WikiDer > Нечеткая логика

Fuzzy logic

В нечеткая математика, нечеткая логика это форма многозначная логика в которой ценности истины переменных может быть любым настоящий номер от 0 до 1 включительно. Он используется для обработки концепции частичной истины, где значение истинности может варьироваться от полностью истинного до полностью ложного.[1] Напротив, в Логическая логика, истинные значения переменных могут быть только целое число значения 0 или 1.

Период, термин нечеткая логика был введен с предложением 1965 г. теория нечетких множеств от Лотфи Заде.[2][3] Однако нечеткая логика изучалась с 1920-х годов, поскольку бесконечнозначная логика- в частности Лукасевич и Тарский.[4]

Нечеткая логика основана на наблюдении, что люди принимают решения на основе неточной и нечисловой информации. Нечеткие модели или множества - это математические средства представления неопределенность и неточная информация (отсюда и термин нечеткая). Эти модели обладают способностью распознавать, представлять, манипулировать, интерпретировать и использовать данные и информацию, которые являются неопределенными и неуверенными.[5]

Нечеткая логика применялась во многих областях, начиная с теория управления к искусственный интеллект.

Обзор

Классическая логика позволяет делать только верные или ложные выводы. Однако есть также предложения с переменными ответами, которые можно найти, когда просят группу людей определить цвет. В таких случаях истина появляется в результате рассуждений, основанных на неточных или частичных знаниях, в которых выборочные ответы нанесены на спектр.[6]

Обе степени истины и вероятности диапазон от 0 до 1 и, следовательно, сначала может показаться похожим, но нечеткая логика использует степени истины как математическая модель из неопределенность, в то время как вероятность математическая модель невежество.[7]

Применение ценностей истины

Базовое приложение может характеризовать различные поддиапазоны непрерывная переменная. Например, измерение температуры для антиблокировочная система тормозов может иметь несколько отдельных функций принадлежности, определяющих определенные температурные диапазоны, необходимые для правильного управления тормозами. Каждая функция отображает одно и то же значение температуры на истинное значение в диапазоне от 0 до 1. Эти значения истинности затем можно использовать для определения того, как следует контролировать тормоза.[8] Теория нечетких множеств предоставляет средства для представления неопределенности.

Лингвистические переменные

В то время как переменные в математике обычно принимают числовые значения, в приложениях с нечеткой логикой часто используются нечисловые значения, чтобы облегчить выражение правил и фактов.[9]

Лингвистическая переменная, такая как возраст может принимать такие значения, как молодой и его антоним старый. Поскольку естественные языки не всегда содержат достаточное количество терминов, чтобы выразить нечеткую шкалу значений, обычной практикой является изменение лингвистических значений с помощью прилагательные или наречия. Например, мы можем использовать живые изгороди скорее и в некотором роде для построения дополнительных значений довольно старый или несколько молодой.

Операции фаззификации могут отображать математические входные значения в нечеткие функции принадлежности. И противоположные операции дефаззификации могут использоваться для преобразования нечеткой выходной функции принадлежности в «четкое» выходное значение, которое затем можно использовать для принятия решений или контроля.

Обработать

  1. Преобразуйте все входные значения в нечеткие функции принадлежности.
  2. Выполните все применимые правила в базе правил для вычисления функций нечеткого вывода.
  3. Де-фаззизируйте функции нечеткого вывода, чтобы получить "четкие" выходные значения.

Фаззификация

Фаззификация - это процесс присвоения числового ввода системы нечетким множествам с некоторой степенью принадлежности. Эта степень членства может быть где угодно в интервале [0,1]. Если он равен 0, то значение не принадлежит данному нечеткому набору, а если оно равно 1, то значение полностью принадлежит нечеткому набору. Любое значение от 0 до 1 представляет степень неопределенности того, что значение принадлежит набору. Эти нечеткие множества обычно описываются словами, и поэтому, назначая входные данные системы нечетким множествам, мы можем рассуждать с лингвистически естественным образом.

Например, на изображении ниже значения выражений холодный, теплый, и горячей представлены функциями, отображающими температурную шкалу. Точка на этой шкале имеет три «истинностных значения» - по одному для каждой из трех функций. Вертикальная линия на изображении представляет конкретную температуру, которую измеряют три стрелки (значения истинности). Поскольку красная стрелка указывает на ноль, эту температуру можно интерпретировать как «не горячую»; т.е. эта температура не имеет принадлежности к нечеткому множеству «горячих». Оранжевая стрелка (указывающая на 0,2) может описать его как «слегка теплый», а синяя стрелка (указывающая на 0,8) «довольно холодная». Следовательно, эта температура имеет принадлежность 0,2 к нечеткому набору «теплый» и 0,8 к нечеткому набору «холодный». Степень принадлежности, присвоенная каждому нечеткому множеству, является результатом нечеткости.

