ΘΕΩΡΙΑ ΤΩΝ ΑΣΑΦΩΝ ΣΥΝΟΛΩΝ ΚΑΚΑΛΟΥ ΔΙΟΝΥΣΙΑ ΑΕΜ: 4403

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ
Advertisements

Σύντομη Παρουσίαση των Μαθηματικών του Project «Παρθενώνας»
ΥΠΟΔΕΙΓΜΑΤΑ Ένα υπόδειγμα ή μοντέλο είναι μια κάποιας μορφής αναπαράσταση πραγματικών αντικειμένων, καταστάσεων ή διαδικασιών. Γενικότερα είναι μια απλοποίηση.
Τι είναι ο υπολογιστής; Τι είναι ο προγραμματισμός
Κεφάλαιο 1 Για Ποιο Λόγο; ΔΟΣΑ Δημοκρίτειο Πανεπιστήμιο Θράκης
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ (Εργαστήριο) Εισηγητής: Θανάσης Βαφειάδης
Η Θεματική Ταξινόμηση και η Συμβολή της στην Αναζήτηση Ευρωπαϊκών Κοινωνικών Δεδομένων.
Κωδικοποίηση και επεξεργασία ποιοτικών δεδομένων
Εισαγωγικές Έννοιες Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο.
Αριθμητική Ανάλυση ΙΙ Ακαδημαϊκό Έτος η Εβδομάδα
Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Μετατροπή Σχήματος Ο/Σ σε Σχεσιακό.
Εισαγωγή στην Κοινωνιογλωσσολογία
ΣΧΕΣΙΑΚΗ ΑΛΓΕΒΡΑ ΜΑΘΗΜΑ 4.
Αριθμητικές Μέθοδοι Βελτιστοποίησης Θεωρία & Λογισμικό Τμήμα Πληροφορικής - Πανεπιστήμιο Ιωαννίνων Ι. Η. Λαγαρής.
Μερκ. Παναγιωτόπουλος - Φυσικός
1ο γενικο λυκειο μαρκοπουλου
Βασικές Αρχές Μέτρησης
ΕΙΣΑΓΩΓΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ
Πυθαγόρειο Θεώρημα Ιστορική επισκόπηση.
3 / 4 / 2002 μοντέλα ανάλυσης ενεργειών χρήστη
Διδακτική της Πληροφορικής ΗΥ302 Εργασία :Παρουσίαση σχολικού βιβλίου Γ’ Λυκείου Τεχνολογικής Κατεύθυνσης «Ανάπτυξη εφαρμογών σε προγραμματιστικό περιβάλλον»
Κ. Μόδη: Γεωστατιστική και Εφαρμογές της (Κεφάλαιο 2) 1 Τι είναι η πιθανότητα Έστω ότι δίνεται ένα πείραμα τύχης το οποίο καθορίζεται από το σύνολο των.
Ανάπτυξη μεθοδολογίας για το συστηματικό θεμελιώδη μηχανοτρονικό σχεδιασμό. Εφαρμογή στην ανάπτυξη ευφυούς συστήματος για το σχεδιασμό ρομποτικών αρπαγών.
ΣΥΝΟΛΑ.
Η Α΄ τάξη Γενικού Λυκείου, η οποία είναι τάξη προσανατολισμού, περιέχει μαθήματα Γενικής Παιδείας συνολικής διάρκειας τριάντα τριών (33) ωρών εβδομαδιαίας.
Κεφάλαιο 10 – Υποπρογράμματα
EXCEL – λογιστικά φύλλα. Χρήση επεξεργασία, αναπαράσταση και επικοινωνία αριθμητικών (η γενικότερα ποσοτικών) δεδομένων Ειδικότερα Εφαρμογή εκπαιδευτικών.
Κοζαλάκης Ευστάθιος ΠΕ03
Πηγή: Βιοστατιστική [Β.Γ. Σταυρινός, Δ.Β. Παναγιωτάκος]
ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΤΩΝ ΔΙΑΦΟΡΙΚΩΝ ΕΞΙΣΩΣΕΩΝ ΜΕ ΜΕΡΙΚΕΣ ΠΑΡΑΓΩΓΟΥΣ Ακαδημαϊκό Έτος Πέμπτη, 25 Ιουνίου η Εβδομάδα ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ.
Διάλεξη  Μέτρηση: Είναι μια διαδικασία κατά την οποία προσδίδουμε αριθμητικά δεδομένα σε κάποιο αντικείμενο, σύμφωνα με κάποια προκαθορισμένα.
Διαστήματα Εμπιστοσύνης α) για τη μέση τιμή β) για ένα ποσοστό.
{ Ψηφιακή Σχεδίαση εργαστήριο Γιάννης Νικολουδάκης.
ΕΥΚΛΕΙΔΙΑ ΓΕΩΜΕΤΡΙΑ ΚΕΦΑΛΑΙΟ 2 ο ΒΑΣΙΚΑ ΓΕΩΜΕΤΡΙΚΑ ΣΧΗΜΑΤΑ ( )
