• Nem Talált Eredményt

Fuzzy rendszerek mérnöki megközelítésben NIMFR1SANK

N/A
N/A
Protected

Academic year: 2023

Ossza meg "Fuzzy rendszerek mérnöki megközelítésben NIMFR1SANK"

Copied!
1
0
0

Teljes szövegt

(1)

Budapesti Műszaki Főiskola

Neumann János Informatikai Kar Intelligens Mérnöki Rendszerek Intézete

Tantárgy neve és kódja: Kreditérték: 3

Fuzzy rendszerek mérnöki megközelítésben NIMFR1SANK

Mérnök informatikus BSc szak Nappali tagozat 2009/10. tanév I. félév

Tantárgyfelelős oktató: Dr. Takács Márta főiskolai docens Előtanulmányi feltételek:

(kóddal)

Matematika szigorlat

Heti óraszámok: Előadás: 1 Tantermi gyak.: 0 Laborgyakorlat: 2 Konzultáció: (külön) Számonkérés

módja (s,v,f):

V,

A tananyag

Oktatási célA tárgy oktatásának célja, hogy korszerû, egységes keretbe illesztett, szisztematikus bevezetést adjon a fuzzy rendszerek alkalmazásához a mérnöki rendszerekben. Ennek keretében tárgyaljuk a fuzzy logika, a fuzzy következtetési rendszerek elméletét és gyakorlati alkalmazásukat. A gyakorlati alkalmazást Matlab környezetben ismerik meg a hallgatók. A tárgyalás lehetővé teszi, hogy a hallgatók könnyen implementálják a tanult fuzzy technikákat, ezáltal a valós életben felmerült alkalmazásokat oldjanak meg.

Tematika. A logika szerepe a mérnöki rendszerekben. Kétértékű, többértékű és fuzzy logika a döntéshozatalban.

Fuzzy halmazok, műveletek és relációk. Szabályrendszerek és fuzzy modellek. Mamdani és Takagi-Sugeno modelllek. Új operációk alapján működő következtetési rendszerek. Matlab környezet. Simulink környezet.

Matlab-fuzzy környezet. Irányítási modellek a Matlab-fuzzy környezetben. Gazdasági modellek.

Ütemezés:

Oktatási hét (konzultáció)

Témakör

1. Bevezetés. A gépi intelligencia és a fuzzy alapfogalmai és története. Soft computing, fuzzy logika.

A fuzzy logika alapjai. Történeti áttekintés. Bizonytalanság és pontatlanság. Fuzzy halmazok és tagságfüggvények. Valószínűség és lehetőség

szeptember 10.

2. Fuzzy halmazok és relációk. Klasszikus halmazok és halmazműveletek. Fuzzy halmazok és halmazműveletek. Tagságfüggvények.

Mindezek megjelenítése Matlab fuzzy toolbox-ban szeptember 17.

3. Fuzzy halmazok és műveleteik. Relációk.Trianguláris normák, konormák, negációk.

Klasszikus relációk. Fuzzy relációk és speciális osztályaik.

Mindezek megjelenítése Matlab fuzzy toolbox-ban szeptember 24.

4. Fuzzy aritmetika. Fuzzy halmazok függvényei – a kiterjesztési elv. Fuzzy számok és speciális osztályaik. Aritmetikai műveletek fuzzy számokkal. Közelítő eljárások.

Fuzzy logika.A klasszikus predikátum logika kiterjesztése. Fuzzy implikációk és tulajdonságaik. Közelítő érvelés. Fuzzy tautológiák, ellentmondások, ekvivalenciák, és

logikai bizonyítások.

október 1.

5. Fuzzy szabály-alapú rendszerek. Természetes nyelv. Szabály-alapú rendszerek. Fuzzy szabályok aggregálása. A következtetés grafikus technikái.

október 8.

6. Fuzzy szabály-alapú rendszerek. Fuzzy preferenciák és döntések. Fuzzy rendezések.

október 15.

7. Fuzzy szabály-alapú rendszerek. Összetett szabályok dekomponálása. Fuzzy relációs egyenletek. Fuzzy szabály-alapú rendszerekre épülő szimuláció.

október 22.

