Ασαφής Λογική. Βελτιστοποίηση Συστημάτων & Υδροπληροφορική. Χρήστος Μακρόπουλος & Ανδρέας Ευστρατιάδης
|
|
- Ευτροπια Αλεξόπουλος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Βελτιστοποίηση Συστημάτων & Υδροπληροφορική Ασαφής Λογική Χρήστος Μακρόπουλος & Ανδρέας Ευστρατιάδης Τομέας Υδατικών Πόρων και Περιβάλλοντος Εθνικό Μετσόβιο Πολυτεχνείο, Μάρτιος
2 Ιστορία.. L. A. Zadeh (1965) "Fuzzy sets". Information and Control 8 (3) Αζερμπαϊτζάν, Τεχεράνη, MIT, Columbia, UCB.. 2
3 Εφαρμογές Identification of river water quality using the fuzzy synthetic evaluation approach A fuzzy compromise approach to water resource systems planning under uncertainty An interval parameter fuzzy two stage stochastic program for water resources management under uncertainty Fuzzy optimization model for water quality management of a river system Fuzzy logic spatial decision support system for urban water management Planning against long term water scarcity: a fuzzy multicriteria approach 3
4 Και βέβαια
5 Οι πολλές μορφές της αβεβαιότητας Η θεωρία πιθανοτήτων δεν μπορεί να περιγράψει όλες τις μορφές αβεβαιότητας. Όταν A είναι ένα σύνολο και είναι ένα στοιχείο, η πρόταση το ανήκει στο A δεν είναι απαραίτητα είτε σωστή είτε λάθος (και εμείς «απλά» το αγνοούμε). Μπορεί να είναι σωστή σε ένα βαθμό. Παράδειγμα: ο καιρός σήμερα Έχει ηλιοφάνεια: πχ αν ορίσουμε ως μέρα με ηλιοφάνεια μια μέρα στην οποία η νεφοκάλυψη είναι κάτω του 25%. Και αν υπάρχουν σύννεφα πάνω από τη περιοχή ενδιαφέροντος για το 26% της ημέρας; Δεν έχουμε ηλιοφάνεια; Απροσδιοριστία (ή ασάφεια) ως μια άλλη μορφή αβεβαιότητας (vagueness). 5
6 Ασαφής λογική Πιθανότητες (ζάρια ) 6
7 Η ασαφής Λογική βασίζεται (ή στην ουσία επεκτείνει τη θεωρία συνόλων) Διακριτά (crisp) σύνολα και τα ασαφή (fuzzy) σύνολα: Κάθε διακριτό/crisp σύνολο χωρίζει τα στοιχεία ενός χώρου σε δύο μέρη: τα στοιχεία που ανήκουν στο σύνολο και τα στοιχεία που δεν ανήκουν στο σύνολο. Δυστυχώς πολλά προβλήματα κατηγοριοποίησης δεν ακολουθούν ικανοποιητικά αυτό τον κανόνα (το σύνολο των ψηλών ανθρώπων, το σύνολο των διαβασμένων φοιτητών!) Ένα ασαφές σύνολο μπορεί να οριστεί μαθηματικά αντιστοιχώντας σε κάθε στοιχείο του χώρου μια τιμή η οποία αντιπροσωπεύει το βαθμό συμμετοχής (degree of membership) του στοιχείου στο ασαφές σύνολο. Παράδειγμα: για να δημιουργήσουμε το ασαφές σύνολο «μέρα με ηλιοφάνεια» αντιστοιχούμε βαθμό συμμετοχής 1 σε νεφοκάλυψη 0%, 0.8 σε νεφοκάλυψη πάνω από 20%, 0.4 σε νεφοκάλυψη πάνω από 30%, and 0 σε νεφοκάλυψη πάνω από 75%. 7
8 Πώς φτιάχνουμε σύνολα Τρείς βασικές μέθοδοι: Ορίζουμε τα στοιχεία (με μια λίστα) ένα προς ένα. A { a1, a2,..., an} Ορίζουμε ένα κανόνα τον οποίο τηρούν τα μέλη του συνόλου. A { P( )} P(): κανόνας της μορφής το έχει το χαρακτηριστικό/ιδιότητα P Δημιουργούμε μια χαρακτηριστική συνάρτηση 1 for A A( ) 0 for A 8
9 Ιδιότητες (διακριτών) συνόλων 9
10 Κυρτά (conve) σύνολα To A=[0,2]U[3,5] είναι μη κυρτό.
11 Χαρακτηριστικά Ασαφών Συνόλων Μια συνάρτηση συμμετοχής (membership function) Μεγαλύτερες τιμές της συνάρτησης σημαίνουν μεγαλύτερη συμμετοχή στο σύνολο. Κάθε σύνολο που ορίζεται μέσω μιας συνάρτησης συμμετοχής είναι ένα ασαφές σύνολο (fuzzy set). Το πιο συνηθισμένο εύρος για τις τιμές μια συνάρτησης συμμετοχής είναι [0,1]. Το ευρύτερο δυνατό σύνολο (universal set X) μέσα στο οποίο ορίζονται τα υπόλοιπα σύνολα είναι πάντα διακριτό. Γράφουμε: Η συνάρτηση συμμετοχής ενός συνόλου A: A : X [0,1] Ή αλλιώς συνάρτηση και σύνολο γράφονται και τα δύο ως A: A: X [0,1] 11
12 Έστω Χ υπερσύνολο αναφοράς και Α υποσύνολο του Χ τότε: Το Α καλείται ασαφές υποσύνολο του Χ όταν και μόνο όταν Α = {(χ, μ Α (χ) χεχ, μ Α (χ): Χ [0,1] }
13 Βαθμός συμμετοχής Βασικοί τύποι Ασαφών Συνόλων (μορφές συναρτήσεων συμμετοχής) Μεταβλητή 13
14 Βασικοί τύποι Ασαφών Συνόλων Τα 4 ασαφή σύνολα που ορίζουν οι συναρτήσεις στη προηγούμενη διαφάνεια έχουν κάποια κοινά χαρακτηριστικά: Κάθε συνάρτηση του προηγούμενου σχήματος είναι μέλος μιας οικογένειας συναρτήσεων: Στο σχήμα ποια είναι τα p 1, p 2, p 3, p 4 ; 14
15 Ασαφείς μεταβλητές Πολύ συχνά τα ασαφή σύνολα χρησιμοποιούνται για να περιγράψουν μαθηματικά λεκτικούς προσδιορισμούς fuzzy sets representing (λίγο, μέτρια, πολύ, κτλ) Πολλές φορές χρησιμοποιούνται για να κατηγοριοποιήσουν μεταβλητές (ασαφείς μεταβλητές): 15
16 Παράδειγμα Τρία σύνολα: [Λίγο μορφωμένοι], [Μορφωμένοι], [Πολύ μορφωμένοι] Παράμετροι εισόδου, 7 βαθμοί εκπαίδευσης: Highly educated (0.8) Very highly educated (0.5) 16
17 Συναρτήσεις συμμετοχής Ακόμα και αν ήταν στη Κίνα; Δεν υπάρχει προκαθορισμένος τρόπος ορισμού τους. Έχουν υποκειμενικό στοιχείο Αναπαράσταση αβεβαιότητας όχι πιθανότητας!!!