Έρευνα στη Διδακτική των Μαθηματικών και Διδακτική Πράξη Διδάσκουσα Πόταρη Δ. Καρατράσογλου Αθανασία Δ
Αρχές επαγωγικής στατιστικής Τμήμα :Νοσηλευτικής Πατρών Διδάσκουσα: Παναγιώταρου Αλίκη Διάλεξη 9.
ΘΕΩΡΙΑ ΑΛΓΕΒΡΑΣ ΚΕΦΑΛΑΙΟ 2ο ΕΠΙΜΕΛΕΙΑ :G5TA15-16 ΜΑΘΗΜΑ : ΜΑΘΗΜΑΤΙΚΑ ΚΑΘΗΓΗΤΗΣ: CV ΕΤΟΣ :
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΠΙΝΑΚΕΣ ΚΑΙ ΔΙΑΓΡΑΜΜΑΤΑ Πηγή: Βιοστατιστική [Σταυρινός / Παναγιωτάκος] Βιοστατιστική [Τριχόπουλος / Τζώνου / Κατσουγιάννη]
ΕΝΟΤΗΤΑ 1. ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΕΦΑΛΑΙΟ 1.1 ΕΠΙΣΤΗΜΗ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ 1.
Δραματική Τέχνη στην εκπαίδευση: Ερευνητικό Σχέδιο ΙΙ
Τι είναι «διάστημα» (1). Διαστήματα Εμπιστοσύνης α) για τη μέση τιμή (ποσοτικά) β) για ένα ποσοστό (ποιοτικά)
ΣΤΑΤΙΣΤΙΚΑ ΜΕΤΡΑ ΔΙΑΣΠΟΡΑΣ - ΑΣΥΜΜΕΤΡΙΑΣ - ΚΥΡΤΩΣΕΩΣ
Επικρατούσα τιμή. Σε περιπτώσεις, που διαφορετικές τιμές μιας μεταβλητής επαναλαμβάνονται περισσότερο από μια φορά, η επικρατούσα τιμή είναι η συχνότερη.
ΨΗΦΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Διάλεξη 4: Απλοποίηση (βελτιστοποίηση) λογικών συναρτήσεων με την μέθοδο του χάρτη Karnaugh (1ο μέρος) και υλοποίηση με πύλες NAND -
Μαθηματικά προσανατολισμού Β΄ Λυκείου
Ανάλυση κρίσιμου συμβάντος
ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΕΞΕΛΙΚΤΙΚΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ
ΙΕΚ Γαλατσίου Στατιστική Ι
Μεθοδολογία Έρευνας Διάλεξη 5η: Δειγματοληψία
Εισαγωγή στην Ασαφή Λογική και τους Χάρτες Ασαφούς Λογικής
Άσκηση 2-Περιγραφικής Στατιστικής
ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Κεφάλαιο 10 Λυμένες Ασκήσεις στον Ευφυή έλεγχο
Εισαγωγή στην Στατιστική
Διακριτά Μαθηματικά ΣΥΝΟΛΑ.
ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΕΞΕΛΙΚΤΙΚΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ
Εξορθολογισμός της ύλης Μαθηματικά Α και Β Λυκείου
Ονοματεπώνυμο Σπουδάστριας: Ευαγγελία Δάπκα
Μεθοδολογία Έρευνας Διάλεξη 9η Σύνταξη Πτυχιακής Εργασίας
Μεθοδολογία Έρευνας Διάλεξη 5η: Δειγματοληψία
ΚΑΤΑΝΟΜΕΣ Δ. Τσιπλακίδης
ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Κεφάλαιο 3 Ασαφείς Συνεπαγωγές
ΚΥΚΛΟΣ ΖΩΗΣ ΑΝΑΠΤΥΞΗΣ ΣΥΣΤΗΜΑΤΟΣ
Μεθοδολογία Έρευνας Διάλεξη 5η: Δειγματοληψία
Στατιστικά Περιγραφικά Μέτρα
ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ  Προγραμματιστικό Υπόδειγμα: Είναι ένα πρότυπο ανάπτυξης προγραμμάτων, δηλ. μια καθορισμένη μεθοδολογία με βάση την οποία.
Ενημερώνομαι και γνωρίζω. 1ο Λύκειο Σπάτων / Οκτώβριος 2014
Ορισμός Με τον όρο Χρονοσειρές εννοούμε μια σειρά από παρατηρήσεις που παίρνονται σε ορισμένες χρονικές στιγμές ή περιόδους που ισαπέχουν μεταξύ τους.
Σκοπός Η συνοπτική παρουσίαση
Τι είναι «διάστημα» (1). Διαστήματα Εμπιστοσύνης α) για τη μέση τιμή (ποσοτικά) β) για ένα ποσοστό (ποιοτικά)
Μεθοδολογία της Έρευνας στις Κοινωνικές Επιστήμες Ι & ΙΙ
Μεταγράφημα παρουσίασης:

ΘΕΩΡΙΑ ΤΩΝ ΑΣΑΦΩΝ ΣΥΝΟΛΩΝ ΚΑΚΑΛΟΥ ΔΙΟΝΥΣΙΑ ΑΕΜ: 4403 ΕΡΓΑΣΙΑ ΜΑΘΗΜΑΤΙΚΩΝ ΘΕΩΡΙΑ ΤΩΝ ΑΣΑΦΩΝ ΣΥΝΟΛΩΝ ΚΑΚΑΛΟΥ ΔΙΟΝΥΣΙΑ ΑΕΜ: 4403

ΕΙΣΑΓΩΓΗ Τα πραγματικά συστήματα πολύ δύσκολα μοντελοποιούνται μαθηματικά. Ο ασαφής έλεγχος αντιτίθεται ριζικά στην παραπάνω φιλοσοφία και αντιπροτείνει μια νέα προσέγγιση, χρησιμοποιώντας ένα γλωσσικό μοντέλο του υπό εξέταση συστήματος για την κατασκευή του οποίου έχει ως εργαλείο τη θεωρία των ασαφών συνόλων

ΙΣΤΟΡΙΚΑ ΣΤΟΙΧΕΙΑ (ΠΡΙΝ) 1ο πρωτοποριακό άρθρο Η νέα θεωρία των ασαφών συνόλων, έρχεται σε αντίθεση με τα κλασσικά μαθηματικά. Αποτέλεσμα: Δεν πάρθηκε σοβαρά υπόψη από κανέναν επιστημονικό κύκλο Επιμονή Zadeh με 3 επόμενες δημοσιεύσεις το 1971, ‘72, ’74 L. Zadeh το 1965

ΙΣΤΟΡΙΚΑ ΣΤΟΙΧΕΙΑ (ΠΡΙΝ) συνέχεια 1η πρακτική εφαρμογή το 1974, σε ένα άσημο κολέγιο του Λονδίνου (Queen Mary College) και αφορούσε: Τον έλεγχο μιας μηχανής ατμού (pilot scale steam engine) Έπειτα εκρηκτική ανάπτυξη του ασαφούς ελέγχου.