Температура нечеткой логики

Нечеткие множества часто определяются как треугольные или трапециевидные кривые, так как каждое значение будет иметь наклон, при котором значение увеличивается, пик, когда значение равно 1 (которое может иметь длину 0 или больше), и наклон, при котором значение уменьшается.[нужна цитата] Их также можно определить с помощью сигмовидная функция.[10] Один общий случай - это стандартная логистическая функция определяется как

который обладает следующим свойством симметрии

Из этого следует, что

Операторы нечеткой логики

Нечеткая логика работает со значениями членства таким образом, чтобы имитировать Логическая логика. С этой целью замена основных операторы И, ИЛИ НЕ должны быть доступны. Для этого есть несколько способов. Обычная замена называется Заде операторы:

БулевоНечеткое
И (х, у)МИН (х, у)
ИЛИ (x, y)МАКС (х, у)
НЕ (х)1 - х

Для TRUE / 1 и FALSE / 0 нечеткие выражения дают тот же результат, что и логические выражения.

Существуют также другие операторы, более лингвистические по своей природе, называемые живые изгороди что можно применить. Обычно это наречия, такие как очень, или в некотором роде, которые изменяют значение набора с помощью математическая формула.[нужна цитата]

Однако таблица произвольного выбора не всегда определяет функцию нечеткой логики. В газете[11] был сформулирован критерий для распознавания того, определяет ли данная таблица выбора функцию нечеткой логики, и был предложен простой алгоритм синтеза функции нечеткой логики, основанный на введенных концепциях составляющих минимума и максимума. Функция нечеткой логики представляет собой дизъюнкцию составляющих минимума, где составляющая минимума - это конъюнкция переменных текущей области, которая больше или равна значению функции в этой области (справа от значения функции в неравенстве, включая значение функции).

Другой набор операторов И / ИЛИ основан на умножении, где

x AND y = x * y НЕ x = 1 - x Следовательно, x OR y = NOT (AND (NOT (x), NOT (y))) x OR y = NOT (AND (1-x, 1-y)) x ИЛИ y = НЕ ((1-x) * (1-y)) x OR y = 1- (1-x) * (1-y)

Учитывая любые два из AND / OR / NOT, можно получить третье. Обобщение AND известно как t-норма.

ЕСЛИ-ТО правила

Правила IF-THEN сопоставляют входные или вычисленные значения истинности с желаемыми выходными значениями истинности. Пример:

ЕСЛИ температура очень низкая, ТО fan_speed остановлен ЕСЛИ температура низкая THEN fan_speed медленная, если температура теплая THEN fan_speed умеренная ЕСЛИ температура высокая THEN fan_speed высокая

При определенной температуре нечеткая переменная горячей имеет определенное значение истинности, которое копируется в высоко переменная.

Если выходная переменная встречается в нескольких частях THEN, тогда значения из соответствующих частей IF объединяются с использованием оператора OR.

Дефаззификация

Цель состоит в том, чтобы получить непрерывную переменную из нечетких значений истинности.[нужна цитата]

Это было бы легко, если бы выходные значения истинности были точно такими же, как полученные в результате фаззификации данного числа. Однако, поскольку все выходные значения истинности вычисляются независимо, в большинстве случаев они не представляют такой набор чисел.[нужна цитата]Затем нужно выбрать число, которое лучше всего соответствует «намерению», закодированному в значении истинности. Например, для нескольких значений истинности fan_speed необходимо найти фактическую скорость, которая наилучшим образом соответствует вычисленным значениям истинности переменных 'slow' , «умеренный» и так далее.[нужна цитата]

Для этого нет единого алгоритма.

Общий алгоритм

  1. Для каждого значения истинности отрежьте функцию принадлежности до этого значения
  2. Объедините полученные кривые с помощью оператора ИЛИ
  3. Найдите центр тяжести области под кривой
  4. Положение этого центра по оси x является окончательным результатом.

Формирование консенсуса входных данных и нечетких правил

Поскольку выходные данные нечеткой системы представляют собой консенсус всех входов и всех правил, системы с нечеткой логикой могут хорошо себя вести, когда входные значения недоступны или не заслуживают доверия. К каждому правилу в базе правил можно при желании добавить веса, и веса можно использовать для регулирования степени, в которой правило влияет на выходные значения. Эти веса правил могут основываться на приоритете, надежности или согласованности каждого правила. Эти веса правил могут быть статическими или изменяться динамически, даже на основе выходных данных других правил.

Ранние приложения

Многие из первых успешных приложений нечеткой логики были реализованы в Японии. Первое заметное приложение было в поезде метро в Сендай, в котором нечеткая логика смогла повысить экономичность, комфорт и точность езды[нужна цитата]. Он также использовался в распознавание рукописных символов в карманных компьютерах Sony, помощь в полете для вертолетов, управление системами метро для повышения комфорта вождения, точности остановки и экономии энергии, улучшенный расход топлива для автомобилей, однокнопочное управление стиральными машинами, автоматическое управление двигателем для пылесосов с распознавание состояния поверхности и степени загрязнения, а также системы прогнозирования для раннего распознавания землетрясений через Бюро метеорологии Института сейсмологии, Япония.[12]

