Εισαγωγή στην Ασαφή Λογική και τους Χάρτες Ασαφούς Λογικής

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Κατηγορηματικός Λογισμός
Advertisements

Βασικές έννοιες αλγορίθμων
Ελαστικότητα 4η Διάλεξη.
ΘΕΩΡΙΑ ΤΩΝ ΑΣΑΦΩΝ ΣΥΝΟΛΩΝ ΚΑΚΑΛΟΥ ΔΙΟΝΥΣΙΑ ΑΕΜ: 4403
Αυτο-συσχέτιση (auto-correlation)
Παρουσίαση από τους μαθητές της 5Α Τάξης Anna Thomas Οι απόψεις των παιδιών και των δασκάλων για τη σχολική στολή.
Πολλαπλασιαστική συσχέτιση •Δύο ή περισσότερες ιδιότητες μπορούν να επιδρούν «πολλαπλασιαστικά» σε μια τρίτη. •Στην περίπτωση αυτή έχουμε δυο ανεξάρτητες.
Σημειώσεις : Χρήστος Μουρατίδης
ΣΤΟΙΧΕΙΑ ΨΕΥΔΟΚΩΔΙΚΑ ΒΑΣΙΚΕΣ ΔΟΜΕΣ ΒΑΣΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΠΙΝΑΚΩΝ
ΔΙΔΑΚΤΙΚΕΣ ΔΥΣΚΟΛΙΕΣ ΣΤΟΥΣ ΠΙΝΑΚΕΣ ΠΕΚ ΠΕΙΡΑΙΑ Α΄φάση Επιμόρφωσης Εκπ/κών κλάδου ΠΕ19 Διδακτική της Πληροφορικής Ρόδος, Νοέμβρης 2007.
Πληροφοριακά Συστήματα Διοίκησης
Εισαγωγικές Έννοιες Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο.
Άλγεβρα Boole και Λογικές Πύλες
Γ΄ κατεύθυνση Προβληματισμοί για τους ορισμούς, θεωρήματα, παραδείγματα και τις ασκήσεις του 3ου κεφαλαίου
Αξιολόγηση Ανθρώπινου Δυναμικού
ΕΙΣΑΓΩΓΗ: ΒΑΣΙΚΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΔΕΞΙΟΤΗΤΕΣ & ΕΝΝΟΙΕΣ ΤΗΣ ΦΥΣΙΚΗΣ
Σχολή Διοίκησης & Οικονομίας Τμήμα Εμπορίας & Διαφήμισης
Συστήματα Στήριξης Αποφάσεων
ΗΥ120 ΨΗΦΙΑΚΗ ΣΧΕΔΙΑΣΗ Συναρτησεις Boole.
ΚΛΑΔΟΙ ΤΗΣ ΦΙΛΟΣΟΦΙΑΣ ΚΑΙ ΕΠΙΣΤΗΜΕΣ
Copyright © 2009 Pearson Education, Inc. Κεφάλαιο 3 Κίνηση σε 2 και 3 διαστάσεις, Διανύσματα.
Ενότητα Α.4. Δομημένος Προγραμματισμός
31 Μαρτίου 2015 ΔΙΑΦΑΝΕΙΑ 1 ΤΥΠΙΚΕΣ ΜΕΘΟΔΟΙ ΑΝΑΛΥΣΗΣ ΣΥΣΤΗΜΑΤΩΝ ΤΜ. ΠΛΗΡΟΦΟΡΙΚΗΣ Α.Π.Θ. – ΔΙΔΑΣΚΩΝ: Π. ΚΑΤΣΑΡΟΣ ΚΑΤΗΓΟΡΗΜΑΤΙΚΟΣ ΛΟΓΙΣΜΟΣ Ι Για τον προτασιακό.
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Συγγραφείς Α.Βακάλη Η. Γιαννόπουλος Ν. Ιωαννίδης Χ.Κοίλιας Κ. Μάλαμας Ι. Μανωλόπουλος Π. Πολίτης Γ΄ τάξη.
