Глава 2. Методы представления знаний с использованием приближенных и нечетких множеств

Содержание

• 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