18 Ασαφή σύνολα A {(, ( )) X} A Ασαφές σύνολο Συνάρτηση συμμετοχής Χώρος ορισμού (Universe of discourse) Εναλλακτικά: X διακριτό X συνεχές A A ( i)/ i X A ( )/ X A i
19 Είδη ασαφών συνόλων Αυτό είναι το ένα είδος ασαφών συνόλων. A : X [0,1] (συνήθη ασαφή σύνολα ordinary fuzzy sets Τύπου 1). Interval και Τύπου 2: Η συνάρτηση συμμετοχής στα τύπου 1 είναι συνήθως πολύ συγκεκριμένη. Μπορεί όμως κάτι τέτοιο να μην είναι πάντα εφικτό.. Στα ασαφή σύνολα τύπου 2 η συνάρτηση συμμετοχής δεν αντιστοιχεί σε κάθε μεταβλητή ένα βαθμό συμμετοχής αλλά ένα εύρος τιμών μεταξύ ενός άνω και ενός κάτω ορίου (interval) ή ορίζεται και αυτός με μια συνάρτηση συμμετοχής (type 2). A: X ([0,1]), 19
20 Είδη ασαφών συνόλων 20
21 Είδη ασαφών συνόλων
22 Βασικές Έννοιες Ας υποθέσουμε ότι έχουμε 3 σύνολα young, middle aged, old person. Ορίζουμε πχ τις συναρτήσεις συμμετοχής (membership functions) στο διάστημα [0,80] ως εξής: 22
23 Βασικές Έννοιες 23
24 Βασικές Έννοιες: α cut α cut και αυστηρό (strong) α cut Για δεδομένο ασαφές σύνολο A στο X και ένα αριθμό [0,1], το α cut και το αυστηρό α cut είναι διακριτά σύνολα: Το α cut ενός ασαφούς συνόλου A είναι ένα διακριτό σύνολο που περιέχει όλα τα στοιχεία των οποίων ο βαθμός συμμετοχής στο Α είναι μεγαλύτερος ή ίσος (ή αυστηρά μεγαλύτερος) από τον αριθμό α.
25 Βασικές Έννοιες Παράδειγμα: 25
26 Βασικές Έννοιες Ιδιότητες των α cut Για κάθε ασαφές σύνολο A και δύο τιμές Για τις οποίες ισχύει 1 2 1, 2 [0,1] A A and A A A A A, A A A A A A, A A A Τα α cuts οποιουδήποτε ασαφούς συνόλου είναι οικογένειες από nested διακριτά σύνολα. 26
27 Βασικές Έννοιες Παράδειγμα: δείτε το διακριτό σύνολο D 2 που προσεγγίζει το ασαφές σύνολο A 2 27
28 Βασικές Έννοιες Η υποστήριξη (support) (S(A) ή supp(a)) ενός ασαφούς συνόλου A που ορίζεται σε ένα υπερσύνολο Χ: Η υποστήριξη είναι το διακριτό υποσύνολο των στοιχείων του Χ με μημηδενικούς βαθμούς συμμετοχής στο A. άρα είναι το ίδιο με ένα strong α cut του A για α=0 28
29 Βασικές Έννοιες Το ύψος ενός συνόλου A: Είναι η μεγαλύτερη τιμή του βαθμού συμμετοχής που έχει αντιστοιχηθεί σε οποιοδήποτε στοιχείο του συνόλου h( A) sup A( ) X Ένα σύνολο ονομάζεται κανονικό (normal) αν h(a) = 1. Και subnormal αν h(a) <1. 29
30 Σubnormal conve fuzzy set 30
31 Νormal non conve fuzzy set Fig Normal fuzzy set that is not conve. 31
32 Νormal fuzzy set οριζόμενο στο (,y) μέσω α cuts 32
33 Προσοχή Δεν λέμε ότι η συνάρτηση συμμετοχής ενός κυρτού ασαφούς συνόλου είναι κυρτή συγκεκριμένα είναι κοίλη! 33
34 Βασικές έννοιες: συμπληρωματικό A( ) 1 A( ) Τα στοιχεία του Χ για τα οποία A( ) A( ) ονομάζονται σημεία ισορροπίας του A. Για το A 2 στο Fig. 1.7 είναι τα 27.5 και
35 Βασικές έννοιες Τομή και Ένωση ( A B)( ) min[ A( ), B( )], ( A B)( ) ma[ A( ), B( )],
36 Βασικές Έννοιες Παράδειγμα: A 1, A 2, A 3 normal. B and C subnormal. B and C κυρτά. B C and B C μη κυρτά B A 1 A 2 C A 2 A 3 Η κανονικότητα (normality) και η κυρτότητα (conveity) μπορεί να χαθούν όταν κάνουμε πράξεις μεταξύ ασαφών συνόλων χρησιμοποιώντας τομή ή συμπλήρωμα. 36
37 Βασικές Έννοιες Κάτι που ΔΕΝ ισχύει στα ασαφή σύνολα A A Αρκεί να δείξουμε ότι το ΔΕΝ ισχύει για τουλάχιστον ένα min[ A( ), 1 X Στην ουσία ΔΕΝ ισχύει για κανένα Και ισχύει μόνο για A( ) {0,1}. A( )] 0 A( ) (0,1) 37
38 Πράξεις Έστω Χ υπερσύνολο αναφοράς και Α,Β ασαφή υποσύνολα του Χ, τότε ορίζουμε τα ακόλουθα : 1. Αλγεβρικό άθροισμα: Α+Β = { (χ,μ Α+Β (χ) χεχ, μ Α+Β (χ) =μ Α (χ)+μ Β (χ) μ Α (χ)*μ Β (χ)} 2. Αλγεβρικό γινόμενο : ΑΒ = { (χ,μ ΑΒ (χ) χεχ, μ ΑΒ (χ)=μ Α (χ) * μ Β (χ) } 3.Τομή : C=Α Β = { (χ,μ C (χ) χεχ, μ C (χ) =min(μ Α (χ),μ Β (χ)) } 4.Ένωση:D=AỦB= { (,μ D (χ) χεχ, μ D (χ) =ma(μ Α (χ),μ Β (χ) } 5.Συμπλήρωμα: Α c = { (χ,μ Ac (χ) χεχ, μ Αc (χ) = 1 μ Α (χ) }
39 Πράξεις 39
40 Ομοιότητα/Απόσταση μεταξύ δύο ασαφών συνόλων 40
41 Παράδειγμα 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/ / / /6 D = ΑυΒ = {σπίτια «κατάλληλα» για 4 μελή οικογένεια ή μεγάλα σε επιφάνεια } =0.2/ / /3 + 1/ / /6 + 1/7 + 1/8 Α c = {σπίτια ακατάλληλα για 4 μελή οικ.}=0.8/ / /3 + Ο.3/ /6 Β c = {σπίτια μικρά σε επιφάνεια}=1/1 + ½ + 0,8/ / / /6
42 Διακριτός χώρος Ασαφές σύνολο C = επιθυμητή πόλη για διαβίωση X = {Athens, Boston, Paris} (διακριτός και μη διατεταγμένος χώρος) C = {(Athens, 0.9), (Boston, 0.8), (Paris, 0.6)} Ασαφές σύνολο A = επιθυμητός αριθμός παιδιών X = {0, 1, 2, 3, 4, 5, 6} (διακριτός χώρος) A = {(0,.1), (1,.3), (2,.7), (3, 1), (4,.6), (5,.2), (6,.1)}
43 Συνεχής χώρος Ασαφές σύνολο B = περίπου 50 ετών X = Σύνολο θετικών αριθμών (συνεχές) B = {(, B()) in X} B ( )
44 Συνήθεις συναρτήσεις συμμετοχής Τριγωνοειδής: 0,, min ma ),, ; ( tri b c c a b a c b a Τραπεζοειδής: 0,,1, min ma ),,, ; ( trap c d d a b a d c b a Generalized bell: 0, 1 1 ),, ; ( 2 gbell b a c c b a b Gaussian: 2 ), ; ( gauss c e c
45 Συναρτήσεις συμμετοχής
46 Δυσδιάστατη συνάρτηση συμμετοχής R (, y) ( ) ( y) A ma (, y) y R B ma (, y) R
47 Δυσδιάστατη συνάρτηση συμμετοχής
48 Πράξεις συνόλων Ισότητα: Υποσύνολο: Συμπλήρωμα: Ένωση: Τομή: X B A B A ), ( ) ( X B A C B A B A c ), ( ) ( )) ( ), ( ma( ) ( X B A C B A B A c ), ( ) ( )) ( ), ( min( ) ( X A X A A A c c ), ( 1 ) ( X B A B A ), ( ) (
49 Γενικευμένοι τελεστές: Ασαφές συμπλήρωμα Sugeno a N ( s a ) 1 1 sa w 1 N ( a) ( 1 a ) / w Yager w
