IRE 9 /27/ 1 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – 4.1.2 I ntelligens R endszerek E lmélete 9.

Slides:



Advertisements
Hasonló előadás
A bizonytalanság és a kockázat
Advertisements

„Esélyteremtés és értékalakulás” Konferencia Megyeháza Kaposvár, 2009
Arisztotelész (Kr.e ) Minden embernek természete, hogy
5. A klasszikus logika kiterjesztése
Bizonytalanság  A teljesen megbízható következtetést lehetővé tevő tudás hiánya  Egy esemény bizonytalansága  objektív  szubjektív  Módszerek  numerikus.
Kvantitatív Módszerek
Elektrotechnika 5. előadás Dr. Hodossy László 2006.
Képességszintek.
3. Két független minta összehasonlítása
Félévi követelmény (nappali)
Logika Miskolci Egyetem Állam- és Jogtudományi Kar
MI 2003/9 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
Műveletek logaritmussal
IRE 7 /31/ 1 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – I ntelligens R endszerek E lmélete 7.
IRE 8 /38/ 1 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – I ntelligens R endszerek E lmélete 8.
Matematikai logika A diasorozat az Analízis 1. (Mozaik Kiadó 2005.) c. könyvhöz készült. Készítette: Dr. Ábrahám István.
Digitális képanalízis
Térinformatikai elemzések. Megválaszolható kérdések Pozíció - mi van egy adott helyen Feltétel - hol vannak …? Trendek - mi változott meg? Minta - milyen.
Rekurzió (Horváth Gyula és Szlávi Péter előadásai felhasználásával)
Táblázat kezelő programok
Programozási alapismeretek 8. előadás. ELTE 2/  További programozási tételek További programozási tételek 
A számítástechnika és informatika tárgya
Logika Érettségi követelmények:
Logikai műveletek
Bayes hálók október 20. Farkas Richárd
Bevezetés a gépi tanulásba február 16.. Mesterséges Intelligencia „A számítógépes tudományok egy ága, amely az intelligens viselkedés automatizálásával.
Kalmár László  Informatikai Tanszékcsoport, Főépület 2000-nél több informatikus hallgató.
MI 2003/ Alakfelismerés - még egy megközelítés: még kevesebbet tudunk. Csak a mintánk adott, de címkék nélkül. Csoportosítás (klaszterezés, clustering).
A diákat jészítette: Matthew Will
Általános lélektan IV. 1. Nyelv és Gondolkodás.
ILCV441, ILDV443 Előadó: Kovács Zita 2013/2014. I. félév TUDÁSALAPÚ RENDSZEREK december 7.
Bevezetés a digitális technikába
ARISZTOTELÉSZ (Kr. e ).
Mesterséges neuronhálózatok
Nem kétértékű logika.
Fuzzy rendszerek mérnöki megközelítésben I
A TERMÉSZETTUDOMÁNYOK ALAPJAI 1. Matematika
IRE 5 /18/ 1 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – I ntelligens R endszerek E lmélete 5.
Mesterséges intelligencia
Fuzzy halmazok. 4. előadás2 3 4 Egy hagyományos halmazEgy Fuzzy halmaz.
Fekete László Született: Csillagjegye: Vízöntő
ISMERETALAPÚ RENDSZEREK SZAKÉRTŐ RENDSZEREK
MYCIN szakértői rendszer. MYCIN modell szakértői rendszer vér fertőzéseinek, gyógykezeléseknek meghatározását támogató orvosi diagnosztikai rendszer célvezérelt,
Ismeretalapú rendszerek alaptechnikái I. Szabályalapú rendszerek.
Ismeretalapú rendszerek alaptechnikái
Ismeretalapú rendszerek alaptechnikái I. Szabályalapú rendszerek.
2003. december 18.Gyires Béla Informatikai Nap1 Következtés tudás alapú rendszerekben Bognár Katalin Debreceni Egyetem Informatikai.
Matematikai alapok és valószínűségszámítás
Bevezetés az alakmodellezésbe I. Budapesti Műszaki Főiskola Neumann János Informatikai Főiskolai Kar A Műszaki Tervezés Rendszerei 2000/2001 tanév, I.
Hasznos információk a kétszintű kémia érettségiről
Befektetési döntések Bevezetés
Fuzzy rendszerek dr. Szilágyi László.
Természetes és formális nyelvek Jellemzők, szintaxis definiálása, Montague, extenzió - intenzió, kategóriákon alapuló gramatika, alkalmazások.
1 Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése Célkitűzés: Információk téma-specifikus, különböző típusú forrásokból (internet, intranet.
Boole-algebra (formális logika).
2. A logika története Gregor Reisch  1503  Typus logice Premissae
Logika Miskolci Egyetem Állam- és Jogtudományi Kar Jogelméleti és Jogszociológiai Tanszék.
BEVEZETŐ Dr. Turóczi Antal
A valószínűségi magyarázat induktív jellege
Bizonytalanság A teljesen megbízható következtetést lehetővé tevő tudás hiánya Egy esemény bizonytalansága  objektív  szubjektív Módszerek  numerikus.
Határozatlan integrál
Kvantitatív módszerek
Mikroökonómia gyakorlat
Az informatika logikai alapjai
MI 2003/6 - 1 Elsőrendű predikátumkalkulus (elsőrendű logika) - alapvető különbség a kijelentéslogikához képest: alaphalmaz. Objektumok, relációk, tulajdonságok,
Szakértői bizonyítás a büntető eljárásban
Programozási alapismeretek 8. előadás. ELTE Szlávi-Zsakó: Programozási alapismeretek 8.2/  További programozási.
Fuzzy rendszerek mérnöki megközelítésben III Fuzzy következtetési rendszerek Takács Márta.
PÁRHUZAMOS ARCHITEKTÚRÁK – 13 INFORMÁCIÓFELDOLGOZÓ HÁLÓZATOK TUDÁS ALAPÚ MODELLEZÉSE Németh Gábor.
ÖNTÖZÉS_5 Öntözés irányítása László Ormos.
Előadás másolata:

IRE 9 /27/ 1 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – I ntelligens R endszerek E lmélete 9

IRE 9 /27/ 2 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Tudáskezelés fuzzy logikával, lágy számítási modellek kapcsolatai

IRE 9 /27/ 3 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Pontosság – pontatlanság ? „ A pontosság (önmagában) nem igazság” Henri Matisse „A képzett elme jellemzője, hogy a dolgok természetéhez igazodó pontosságot vár el, és nem keres pontosságot, ahol az csak megközelítően lehetséges” Arisztotelész „Ameddig a matematika törvényei a valóságra vonatkoznak, addig nem biztosak. Amint biztosak akkor nem a valóságra vonatkoznak” Albert Einstein Bizonyosság - bizonytalanság

IRE 9 /27/ 4 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Fuzzy (fazi) logikára épülő rendszerek Lotfi Zadeh (1965, Berkeley) fuzzy (angol) = életlen, homályos, nem tiszta, ………. árnyalt. Ellentéte: crisp (angol) = éles, tiszta., hagyományosan kétértékű (igaz-hamis) Fuzzy halmazok A = (10, 01), (40, 02), (60, 03), (80, 04), (100,05), (120, 06), (140, 07), (160, 08), (180, 09), (200,1) A „nyugati” tudományban erősen kritizált Ázsiában marketing tényező, a hatékonyság, a „hightech” jelzője I H Igazság(gyors) Változó(sebesség)

IRE 9 /27/ 5 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Tudáskezelés logikával Logika: a bölcselés tudománya, a helyes gondolkodás művészetének tana Következtetés: a burkolt ismeret kihámozása meglévő ismereteinkből Úttörői: Arisztotelész (2000 évig tökéletesnek hitték) Leibniz ( ): a logika matematizálása G. Boole ( ): algebrai rendszer kidolgozója „A gondolkodás törvényei” „A logika matematikai elemzése” Továbbfejlesztői: A. De Morgan ( ) W. S. Jevons ( ) C. S. Peirce ( ) a XX. Században: G. Ferge, G. Peano, B. Russel