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών – Τμήμα Πληροφορικής και Τηλεπικοινωνιών 1 Κεφάλαιο 3 Η Σημασιολογία των Γλωσσών Προγραμματισμού Προπτυχιακό.
Δηλαδή οι σημαντικοί δεν ασχολούνται με μικροπράγματα.
2.2 Η έννοια της ταχύτητας.
Κάντε κλικ για έναρξη… Τ Ο ΠΕΡΙΒΑΛΛΟΝ ΕΡΓΑΣΙΑΣ Κέντρο εντολών Χώρος γραφικών (σελίδα) Χώρος σύνταξης διαδικασιών.
Προσπάθησε να εκφράσεις με κατάλληλους αριθμούς τις θέσεις του αεροπλάνου, του ψαριού και του τζετ σκι σε σχέση με την επιφάνεια της θάλασσας. Ένα αεροπλάνο.
ΚΕΦΑΛΑΙΟ Τι είναι αλγόριθμος
Μερικές φορές το αποτέλεσμα εμφανίζεται αμέσως από κάτω.
Προγράμματα Συμβολικών Μαθηματικών.
Βασικά στοιχεία της Java
Διδακτικό Προσωπικό: Παραδόσεις: Φροντιστήρια: Χρήστος Δ. Ταραντίλης
ΚΕΦΑΛΑΙΟ Το αλφάβητο της ΓΛΩΣΣΑΣ
Εισαγωγή στην Έννοια του Αλγορίθμου και στον Προγραμματισμό
Mathematics in the streets and in the schools Terezinha Nunes Carraher, David William Carraher and Analucia Dias Schliemann Καλογεράκης Γιώργος Δ
Ορισμός Έργου Δρ. Α. Ραφαηλίδης Τμ. Διοίκησης Επιχειρήσεων (Πάτρα) ΤΕΙ Δυτ. Ελλάδας.
Συνδετικότητα γραφήματος (graph connectivity). α β Υπάρχει μονοπάτι μεταξύ α και β; Παραδείγματα: υπολογιστές ενός δικτύου ιστοσελίδες ισοδύναμες μεταβλητές.
Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική Ενότητα 1: Περιγραφική Στατιστική Βασίλης Γιαλαμάς Σχολή Επιστημών της Αγωγής Τμήμα Εκπαίδευσης και.
1 ο ΜΑΘΗΜΑ ΤΟ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟ ΣΧΕΔΙΟ 1 ο ΜΑΘΗΜΑ ΤΟ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟ ΣΧΕΔΙΟ Ορισμοί Χρησιμότητα και πλεονεκτήματα Δομή του Επιχειρηματικού Σχεδίου. Ερωτήσεις.
{ Ψηφιακή Σχεδίαση εργαστήριο Γιάννης Νικολουδάκης.
Απόκτηση και Αναπαράσταση Γνώσης. Μηχανική Γνώσης (Knowledge Engineering) Η Μηχανική Γνώσης μπορεί να εξετασθεί από δύο διαφορετικές απόψεις. Αυτή που.
ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ ΠΡΩΤΟ ΘΕΩΡΙΑΣ - ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Δρ. Κουνετάς Η Κωνσταντίνος.
