Detail předmětu

Fuzzy systémy

FEKT-MPC-FSYAk. rok: 2022/2023

Motivace předmětu, klasické množiny a fuzzy množiny. Operace nad fuzzy množinami, t-normy a konormy. Fuzzy relace a operace nad nimi. Projekce, cylindrické rozšíření, kompozice. Přibližné usuzování. Jazyková proměnná. Fuzzy implikace. Zobecněný modus ponens a fuzzy pravidlo if-then. Pravidla inference. Ohodnocení a vlastnosti souboru fuzzy pravidel. Fuzzy systémy typu Mamdani a Sugeno. Struktura fuzzy systému, znalostní a datová báze. Fuzzifikace a defuzzifikační metody. Fuzzy systém jako universální aproximátor. Adaptace ve fuzzy systémech, neuro-fuzzy systémy.

Jazyk výuky

čeština

Počet kreditů

6

Výsledky učení předmětu

Absolvent předmětu je schopen:
- popsat rozdíl mezi klasickou množinou a fuzzy množinou
- aplikovat operace s fuzzy množinami
- popsat a vysvětlit pojem jazykové proměnné
- použít operace s fuzzy množinami k matematickému popisu přibližného úsudku
- vyjmenopvat a vysvětlit vlastnosti souboru fuzzy pravidel
- popsat a vysvětlit dva typy fuzzy systémů
- vysvětlit funkci fuzzy systému jako univerzálního aproximátoru
- popsat princip adaptace ve fuzzy systémech

Prerekvizity

Základní znalosti z teorie množin a logiky, základní znalosti teorie systémů a teorie řízení (na úrovni bakalářského studia).

Plánované vzdělávací činnosti a výukové metody

Metody vyučování zahrnují přednášky a cvičení na počítači. Student odevzdává během semestru jeden samostatný projekt.

Způsob a kritéria hodnocení

Písemný test 15 bodů během semestru.
Projekt 20 bodů, min. 10 bodů pro získání zápočtu
Závěrečný písemný test 65 bodů.

Osnovy výuky

1. Motivace předmětu, klasické množiny a fuzzy množiny.
2. Operace nad fuzzy množinami.
3. t-normy a konormy.
4. Fuzzy relace a operace nad nimi. Projekce, cylindrické rozšíření, kompozice.
5. Přibližné usuzování. Jazyková proměnná. Fuzzy implikace.
6. Zobecněný modus ponens a fuzzy pravidlo if-then. Pravidla inference.
7. Ohodnocení a vlastnosti souboru fuzzy pravidel.
8. Fuzzy systémy typu Mamdani a Sugeno.
9. Struktura fuzzy systému, znalostní a datová báze.
10. Fuzzifikace a defuzzifikační metody.
11. Fuzzy systém jako universální aproximátor.
12. Adaptace ve fuzzy systémech.
13. Neuro-fuzzy systémy.

Učební cíle

Seznámit se se základy teorie fuzzy množin a fuzzy logiky.
Naučit se aplikovat fuzzy teorii při modelováni neurčitých systémů. Seznámit se s adaptačními technikami ve fuzzy systémech.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Základní literatura

JURA, P.; Základy fuzzy logiky pro řízení a modelování, Brno VUTIUM, 2003, 132 s. ISBN 80-214-2261-0. (CS)
JURA,P. Slajdy přednášek předmětu MFSY (CS)

Elearning

Zařazení předmětu ve studijních plánech

  • Program MPC-KAM magisterský navazující 1 ročník, letní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

Motivace předmětu, klasické množiny a fuzzy množiny.
Operace nad fuzzy množinami.
t-normy a konormy.
Fuzzy relace a operace nad nimi. Projekce, cylindrické rozšíření, kompozice.
Přibližné usuzování. Jazyková proměnná. Fuzzy implikace.
Zobecněný modus ponens a fuzzy pravidlo if-then. Pravidla inference.
Ohodnocení a vlastnosti souboru fuzzy pravidel.
Fuzzy systémy typu Mamdani a Sugeno.
Struktura fuzzy systému, znalostní a datová báze.
Fuzzifikace a defuzzifikační metody.
Fuzzy systém jako universální aproximátor.
Adaptace ve fuzzy systémech.
Neuro-fuzzy systémy.

Cvičení na počítači

13 hod., povinná

Vyučující / Lektor

Osnova

Seznámení se s Fuzzy toolbox Matlab, demonstrační úlohy. Samostatné vyřešení jednoduché úlohy. Zadání projektu a jeho samostatné řešení.

Projekt

13 hod., povinná

Vyučující / Lektor

Osnova

Fuzzy model typu Mamdani nebo Sugeno jedné praktické úlohy.

Elearning