Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: wykresy funkcji

Sortuj według:

Ogranicz wyniki do:

Wyznaczanie asymptot wykresów funkcji

Mateja-Losa Elwira

MINUT Matematyka i Informatyka na Uczelniach Technicznych

2021

Nr 3

106-127

Tematem artykułu są asymptoty wykresów funkcji jednej zmiennej rzeczywistej. Opracowanie przeznaczone jest przede wszystkim dla studentów pierwszego roku studiów inżynierskich. Artykuł wymaga znajomości pojęć granicy funkcji jednej zmiennej, ciągłości funkcji, rodzajów nieciągłości oraz umiejętności wyznaczania granic. W niniejszym tekście przedstawiono podstawowe definicje i twierdzenia dotyczące asymptot, które zilustrowano na przykładach. Na końcu artykułu zamieszczono zadania do samodzielnego rozwiązania.

Structural description of function graphs using fuzzy sets theory

Bielecka M.

Opuscula Mathematica

2000

Vol. 20

11-18

This paper discusses the possibilities of description of function graphs classes using the fuzzy sets theory and recognition of the classes by artificial neural networks. There are given a few classes of function graphs. The task is to recognize to which class the graph of a given mapping belongs. Attachment of a function graph to any class which is defined as a fuzzy set, is described by a characteristic function depending on geometric properties of a graph. In order to test our approach to the problem we consider four classes of graphs: unimodal graphs, plateaux, bimodal symmetric graphs and bimodal asymmetric graphs. The multilayer ANNs were used to recognize classes of graphs described in the presented way. Presented results imply that the recognition of structural features with ANNs can be effective. Furthermore, fuzzy sets theory is, under some assumptions, a good tool for description of structural features of objects.

W publikacji rozważono możliwości opisu pewnych klas wykresów funkcji za pomocą teorii zbiorów rozmytych i rozpoznawania tych klas przez sztuczne sieci neuronowe. Dla danych klas wykresów funkcji zadaniem jest rozpoznanie, do której klasy należy dany wykres. Przynależność wykresu funkcji do danej klasy jest zdefiniowana za pomocą funkcji charakterystycznej zależnej od geometrycznych własności wykresu. W celu przetestowania naszego podejścia do problemu rozważono cztery klasy wykresów: unimodalne, plateau, bimodalne symetryczne i bimodalne niesymetryczne. Do rozpoznawania klas użyto sieci warstwowych. Otrzymane rezultaty przemawiają za tym, że rozpoznawanie cech strukturalnych za pomocą sieci neuronowych może być efektywne. Ponadto, teoria zbiorów rozmytych jest, przy pewnych założeniach, odpowiednim narzędziem do opisu strukturalnych cech obiektów.