Текущие приложения

В принятии медицинских решений

Нечеткая логика - важная концепция, когда дело касается принятия медицинских решений. Поскольку медицинские и медицинские данные могут быть субъективными или нечеткими, приложения в этой области имеют большой потенциал для получения больших преимуществ за счет использования подходов, основанных на нечеткой логике. Одной из распространенных областей применения нечеткой логики является компьютерная диагностика (ИБС) в медицине.[13] CAD - это компьютеризированный набор взаимосвязанных инструментов, которые можно использовать для помощи врачам в принятии диагностических решений. Например, когда врач обнаруживает патологическое поражение, но все еще находится на очень ранней стадии развития, он / она может использовать подход CAD, чтобы охарактеризовать поражение и диагностировать его природу. Нечеткая логика может быть очень подходящей для описания ключевых характеристик этого поражения. Нечеткую логику можно использовать во многих различных аспектах в рамках САПР. К таким аспектам относятся анализ медицинских изображений, анализ биомедицинских сигналов, сегментация изображений или сигналы, и извлечение признаков / выбор изображений или сигналов, как описано, например, в [14][15][16][17] и.[18]

Самый большой вопрос в этой области приложения - сколько полезной информации можно получить при использовании нечеткой логики. Основная проблема заключается в том, как получить необходимые нечеткие данные. Это становится еще более сложной задачей, когда нужно получить такие данные от людей (обычно от пациентов). Как сказано в нем, «границы того, что может быть достигнуто и чего не может быть достигнуто в медицинской диагностике, по иронии судьбы, само по себе нечеткое» [Seven Challenges, 2019]. Как получить нечеткие данные и как проверить точность данных - все еще постоянные усилия, тесно связанные с применением нечеткой логики. Проблема оценки качества нечетких данных - сложная. Вот почему нечеткая логика является очень многообещающей возможностью в области приложений САПР, но все же требует дополнительных исследований для реализации своего полного потенциала.[19] Хотя концепции использования нечеткой логики в САПР интересны, все еще существует ряд проблем, с которыми нечеткие подходы сталкиваются в рамках САПР.

Логический анализ

В математическая логика, есть несколько формальные системы "нечеткой логики", большинство из которых относятся к семейству нечеткая логика t-нормы.

Пропозициональная нечеткая логика

Наиболее важные пропозициональные нечеткие логики:

  • Моноидальная пропозициональная нечеткая логика, основанная на t-норме MTL - это аксиоматизация логики, где соединение определяется непрерывным слева t-норма а импликация определяется как остаток t-нормы. это модели соответствуют MTL-алгебрам, которые являются предлинейными коммутативными ограниченными интегральными остаточные решетки.
  • Основная пропозициональная нечеткая логика BL является расширением логики MTL, где конъюнкция определяется непрерывной t-нормой, а импликация также определяется как остаток t-нормы. Его модели соответствуют BL-алгебрам.
  • Нечеткая логика Лукасевича является расширением базовой нечеткой логики BL, где стандартная конъюнкция - t-норма Лукасевича. В нем есть аксиомы базовой нечеткой логики плюс аксиома двойного отрицания, а его модели соответствуют MV-алгебрам.
  • Нечеткая логика Гёделя - это расширение базовой нечеткой логики BL, где конъюнкция Гёдель т-норма. В нем есть аксиомы BL плюс аксиома идемпотентности конъюнкции, а его модели называются G-алгебрами.
  • Нечеткая логика продукта - это расширение базовой нечеткой логики BL, где конъюнкция - это t-норма продукта. В нем есть аксиомы BL плюс еще одна аксиома сокращаемости конъюнкции, а его модели называются алгебрами произведений.
  • Нечеткая логика с оцененным синтаксисом (иногда также называемая логикой Павла), обозначаемая как EVŁ, является дальнейшим обобщением математической нечеткой логики. Хотя вышеупомянутые виды нечеткой логики имеют традиционный синтаксис и многозначную семантику, в EVŁ также оценивается синтаксис. Это означает, что каждая формула имеет оценку. Аксиоматизация EVŁ происходит от нечеткой логики Лукашевича. Обобщение классической теоремы Гёделя о полноте доказуемо в EVŁ[нужна цитата].

Нечеткая логика предикатов

Они расширяют вышеупомянутую нечеткую логику, добавляя универсальный и экзистенциальные кванторы аналогично тому, как логика предикатов создан из логика высказываний. Семантика универсального (соответственно экзистенциального) квантора в нечеткая логика t-нормы это инфимум (соотв. супремум) степеней истинности экземпляров квантифицированной подформулы.

Проблемы разрешимости нечеткой логики

Понятия «разрешимое подмножество» и «рекурсивно перечислимый подмножество "являются базовыми для классическая математика и классическая логика. Таким образом, вопрос о подходящем распространении их на теория нечетких множеств является решающим. Первое предложение в таком направлении было сделано Е.С. Сантос по понятиям нечеткий Машина Тьюринга, Марковский нормальный нечеткий алгоритм и нечеткая программа (см. Santos 1970). Последовательно Л. Бачино и Г. Герла утверждали, что предложенные определения довольно сомнительны. Например, в [20] один показывает, что нечеткие машины Тьюринга не подходят для теории нечетких языков, поскольку существуют естественные нечеткие языки, интуитивно вычислимые, которые не могут быть распознаны нечеткой машиной Тьюринга. Затем они предложили следующие определения. Обозначим через Ü множество рациональных чисел в [0,1]. Тогда нечеткое подмножество s : S [0,1] набора S рекурсивно перечислим, если рекурсивное отображение час : S×N Ü существует такое, что для каждого Икс в S, функция час(Икс,п) возрастает относительно п и s(Икс) = lim час(Икс,пМы говорим, что s является разрешимый если оба s и его дополнение -s рекурсивно перечислимы. Возможно распространение такой теории на общий случай L-подмножеств (см. Gerla 2006). Предлагаемые определения хорошо связаны с нечеткой логикой. Действительно, справедлива следующая теорема (при условии, что дедуктивный аппарат рассматриваемой нечеткой логики удовлетворяет некоторому очевидному свойству эффективности).

