Sun'iy neyron tarmoqlar (snt) ning tasnifi va ishlash tamoyillari

Мисол. “Эркак бўйи” ўзгарувчисини лингвистик баҳолаш учун ишлтаиладиган “паст”, “ўрта”, “юқори” атамалари учун тегишлилик функцияларини тузиш керак. Бешта мутахассис иштирокида ўтказилган сўров натижалари 7.2-жадвалда жамланган.

• Мисол. “Эркак бўйи” ўзгарувчисини лингвистик баҳолаш учун ишлтаиладиган “паст”, “ўрта”, “юқори” атамалари учун тегишлилик функцияларини тузиш керак. Бешта мутахассис иштирокида ўтказилган сўров натижалари 7.2-жадвалда жамланган.

	Атама	(160,165)	(165,170)	(170,175)	(175,180)	(180,185)	(185,190)	(190,195)	(195,200)
Мутахассис1	Паст Ўртача	1 0	1 0	1 1	0 1	0 1	0 0	0 0	0 0
Мутахассис2	Паст Ўртача	1 0	1 0	1 1	0 1	0 0	0 0	0 0	0 0
Мутахассис3	Паст Ўртача	1 0	0 1	0 1	0 1	0 1	0 1	0 0	0 0
Мутахассис4	Паст Ўртача	1 0	1 0	1 0	0 1	0 1	0 1	0 0	0 0
Мутахассис5	Паст Ўртача	1 0	1 1	0 1	0 1	0 0	0 0	0 0	0 0

Эркак бўйи

Натижалар Мутахассисларнинг фикрлари қайта ишланиб унинг натижалари жадвалга киритилган

Атама	[160,165)	(165,170)	(170,175)	(175,180)	(180,185)	(185,190)	(190,195)	(195,200)
Паст	5	4	3	0	0	0	0	0
	1	0.8	0.6	0	0	0	0	0
Ўртача	0	2	4	5	3	2	0	0
	0	0.4	0.8	1	0.6	0.4	0	0
Юқори	0	0	0	1	2	4	5	5
	0	0	0	0.2	0.4	0.8	1	1

Тегишлилик функциялари графиклари

Тегишлилик функциялари графиклари

Норавшан мантиқ

Норавшан мантиқ

Норавшан тўпламларга кенгайтирилган классик мантиқ норавшан деб аталади. У норавшан вазиятларни тасвирлашга имкон берадиган субъектив инсоний мулоҳазаларни расмийлаштириш учун мўлжалланган. Классикдан фарқли томони, маълум бир ечимнинг ҳақиқат даражасини баҳолашга имкон беради.

Норавшан тўпламнинг дастлабки тушунчаси элментар норавшан баёнот ҳисобланади. Бундай баёнот тўлиқ фикрни ифодаловчи декларатив жумла бўлиб, унинг ҳақиқати фақат маълум даражада аниқлик билан баҳоланиши мумкин. Элементар норавшан баёнотнинг элементар баёнотдан асосий фарқи қуйидаги факт ҳисобланади. Элементар баёнотларнинг ҳақиқат қийматлари тўплами иккита элментдан иборат: (“тўғри ёки нотўғри”) (0,1). Норавшан мантиқда элементлар норавшан баёнотнинг ҳақиқат даражасини ёпиқ оралиқдан олади [0,1].

Мантиқни анъанавий тақдим этилиши:
Slow -секин
Fast - тез
Speed = 0
Speed = 1
bool speed;
get the speed
if ( speed == 0) {
// speed is slow
}
else {
// speed is fast
}
FUZZY LOGIC да тақдим этиш

• Муаммо fuzzy sets - ноаниқ тўпламларда талқин этилиши керак
• Ноаниқ тўпламлар қандай?

Slowest Энг секин
Fastest Энг тез
Slow Секин
Fast Тез
[ 0.0 – 0.25 ]
[ 0.25 – 0.50 ]
[ 0.50 – 0.75 ]
[ 0.75 – 1.00 ]
FUZZY LOGIC да тақдим этиш
Slowest
Fastest
float speed;
get the speed
if ((speed >= 0.0)&&(speed < 0.25)) {
// speed is slowest
}
else if ((speed >= 0.25)&&(speed < 0.5))
{
// speed is slow
}
else if ((speed >= 0.5)&&(speed < 0.75))
{
// speed is fast
}
else // speed >= 0.75 && speed < 1.0
{
// speed is fastest
}
Slow
Fast
FUZZY LOGIC VS. NEURAL NETWORKS

• Нейрон тармоқ қандай ишлайди?
• Иккала модел ҳам инсон миясини ифода этади.
• Fuzzy Logic
• Neural Networks
• Иккаласи хатти ҳаракатни яратувчи тизимлардир

TEMPERATURE CONTROLLER

• Муаммо
• Хонадаги ҳарорат ва намлик асосида вентилятор тезлигини ўзгартириш.
• Ҳароратни (temperature) назорат қилиш тизими 4 кўрсаткичга эга
• Cold, Cool, Warm, and Hot
• Намлик:
• Low, Medium, and High
• Ноаниқ тўплам:

Температурани аниқлашда