Εργαστήριο Στατιστικής (8 ο Εργαστήριο) Συσχετίσεις μεταξύ μεταβλητών (ερωτήσεων)
ΒΑΣΙΚΑ ΟΙΚΟΝΟΜΙΚΑ ΜΕΓΕΘΗ – ΑΝΑΛΥΣΗ ΝΕΚΡΟΥ ΣΗΜΕΙΟΥ Γ. Καμπουρίδης 9/26/ Βασικά Οικονομικά Μεγέθη - Ανάλυση Νεκρού Σημείου.
Σήματα και Συστήματα 11 10η διάλεξη. Σήματα και Συστήματα 12 Εισαγωγικά (1) Έστω γραμμικό σύστημα που περιγράφεται από τη σχέση: Αν η είσοδος είναι γραμμικός.
ΔΙΚΑΙΩΜΑ ΕΚΦΡΑΣΗΣ ΤΩΝ ΠΑΙΔΙΩΝ ΣΤΟ ΣΧΟΛΕΙΟ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΕΛΛΗ ΜΟΥΡΑΤΗ-ΣΥΝΗΓΟΡΟΣ ΤΟΥ ΠΑΙΔΙΟΥ 1.
Επικρατούσα τιμή. Σε περιπτώσεις, που διαφορετικές τιμές μιας μεταβλητής επαναλαμβάνονται περισσότερο από μια φορά, η επικρατούσα τιμή είναι η συχνότερη.
Στατιστικές Υποθέσεις
ΑΛΓΟΡΙΘΜΟΣ ΠΡΟΒΛΗΜΑ ΑΛΓΟΡΙΘΜΟΣ ΛΥΣΗ
Συναρτήσεις πολλών μεταβλητών ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΠΡΟΣΑΡΜΟΓΗ Φ
ΔΙΟΙΚΗΣΗ ΟΛΙΚΗΣ ΠΟΙΟΤΗΤΑΣ
Μέθοδος ελαχίστων τετραγώνων – Μεθοδολογία παλινδρόμησης
ΨΗΦΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Διάλεξη 5: Απλοποίηση (βελτιστοποίηση) λογικών συναρτήσεων με την μέθοδο του χάρτη Karnaugh (2ο μέρος) Δρ Κώστας Χαϊκάλης ΨΗΦΙΑΚΑ ΣΥΣΤΗΜΑΤΑ.
Το ερωτηματολόγιο Μεθοδολογία έρευνας.
Το πρόβλημα της μέτρησης Μέτρηση είναι η ένταξη αριθμών σε αντικείμενα σύμφωνα με oρισμένους κανόνες και υπό την βασική προϋπόθεση ότι υπάρχει ακριβής.
MARKETING 3η διαλεξη – το μιγμα μαρκετινγκ – η τιμη
Οι διάφορες εκδοχές της
ΜΕΤΑΒΛΗΤΗ ΤΙ ΕΙΝΑΙ; – ΚΑΤΑΝΟΗΣΗ ΤΗΣ ΕΝΝΟΙΑΣ ΠΩΣ ΣΥΜΒΟΛΙΖΕΤΑΙ ΟΡΙΣΜΟΣ
Έρευνα στη Διδακτική των Μαθηματικών και Διδακτική Πράξη
Η ΕΝΝΟΙΑ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ
Τελεστές και ή όχι Για την εκτέλεση αριθμητικών πράξεων
ΜΑΘΗΜΑΤΙΚΑ Γ΄ ΓΥΜΝΑΣΙΟΥ Βασίλης Γκιμίσης ΔΙΑΦΑΝΕΙΕΣ ΠΕΡΙΕΧΟΜΕΝΑ
Σύνθετες λογικές εκφράσεις
ΑΛΓΟΡΙΘΜΟΣ.
Η χρήση του ερωτηματολογίου & κλίμακες μέτρησης στάσεων
Στατιστικές Υποθέσεις
Είδη Ερωτήσεων-Μεταβλητές-Κλιμακες Μέτρησης
ΤΕΧΝΟΛΟΓΙΑ ΕΠΙΚΟΙΝΩΝΙΩΝ Πληροφοριακά Συστήματα Διοίκησης(Ε) 3ο Εξάμηνο
Μεταγράφημα παρουσίασης:

Εισαγωγή στην Ασαφή Λογική και τους Χάρτες Ασαφούς Λογικής

Τι είναι η Ασαφής Λογική; Είναι μια μαθηματική λογική. Με τις έννοιές της. Βασική έννοια το Ασαφές Σύνολο. Τις αντίστοιχες πράξεις, και τους ορισμούς της. Τις μεθόδους της.

Τι είναι η Ασαφής Λογική; Οι άνθρωποι χρησιμοποιούν ασαφής εκφράσεις και ασαφής κανόνες… Παραδείγματα... “Κατοικώ κοντά στην Αθήνα” “Πίνω ένα μέτριο καφέ νωρίς κάθε πρωί”

Τι είναι η Ασαφής Λογική; Η Ασαφής Λογική διαφέρει από τον Προτασιακό Λογισμό όπου μια λογική πρόταση είναι μόνο ή Αληθής ή μόνο Ψευδής.

Τι είναι η Ασαφής Λογική; Γιατί...; γιατί… Όλες οι απαντήσεις σε ερωτήσεις δεν μπορεί να είναι πάντα ΝΑΙ η ΟΧΙ.

Τι είναι η Ασαφής Λογική; Η ανάγκη για ανάπτυξης μιας λογικής με περισσότερες τιμές σε μια πρόταση είχε τονισθεί από την αρχαιότητα από τους Έλληνες Φιλόσοφους: Ηράκλειτο και Αριστοτέλη Στην Σύγχρονη εποχή ο Zadeh

Που χρησιμοποιείται η Ασαφής Λογική; Σε προβλήματα που δεν υπάρχει λύση ή είναι πολύ δύσκολη η επίλυση του προβλήματος. που δεν ενδιαφέρει η ακριβής λύση του προβλήματος. που είναι Μη-δομημένα.

Που χρησιμοποιείται η Ασαφής Λογική; Πλυντήρια ρούχων. Μετάδοση Αυτοκινήτων. Επιχειρηματικά Προβλήματα (χρηματοοικονομικά, διοίκησης προσωπικού, διοίκησης Πληροφοριακών Συστημάτων, κλπ) Στρατηγικός Προγραμματισμός. Προβλήματα Διάγνωσης.

Κλασσική Θεωρία Συνόλων (Crisp Sets) Τομή Συνόλων Ένωση Συνόλων Συμπληρωματικό Συνόλων

Τα Σύνολα (Crisp Sets) ορίζονται από τη Χαρακτηριστική τους Συνάρτηση

Έστω οτι Α είναι ένα σύνολο που παίρνει τιμές από μια περιοχή Χ Έστω οτι Α είναι ένα σύνολο που παίρνει τιμές από μια περιοχή Χ. Η χαρακτηριστική συνάρτηση ΧΑ ορίζεται ως...

Ασαφή Σύνολα

Ασαφές Σύνολο Βασική έννοια στην Ασαφή Λογική. Ένα ασαφές σύνολο ορίζεται ως συνάρτηση που ονομάζεται membership function.

Ασαφές Σύνολο: membership function

Παράδειγμα Ασαφούς Συνόλου: Ταχύτητα Ταξιδιού με Αυτοκίνητο χ/kmh μΑ(χ) 50 0 80 0.3 100 0.6 120 0.8 150 1 180 1

Αλγεβρική Παράσταση Ασαφούς Συνόλου

Τι πιστεύετε; Ταξιδέυοντας στον (αυτοκινητόδρομο / πόλη) με 50kmh οδηγώ γρήγορα;

Τι πιστεύετε; Ταξιδέυοντας στον (αυτοκινητόδρομο / πόλη) με 100kmh οδηγώ γρήγορα;

Τι πιστεύετε; Ταξιδέυοντας στον (αυτοκινητόδρομο / πόλη) με 101.5 kmh οδηγώ γρήγορα;

Τι είναι το Ασαφές Σύνολο; Πόσο γρήγορα είναι το “γρήγορα”; Πόσο καλό είναι το «καλό»; Κάθε άνθρωπος μπορεί να έχει διαφορετική άποψη που επίσης διαφέρει σε κάθε περίπτωση.

Παράδειγμα: μΑ του συνόλου “μεσαίο ύψος” γιαπωνέζα γιαπωνέζος αμερικάνος 1 μΑ cm 160 170 180

Στα Ασαφή Σύνολα ορίζονται πράξεις Ένωση μD(χ)=max{(μΑ(χ), μΒ(χ)}, χ € Χ.

Στα Ασαφή Σύνολα ορίζονται πράξεις Τομή μC(χ)=min{(μΑ(χ), μΒ(χ)}, χ € Χ.

Στα Ασαφή Σύνολα ορίζονται πράξεις Συμπληρωματικό (not) μsΑ(χ)=(1- (μΑ(χ)), χ € Χ.

Παράδειγμα!!!!