Любая «аксиоматизируемая» нечеткая теория рекурсивно перечислима. В частности, нечеткое множество логически истинных формул рекурсивно перечисляемо, несмотря на то, что четкое множество правильных формул, в общем, не рекурсивно перечислимо. Более того, любая аксиоматизируемая и полная теория разрешима.

Поддержать «церковный тезис» в пользу нечеткая математика, предложенное понятие рекурсивной перечислимости для нечетких подмножеств является адекватным. Чтобы решить эту проблему, были расширены понятия нечеткой грамматики и нечеткой грамматики. Машина Тьюринга необходимы. Другой открытый вопрос - начать с этого понятия, чтобы найти расширение ГёдельТеоремы к нечеткой логике.

Нечеткие базы данных

После определения нечетких отношений можно создавать нечеткие реляционные базы данных. Первая нечеткая реляционная база данных FRDB появилась в Мария Земанковадиссертация (1983). Позже возникли некоторые другие модели, такие как модель Баклза-Петри, модель Прад-Тестемале, модель Умано-Фуками или модель GEFRED Дж. М. Медина, М. А. Вила и др.

Были определены языки нечетких запросов, такие как SQLf П. Боск и др. и FSQL Дж. Галиндо и др. Эти языки определяют некоторые структуры для включения нечетких аспектов в операторы SQL, таких как нечеткие условия, нечеткие компараторы, нечеткие константы, нечеткие ограничения, нечеткие пороги, лингвистические метки и т. Д.

Сравнение с вероятностью

Нечеткая логика и вероятность обращаются к различным формам неопределенности. Хотя и нечеткая логика, и теория вероятностей могут представлять степени определенных видов субъективных убеждений, теория нечетких множеств использует концепцию членства в нечетком множестве, то есть, насколько наблюдение находится в нечетко определенном множестве, а теория вероятностей использует концепцию субъективная вероятность, то есть частота возникновения или вероятность какого-либо события или состояния[требуется разъяснение]. Концепция нечетких множеств была разработана в середине двадцатого века в Беркли. [21] в ответ на отсутствие теории вероятностей для совместного моделирования неопределенности и неопределенность.[22]

Барт Коско претензии в нечеткости vs. вероятности[23] эта теория вероятностей является подтеорией нечеткой логики, поскольку вопросы степени уверенности во взаимоисключающем членстве во множестве в теории вероятностей могут быть представлены как определенные случаи не исключающего друг друга градуированного членства в нечеткой теории. В этом контексте он также выводит Теорема Байеса из концепции нечеткого подмножества. Лотфи А. Заде утверждает, что нечеткая логика по своему характеру отличается от вероятностной и не заменяет ее. Он преобразовал вероятность в нечеткую вероятность, а также обобщил ее на теория возможностей.[24]

В более общем смысле, нечеткая логика является одним из многих различных расширений классической логики, предназначенных для решения вопросов неопределенности, выходящих за рамки классической логики, неприменимости теории вероятностей во многих областях и парадоксов Теория Демпстера-Шафера.

Отношение к экорифмам

Вычислительный теоретик Лесли Валиант использует термин экорифмы чтобы описать, сколько менее точных систем и методов, таких как нечеткая логика (и «менее надежная» логика), можно применить к алгоритмы обучения. Valiant по сути переопределяет машинное обучение как эволюционное. В общем случае экоритмы - это алгоритмы, которые учатся в более сложных средах (следовательно, эко-), чтобы обобщить, приблизить и упростить логику решения. Подобно нечеткой логике, это методы, используемые для преодоления непрерывных переменных или систем, слишком сложных для полного перечисления или понимания дискретно или точно. [25] Экорифмы и нечеткая логика также имеют общее свойство иметь дело с возможностями больше, чем с вероятностями, хотя обратная связь и кормить вперед, в основном стохастические веса, являются особенностью обоих, например, при работе с динамическими системами.

Компенсаторная нечеткая логика

Компенсаторная нечеткая логика (CFL) - это ветвь нечеткой логики с модифицированными правилами конъюнкции и дизъюнкции. Когда значение истинности одного компонента соединения или дизъюнкции увеличивается или уменьшается, другой компонент уменьшается или увеличивается для компенсации. Это увеличение или уменьшение значения истинности может быть компенсировано увеличением или уменьшением другого компонента. Смещение может быть заблокировано при достижении определенных пороговых значений. Сторонники[кто?] утверждают, что CFL позволяет улучшить семантическое поведение вычислений и имитировать естественный язык.[расплывчатый][26][27]

Компенсаторная нечеткая логика состоит из четырех непрерывных операторов: конъюнкция (c); дизъюнкция (г); нечеткий строгий порядок (или); и отрицание (п). Конъюнкция - это среднее геометрическое и двойственные ему конъюнктивные и дизъюнктивные операторы.[28]

СТАНДАРТ IEEE 1855–2016 - Стандарт IEEE для языка нечеткой разметки

В IEEE 1855, стандарт IEEE 1855–2016, касается языка спецификаций с именем Язык нечеткой разметки (FML)[29] разработан Ассоциация стандартов IEEE. FML позволяет моделировать систему с нечеткой логикой в ​​удобочитаемом и аппаратно-независимом виде. FML основан на расширяемом языке разметки (XML). Разработчики нечетких систем с FML имеют единую и высокоуровневую методологию описания взаимодействующих нечетких систем. IEEE STANDARD 1855–2016 использует W3C Схема XML язык определений для определения синтаксиса и семантики программ FML.