50 Γενικευμένοι τελεστές: Ασαφής τομή: T norm Απαιτήσεις : Οριακές συνθήκες: T(0, 0) = 0, T(a, 1) = T(1, a) = a Μονοτονία: T(a, b) < T(c, d) αν a < c και b < d Αντιμεταθετικότητα: T(a, b) = T(b, a) Προσεταιριστικότητα: T(a, T(b, c)) = T(T(a, b), c) Παραδείγματα : Minimum: Tm(a, b) = min(a, b) = a b Algebraic product: Ta(a, b) = ab Bounded product: Tb(a, b) = ma(0, a+b 1) a, αν b=1 Drastic product: Td(a, b) = b, αν a=1 0, αν a, b < 1
51 T norm Minimum: Tm(a, b) Algebraic product: Ta(a, b) Bounded product: Tb(a, b) Drastic product: Td(a, b)
52 Γενικευμένοι τελεστές: Ασαφής ένωση: T conorm (S norm) Απαιτήσεις : Οριακές συνθήκες: S(1, 1) = 1, S(a, 0) = S(0, a) = a Μονοτονία: S(a, b) < S(c, d) αν a < c και b < d Αντιμεταθετικότητα: S(a, b) = S(b, a) Προσεταιριστικότητα: S(a, S(b, c)) = S(S(a, b), c) Παραδείγματα : Maimum: Sm(a, b) = ma(a, b) = a b Algebraic sum: Sa(a, b) = a + b ab Bounded sum: Sb(a, b) = min(1, a + b) a, αν b=0 Drastic sum: Sd(a, b) = b, αν a=0 1, αν a, b > 0
53 T conorm (S norm) Maimum: Sm(a, b) Algebraic sum: Sa(a, b) Bounded sum: Sb(a, b) Drastic sum: Sd(a, b)
54 Η αρχή της επέκτασης (etension principle) Ασαφές σύνολο A : A ( )/ ( )/ ( )/ A 1 1 A 2 2 A n n Απεικόνιση του A στο B μέσω της f() : B A ( 1) / y1 A ( 2 ) / y 2 A ( n ) / y n όπου yi = f(i), i = 1,...,n. f(χ) μονοσήμαντη B ( y) ma ( ) 1 f ( y) A
55 Η αρχή της επέκτασης (etension principle) Από την ασαφή παράμετρο " is about 2" στην "f is about f(2)" για f()= (-1)^2. Παράδειγμα: Τριγωνικό με f()=^2 55
56 Συστήματα ασαφούς επαγωγής Fuzzy Inference Systems (FIS)
57 Συστήματα ασαφούς επαγωγής Fuzzy Inference Systems (FIS) Ασαφοποίηση (υπολογισμός βαθμών συμμετοχής) Αποτίμηση ασαφών κανόνων Αποασαφοποίηση (υπολογισμός αριθμητικών τιμών) Ασαφείς κανόνες If is A then y is B Παραδείγματα: Εάν η πίεση είναι υψηλή, τότε ο όγκος είναι μικρός. Εάν η τομάτα είναι κόκκινη, τότε είναι ώριμη. Εάν η ταχύτητα είναι υψηλή, τότε πίεσε το φρένο ελαφρά.
58 Διαδικασία ενός FIS: Συνολικά 58
59 Διαδικασία ενός FIS: antecedents 59
60 Διαδικασία ενός FIS: consequent 60
61 Διαδικασία ενός FIS: Συνδυασμός 61
62 Διαδικασία ενός FIS: Τελικά 62
63 Αν είσαι βαρύς καπνιστής έχεις μεγάλο κίνδυνο καρκίνου Τι συνεπάγεται αυτό το FIS για κάποιον που καπνίζει 6 τσιγάρα την ημέρα; 63
64 Συστήματα ασαφούς επαγωγής (Mamdani) Ένας κανόνας με μία υπόθεση Κανόνας: if is A then y is B Γεγονός: is A Συμπέρασμα: y is B ) ( ) ( ))] ( ) ( ( [ ) ( y w y y B B A A B A X w A B Y is A B Y A X y is B R A B
65 Συστήματα ασαφούς επαγωγής Ένας κανόνας με πολλαπλές υποθέσεις Κανόνας: if is A and y is B then z is C Γεγονός: is A and y is B Συμπέρασμα: z is C C ( A B) R A A B B T-norm C2 X Y A B C is A X y is B Y z is C w Z Z
66 Matlab FIS Editor: Age of pipes [0 100, 4 categories, gauss] leakage vulnerability [h, m, l], triangular Set enough rules View rules and surface Change defuzzification rules (e.g. mom) Save FIS, look at structure a = readfis(testfis'); evalfis([ ], a] Fuzzy(testfis) Add another antecedent (e.g. pressure) Create more comple rules: what if pressure is low and age is old? Demo toolbo fuzzy control of water level in tank traffic patterns with clustering 66
67 Βιβλιογραφία/Αναφορές Η παρουσίαση χρησιμοποίησε υλικό, σχήματα και παραδείγματα από αντίστοιχες παρουσιάσεις των: Klir and Yuan (με σχήματα από το βιβλίο τους: Fuzzy sets and fuzzy logic: theory and applications) Παρουσίαση του Εργαστηρίου Ευφυών Υπολογιστικών Συστημάτων του ΕΜΠ (Σχολή ΗΜ) N. Kasabov Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering, MIT Press, 1996 Καθώς και από το MATLAB Fuzzy Logic Toolbo Manual 67
Ασαφής Λογική (Fuzzy Logic)
Βελτιστοποίηση Συστημάτων & Υδροπληροφορική Ασαφής Λογική (Fuzzy Logic) Χρήστος Μακρόπουλος Τομέας Υδατικών Πόρων και Περιβάλλοντος Εθνικό Μετσόβιο Πολυτεχνείο Κατ αρχάς λίγη ιστορία.. Αζερμπαϊτζάν, Τεχεράνη,
Διαβάστε περισσότεραΑσαφής Λογική (Fuzzy Logic)
Ασαφής Λογική (Fuzzy Logic) Ασάφεια: έννοια που σχετίζεται με την ποσοτικοποίηση της πληροφορίας και οφείλεται κυρίως σε μη-ακριβή (imprecise) δεδομένα. Π.χ. "Ο Νίκος είναι ψηλός": δεν προσδιορίζεται με
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Ασάφεια (Fuzziness) Ποσοτικοποίηση της ποιοτικής πληροφορίας Οφείλεται κυρίως
Διαβάστε περισσότεραΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΤΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ MATLAB / FUZZY LOGIC TOOLBOX
ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΤΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ MATLAB / FUZZY LOGIC TOOLBOX Σε αυτό το εγχειρίδιο θα περιγράψουμε αναλυτικά τη χρήση του προγράμματος MATLAB στη λύση ασαφών συστημάτων (FIS: FUZZY INFERENCE SYSTEM
Διαβάστε περισσότεραΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #2: Ασαφή Σύνολα. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #2: Ασαφή Σύνολα Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 1. Ασαφή Συστήματα. 1.1 Ασαφή Σύνολα. x A. 1, x
ΚΕΦΑΛΑΙΟ 1 Ασαφή Συστήματα Η τεχνολογική πρόοδος των τελευταίων ετών επέβαλλε τη δημιουργία συστημάτων ικανών να εκτελέσουν προσεγγιστικούς συλλογισμούς, παρόμοιους με αυτούς του ανθρώπινου εγκέφαλου.