2023. 02. 06. Fuzzy rendszerek

(2)

8. Zárthelyi dolgozat október 29.

9. Mamadani és Takagi-Sugeno rendszerek.

november 5.

10. Fuzzy nemlineáris szimuláció. Matlab Simulink környezet november 12.

11. Alkalmazások. Irányítási rendszerek.

Házi feladatok, önálló projektek – konzultáció november 19.

12. Alkalmazások. Gazdasági rendszerek .

november 25.

13. További lehetőségek a fuzzy alkalmazására.

Fuzzy klasszifikáció. Klaszterezés. Lágy számítási módszerek (soft computing). Neurális hálózatok és genetikus algoritmusok. Fuzzy rendszerek és genetikus algoritmusok. A lágy

számítási módszerek integrált alkalmazásai: hibrid rendszerek.

december 3.

14. Házi feladatok, önálló projektek bemutatása, elemzése.

december 10.

15. Házi feladatok, önálló projektek bemutatása, elemzése.

Zárthelyi pótlása december 17.

Félévközi követelmények

A hallgató az aláírást csak abban az esetben kaphatja meg, ha a félév során a zárthelyi dolgozatot sikeresen megírta (a maximálisan elérhető 20 pontból legalább 10 pontot szerez) és az önálló projektként elkészítendő feladatát átadja és megvédi (legfeljebb 30 pontot érhet el). Ezek a pontszámok adják összesítve a szorgalmi időszakban szerezhető pontszámot. A meg nem írt dolgozat pótlása, illetve a házi feladat utólagos beadása a vizsgaidőszak első 10 napján belül egy alkalommal, előre meghatározott időpontban illetve a szorgalmi időszak utolsó hetében lehetséges.

A félévzáró érdemjegy (J) kialakításának módszere: A zárthelyin, az önálló projekt megírásával és az szóbeli-gyakorlati vizsgán elért pontok alapján, az alábbi táblázat szerint.

A vizsga módja: szóbeli-gyakorlati

pontszám A kollokviumra adott érdemjegy

86-100 jeles(5)

74-85 jó(4)

62-73 közepes(3)

50-61 elégséges(2)

0-49 elégtelen(1)

Irodalom:

Kötelező:

Takács Márta : Fuzzy rendszerek mérnököknek, 2009/2010 I. félév (az előadás diái) Ajánlott:

T.J. Ross: Fuzzy Logic with Engineering Applications, McGraw Hill, New York, 1995.

Kóczy T.L., Tikk D.: Fuzzy rendszerek, Typotex, Budapest, 1994.

Egyéb segédletek:

Internetes elérhetőségű tananyag, óránként, témakörönként ajánlva.

2023. 02. 06. Fuzzy rendszerek

Hivatkozások

KAPCSOLÓDÓ DOKUMENTUMOK

In the FRDB model that is being developed at the University of Novi Sad we opted for interval values, triangular and trapezoidal fuzzy numbers and fuzzy quantities.. Triangular

Considering the fuzzy logic and fuzzy set theory results, there are further possibilities to extend fuzzy-based risk management models modeling risk factors with type-2 fuzzy

In this paper an integrated approach based on the fuzzy Technique for Order Preference by Similarity to Ideal Solution (fuzzy TOPSIS) method and the fuzzy Extent

This study proposes a generalized fuzzy neural network, called a fuzzy cerebellar model articulation controller (FCMAC).. It is an expansion of a fuzzy neural

Aggregation of individual opinions into group consensus is performed by using fuzzy averaging method and Fuzzy Ordered Weighted Aggregation (FOWA,) Operator

In this work we propose a fuzzy ensemble based method for edge detection including a fuzzy c-means (FCM) approach to define the input membership functions of the

1989-ben megmutattam [20], hogy a fuzzy lineáris programozási (LP) feladatok háromszög alakú fuzzy szám együtthatókkal korrekt felállításúak, azaz a fuzzy

Tehát a fuzzy kiterjesztés a fuzzy lineáris programozási feladatok esetében is azt eredményezi, hogy az általában nemkorrekt felállítású determinisztikus