- •Предисловие
- •Список использованных сокращений
- •Часть 1.
- •Глава 1. Математические основы формализации и методов описания
- •Часть 2.
- •Глава 2. Методы представления знаний с использованием
- •Часть 3.
- •Глава 3. Интеллектуальные технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- •Часть 4.
- •Глава 4. Источники информации и причины возникновения ее неопределенности
- •4.1. Переработка и использование информации в реальных условиях функционирования агрегатов
- •Часть 5.
- •Список использованных сокращений и обозначений
- •Введение:
- •Часть 1.
- •Глава 1. Математические основы формализации и методов описания
- •Формализация объекта и парадигмы
- •1.3. Множества и перечень базовых операций над множествами
- •Перечень базовых операций над множествами
- •Области определения функций
- •Обратная функция
- •Теорема
- •Мера и нечеткая мера
- •Задача построения нечетких мер
- •Нечеткие множества: определение и формы записи в операциях и
- •1.7.Функции доверия и правило Демпстера а.Р.,[23]
- •1.8. Нормировка функций в теории нечётких множеств
- •1.9. Нечёткие отношения: прямая и обратная задачи
- •Глава 2. Методы представления знаний с использованием приближенных и нечетких множеств
- •2.1.Нечеткие вычислительные технологии
- •2.2.Семантика объекта: определение и типизация
- •2.3.Создание Базы знаний: постановка, семантика, прагматика
- •2.4. Сопоставление объектов: постановка, семантика, прагматика
- •2.5.Распознавание объектов: постановка, семантика, прагматика
- •2.6. Управление процессом представления знаний
- •Нечёткие множества: субъективность и неточность
- •2.8.Нечеткая алгебра
- •2.9.Нечеткие иерархические отношения
- •2.10.Естественность операций max и min
- •2.11.Нечеткая статистика
- •2.12. Совместимость и нечеткое ожидание
- •Глава 3. Нечеткие технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- •3.2. Обработка нечетких данных как неопределенных чисел
- •Методология представления агрегата в виде комплексного механизма
- •3.2.2. Описание исходной информации на языке размытых множеств
- •Размытость интервалов, ограничений, критериев и целей управления в эксплуатации и диагностике
- •3.3.3. Размытые ограничения, цели и оптимизация работы агрегата в условиях нечеткой информации о состоянии
- •Анализ информации для диагностики и оценивания состояния механизмов
- •3.5. Оценки погрешностей измерений и наблюдений за состоянием агрегатов
- •Влияние погрешностей исходных данных на погрешности диагноза
- •Глава 4. Источники информации и причины возникновения ее неопределенности
- •4. 2. Управление и идентификация на объекте в условиях неопределенности информации на основе знаний, получаемых при функциональной диагностике
- •Тогда множество диагностических признаков g также будет нечетким
- •4.3.Представление и использование чётких и «размытых» знаний в математических моделях оценивания состояния агрегатов, на основе функциональной диагностики
- •4.3.1.Формализация решения задачи оценивания состояния
- •4.3.2. Особенности решения задач контроля и функционирования агрегата
- •Глава 5. Введение в генетическое программирование
- •5.1. Введение в генетические и эволюционные алгоритмы
- •5.2. Сравнительный анализ эволюционных алгоритмов
- •5.3. Генетическое программирование
- •5.4. Перспективные направления развития гп
- •Глава 6. Введение в нейронные сети
- •6.1. Алгоритмы их обучение и эластичные нейро-нечеткие системы
- •6.2. Имитация нервных клеток
- •6.3. Математическая модель нейрона
- •6.4. Обучение нейронных сетей
- •6.5. Метод обратного распространения ошибки
- •6.6. Алгоритм настройки нейронной сети
- •Глава 7. Другие методы нечетких технологий для построения
- •7.1. Введение в теорию возможностей и смысла
- •7.1.1. Неопределенность и неточность
- •7.1.2. Традиционные модели неточности и неопределенности
- •7.1.3. Меры неопределенности
- •7.1.4. Меры возможности и необходимости
- •7.1.5. Возможность и вероятность
- •7.2. Языки и технологии логического программирования prolog, lisp
- •Глава 8. Послесловие
- •8.1. Эволюция искусственного интеллекта для развития интеллектуальных
- •8.2.Экспертные системы нового уровня
- •8.3. Роботика
- •8.4. Преобразование речи искусственного языка
- •8.5. Интеллект муравьёв и его использование
- •8.6. Искусственная жизнь, мозг, познание, разум, память и мышление
- •8.7. Боты
- •Optimizator подсистемы диагностики состояния энергоустановок, skais, для решения задач технического обслуживания
- •Заключение
- •Заключение
- •Литература
Области определения функций
Условиям аддитивности удовлетворяют степенное множество 2А в некотором пространстве А и борелевский класс В, в пространстве интервалов множества действительных чисел R. Поэтому в теории нечетких множеств существуют дискретная и непрерывная области определения: .
Дискретная область определения.
Пусть задано универсальное множество X:
X={x1,x2,..,xi,…,xn}, i=1÷n. (1.4)
В Х определено пространство А:
. (1.5)
На множестве J номеров элементов пространства А образовано множество К=2J, т.е. степенное множество. Тем самым, в А построен аддитивный класс 2А:
(1.6)
Этот класс является дискретной областью определения различных функций в теории нечётких множеств. В частном случае, если А=X, областью определения является 2X.
Непрерывная область определения. Пусть задано универсальное множество R, элементы которого принадлежат множеству r. На R определено пространство интервалов А:
, (1.7)
где Ij - интервал с границами rj и rj+1; m, n – границы пространственных интервалов А.
В А построен борелевский класс В:
, (1.8)
где .
Класс В является непрерывной областью определения различных функций в теории нечётких множеств.