Διαβάστε περισσότεραΑΣΑΦΗΣ ΛΟΓΙΚΗ. Οικονόμου Παναγιώτης Δρ. Ε. Παπαγεωργίου 1
ΑΣΑΦΗΣ ΛΟΓΙΚΗ Ασαφή Σύνολα Συναρτήσεις Συμμετοχής Λεκτικοί Κανόνες Πράξεις Ασαφών Συνόλων Ασαφής Συνεπαγωγές Αποασαφοποίηση Παραδείγματα Ασαφών Συστημάτων Οικονόμου Παναγιώτης 1 Ασάφεια Έννοια που σχετίζεται
Διαβάστε περισσότεραΠροσαρμοστικό Σύστημα Νευρο-ασαφούς Συμπερασμού ANFIS (Adaptive Network based Fuzzy Inference System)
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών DEMOCRITUS UNIVERSITY OF THRACE SCHOOL OF ENGINEERING Department of Civil Engineering Προσαρμοστικό Σύστημα Νευρο-ασαφούς Συμπερασμού
Διαβάστε περισσότεραΒασικές Έννοιες Ασαφών Συνόλων
Ασάφεια (Fuzziness) Έννοια που σχετίζεται με την ποσοτικοποίηση της πληροφορίας και οφείλεται κυρίως σε μη-ακριβή (imprecise) δεδομένα. "Ο Νίκος είναι ψηλός Το πρόβλημα οφείλεται στην αντίληψη που έχει
Διαβάστε περισσότεραΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #3: Αρχή της Επέκτασης - Ασαφείς Σχέσεις. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #3: Αρχή της Επέκτασης - Ασαφείς Σχέσεις Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης
Διαβάστε περισσότεραΚεφάλαιο 14. Ασάφεια. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου
Κεφάλαιο 4 Ασάφεια Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Ασάφεια (Fuzziness) Έννοια που σχετίζεται µε την ποσοτικοποίηση της πληροφορίας και
Διαβάστε περισσότεραΗ ασάφεια και τα Ασαφή Σύνολα ρ. Παναγιώτης Λ. Θεοδωρόπουλος Σχολικός Σύµβουλος κλάδου ΠΕ03 www.p-theodoropoulos.gr Εισαγωγή Η έννοια του ασαφούς συνόλου εισήχθη από τον Zadeh το 1965 και δηµιούργησε πραγµατική
Διαβάστε περισσότεραΒιομηχανικοί Ελεγκτές
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τ.Τ Βιομηχανικοί Ελεγκτές Ενότητα #7: Ευφυής Ελεγκτής Μέρος Α Κωνσταντίνος Αλαφοδήμος Τμήματος Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραΕυφυής Έλεγχος, Θεωρία και Εφαρμογές
Ευφυής Έλεγχος, Θεωρία και Εφαρμογές Διδακτικές Σημειώσεις Τμήματος Πληροφορικής και Επικοινωνιών Τομέας Αρχιτεκτονικής Υπολογιστικών και Βιομηχανικών εφαρμογών Δρ. Βολογιαννίδης Σταύρος email: svol@teiser.gr
Διαβάστε περισσότεραΕισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων
Σημειώσεις στα πλαίσια του μαθήματος: Βελτιστοποίηση Συστημάτων Υδατικών Πόρων Υδροπληροφορική Εισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων Ανδρέας Ευστρατιάδης, Χρήστος Μακρόπουλος
Διαβάστε περισσότεραΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #11: Ασαφής Αριθμητική. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #11: Ασαφής Αριθμητική Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΔρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
Μάθημα 2ο Δρ. Ανέστης Γ. Χατζημιχαηλίδης Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2016-2017 Ασαφή Συστήματα 2 Η ασαφής λογική προτάθηκε το 1965 από τον Prof. Lotfi Zadeh
Διαβάστε περισσότεραΔΙΑΧΕΙΡΙΣΗ ΓΛΩΣΣΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ. Πολυκριτήρια Ανάλυση Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΔΙΑΧΕΙΡΙΣΗ
Διαβάστε περισσότεραΕισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων
Σημειώσεις στα πλαίσια του μαθήματος: Βελτιστοποίηση Συστημάτων Υδατικών Πόρων Υδροπληροφορική Εισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων Ανδρέας Ευστρατιάδης, Χρήστος Μακρόπουλος
Διαβάστε περισσότεραΕυφυής Έλεγχος, Θεωρία και Εφαρμογές. Δρ. Βολογιαννίδης Σταύρος,
Ευφυής Έλεγχος, Θεωρία και Εφαρμογές Δρ. Βολογιαννίδης Σταύρος, (svol@teicm.gr) 9 Νοεμβρίου 24 Περιεχόμενα Εισαγωγή. Ευφυής έλεγχος......................... 2 Ασαφής έλεγχος 4 2. Ασαφή σύνολα - Βασικοί
Διαβάστε περισσότεραΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης Δούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
Διαβάστε περισσότεραΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ «ΑΕΙΦΟΡΙΚΗ ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΒΑΛΛΟΝΤΟΣ & ΦΥΣΙΚΩΝ ΠΟΡΩΝ» ΤΜΗΜΑ ΔΑΣΟΛΟΓΙΑΣ & ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ & ΦΥΣΙΚΩΝ ΠΟΡΩΝ Μεταπτυχιακή Διατριβή με
Διαβάστε περισσότεραΔρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
Μάθημα 8 ο Δρ. Βασίλειος Γ. Καμπουρλάζος Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2016-2017 Μια Ενοποιητική Προσέγγιση στην ΥΝ Η Θεωρία Πλεγμάτων στην ΥΝ. Υπολογιστικές Μεθοδολογίες
Διαβάστε περισσότεραΜΙΑ ΠΡΟΣΕΓΓΙΣΗ ΤΗΣ ΑΣΑΦΟΥΣ ΛΟΓΙΚΗΣ ΑΠΟ ΜΑΘΗΤΕΣ ΛΥΚΕΙΟΥ
ΜΙΑ ΠΡΟΣΕΓΓΙΣΗ ΤΗΣ ΑΣΑΦΟΥΣ ΛΟΓΙΚΗΣ ΑΠΟ ΜΑΘΗΤΕΣ ΛΥΚΕΙΟΥ Καραμολέγκος Πρόδρομος, Εφέντη Ιάσων, Καραγκιοζίδης Νίκος, Μαγριώτης Αντώνης, Θεοχάρους Μαριάνθη Ελένη Μαθητές Β Λυκείου, 1 ο ΓΕΛ Ξάνθης prokaramolegos@gmail.com,
Διαβάστε περισσότεραΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ. 118 ερωτήσεις θεωρίας με απάντηση 324 416 ασκήσεις για λύση. 20 συνδυαστικά θέματα εξετάσεων
ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ 118 ερωτήσεις θεωρίας με απάντηση 34 416 ασκήσεις για λύση ερωτήσεις κατανόησης λυμένα παραδείγματα 0 συνδυαστικά θέματα εξετάσεων Π Ε Ρ Ι Ε Χ Ο Μ Ε Ν Α Εισαγωγική ενότητα Το λεξιλόγιο
Διαβάστε περισσότεραΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
Διαβάστε περισσότεραΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης Δούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
Διαβάστε περισσότεραTEI Πειραιά Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Αυτοματισμού ΤΕ Τομέας Βιομηχανικής Πληροφορικής. Σημειώσεις ΕΥΦΥΟΥΣ ΕΛΕΓΧΟΥ
TEI Πειραιά Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Αυτοματισμού ΤΕ Τομέας Βιομηχανικής Πληροφορικής Σημειώσεις ΕΥΦΥΟΥΣ ΕΛΕΓΧΟΥ ΑΝΑΣΤΑΣΙΟΣ ΝΤΟΥΝΗΣ Αναπληρωτής Καθηγητής 03 ΠΕΡΙΕΧΟΜΕΝΑ. Εισαγωγή...
Διαβάστε περισσότεραΕξαγωγή κανόνων από αριθµητικά δεδοµένα
Εξαγωγή κανόνων από αριθµητικά δεδοµένα Συχνά το σύστηµα που θέλουµε να µοντελοποιήσουµε η να ελέγξουµε αντιµετωπίζεται ως µαύρο κουτί και η πληροφορία για τη λειτουργία του διατίθεται υπό µορφή ζευγών
Διαβάστε περισσότεραΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης ούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και ιοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
Διαβάστε περισσότεραΕΝΝΟΙΕΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ, διαλ. 4. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 6/5/2017
ΕΝΝΟΙΕΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ διαλ. 4 Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 6/5/7 Χαρακτηριστικά του προβλήματος Μελέτη αντικειμενικών συναρτήσεων και συναρτήσεων περιορισμών: Απλούστευση προβλήματος
Διαβάστε περισσότεραΤΕΙ ΚΡΗΤΗΣ - Σχολή Εφαρμοσμένων Eπιστημών Τμήμα Ηλεκτρονικών Μηχανικών ΤΕ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΣΠΑΓΑΚΟΥ-ΛΙΑΚΑΚΟΥ ΠΑΝΑΓΙΩΤΗ Α.Μ.3547 ΣΑΜΠΑΘΙΑΝΑΚΗ ΝΙΚΟΛΑΟΥ
ΤΕΙ ΚΡΗΤΗΣ - Σχολή Εφαρμοσμένων Eπιστημών Τμήμα Ηλεκτρονικών Μηχανικών ΤΕ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΣΠΑΓΑΚΟΥ-ΛΙΑΚΑΚΟΥ ΠΑΝΑΓΙΩΤΗ Α.Μ.3547 ΣΑΜΠΑΘΙΑΝΑΚΗ ΝΙΚΟΛΑΟΥ Α.Μ.1170 1 ΠΕΡΙΕΧΟΜΕΝΑ 1. ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΣΑΦΗ ΛΟΓΙΚΗ..σελ.3
Διαβάστε περισσότεραANFIS(Από την Θεωρία στην Πράξη)
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών Βασ. Σοφίας 12 67100 Ξάνθη HELLENIC REPUBLIC DEMOCRITUS UNIVERSITY OF THRACE SCHOOL OF ENGINEERING Department
Διαβάστε περισσότεραο ό Α αφ ο ι α ι οί οι Α αφο ο ι Α αφ ο α ά ο ι αβ Α αφ α Α αφ ί α ό Α αφο ο ι ά ι Α αφ ο α ια ι α ι ο ι ά αι,, ό ι ι ά ι ά α α Ευφυής Έλεγχος 4
ο ό Α αφ ο ι α ι οί οι Α αφο ο ι Α αφ ο α ά ο ι αβ Α αφ α Α αφ ί α ό Α αφο ο ι ά ι Α αφ ο α ια ι α ι ο ι ά αι,, ό ι ι ά ι ά α α 4 Α αφ ο ι / ι ό φο α ια ο οί ια ά α ο ία φ ά ί αι Α αφή ογι ή (Fuzzy Logic),
Διαβάστε περισσότεραΔιακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων
Διαβάστε περισσότεραΜΕΘΟΔΟΣ NAIADE ΑΞΙΟΛΟΓΗΣΗ ΣΤΟ ΣΧΕΔΙΑΣΜΟ ΤΟΥ ΧΩΡΟΥ ΠΟΛΥΚΡΙΤΗΡΙΑΚΗ ΑΞΙΟΛΟΓΗΣΗ. Υπεύθυνη Μαθήματος Αναστασία Στρατηγέα Αναπλ. Καθηγ. Ε.Μ.Π.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΑΓΡΟΝΟΜΩΝ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΓΕΩΓΡΑΦΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΟΥ ΣΧΕΔΙΑΣΜΟΥ ΑΞΙΟΛΟΓΗΣΗ ΣΤΟ ΣΧΕΔΙΑΣΜΟ ΤΟΥ ΧΩΡΟΥ ΠΟΛΥΚΡΙΤΗΡΙΑΚΗ ΑΞΙΟΛΟΓΗΣΗ ΜΕΘΟΔΟΣ NAIADE Υπεύθυνη Μαθήματος
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #6: Συστήματα Ασαφούς Λογικής Ασαφοποιητές - Αποασαφοποιητές Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ
ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 21 Σεπτεµβρίου 2004 ιάρκεια: 3 ώρες Το παρακάτω σύνολο
Διαβάστε περισσότεραΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #5: Ασαφής Συλλογισμός. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #5: Ασαφής Συλλογισμός Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3. Περιγραφή της Μεθόδου ΠΕΡΙΓΡΑΦΗ ΤΗΣ ΜΕΘΟΔΟΥ
ΚΕΦΑΛΑΙΟ 3 Περιγραφή της Μεθόδου Το αντικείμενο αυτής της εργασίας είναι η χρήση μιας μεθόδου προσέγγισης συναρτήσεων που έχει προταθεί από τον hen-ha huang και ονομάζεται Ασαφώς Σταθμισμένη Παλινδρόμηση
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ. Μαθηματικά 2. Σταύρος Παπαϊωάννου
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ Μαθηματικά Σταύρος Παπαϊωάννου Ιούνιος 015 Τίτλος Μαθήματος Περιεχόμενα Χρηματοδότηση... Error! Bookmark not defined. Σκοποί Μαθήματος (Επικεφαλίδα
Διαβάστε περισσότερα( ) ( ) ɶ = = α = + + = = z1 z2 = = Οπότε. Έχουµε. ii) γ) 1ος Τρόπος. Οπότε Ελάχιστη απόσταση είναι:
ΘΕΜΑ ο Γ' ΤΑΞΗ ΓΕΝΛΥΚΕΙΟΥ ΘΕΤΙΚΗ & ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΜΑΘΗΜΑΤΙΚΑ ΕΚΦΩΝΗΣΕΙΣ Α Έστω f µία συνεχής συνάρτηση σ ένα διάστηµα [α, β] Αν G είναι µία β παράγουσα της f στο [α, β], τότε f ( t) dt = G( β )
Διαβάστε περισσότεραAσαφής αριθμητική. Έστω A a 1, a ] και B b 1, b ] δύο διαστήματα εμπιστοσύνης στον άξονα των πραγματικών αριθμών,. a b, a ]. Επομένως τα κάτω και άνω