До внедрения FML специалисты по нечеткой логике могли обмениваться информацией о своих нечетких алгоритмах, добавляя к своим программным функциям возможность читать, правильно анализировать и сохранять результат своей работы в форме, совместимой с Язык нечеткого управления (FCL) описан и определен частью 7 IEC 61131.[30][31]

Смотрите также

использованная литература

  1. ^ Новак, В .; Перфильева, И .; Мочкорж, J. (1999). Математические принципы нечеткой логики. Дордрехт: Kluwer Academic. ISBN 978-0-7923-8595-0.
  2. ^ "Нечеткая логика". Стэнфордская энциклопедия философии. Брайантский университет. 2006-07-23. Получено 2008-09-30.
  3. ^ Заде, Л.А. (1965). «Нечеткие множества». Информация и контроль. 8 (3): 338–353. Дои:10.1016 / с0019-9958 (65) 90241-х.
  4. ^ Пеллетье, Фрэнсис Джеффри (2000). "Обзор Метаматематика нечеткой логики" (PDF). Вестник символической логики. 6 (3): 342–346. Дои:10.2307/421060. JSTOR 421060. В архиве (PDF) из оригинала от 03.03.2016.
  5. ^ «Что такое нечеткая логика?» Дискуссионный форум по машиностроению"".
  6. ^ https://www.youtube.com/watch?v=cGdRB1r_iC0}%7Ctitle= Нечеткая логика
  7. ^ Асли, Кавех Харири; Алиев Солтан Али Оглы; Томас, Сабу; Гопакумар, Дипу А. (23.11.2017). Справочник по исследованиям в области механики жидкости и твердого тела: теория, моделирование и эксперимент. CRC Press. ISBN 9781315341507.
  8. ^ Чаудхури, Ариндам; Мандавия, Крупа; Badelia, Pratixa; Гош, Сумья К. (23 декабря 2016 г.). Системы оптического распознавания символов для разных языков с мягкими вычислениями. Springer. ISBN 9783319502526.
  9. ^ Zadeh, L.A .; и другие. (1996). Нечеткие множества, нечеткая логика, нечеткие системы. Мировая научная пресса. ISBN 978-981-02-2421-9.
  10. ^ Верман, Марк Дж. «Введение в математику неопределенности: включая теорию множеств, логику, вероятность, нечеткие множества, грубые множества и теорию свидетельств» (PDF). Крейтонский университет. В архиве (PDF) из оригинала 30 июля 2012 г.. Получено 16 июля 2016.
  11. ^ Зайцев, Д.А .; Сарбей, В.Г .; Слепцов, А. (1998). «Синтез функций непрерывнозначной логики, заданных в табличной форме». Кибернетика и системный анализ. 34 (2): 190–195. Дои:10.1007 / BF02742068. S2CID 120220846.
  12. ^ Бансод, Нитин А; Кулкарни, Маршалл; Патил, С. (2005). «Мягкие вычисления - подход нечеткой логики». В инженерном колледже Бхарати Видьяпит (ред.). Мягкие вычисления. Союзные издатели. п. 73. ISBN 978-81-7764-632-0. Получено 9 ноября 2018.
  13. ^ Янасэ, Юри; Триантафиллу, Евангелос (2019). «Систематический обзор компьютерной диагностики в медицине: прошлое и настоящее». Экспертные системы с приложениями. 138: 112821. Дои:10.1016 / j.eswa.2019.112821.
  14. ^ Лин КП, Чанг Х.Ф., Чен Т.Л., Лу Ю.М. и Ван Ч. (2016). «Интуиционистская нечеткая C-регрессия с использованием метода наименьших квадратов поддерживает векторную регрессию». Экспертные системы с приложениями. 64: 296–304. Дои:10.1016 / j.eswa.2016.07.040.
  15. ^ Дэн Х, Дэн У, Сунь Х, Е С и Чжоу Х (2016). «Адаптивное интуиционистское нечеткое улучшение МР-изображений опухоли головного мозга». Научные отчеты. 6: 35760. Bibcode:2016НатСР ... 635760Д. Дои:10.1038 / srep35760. ЧВК 5082372. PMID 27786240.