ΙΣΤΟΡΙΚΑ ΣΤΟΙΧΕΙΑ (ΣΗΜΕΡΑ) 4 περιοχές συγκέντρωσης της παγκόσμιας ερευνητικής προσπάθειας : α) Σχεδίαση ελεγκτών βασισμένους σε κανόνες β) Ανάλυση σημειακών συστημάτων γ) Θεωρία ασαφών δυναμικών συστημάτων δ) Ασαφής βελτιστοποίηση

ΚΛΑΣΣΙΚΑ ΣΥΝΟΛΑ Για την κλασική περίπτωση συνόλων ο βαθμός συμμετοχής των στοιχείων του συνόλου παίρνει τιμές μόνο “0” ή “1”, δηλαδή: Έτσι έχουμε την έννοια των καθαρών συνόλων (crisp sets) που είναι τα σύνολα των οποίων τα στοιχεία τους έχουν αντίστοιχες τιμές μόνο 0 ή 1 στην αριθμητική σχέση συμμετοχής τους. Δηλαδή η αριθμητική σχέση συμμετοχής τους εκφράζει όλες ή καμία από τις ιδιότητες των στοιχείων.

ΠΑΡΑΔΕΙΓΜΑ Α = {μήλο, αχλάδι, αβοκάντο} (1 0 1). Α = {μήλο, αχλάδι, αβοκάντο} (1 0 1). Υπάρχει μήλο και αβοκάντο στην φρουτιέρα. Η συμμετοχή τους είναι 1. Επίσης δεν υπάρχει αχλάδι στην φρουτιέρα. Η συμμετοχή του είναι 0.

ΑΣΑΦΗ ΣΥΝΟΛΑ Για την περίπτωση των ασαφών συνόλων ο βαθμός συμμετοχής των στοιχείων του συνόλου παίρνει πραγματικές τιμές στο διάστημα [0, 1], δηλαδή: Παράδειγμα : Α = {μήλο, αχλάδι, αβοκάντο} (1.0 0.1 0.7). Το μήλο είναι τέλειο, το αχλάδι έχει σημάδια και το αβοκάντο έχει κοψίματα στην φλούδα του.

ΣΥΜΠΕΡΑΣΜΑΤΑ Έτσι στη θεωρία της ασαφούς λογικής η αριθμητική σχέση παίρνει πολλαπλές τιμές στο πραγματικό διάστημα [0, 1], ενώ στην κλασική περίπτωση των καθαρών τιμών είναι μόνο δυο οι τιμές “0” ή “1”. Επίσης με την έννοια των ασαφών συνόλων έχουμε: που εξηγεί ότι αβεβαιότητα ή ασάφεια δεν είναι το ίδιο με την τυχαιότητα ή πιθανότητα. Επίσης γνωρίζουμε ότι από πλευράς μεγέθους ο χώρος των δειγμάτων (sample space) δεν μπορεί να είναι πολύ μεγάλος. Αλλιώς ένα θετικό μέτρο, όπως οι πιθανότητες, δεν μπορεί να είναι συγχρόνως αριθμητικά προσθετέο και περιορισμένο (additive & finite) που επίσης αποδεικνύει ότι δεν μπορεί να είναι μέτρο πιθανοτήτων.

