Wyniki wyszukiwania - BazTech

1

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.

2

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).

3

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.