  16. ^ Влахос И.К., Сергиадис Г.Д. (2007). «Интуиционистская нечеткая информация - приложения к распознаванию образов». Письма с распознаванием образов. 28 (2): 197–206. Дои:10.1016 / j.patrec.2006.07.004.
  17. ^ Гонсалес-Идальго, Мануэль; Мунар, Марк; Бибилони, Педро; Моя-Альковер, Габриэль; Краус-Мигель, Андреа; Сегура-Сампедро, Хуан Хосе (октябрь 2019 г.). «Обнаружение инфицированных ран на изображениях абдоминальной хирургии с использованием нечеткой логики и нечетких наборов». Международная конференция по беспроводным и мобильным вычислениям, сетям и коммуникациям (WiMob) 2019 г.. Барселона, Испания: IEEE: 99–106. Дои:10.1109 / WiMOB.2019.8923289. ISBN 978-1-7281-3316-4. S2CID 208880793.
  18. ^ Дас С., Гуха Д. и Датта Б. (2016). «Медицинский диагноз с помощью нечеткой логики и интуиционистской нечеткой логики». Прикладной интеллект. 45 (3): 850–867. Дои:10.1007 / s10489-016-0792-0. S2CID 14590409.
  19. ^ Янасэ, Юри; Триантафиллу, Евангелос (2019). «Семь ключевых вызовов будущего компьютерной диагностики в медицине». Международный журнал медицинской информатики. 129: 413–422. Дои:10.1016 / j.ijmedinf.2019.06.017. PMID 31445285.
  20. ^ Герла, Г. (2016). «Комментарии к некоторым теориям нечетких вычислений». Международный журнал общих систем. 45 (4): 372–392. Bibcode:2016IJGS ... 45..372G. Дои:10.1080/03081079.2015.1076403. S2CID 22577357.
  21. ^ "Лофти Заде Беркли". В архиве из оригинала от 11.02.2017.
  22. ^ Марес, Милан (2006). «Нечеткие множества». Scholarpedia. 1 (10): 2031. Bibcode:2006SchpJ ... 1.2031M. Дои:10.4249 / scholarpedia.2031.
  23. ^ Коско, Барт. «Нечеткость против вероятности» (PDF). Университет Южной Калифорнии. Получено 9 ноября 2018.
  24. ^ Новак, V (2005). «Являются ли нечеткие множества разумным инструментом для моделирования неопределенных явлений?». Нечеткие множества и системы. 156 (3): 341–348. Дои:10.1016 / j.fss.2005.05.029.
  25. ^ Валиант, Лесли (2013). Вероятно, приблизительно правильно: природные алгоритмы обучения и процветания в сложном мире. Нью-Йорк: Основные книги. ISBN 978-0465032716.
  26. ^ «Архивная копия» (PDF). В архиве (PDF) из оригинала от 04.10.2015. Получено 2015-10-02.CS1 maint: заархивированная копия как заголовок (ссылка на сайт)
  27. ^ Вери, Франческо (2017). «Нечеткие условия множественных атрибутов в fsQCA: проблемы и решения». Социологические методы и исследования. 49 (2): 312–355. Дои:10.1177/0049124117729693. S2CID 125146607.
  28. ^ Сехас, Хесус (2011). «Компенсаторная нечеткая логика». Revista de Ingeniería Industrial. ISSN 1815-5936.
  29. ^ Акампора, Джованни; Ди Стефано, Бруно Н .; Витиелло, Аутилия (2016). «IEEE 1855 ™: первый стандарт IEEE, спонсируемый IEEE Computational Intelligence Society [Society Briefs]». Журнал IEEE Computational Intelligence Magazine. 11 (4): 4–6. Дои:10.1109 / MCI.2016.2602068.
  30. ^ Ди Стефано, Бруно Н. (2013). «О необходимости стандартного языка для проектирования нечетких систем». О силе нечеткого языка разметки. Исследования в области нечеткости и мягких вычислений. 296. С. 3–15. Дои:10.1007/978-3-642-35488-5_1. ISBN 978-3-642-35487-8. ISSN 1434-9922.
  31. ^ Акампора, Джованни; Лойя, Винченцо; Ли, Чанг-Шинг; Ван, Мэй-Хуэй (2013). О силе нечеткого языка разметки. Исследования нечеткости. Исследования в области нечеткости и мягких вычислений. 296. Дои:10.1007/978-3-642-35488-5. ISBN 978-3-642-35487-8. ISSN 1434-9922.

