Wyniki wyszukiwania - Biblioteka Nauki

1

Struktura bazy wiedzy w bibliotece FUZZLIB

100%

Kudłacik P.

|

tom Vol. 31, nr 2A

469-478

PL

Biblioteka FUZZLIB to zbiór narzędzi pozwalających tworzyć i zarządzać rożnymi systemami rozmytymi za pomocą prostego w użyciu interfejsu. Szczególnie ułatwiono konfigurację i zarządzanie regułowej bazy wiedzy opartej na strukturach dynamicznych. Niniejszy artykuł opisuje zastosowane rozwiązania oraz interfejs programistyczny.

EN

FUZZLIB library provide a set of tools that let to create and manage diverse fuzzy systems with an easy to use interface. Configuration and management of a rule base, based on dynamic structures, is especially simplified. Article describes developed solutions and program interface.

2

Automatyczne odkrywanie modeli współbieżnych z danych eksperymentalnych

84%

Pancerz K. , Suraj Z.

|

tom z. 26 [199]

205-226

PL

Odkrywanie wiedzy z dużych baz danych jest jednym z istotnych i aktualnych problemów badawczych. W referacie przedstawione zostaną pewne metody automatycznego odkrywania modeli współbieżnych zdanych eksperymentalnych ([4],[5-6]). Metody te oparte są na teorii zbiorów przybliżonych [l] i teorii sieci Petriego [2]. Celem referatu jest prezentacja algorytmów realizujących odkrywanie z danych eksperymentalnych modeli współbieżnych reprezentowanych w formie sieci Petriego. Praktycznym wynikiem tych prac badawczych będzie moduł wspomagający odkrywanie modeli współbieżnych z danych. Moduł będzie częścią składową tworzonego w Katedrze Podstaw Informatyki WSIiZ w Rzeszowie systemu komputerowego do wspomagania projektowania i analizy modeli współbieżnych, działającego na komputerach klasy PC pod kontrolą systemu operacyjnego Windows. Wskazane zostaną także kierunki dalszych badań.

3

Minimalizacja błędu dekompozycji w sterowniku Fuzzy Logic o architekturze hierarchicznej

67%

Wyrwoł B.

|

tom Vol. 54, nr 9

122-125

PL

W artykule przedstawiony został programowalny sterownik logiczny, w którym zaimplementowany został system wnioskowania przybliżonego o architekturze hierarchicznej, a także metoda tworzenia dla niego bazy wiedzy w oparciu o bazę wiedzy systemu klasycznego. Taka realizacja systemu pozwala z jednej strony obniżyć nakłady sprzętowe i obliczeniowe oraz zmniejszyć czas wyznaczania wyniku, z drugiej zaś powoduje zwiększenie rozmytości wyniku wnioskowania, który jest następstwem występowania tzw. błędu dekompozycji. W oparciu o przeprowadzone badania sterownika w środowisku docelowym pokazany został wpływ zwiększonej rozmytości wyniku wnioskowania na parametry regulacji oraz zaproponowano nową metodę minimalizacji błędu dekompozycji opartą na modyfikacji następników reguł pierwotnej bazy wiedzy.

EN

The paper presents the programmable logic controller with implementation of the rule hierarchical fuzzy inference system, as well as a method of creating a knowledge base for it on the basis of a classical system knowledge base. The hierarchical architecture of the inference system allows reduce hardware and software cost and computational time, but the inference result is more fuzzy than in the classical system architecture, which is a consequence of the presence of so-called error decomposition. Based on research of the controller in the target environment, it is presented influence of the more fuzzy inference results on control parameters, and also it is proposed a new decomposition error minimization method based on modification of the consequence part of the rules in the primary knowledge base.

4

Wykorzystanie algorytmów kolorowania grafu w sprzętowej realizacji systemu wnioskowania przybliżonego HFIS

67%

Wyrwol B.

|

tom R. 87, nr 10

64-67

PL

Realizacja sprzętowego systemu wnioskowania przybliżonego, przy wykorzystaniu techniki dekompozycji opartej na operacjach projekcji oraz podziału, wymaga mniejszych nakładów sprzętowych i obliczeniowych. W artykule omówiono metodę podziału bazy wiedzy opartą na algorytmie kolorowania grafu, pokazano zależność uzyskiwanych wyników od sposobu uporządkowania reguł oraz przedstawiono szacunkowy koszt praktycznej implementacji modułu GCM, wspomagającego dekompozycję, w sprzętowym systemie FPGA-FIS.

EN

Hardware costs and computing time of the hardware implementation of the fuzzy inference system can be decreased using decomposition technique based on projection and partitioning. The paper presents the partitioning method of the knowledge base using graph vertex coloring algorithms. It discusses finally obtained results dependent on rule (graph vertex) arrangement and hardware cost estimation of the implementation the GCM module in the FPGA-FIS fuzzy inference system.

5

System prototypowania aplikacji wykorzystujących logikę rozmytą AVR-FPGA-FIS

67%

Wyrwoł B.

|

tom R. 87, nr 10

60-63

PL

W artykule przedstawiono koncepcję systemu uruchomieniowego AVR-FPGA-FIS, zrealizowanego w oparciu o układ reprogramowalny FPGA rodziny Spartan 3 oraz mikrokontroler AVR rodziny ATMega, wspomagającego tworzenie, uruchamianie i testowanie aplikacji, w których wymagane jest zaimplementowanie algorytmów wnioskowania przybliżonego. Architektura systemu ma charakter otwarty, dzięki czemu możliwa jest jego rozbudowa lub modyfikacja dla potrzeb konkretnie realizowanej aplikacji wykorzystującej logikę rozmytą.

EN

The paper presents idea of the AVR-FPGA-FIS development platform based on field-programmable gate array and general-purpose microcontroller. It combines hardware Spartan-3 Starter Kit board with AVR ATMega family microcontroller expansion board, thus allowing the realization, develop and test of hybrid hardware/software solutions of fuzzy inference systems. The open architecture eases develop of the system and implementation of fuzzy logic for specific application.

6

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

51%

Wyrwoł B.

|

tom 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).