ΓΡΑΦΙΚΗ ΑΠΕΙΚΟΝΙΣΗ ΑΣΑΦΟΥΣ ΣΥΝΟΛΟΥ Έστω Χ υπερσύνολο αναφοράς και Α υποσύνολο του Χ τότε: Το Α καλείται ασαφές υποσύνολο του Χ όταν και μόνο όταν Α = { (χ,μΑ (χ) | χεΧ, μΑ (χ): Χ [0,1] }

ΠΡΑΞΕΙΣ ΕΠΙ ΤΩΝ ΑΣΑΦΩΝ ΣΥΝΟΛΩΝ Έστω Χ υπερσύνολο αναφοράς και Α,Β ασαφή υποσύνολα του Χ , τότε ορίζουμε τα ακόλουθα : 1. Αλγεβρικό άθροισμα: Α+Β = { (χ,μΑ+Β (χ) | χεΧ, μΑ+Β (χ) =μΑ(χ)+μΒ(χ)-μΑ(χ)*μΒ(χ)} 2. Αλγεβρικό γινόμενο : ΑΒ = { (χ,μΑΒ (χ) | χεΧ, μΑΒ (χ) =μΑ(χ) * μΒ(χ) } 3.Τομή : C=Α∩Β = { (χ,μC(χ) | χεΧ, μC(χ) =min(μΑ(χ),μΒ(χ)) } 4.Ένωση:D=AỦB= { (x,μD(χ) | χεΧ, μD(χ) =max(μΑ(χ),μΒ(χ) } 5.Συμπλήρωμα: Αc= { (χ,μAc(χ) | χεΧ, μΑc(χ) = 1-μΑ (χ) }

ΑΡΙΘΜΗΤΙΚΟ ΠΑΡΑΔΕΙΓΜΑ Έστω Χ = { σπίτια με 1 ή 2 ή 3…ή 10 δωμάτια } Α = { σπίτια ``κατάλληλα΄΄ για 4-μελή οικογένεια } Β = { σπίτια ``μεγάλα΄΄ σε επιφάνεια } Τα Α, Β αποτελούν ασαφή υποσύνολα του Χ. Αν Α = 0,2/1 + 0,5/2 + 0,8/3 + 1/4 + 0,7/5 + 0,3/6 Β = 0,2/3 + 0,4/4 + 0,6/5 + 0,8/6 + 1/7 + 1/8 Τότε C= Α∩Β = { σπίτια `κατάλληλα΄ για 4-μελή οικογένεια και `μεγάλα΄ σε επιφάνεια } = 0.2/3 + 0.4/4 + 0.6/5 + 0.3/6 D = ΑυΒ = {σπίτια `κατάλληλα΄ για 4-μελή οικογένεια ή μεγάλα σε επιφάνεια } =0.2/1 + 0.5/2 + 0.8/3 + 1/4 + 0.7/5 + 0.8/6 + 1/7 + 1/8 Αc= {σπίτια ακατάλληλα για 4-μελή οικ.}=0.8/1 + 0.5/2 + 0.2/3 + Ο.3/5 + 0.7/6 Βc= {σπίτια μικρά σε επιφάνεια}=1/1 + ½ + 0,8/3 + 0.6/4 + 0.4/5 + 0.2/6

ΕΦΑΡΜΟΓΕΣ ΑΣΑΦΩΝ ΣΥΝΟΛΩΝ ΣΤΗ ΒΙΟΛΟΓΙΑ Τα ασαφή σύνολα μπορεί να αποτελέσουν ένα σημαντικό εργαλείο για την εξαγωγή συμπερασμάτων στη βιολογία όπως : Ανάλυση σχέσεων μεταξύ βλάστησης και περιβάλλοντος Εντοπισμός προβλημάτων πληθυσμών όπως:προτιμήσεις στο φαγητό, επιλογή κατάλληλου ενδιαιτήματος, περιβαλλοντικούς περιορισμούς κλπ Μετατροπή τιμών έκφρασης βιολογικών γονιδίων σε ποιοτικές περιγραφές, που μπορούν να αξιολογηθούν. Κατηγοριοποίηση των ειδών σε σχέση με το φυσικό περιβάλλον.

ΕΥΧΑΡΙΣΤΩ