Список используемой литературы

  • Арабачоглу Б.С. (2010). «Использование системы нечеткого вывода для анализа архитектурного пространства». Прикладные мягкие вычисления. 10 (3): 926–937. Дои:10.1016 / j.asoc.2009.10.011.
  • Biacino, L .; Герла, Г. (2002). «Нечеткая логика, преемственность и эффективность». Архив по математической логике. 41 (7): 643–667. CiteSeerX 10.1.1.2.8029. Дои:10.1007 / s001530100128. ISSN 0933-5846. S2CID 12513452.
  • Кокс, Эрл (1994). Справочник по нечетким системам: практическое руководство по созданию, использованию и обслуживанию нечетких систем. Бостон: AP Professional. ISBN 978-0-12-194270-0.
  • Герла, Джангиакомо (2006). «Эффективность и многозначная логика». Журнал символической логики. 71 (1): 137–162. Дои:10.2178 / jsl / 1140641166. ISSN 0022-4812.
  • Гайек, Петр (1998). Метаматематика нечеткой логики. Дордрехт: Клувер. ISBN 978-0-7923-5238-9.
  • Гайек, Петр (1995). «Нечеткая логика и арифметическая иерархия». Нечеткие множества и системы. 3 (8): 359–363. Дои:10.1016 / 0165-0114 (94) 00299-М. ISSN 0165-0114.
  • Халперн, Джозеф Ю. (2003). Рассуждения о неопределенности. Кембридж, Массачусетс: MIT Press. ISBN 978-0-262-08320-1.
  • Хеппнер, Франк; Klawonn, F .; Крузе, Р.; Рунклер, Т. (1999). Нечеткий кластерный анализ: методы классификации, анализа данных и распознавания изображений. Нью-Йорк: Джон Вили. ISBN 978-0-471-98864-9.
  • Ибрагим, Ахмад М. (1997). Введение в прикладную нечеткую электронику. Энглвуд Клиффс, Нью-Джерси: Prentice Hall. ISBN 978-0-13-206400-2.
  • Клир, Георгий Иржи; Фолгер, Тина А. (1988). Нечеткие множества, неопределенность и информация. Энглвуд Клиффс, Нью-Джерси: Prentice Hall. ISBN 978-0-13-345984-5.
  • Клир, Георгий Иржи; Сент-Клер, штат Юта H .; Юань, Бо (1997). Теория нечетких множеств: основы и приложения. Энглвуд Клиффс, Нью-Джерси: Prentice Hall. ISBN 978-0-13-341058-7.
  • Клир, Георгий Иржи; Юань, Бо (1995). Нечеткие множества и нечеткая логика: теория и приложения. Река Аппер Сэдл, штат Нью-Джерси: Prentice Hall PTR. ISBN 978-0-13-101171-7.
  • Коско, Барт (1993). Нечеткое мышление: новая наука нечеткой логики. Нью-Йорк: Гиперион. ISBN 978-0-7868-8021-8.
  • Коско, Барт; Исака, Сатору (июль 1993 г.). "Нечеткая логика". Scientific American. 269 (1): 76–81. Bibcode:1993SciAm.269a..76K. Дои:10.1038 / scientificamerican0793-76.
  • Лохани, А. К .; Goel, N.K .; Бхатия, К. К. С. (2006). «Система нечеткого вывода Такаги – Сугено для моделирования взаимосвязи стадия – разряд». Журнал гидрологии. 331 (1): 146–160. Bibcode:2006JHyd..331..146L. Дои:10.1016 / j.jhydrol.2006.05.007.
  • Лохани, А. К .; Goel, N.K .; Бхатия, К. К. С. (2007). «Построение зависимости стадия – сброс – концентрация наносов с использованием нечеткой логики». Журнал гидрологических наук. 52 (4): 793–807. Дои:10.1623 / hysj.52.4.793. S2CID 117782707.
  • Лохани, А. К .; Goel, N.K .; Бхатия, К. К. С. (2011). «Сравнительное исследование методов нейронной сети, нечеткой логики и линейной передаточной функции в ежедневном моделировании дождевых осадков и стока в различных входных областях». Гидрологические процессы. 25 (2): 175–193. Bibcode:2011HyPr ... 25..175л. Дои:10.1002 / hyp.7831.
  • Лохани, А. К .; Goel, N.K .; Бхатия, К. К. С. (2012). «Гидрологическое моделирование временных рядов: сравнение адаптивных нейронечетких, нейросетевых и авторегрессионных методов». Журнал гидрологии. 442–443 (6): 23–35. Bibcode:2012JHyd..442 ... 23L. Дои:10.1016 / j.jhydrol.2012.03.031.
  • Moghaddam, M.J .; Soleymani, M. R .; Фарси, М.А. (2013). «Планирование последовательности операций штамповки в прогрессивных штампах». Журнал интеллектуального производства: 1–11.
  • Масмуди, Малек; Хаит, Ален (июль 2012 г.). Планирование проектов в условиях неопределенности с использованием методов нечеткого моделирования и решения, инженерные приложения искусственного интеллекта. Эльзевир.
  • Масмуди, Малек; Хаит, Ален (ноябрь 2012 г.). «Нечеткое моделирование неопределенности для планирования проекта; приложение для обслуживания вертолетов» (PDF). Международный журнал производственных исследований. 50 (24).
  • Мериго, Хосе М .; Gil-Lafuente, Anna M .; Ягер, Рональд Р. (2015). «Обзор нечетких исследований с библиометрическими показателями». Прикладные мягкие вычисления. 27: 420–433. Дои:10.1016 / j.asoc.2014.10.035. ISSN 1568-4946.
  • Миронов, А. (2005). «Нечеткая модальная логика». Журнал математических наук. 128 (6): 3461–3483. Дои:10.1007 / s10958-005-0281-1. ISSN 1072-3374. S2CID 120674564.
