Logika rozmyta 0800-AR2LOGRO

http://fizyka.umk.pl/~osokolov/LR/

1. Zbiory rozmyte. Funkcja przynależności. Sposoby wyznaczenia funkcji przynależności. Typy funkcji przynależności.
2. Operacji na zbiorach rozmytych. T-norma. S-norma (T-konorma)
3. Operacji logiki rozmytej
4. Zmienne lingwistyczne. Operacje na zmiennych lingwistycznych
5. Rozmyta reguła wnioskowania. Zasada uogólnienia Zadeho
6. Algebra liczb rozmytych. Trójkątne liczby rozmyte. L-R liczby.
7. Funkcje rozmyte. Rozmyte relacje. Kompozycja relacji
8. Elementy systemu rozmytego.
9. Modele rozmyte z wnioskowaniem typu Mamdani
10. Modele Larsena. Modele Tsukamoto
11. Modele z wnioskowaniem typu Takagi – Sugeno
12. Logika rozmyta w Matlabie. Fuzzy Logic Toolbox. Elementy systemu rozmytego
13. Zastosowanie w systemach sterowania.
14. Systemy neuronowo-rozmyte. Architektura ANFIS Wnioskowanie Takagi –Sugeno. Warstwy ANFIS.
15. Cele grupowania. Idea klasteryzacji. Grupowanie hierarchiczne. Dendrogram
16. Logika rozmyta typu 2.

Całkowity nakład pracy studenta

Godziny realizowane z udziałem nauczycieli ( godz.): - udział w wykładach - 30 - udział w ćwiczeniach– 30 Czas poświęcony na pracę indywidualną studenta ( godz.): - przygotowanie do wykładu-15 - przygotowanie do ćwiczeń – 25 - czytanie literatury- 5 - przygotowanie do egzaminu- 15 Łącznie: 120 godz. ( 4 ECTS)

Efekty uczenia się - wiedza

W01: Ma wiedzę w zakresie matematyki dyskretnej, logiki matematycznej, niezbędnych do zastosowania logiki rozmytej – K_W01 W02: Opisuje działania systemów podejmowania decyzji za pomocą modeli, zawierających układy programowe w postaci logiki rozmytej –K_W02 W03: Charakteryzuje aparat pojęciowy logiki i zbiorów rozmytych i oraz możliwości ich zastosowania w modelowaniu i projektowaniu inteligentnych systemów podejmowania decyzji – K_W11

Efekty uczenia się - umiejętności

U01: Wykorzystuje narzędzia programistyczne MatLab i Simulink, pozwalające na realizację projektów w zakresie tworzenia układów na podstawie logiki rozmytej –K_U05 U02: Analizuje złożoność algorytmów tworzenia układów rozmytych w zależności od typu modelu – Mamdani, Sugeno, Cukamoto i inne K_U06

Efekty uczenia się - kompetencje społeczne

K01: potrafi precyzyjnie formułować pytania działalności naukowej, zwłaszcza w rozbudowie i zastosowaniu układów z elementami sztucznej inteligencji, do których odnosi się logika rozmyta - K_K01

Metody dydaktyczne

Metoda dydaktyczna podająca: - wykład informacyjny (konwencjonalny) Wykład, forma bezpośrednia: prezentacja i dyskusja Metoda dydaktyczna poszukująca: - laboratoryjna Laboratoria, forma bezpośrednia: zadania w trakcie zajęć

Metody dydaktyczne podające

- wykład konwersatoryjny

Rodzaj przedmiotu

przedmiot obligatoryjny

Wymagania wstępne

Znajomość wybranych działów matematyki, informatyki (logika matematyczna ,teoria prawdopodobieństwa, matematyka dyskretna, algorytmy i struktury danych) i teorii sterowania, z pracy w środowisku MatLab i Simulink.

Koordynatorzy przedmiotu

Oleksandr Sokolov

Kryteria oceniania

Metody oceniania:
zaliczenie na ocenę - W01-W03, K01, U01,U02

Kryteria oceniania:
Wykład: pisemne zaliczenie na ocenę (pytania otwarte)
ndst -30 pkt (30%)
dst- 50 pkt (50%)
dst plus- 75 pkt (75%)
db- 90 pkt (90%)
db plus- 95 pkt (95%)
bdb- 100 pkt (100%)
ćwiczenia: zaliczenie na ocenę na podstawie sprawozdań
ndst -30 pkt (30%)
dst- 50 pkt (50%)
dst plus- 75 pkt (75%)
db- 90 pkt (90%)
db plus- 95 pkt (95%)
bdb- 100 pkt (100%)
Osoby które zaliczą laboratorium na ocenę 5 są zwolnione z egzaminu

Praktyki zawodowe

nie dotyczy

Literatura

Literatura podstawowa:
1. Piegat A.. Modelowanie i sterowanie rozmyte. Akademicka Oficyjna Wydawnicza EXIT, Warszawa, 1999.
2. Babuszka R. Fuzzy modelin for control. Kluwer Academic Publisher, Boston, 1998.
3. Kacprzyk J. Zbiory rozmyte w analizie systemowej. Wydawnictwo naukowe PWN, Warszawa, 1994.
4. Zadeh L.A. Fuzzy sets, Information and control, 8, 338-353 (1968)
Literatura uzupełniająca:
1. O. Sokolov, Prezentacje wykładu w postaci elektronicznej
2. Rutkowski L. Metody i techniki sztucznej inteligencji. Wydawnictwo naukowe PWN, Warszawa, 2009

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 0800-AR2LOGRO w USOSweb