σαφής αριθμητική Σύνοψη Το παρόν κεφάλαιο πραγματεύεται την ασαφή αριθμητική σύμφωνα με την οποία τα κυρτά κανονικά ασαφή σύνολα θεωρούνται ασαφείς αριθμοί. Αρχικά γίνεται εισαγωγή στην αριθμητική διαστημάτων
Διαβάστε περισσότεραΔύο λόγια από τη συγγραφέα
Δύο λόγια από τη συγγραφέα Τα μαθηματικά ή τα λατρεύεις ή τα μισείς! Για να λατρέψεις κάτι πρέπει να το κατανοήσεις, για τη δεύτερη περίπτωση τα πράγματα μάλλον είναι λίγο πιο απλά. Στόχος αυτού του βιβλίου
Διαβάστε περισσότεραHY118-Διακριτά Μαθηματικά
HY118-Διακριτά Μαθηματικά Παρασκευή, 02/03/2018 Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter, από το University of Aberdeen 02-Mar-18
Διαβάστε περισσότεραΧΡΗΣΗ ΓΛΩΣΣΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ ΣΕ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΕΝΕΡΓΕΙΑΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΠΟΛΙΤΙΚΗΣ. Μάθημα: ιαχείριση Ενέργειας και Περιβαλλοντική Πολιτική
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και ιοίκησης ΧΡΗΣΗ ΓΛΩΣΣΙΚΩΝ
Διαβάστε περισσότεραΞέρουμε ότι: Συνάρτηση-απεικόνιση με πεδίο ορισμού ένα σύνολο Α και πεδίο τιμών ένα σύνολο Β είναι κάθε μονοσήμαντη απεικόνιση f του Α στο Β.
Η έννοια της ακολουθίας Ξέρουμε ότι: Συνάρτηση-απεικόνιση με πεδίο ορισμού ένα σύνολο Α και πεδίο τιμών ένα σύνολο Β είναι κάθε μονοσήμαντη απεικόνιση f του Α στο Β. Δηλαδή: f : A B Η ακολουθία είναι συνάρτηση.
Διαβάστε περισσότεραΣυστήματα Αναμονής (Queuing Systems)
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ - ΕΜΠ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧ. ΥΠΟΛΟΓΙΣΤΩΝ Τομέας Επικοινωνιών, Ηλεκτρονικής & Συστημάτων Πληροφορικής Εργαστήριο Διαχείρισης & Βέλτιστου Σχεδιασμού Δικτύων Τηλεματικής
Διαβάστε περισσότεραK15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων
K15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων Γιάννης Λιαπέρδος TEI Πελοποννήσου Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής ΤΕ Η έννοια του συνδυαστικού
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017
ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2 Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017 Αντικειμενικοί στόχοι Η μελέτη των βασικών στοιχείων που συνθέτουν ένα πρόβλημα βελτιστοποίησης
Διαβάστε περισσότεραΣτόχοι και αντικείμενο ενότητας. Βασικές κατασκευές ΓΠ. Έλεγχος ροής προγράμματος. #4.. Εντολές Επιλογής
Στόχοι και αντικείμενο ενότητας Βασικές κατασκευές Γλωσσών Προγραμματισμού (ΓΠ) Δομές ελέγχου ροής προγράμματος #4.. ντολές πιλογής Προτάσεις διακλάδωσης υπό συνθήκη ντολές if, if Φωλιασμένα (nested) if
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ Θετικής & Τεχνολογικής Κατεύθυνσης Β ΜΕΡΟΣ (ΑΝΑΛΥΣΗ) ΚΕΦ 1 ο : Όριο Συνέχεια Συνάρτησης
ΜΑΘΗΜΑΤΙΚΑ Θετικής & Τεχνολογικής Κατεύθυνσης Β ΜΕΡΟΣ (ΑΝΑΛΥΣΗ) ΚΕΦ ο : Όριο Συνέχεια Συνάρτησης Φυλλάδιο Φυλλάδι555 4 ο ο.α) ΕΝΝΟΙΑ ΣΥΝΑΡΤΗΣΗΣ - ΓΡΑΦΙΚΗ ΠΑΡΑΣΤΑΣΗ.α) ΕΝΝΟΙΑ ΣΥΝΑΡΤΗΣΗΣ - ΓΡΑΦΙΚΗ ΠΑΡΑΣΤΑΣΗ
Διαβάστε περισσότερα4.γ. μερική επανάληψη, εισαγωγή στη βελτιστοποίηση υδατικών συστημάτων. Δρ Μ.Σπηλιώτης
4.γ. μερική επανάληψη, εισαγωγή στη βελτιστοποίηση υδατικών συστημάτων Δρ Μ.Σπηλιώτης Ολοκληρωμένη διαχείριση υδατικών πόρων (integrated water resources management), έμφαση στην εξέταση όλων των πτυχών
Διαβάστε περισσότεραΑνοικτή Εκπαίδευση: το περιοδικό για την Ανοικτή και εξ Αποστάσεως Εκπαίδευση και την Εκπαιδευτική Τεχνολογία
Ανοικτή Εκπαίδευση: το περιοδικό για την Ανοικτή και εξ Αποστάσεως Εκπαίδευση και την Εκπαιδευτική Τεχνολογία Τομ. 8, 202 Εφαρμογή ασαφών συμπερασματικών μοντέλων στην διαγνωστική αξιολόγηση των μαθηματικών
Διαβάστε περισσότεραHomomorphism of Intuitionistic Fuzzy Groups
International Mathematical Forum, Vol. 6, 20, no. 64, 369-378 Homomorphism o Intuitionistic Fuzz Groups P. K. Sharma Department o Mathematics, D..V. College Jalandhar Cit, Punjab, India pksharma@davjalandhar.com
Διαβάστε περισσότεραΗΥ-150. Προγραμματισμός
ΗΥ-150 Εντολές Ελέγχου Ροής Σειριακή εκτέλεση εντολών Όλα τα προγράμματα «γράφονται» χρησιμοποιώντας 3 είδη εντολών: Σειριακές εντολές (sequential built in C) Εντολές απόφασης (if, if/else, switch) Περιλαμβάνει
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #05 Ακρίβεια vs. Ανάκληση Extended Boolean Μοντέλο Fuzzy Μοντέλο 1 Άδεια χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραK24 Ψηφιακά Ηλεκτρονικά 4: Σχεδίαση Συνδυαστικών Κυκλωμάτων
K24 Ψηφιακά Ηλεκτρονικά 4: Σχεδίαση Συνδυαστικών Κυκλωμάτων TEI Πελοποννήσου Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής ΤΕ ΤΕΧΝΟΛΟΓΙΚΟ Περιεχόμενα 1 2 3 4 Ένα ψηφιακό κύκλωμα με n εισόδους
Διαβάστε περισσότεραΗΥ-150. Προγραμματισμός
ΗΥ-150 Εντολές Ελέγχου Ροής Σειριακή εκτέλεση εντολών Όλα τα προγράμματα «γράφονται» χρησιμοποιώντας 3 είδη εντολών: Σειριακές εντολές (sequential built in C) Εντολές απόφασης (if, if/else, switch) Περιλαμβάνει
Διαβάστε περισσότεραx < A y f(x) < B f(y).