  • Монтанья, Ф. (2001). «Три проблемы сложности в количественной нечеткой логике». Studia Logica. 68 (1): 143–152. Дои:10.1023 / А: 1011958407631. ISSN 0039-3215. S2CID 20035297.
  • Мундичи, Даниэле; Чиньоли, Роберто; Д'Оттавиано, Итала М. Л. (1999). Алгебраические основы многозначных рассуждений. Дордрехт: Kluwer Academic. ISBN 978-0-7923-6009-4.
  • Новак, Вилем (1989). Нечеткие множества и их приложения. Бристоль: Адам Хильгер. ISBN 978-0-85274-583-0.
  • Новак, Вилем (2005). «О теории нечетких типов». Нечеткие множества и системы. 149 (2): 235–273. Дои:10.1016 / j.fss.2004.03.027.
  • Новак, Вилем; Перфильева Ирина; Мочкорж, Иржи (1999). Математические принципы нечеткой логики. Дордрехт: Kluwer Academic. ISBN 978-0-7923-8595-0.
  • Онсес, Ричард (1996). Эксперт второго порядка: новый инструмент для изменения парадигм в расчете странового риска. ISBN 978-84-7719-558-0.
  • Онсес, Ричард (1994). Определение искренности в инвестициях в Латинскую Америку на основе теории ансамблей.. Барселона. ISBN 978-84-475-0881-5.
  • Пассино, Кевин М .; Юркович, Стивен (1998). Нечеткое управление. Бостон: Эддисон-Уэсли. ISBN 978-0-201-18074-9.
  • Педрич, Витольд; Гомиде, Фернандо (2007). Разработка нечетких систем: к человеко-ориентированным вычислениям. Хобокен: Wiley-Interscience. ISBN 978-0-471-78857-7.
  • Пу, Пао Мин; Лю, Инь Мин (1980). «Нечеткая топология. I. Окрестности нечеткой точки и сходимость Мура-Смита». Журнал математического анализа и приложений. 76 (2): 571–599. Дои:10.1016 / 0022-247X (80) 90048-7. ISSN 0022-247X.
  • Саху, Бхабаграхи; Лохани, А. К .; Саху, Рохит К. (2006). "Нечеткие многокритериальные модели управления на основе линейного программирования для оптимального планирования системы земля-вода-растение". Управление водными ресурсами, Springer, Нидерланды. 20 (6): 931–948. Дои:10.1007 / s11269-005-9015-х. S2CID 154264034.
  • Сантос, Юджин С. (1970). «Нечеткие алгоритмы». Информация и контроль. 17 (4): 326–339. Дои:10.1016 / S0019-9958 (70) 80032-8.
  • Скарпеллини, Бруно (1962). "Die Nichaxiomatisierbarkeit des unendlichwertigen Prädikatenkalküls von Lukasiewicz". Журнал символической логики. 27 (2): 159–170. Дои:10.2307/2964111. HDL:20.500.11850/423097. ISSN 0022-4812. JSTOR 2964111.
  • Захват, Рудольф (2007). Фаззификация систем. Возникновение теории нечетких множеств и ее первоначальные приложения - развитие до 1970-х годов. Springer-Verlag. ISBN 978-3-540-71795-9.
  • Стиб, Вилли-Ханс (2008). Нелинейная рабочая тетрадь: хаос, фракталы, клеточные автоматы, нейронные сети, генетические алгоритмы, программирование экспрессии генов, машина опорных векторов, вейвлеты, скрытые марковские модели, нечеткая логика в программах на C ++, Java и SymbolicC ++ (4-е изд.). World Scientific. ISBN 978-981-281-852-2.
  • Цитоловский, Лев; Сандлер, Узиэль (2008). Поведение нейронных клеток и нечеткая логика. Springer. ISBN 978-0-387-09542-4.
  • Видерманн, Дж. (2004). «Описание вычислительной мощности супер-Тьюринга и эффективности классических нечетких машин Тьюринга». Теоретическая информатика. 317 (1–3): 61–69. Дои:10.1016 / j.tcs.2003.12.004.
  • Ягер, Рональд Р .; Филев, Димитар П. (1994). Основы нечеткого моделирования и управления. Нью-Йорк: Вили. ISBN 978-0-471-01761-5.
  • Ван Пелт, Майлз (2008). Нечеткая логика в повседневной жизни. Сиэтл, Вашингтон: Нет Нет Нет Нет Пресса. ISBN 978-0-252-16341-8.
  • Фон Альтрок, Константин (1995). Объяснение приложений нечеткой логики и NeuroFuzzy. Река Аппер Сэдл, Нью-Джерси: Prentice Hall PTR. ISBN 978-0-13-368465-0.
  • Уилкинсон, Р. Х. (1963). «Метод создания функций нескольких переменных с использованием аналоговой диодной логики». Транзакции IEEE на электронных компьютерах. 12 (2): 112–129. Дои:10.1109 / PGEC.1963.263419.
  • Заде, Л.А. (1968). «Нечеткие алгоритмы». Информация и контроль. 12 (2): 94–102. Дои:10.1016 / S0019-9958 (68) 90211-8. ISSN 0019-9958.
  • Заде, Л. А. (1965). «Нечеткие множества». Информация и контроль. 8 (3): 338–353. Дои:10.1016 / S0019-9958 (65) 90241-X. ISSN 0019-9958.
  • Зайцев, Д. А .; Сарбей, В. Г .; Слепцов А.И. (1998). «Синтез функций непрерывнозначной логики, заданных в табличной форме». Кибернетика и системный анализ. 34 (2): 190–195. Дои:10.1007 / BF02742068. S2CID 120220846.
  • Земанкова-Пиявка М. (1983). «Нечеткие реляционные базы данных». Кандидатская диссертация. Государственный университет Флориды. Цитировать журнал требует | журнал = (Помогите)
  • Циммерманн, Х. (2001). Теория нечетких множеств и ее приложения. Бостон: Kluwer Academic Publishers. ISBN 978-0-7923-7435-0.

внешние ссылки