can be implemented as a hardware unit in an FPGA structure to decrease an initialization time of the FPGA-FIS system.

8

Towards a linguistic description of dependencies in data

Batyrshin I., Wagenknecht M.

International Journal of Applied Mathematics and Computer Science

|

2002

|

Vol. 12, no 3

391-401

EN

The problem of a linguistic description of dependencies in data by a set of rules Rk: "If X is Tk then Y is Sk" is considered, where Tk's are linguistic terms like SMALL, BETWEEN 5 AND 7 describing some fuzzy intervals Ak. Sk's are linguistic terms like DECREASING and QUICKLY INCREASING describing the slopes pk of linear functions yk=pkx +qk approximating data on Ak. The decision of this problem is obtained as a result of a fuzzy partition of the domain X on fuzzy intervals Ak, approximation of given data {xi,yi}, i=1,...,n by linear functions yk=pkx+qk on these intervals and by re-translation of the obtained results into linguistic form. The properties of the genetic algorithm used for construction of the optimal partition and several methods of data re-translation are described. The methods are illustrated by examples, and potential applications of the proposed methods are discussed.

9

Neural methods of knowledge extraction

Duch W., Adamczak R., Grąbczewski K., Jankowski N.

Control and Cybernetics

|

2000

|

Vol. 29, no 4

997-1017

EN

Contrary to the common opinion, neural networks may be used for knowledge extraction. Recently, a new methodology of logical rule extraction, optimization and application of rule-based systems has been described. C-MLP2LN algorithm, based on constrained multilayer perceptron network, is described here in details and the dynamics of a transition from neural to logical system illustrated. The algorithm handles real-valued features, determining appropriate linguistic variables or membership functions as a part of the rule extraction process. Initial rules are optimized by exploring the accuracy/simplicity tradeoff at the rule extraction stage and the one between reliability of rules and rejection rate at the optimization stage. Gaussian uncertainties of measurements are assumed during application of crisp logical rules, leading to "soft trapezoidal" membership functions and allowing to optimize the linguistic variables using gradient procedures. Comments are made on application of neural networks to knowledge discovery in the benchmark and real life problems.