TSU course 1 Fuzzy Logic

12
ПРИМЕР МОДЕРНИЗАЦИИ ДИСЦИПЛИНЫ « ТЕОРИЯ НЕОПРЕДЕЛЕННОСТЕЙ И НЕЧЕТКАЯ ЛОГИКА » Солдатенко И.С. Тверской государственный университет

Transcript of TSU course 1 Fuzzy Logic

Page 1: TSU course 1 Fuzzy Logic

ПРИМЕР МОДЕРНИЗАЦИИ ДИСЦИПЛИНЫ«ТЕОРИЯ НЕОПРЕДЕЛЕННОСТЕЙ

И НЕЧЕТКАЯ ЛОГИКА»Солдатенко И.С.

Тверской государственный университет

Page 2: TSU course 1 Fuzzy Logic

СТРУКТУРА ДИСЦИПЛИНЫ

1. 3-й курс, 6-й семестр (весенний)2. 144 часа (68 – аудиторная нагрузка, 76 – самостоятельная

работа)3. Входные требования: теория вероятностей, методы

оптимизации4. Базовые требуемые навыки:

1. Работа с простейшими функциями, заданными в аналитической и графической формах.

2. Работа с инструментарием теории множеств.3. Работа с уравнениями, неравенствами и их системами.

Page 3: TSU course 1 Fuzzy Logic

ПРОБЛЕМЫ

Уже с базовыми требуемыми навыками есть проблемы (не только на первом курсе):1. Не могут по графику записать функцию и наоборот.2. Не владеют теоретико-множественной символикой (3. Не могут производить тривиальные манипуляции с

элементарными функциями.4. …

Page 4: TSU course 1 Fuzzy Logic

ПРИМЕР 1

Выписать формулу функции, график которой изображен на рисунке:

𝜇𝐴 (𝑥 )1

32 4 x

𝑥−2, 4−𝑥min {}

Page 5: TSU course 1 Fuzzy Logic

ПРИМЕР 1

Выписать формулу функции, график которой изображен на рисунке:

𝜇𝐴 (𝑥 )1

32 4 x

𝑥−2, 4−𝑥min {}0}

Page 6: TSU course 1 Fuzzy Logic

ПРИМЕР 2

Пусть функция представления формы L(t)=R(t) = max{0, 1 – t}, t >= 0. Определим с ее помощью функцию принадлежности нечеткого множества A:

Пусть α = 2, β = 1, a = 3, b = 6. Постройте графики функции :a.при x < a,b.при x > b,c. на всей числовой прямой.

Page 7: TSU course 1 Fuzzy Logic

ПУТИ РЕШЕНИЯ (МОДЕРНИЗАЦИИ)

Два направления:1. Выравнивающий курс, развивающий требуемые базовые

навыки2. Подкрепление основного курса системой электронного

обученияI курс

II курс

III курс

IV курс

Осенний семестр Весенний семестр

Нечеткая логикаВыравнивающий

курсЭлементы нечеткой

логики (e-course)

Page 8: TSU course 1 Fuzzy Logic

ВЫРАВНИВАЮЩИЙ КУРС

1. В основном состоит из базовых определений, свойств и упражнений на тему

Построить график функций:a. y=3x-10b. y=|x| + 2c. y=max{0, 1 – t}, t >= 0d. y = 5x2 – x – 4

e. y=x3-1

Пусть дано две функции y(x) и g(x). Построить графики функций min{y(x), g(x)} и max{y(x), g(x)}:a. y(x) = 2, g(x) = 1-xb. y(x) = 3x + 2, g(x) = 5 – 6xПусть дана следующая задача условной оптимизации:

Решите данную задачу графически, выполнив следующие шаги:1. Постройте область решений, определяемую первым

ограничением системы.2. Постройте область решений, определяемую вторым

ограничением системы.3. Укажите (графически) область допустимых решений,

определяемую системой ограничений задачи.4. Найдите оптимальное решение экстремальной задачи.

Page 9: TSU course 1 Fuzzy Logic

ЭЛЕМЕНТЫ НЕЧЕТКОЙ ЛОГИКИ (E-COURSE)

1. Определение нечеткого подмножества. Функция принадлежности. Операции над нечеткими подмножествами. 2. Возможностная мера. Нечеткая (возможностная) переменная(величина) и ее функция распределения (по С.Намиасу).

Свойства возможностных распределений.3. Функции нечетких величин.4. Классы параметризованных возможностных распределений (функций принадлежности). Распределения L-R типа.5. t-нормы.6. Взаимно T–связанные нечеткие величины.7. Бинарные операции над нечеткими величинами.8. Исчисление нечетких величин в классах параметризованных возможностных распределений и распределений L-R типа.9. Отношения между возможностными величинами.10. Нечеткие отношения. Операции над нечеткими отношениями.11. Нечеткие и лингвистические переменные (по Л.Заде).12. Нечеткие алгоритмы и выводы. Формирование базы правил.13. Нейронные сети. Нечеткие нейронные сети.14. Генетические алгоритмы.15. Программное обеспечение нечеткой логики.

По каждой теме в e-course будут созданы отдельные учебные модули

с определениями, примерамии упражнениями.

Page 10: TSU course 1 Fuzzy Logic

ПРИМЕР

Найти α-уровневое множество функции при α=0,5

𝜇𝐴 (𝑥 )1

32 4 x

0,5α

Page 11: TSU course 1 Fuzzy Logic

ПРИМЕР

Найти α-уровневое множество функции при α=0,5

𝜇𝐴 (𝑥 )1

32 4 x

0,5α

Page 12: TSU course 1 Fuzzy Logic

РИСКИ И ПУТИ ИХ НЕЙТРАЛИЗАЦИИ

Риски заявленной модернизации обусловлены тем, что студенты будут игнорировать систему электронного обучения.Один из вариантов решения: положительный результат освоения электронных учебных модулей является обязательным условием допуска к экзамену.