Χειμερινό Εξάμηνο 2016 2017 Ασκήσεις στα Κεφάλαια 5 & 6 1. Αυτή είναι ουσιαστικά η Άσκηση 5.2 (σελ. 119), από τις σημειώσεις του Σκανδάλη. Εστω A, < καλά διατεταγμένο σύνολο και έστω στοιχείο a A. Αποδείξτε
Διαβάστε περισσότεραΕντολές επιλογής Επαναλήψεις (if, switch, while)
Εντολές επιλογής Επαναλήψεις (if, switch, while) Οι σημειώσεις αυτές έχουν σαν στόχο την μάθηση εντολών επιλογής (if, switch, while) που ελέγχουν τη ροή εκτέλεσης ενός προγράμματος. Πρώτα όμως, είναι αναγκαίο
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Κ. Δεμέστιχας Εργαστήριο Πληροφορικής Γεωπονικό Πανεπιστήμιο Αθηνών Επικοινωνία μέσω e-mail: cdemest@aua.gr, cdemest@cn.ntua.gr 1 4. ΑΛΓΕΒΡΑ BOOLE ΛΟΓΙΚΗ ΣΧΕΔΙΑΣΗ ΜΕΡΟΣ Α 2 Άλγεβρα
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διάλεξη 3 Επιλογή μοντέλου Επιλογή μοντέλου Θεωρία αποφάσεων Επιλογή μοντέλου δεδομένα επικύρωσης Η επιλογή του είδους του μοντέλου που θα χρησιμοποιηθεί σε ένα πρόβλημα (π.χ.
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #7: Σύστημα Ασαφούς Λογικής Μαθηματικές Εκφράσεις
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #7: Σύστημα Ασαφούς Λογικής Μαθηματικές Εκφράσεις Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
Διαβάστε περισσότερα'Διερεύνηση αποτελεσματικότητας ασαφούς ελεγκτή για διαφορετικές θέσεις αισθητήρα-διεγέρτη'
'Διερεύνηση αποτελεσματικότητας ασαφούς ελεγκτή για διαφορετικές θέσεις αισθητήρα-διεγέρτη' ΟΝΟΜΑ ΦΟΙΤΗΤΗ: ΣΕΛΛΗΣ ΗΛΙΑΣ ΑΡΙΘΜΟΣ ΜΗΤΡΩΟΥ: 2004010054 ΤΜΗΜΑ: ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ
Διαβάστε περισσότεραf(x) = και στην συνέχεια
ΕΡΩΤΗΣΕΙΣ ΜΑΘΗΤΩΝ Ερώτηση. Στις συναρτήσεις μπορούμε να μετασχηματίσουμε πρώτα τον τύπο τους και μετά να βρίσκουμε το πεδίο ορισμού τους; Όχι. Το πεδίο ορισμού της συνάρτησης το βρίσκουμε πριν μετασχηματίσουμε
Διαβάστε περισσότεραΗ Θεωρία στα Μαθηματικά κατεύθυνσης της Γ Λυκείου
Η Θεωρία στα Μαθηματικά κατεύθυνσης της Γ Λυκείου wwwaskisopolisgr έκδοση 5-6 wwwaskisopolisgr ΣΥΝΑΡΤΗΣΕΙΣ 5 Τι ονομάζουμε πραγματική συνάρτηση; Έστω Α ένα υποσύνολο του Ονομάζουμε πραγματική συνάρτηση
Διαβάστε περισσότεραΔιακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων
Διαβάστε περισσότεραM m l B r mglsin mlcos x ml 2 1) Να εισαχθεί το µοντέλο στο simulink ορίζοντας από πριν στο MATLAB τις µεταβλητές Μ,m,br
ΑΣΚΗΣΗ 1 Έστω ένα σύστηµα εκκρεµούς όπως φαίνεται στο ακόλουθο σχήµα: Πάνω στη µάζα Μ επιδρά µια οριζόντια δύναµη F l την οποία και θεωρούµε σαν είσοδο στο σύστηµα. Έξοδος του συστήµατος θεωρείται η απόσταση
Διαβάστε περισσότεραI. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr
I ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ i e ΜΕΡΟΣ Ι ΟΡΙΣΜΟΣ - ΒΑΣΙΚΕΣ ΠΡΑΞΕΙΣ Α Ορισμός Ο ορισμός του συνόλου των Μιγαδικών αριθμών (C) βασίζεται στις εξής παραδοχές: Υπάρχει ένας αριθμός i για τον οποίο ισχύει i Το σύνολο
Διαβάστε περισσότεραΥπολογιστικά & Διακριτά Μαθηματικά
Υπολογιστικά & Διακριτά Μαθηματικά Ενότητα 2:Στοιχεία Μαθηματικής Λογικής Στεφανίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό,
Διαβάστε περισσότεραΓραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα
Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα Ενότητα: Θεωρία Συνόλων, Συναρτήσεις Πραγματικής Μεταβλητής, Όριο και Συνέχεια Ανδριανός Ε Τσεκρέκος Τμήμα Λογιστικής
Διαβάστε περισσότεραΠρογραμματισμός Η/Υ. Ενότητα 4: Εντολές Επιλογής
Προγραμματισμός Η/Υ Ενότητα 4: Νίκος Καρακαπιλίδης, Καθηγητής Δημήτρης Σαραβάνος, Καθηγητής Πολυτεχνική Σχολή Τμήμα Μηχανολόγων & Αεροναυπηγών Μηχανικών Σκοποί ενότητας Έλεγχος της ροής ενός προγράμματος
Διαβάστε περισσότεραΔρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
Μάθημα 7 ο Δρ. Βασίλειος Γ. Καμπουρλάζος Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2016-2017 Μια Ενοποιητική Προσέγγιση στην ΥΝ Η Θεωρία Πλεγμάτων στην ΥΝ. Υπολογιστικές Μεθοδολογίες
Διαβάστε περισσότεραk A = [k, k]( )[a 1, a 2 ] = [ka 1,ka 2 ] 4For the division of two intervals of confidence in R +
Chapter 3. Fuzzy Arithmetic 3- Fuzzy arithmetic: ~Addition(+) and subtraction (-): Let A = [a and B = [b, b in R If x [a and y [b, b than x+y [a +b +b Symbolically,we write A(+)B = [a (+)[b, b = [a +b
Διαβάστε περισσότερα. Όλες οι συναρτήσεις δεν μπορούν να παρασταθούν στο καρτεσιανό επίπεδο όπως για παράδειγμα η συνάρτηση του Dirichlet:
Κεφάλαιο: Συναρτήσεις Γραφική παράσταση συνάρτησης Γράφημα μιας συνάρτησης ( ) ονομάζουμε το σύνολο των σημείων G( ) (, ( ) ) / A που είναι υποσύνολο του. Το γράφημα αυτό { } συνήθως παριστάνεται πάνω
Διαβάστε περισσότεραΕισαγωγή στη θεωρία ακραίων τιμών
Εισαγωγή στη θεωρία ακραίων τιμών Αντικείμενο της θεωρίας ακραίων τιμών αποτελεί: Η ανάπτυξη και μελέτη στοχαστικών μοντέλων με σκοπό την επίλυση προβλημάτων που σχετίζονται με την εμφάνιση «πολύ μεγάλων»
Διαβάστε περισσότεραΓ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ. Ημερομηνία: Πέμπτη 20 Απριλίου 2017 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ
ΑΠΟ /4/7 έως τις /4/7 ΤΑΞΗ: ΜΑΘΗΜΑ: Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Ημερομηνία: Πέμπτη Απριλίου 7 Διάρκεια Εξέτασης: 3 ώρες ΘΕΜΑ Α ΕΚΦΩΝΗΣΕΙΣ Α Έστω μία συνάρτηση f ορισμένη σε ένα διάστημα
Διαβάστε περισσότεραΠιο συγκεκριμένα, η χρήση του MATLAB προσφέρει τα ακόλουθα πλεονεκτήματα.
