Перечень базовых операций над множествами
Дополнение ¬А. Если X={x1, x2, x3} и A={x1, x2}, то ¬А={x3};
Разность А\В. Если A={x1, x2} и B={x2, x3}, то А\В = {x1};
Пересечение (произведение) если и, то;
Объединение (сумма) если и, то.
На универсальном множестве X= {} любое множествоА можно записать так:
, (1.3)
где принимает все значения из подмножествамножества натуральных чиселили- множество номеров элементов.
Например: X = {}, приi от 1 до 10 и А = {x1, x4, x6}, можно записать:, гдепринимает значения 1, 4, 6.
Пусть задано универсальное множество, а в нем определено некоторое пространство, в котором имеется класс множеств.
Аксиома 3: класс множества пространства называется аддитивным, если:
всё пространство принадлежит классу;
все последовательности вложенных множеств из этого класса, их сумма и произведение принадлежат классу;
для множества и его подмножества из этого класса, и их разность - принадлежат классу.
Таким ообразом, признак аддитивности класса: счетное число операций сложения, умножения и вычитания над элементами этого класса, дают результат в том же классе. Например, если пространство равно {x1,x2}, то класс всех его возможных подмножеств есть множество подмножеств {{x1}, {x2}, {x1,x2}} или степенное множество в данном пространстве.
Проверим аддитивность этого класса. В соответствии с аксиомой 3, проверяем условия:
в классе множества {{x1}, {x2}, {x1, x2}}имеется элемент {x1, x2} равный пространству {x1,x2}, поэтому оно принадлежит классу {{x1}, {x2}, {x1, x2}};
б) в классе {{x1}, {x2}, {x1, x2}} имеются две последовательности вложенных множеств: {x1}{x1, x2}, {x2}{x1, x2}, в каждой из них сумма и произведение множеств дают результат в том же классе;
в) в классе {{x1}, {x2}, {x1, x2}} имеются пары: множество и его подмножество из того же класса -{x1, x2}{x1}, {x1, x2}{x2}; в каждой паре разность множества и подмножества дают результат в том же классе.
Таким образом, условия а), б) и в) справедливы и класс {{x1}, {x2}, {x1, x2}} является аддитивным.
На множестве действительных чисел R определим интервалы как подмножество , гдеri и rj – точная и неточная границы интервала соответственно:
rirj R
Класс всех интервалов на множествене является аддитивным, т.к. для вложенной последовательности множеств, либо множества и его подмножества, результат суммы, либо разности, не будут принадлежать исходному классу (не выполняется условие б) или в) аксиомы 3.
Например, класс I1, I2, I3 является аддитивным, так как его элементы не образуют вложенной последовательности R множеств, сумма которых даст результат в том же классе {}:
I1 I2 I3
не является аддитивным, так как его элементы не образуют вложенной последовательности множеств, сумма которых даст результат в том же классе .
Выполним процедуру расширения класса интервалов путём счётного повторения операций сложения, вычитания и умножения над элементами класса до тех пор, пока расширенный класс не будет удовлетворять условиям аддитивности, в соответствии с аксиомой 3. Тогда вся совокупность, полученных при расширении множеств, называется классом борелевских множеств [18]. Такой класс ещё называется борелевским полем множеств, множествами, измеримыми по Борелю или минимальной алгеброй множеств. Будем обозначать этот класс.
Рассмотрим, на примере, получение борелевского класса. Пусть на множестве R задан исходный класс интервалов {}:
I1 I2 I3 R
Выполним процедуру расширения класса {} в класс {R1, R2, R3, R4, R5, R6, R7} следующим образом:
R1 = I1
R2 = I2
R3 = I3
R4 =
R5 =
R6 =
R7 =
Теперь проверим аддитивность полученного класса.
По аксиоме 3 условия аддитивности следующие:
в классе {R1÷R7} элементы R1, R2 и R3 равны элементам пространства I1, I2, I3 соответственно. Поэтому всё пространство принадлежит классу
{R1R7};
в классе {R1÷R7} имеются шесть последовательностей вложенных множеств, каждое из которых сумма и произведение множеств дают результат в том же классе:
R1R6R7; R3R6R7;
R1R4R7; R2R4R7;
R3R5 R7; R2R5R7.
Например, R1R6 = R6.
в классе {R1÷R7} имеются пары: множество и его подмножество из того же класса, в каждой паре разность между множеством и подмножеством дает результат в том же классе: R4R1; R4R2; R5R2; R5R3; R6R3; R7R6; R7R4; R7R5; R7R1; R7R2; R7R3. Например, R4 \ R1 = R2.
Таким образом, условия аддитивности выполняются и полученный класс – борелевский: В = {R1÷R7}.
- 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