Computer-assisted Γραφείο Γάμων!!! Ο Πελάτης Α θέλει λοιπόν να δημιουργήσει την «ιδανική» οικογένεια... Ο «ιδανικός» σύντροφος δεν πρέπει να είναι ούτε νέος (Ν) ούτε ηλικιωμένος (Η) αλλά και με ένα σημαντικό εισόδημα αρκετών χιλιάδων Ευρώ!!!

Έστω τα παρακάτω δεδομένα... Όνομα Ηλικία Εισόδημα B 38 100 C 32 50 D 58 20

Computer-assisted Γραφείο Γάμων!!! “δεν πρέπει να είναι ούτε νέος ούτε ηλικιωμένος:” Νέος και Ηλικιωμένος δύο ασαφή σύνολα με τις δικές τους membership functions. Θέλουμε τους not(Νέος) και (τομή) not (Ηλικιωμένος)...

Έστω τα παρακάτω δεδομένα Όνομα Ηλικία μ(Ν) μ(Η) Not(N) 1-μ(Ν) Not(H) 1-μ(Η) τομή B 38 0.1 0.9 1 C 32 0.4 0.6 D 58 0.8 0.2

Computer-assisted Γραφείο Γάμων!!! αλλά και με ένα σημαντικό εισόδημα αρκετών χιλιάδων Ευρώ!!! Αντίστοιχα ορίζουμε το ασαφές σύνολο σημαντικό εισόδημα (ΣΕ). Θέλουμε πάλι το: (not(N)Λnot(H))Λ(ΣΕ)

Computer-assisted Γραφείο Γάμων!!! Όνομα Ηλικία not(N) και not(H) εισόδημα μ(εισοδ) Total B 38 0.9 100 1 C 32 0.5 50 D 58 0.2 20

Άρα τι θα προτείνουμε στον πελάτη Α που περιμένει. Απάντηση Άρα τι θα προτείνουμε στον πελάτη Α που περιμένει? Απάντηση...τη Β επιλογή

Χάρτες Ασαφούς Λογικής Fuzzy Cognitive Maps (FCM)

Χάρτες Ασαφούς Λογικής Fuzzy Cognitive Maps (FCM) Δύο Βασικά Στοιχεία Έννοιες (μεταβλητές) , concepts Συσχετίσεις που δηλώνουν την Πεποίθηση ή την Προσδοκία, causal beliefs.

Χάρτες Ασαφούς Λογικής Ένα τρίτο στοιχείο τα Βάρη Στάθμησης προστέθηκε για να δείχνει την σημαντικότητα των πεποιθήσεων. Βάρη Στάθμησης: Στους χάρτες ασαφούς λογικής τα βάρη είναι ασαφή σύνολα.

Χάρτης Ασαφούς Λογικής

Παράδειγμα; στην πολιτική. στην ανάλυση αγορών Παράδειγμα; στην πολιτική... στην ανάλυση αγορών... γενικά στην λήψη αποφάσεων.

Ανάλυση ενός FCM.

Ανάλυση ενός FCM. Έμμεσο μονοπάτι Ι(χ,ψ) ορίζεται από τον πολλαπλασιασμό των προσήμων. Ως αναφορά τα Βάρη παίρνουμε το ελάχιστο. Συνολική Επίδραση Τ(χ,ψ) =sum Ii(x,ψ), ορίζεται ως το άθροισμα όλων των Ι(χ,ψ). Ως αναφορά τα Βάρη παίρνουμε το μέγιστο από όλα τα Ι(χ,ψ).

Προσομοίωση με FCM Ερωτήσεις-Σενάρια που μπορώ να εξετάσω

Ποιες οι επιλογές για την επίτευξη ενός στόχου; Ποια η επίδραση μιας επιλογής σε συγκεκριμένη μεταβλητή η γενικώς; Ποια η επιλογή με την μεγαλύτερη εάν αλλάξω την δομή του FCM (έννοιες ή βάρη);

Παράδειγμα...

Ανάπτυξη ενός FCM Από ανάλυση σχετικών με το θέμα κειμένων. Ερωτηματολόγια - Εξέταση ειδικών.