Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

2 2008

2 Wyrwoł B.

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: relational decomposition

Sortuj według:

Ogranicz wyniki do:

Linguistic decomposition technique based on partitioning the knowledge base of the fuzzy inference system

100%

Wyrwoł B.

2008

tom Vol. 56, nr 1

71-76

The paper presents Gupta's relational decomposition technique expanded on linguistic level. It allows to reduce the hardware cost of the fuzzy system or the computing time of the final result, especially when referring to First Aggregation Then Inference (FATI) relational systems or First Inference Then Aggregation (FITA) rule systems. 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.

Dekompozycja lingwistyczna bazy wiedzy systemu wnioskowania przybliżonego z eliminacją reguł sprzecznych

70%

Wyrwoł B.

2008

tom Vol. 49, nr 11

234-236

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.

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.