IRE 9 /27/ 6 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – A logikák osztályozása Klasszikus (Arisztotelészi) Szimbolikus (formális)Ítélet kalkulus Predikátum kalkulus Nem klasszikus (szimbolikus) Modális Temporális (idői) Többértékű Intuicionista Valószínűségi Fuzzy

IRE 9 /27/ 7 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Lágy számítási modellek Fuzzy fogalom eredeti értelme: életlen, homályos A fuzzy fogalomhoz kapcsolható szinonimák: éles – homályos (crisp – fuzzy) tiszta – zűrös A logikára (gondolkodásra) értve pejoratív!!! kemény – lágy A fuzzy (halmazokra épülő) rendszerek a lágy számítási modellek közé tartoznak, melyek a biológiai információ feldolgozást tekintik kiindulásnak. Területei: 1. neurális hálózatok, 2. fuzzy rendszerek, 3. genetikus algoritmusok

IRE 9 /27/ 8 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Mikor célszerű fuzzy logikát alkalmazni  Összetett rendszerekben, ahol nehéz, vagy lehetetlen megfelelő rendszermodellt kialakítani  Olyan rendszerekben, melyeket szokásosan emberi szakértő irányít, (emberek adják a bemeneteket vagy a szabályokat)  Olyan rendszerekben melyek folyamatos, vagy közel folyamatos bemenetekkel és nem lineáris kimeneti válaszfüggvényekkel jellemezhetők  Olyan rendszerekben, melyekben a pontatlanság és a homályosság a rendszer gyakori velejárója

IRE 9 /27/ 9 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – A Fuzzy logika lényege és alkalmazásának alapfeltevései  A matematika, a számítástudomány és a villamosmérnöki tudományok határán helyezkedik el.  A rendszerek működését és vezérlését meghatározó törvények nyelvi eszközökkel (szavakkal) leírhatók.  Alapja a Fuzzy halmazelmélet.  Átmenet van az igaz és a hamis között. Bevezeti a részleges igazságtartalmat  Az emberi tudás megjeleníthető a technikában.  Szinte mindenre ki lehet terjeszteni (?).

IRE 9 /27/ 10 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Átmenetek ábrázolása változó Tagság (igazság) érték

IRE 9 /27/ 11 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – „Nyelvi” változók AlacsonyMagas LassúGyors HidegMeleg Igen Nem

IRE 9 /27/ 12 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Tagsági (igazság) függvény értelmezése magasság Igazság (tagság) sebesség

IRE 9 /27/ 13 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Az élet görbéje Élet (vitalitás) ? ? Jogi fogalmak: Születés nagykorúság önrendelkezés vége halál Életkor ~ 3 * 10 6 szívdobbanás ?

IRE 9 /27/ 14 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Gyakorlatban használt tagsági függvények Kicsi közepes nagy sebesség igazság 1 0 Mottó: a lineáris függvényeket sokkal könnyebb megvalósítani, a fuzzy rendszer nem érzékeny a „finomságokra”

IRE 9 /27/ 15 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Gyakran használt nyelvi változók és tagsági függvények kicsi kis-közepes közepes nagy közepes nagy „hangolás” változó igazság

IRE 9 /27/ 16 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Logikai alapműveletek fuzzy halmazokkal Negáció (komplemens) 1- µ a És (metszet) min (µ a, µ b ) Vagy (unió) max (µ a, µ b ) µaµa a 1-µ a a µaµa µbµb a b a és b a vagy b

IRE 9 /27/ 17 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Fuzzy logikát alkalmazó szabályalapú rendszer Konkrét - Fuzzy átalakító Következtető rendszer Fuzzy - Konkrét átalakító Bementi tagsági függvények Fuzzy szabály adatbázis Kimeneti tagsági függvények Bemeneti változókKimeneti változók Konkrét (crisp) érték fuzzyvá alakítása = „fuzzyfikálás” Fuzzy változók konkrét értékké alakítása = „ defuzzifikálás”

IRE 9 /27/ 18 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Fuzzy szabályok értelmezése Y B X Ha (a) akkor (A) A B a b Ha (b) akkor (B) Ha (feltétel) akkor (következmény) Konkrét értékű változó

IRE 9 /27/ 19 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Válaszkiválasztó technikák 1. Céljuk:: A számos egyidejűleg aktivizált szabály kiértékelésével egy konkrét válasz kiszámítása 1. Maximáló módszer: Az aktivizált (egyidejűleg működő ((„tüzelő”) szabályok kimenő változói közül a legnagyobb hatást adót választjuk 2. „singleton” módszer Igazság

IRE 9 /27/ 20 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Válaszkiválasztó technikák 2. Céljuk:: A számos egyidejűleg aktivizált szabály kiértékelésével egy konkrét válasz kiszámítása 3. Központ (centroid) módszer 4. Súlyozott átlagoló módszer: Az aktivált szabályok kimeneteinek (tagsági függvényeinek) súlyozott átlagát vesszük Igazság Súly = a tagsági függvény területe k k = (XaSa+XbSb)/2

IRE 9 /27/ 21 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Klasszikus fuzzy következtető rendszerek Mamdani (1975) A következtetés eredményeként keletkező fuzzy halmazt a bemenő adatok fuzzy halmaza és a szabálybázist leíró fuzzy reláció (max-min) kompozíciójaként állítja elő T akagi - Sugeno – K ang (TSK, 1985) A szabályok következmény részében nem fuzzy halmaz szerepel, hanem a bemenetek függvénye.

IRE 9 /27/ 22 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – A Mamdani modell (Max-min következtetés bemeneti változó kimeneti változó igazság Max-szorzat következtetés bemeneti változó kimeneti változó igazság

IRE 9 /27/ 23 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – A Fuzzy logika alkalmazásának a menete 1. A bemeneti és kimeneti változók és tagsági függvényeinek meghatározása. 2. A Fuzzy szabályok létrehozása. 3. Következtető (válaszkiválasztó) mechanizmus kiválasztása. 4. Szimulátor segítségével a rendszermodell működésének ellenőrzése, „behangolása”.

IRE 9 /27/ 24 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – A Fuzzy logika alkalmazásának jellemzői és ígéretei  Következetes és szilárd alapot ad a pontatlan és bizonytalan inf. feld.-hoz.  Interfészt biztosít az emberek által kedvelt nyelvi változók és a számítógépek mennyiségi változói között.  Hidat képezhet az MI szimbólum feldolgozó megközelítése és a neurális hálózatok között.  A hagyományos modellekkel szemben jelentősen egyszerűbb rendszer leírást tesz lehetővé. Tankönyv:

IRE 9 /27/ 25 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – A tudás dimenziója Tapasztalati tudás Képletek szabályok ismerete Tendencia jellegű, hozzávetőleges (fuzzy) szabályok ismerete (Fuzzy rendszerek) (Neurális hálózatok) (Szabály alapú rendszerek)

IRE 9 /27/ 26 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Lágy számítási modellek kapcsolata 1 a.) a neurális hálózat tanítása (súlykeresés), topológia megkeresése b.) az egyed rátermettségének változtatása a tesztelés során 2 a.) Fuzzy változók tagsági függvényeinek meghatározása, Fuzzy szabályok keresése b.) Fuzzy kiértékelő módszerek alkalmazása az egyedek rátermettségének meghatározására 3 a.) a neurális hálózatok adaptív tulajdonságainak bevitele a Fuzzy logikát alkalmazó rendszerekbe. b.) szabályok automatikus feltárása tapasztalati adatokból NHFL GA b a b a ab

IRE 9 /27/ 27 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – Kérdések  Milyen viszonyban áll egymással a pontosság és a bizonyosság?  Miért van szükség válasz kiválasztó eljárásokra a Fuzzy szabályalapú rendszerekben?  Milyen esetekben nem célszerű Fuzzy rendszert alkalmazni?