i Π Ρ Ο Λ Ο Γ Ο Σ Το βιβλίο αυτό αποτελεί μια εισαγωγή στα βασικά προβλήματα των αριθμητικών μεθόδων της υπολογιστικής γραμμικής άλγεβρας (computational linear algebra) και της αριθμητικής ανάλυσης (numerical
Διαβάστε περισσότεραΘεωρήματα της ασαφούς λογικής προχωρημένες πράξεις ασαφών συνόλων
Θεωρήματα της ασαφούς λογικής προχωρημένες πράξεις ασαφών συνόλων Σύνοψη Στο πρώτο μέρος του κεφαλαίου παρουσιάζονται τα θεωρήματα της ασαφούς λογικής. Αρχικά μελετώνται τα θεωρήματα της ανάλυσης και επέκτασης
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Γ ΛΥΚΕΙΟΥ - ΠΑΠΑΔΟΠΟΥΛΟΣ ΜΑΡΙΝΟΣ ΠΕΡΙΕΧΟΜΕΝΑ. Τίτλος Θεματικές Ενότητες Σελίδες. Δυο λόγια προς τους μαθητές.
ΠΕΡΙΕΧΟΜΕΝΑ Τίτλος Θεματικές Ενότητες Σελίδες Προλογικό Σημείωμα Δυο λόγια προς τους μαθητές. ΚΕΦΑΛΑΙΟ 1 ο Όρια Συνέχεια Συνάρτησης 1-177 Μέρος 1 ο ΣΥΝΑΡΤΗΣΕΙΣ 1-85 Μάθημα 1 Έννοια συνάρτησης Πεδίο ορισμού
Διαβάστε περισσότεραΑΠΟΤΙΜΗΣΗ ΣΕΙΣΜΙΚΗΣ ΙΚΑΝΟΤΗΤΑΣ ΚΑΤΑΣΚΕΥΩΝ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΗΣ ΑΣΑΦΟΥΣ ΛΟΓΙΚΗΣ (FUZZY LOGIC)
9 ο Φοιτητικό Συνέδριο «Επισκευές Κατασκευών 03», Μάρτιος 2003. ΑΠΟΤΙΜΗΣΗ ΣΕΙΣΜΙΚΗΣ ΙΚΑΝΟΤΗΤΑΣ ΚΑΤΑΣΚΕΥΩΝ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΗΣ ΑΣΑΦΟΥΣ ΛΟΓΙΚΗΣ (FUZZY LOGIC) ΜΑΝΤΑΣ ΑΛΕΞΑΝΔΡΟΣ-ΓΕΩΡΓΙΟΣ Περίληψη Αντικείμενο
Διαβάστε περισσότεραΔιακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων
Διαβάστε περισσότεραΠαπαδάκης Στέλιος. Αδαµίδης Παναγιώτης
ΤΕΙ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Ασαφή Συστήµατα Θεωρία και Εργαστηριακές Ασκήσεις Παπαδάκης Στέλιος Αδαµίδης Παναγιώτης Θεσσαλονίκη, Μάιος 004 i Περιεχόµενα 1 Εισαγωγή στην Ασαφή Λογική 1 Βασικές Αρχές
Διαβάστε περισσότεραΠροβλήματα, αλγόριθμοι, ψευδοκώδικας
Προβλήματα, αλγόριθμοι, ψευδοκώδικας October 11, 2011 Στο μάθημα Αλγοριθμική και Δομές Δεδομένων θα ασχοληθούμε με ένα μέρος της διαδικασίας επίλυσης υπολογιστικών προβλημάτων. Συγκεκριμένα θα δούμε τι
Διαβάστε περισσότεραΚυρτές Συναρτήσεις και Ανισώσεις Λυγάτσικας Ζήνων Βαρβάκειο Ενιαίο Πειραµατικό Λύκειο e-mail: zenon7@otenetgr Ιούλιος-Αύγουστος 2004 Περίληψη Το σχολικό ϐιβλίο της Γ Λυκείου ορίζει σαν κυρτή (αντ κοίλη)
Διαβάστε περισσότεραΗ ΓΕΝΙΚΕΥΜΕΝΗ ΓΕΩΜΕΤΡΙΑ
Η ΓΕΝΙΚΕΥΜΕΝΗ ΓΕΩΜΕΤΡΙΑ ΕΙΣΑΓΩΓΗ Η Γενικευμένη Γεωμετρία, που θα αναπτύξουμε στα παρακάτω κεφάλαια, είναι μία «Νέα Γεωμετρία», η οποία προέκυψε από την ανάγκη να γενικεύσει ορισμένα σημεία της Ευκλείδειας
Διαβάστε περισσότεραΔΙΑΧΕΙΡΙΣΗ ΕΤΕΡΟΓΕΝΩΝ ΜΕΤΑΒΛΗΤΩΝ. Πολυκριτήρια Ανάλυση Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΔΙΑΧΕΙΡΙΣΗ
Διαβάστε περισσότεραΠεριεχόμενα. Πρόλογος 3
Πρόλογος Η Γραμμική Άλγεβρα είναι ένα σημαντικό συστατικό στο πρόγραμμα σπουδών, όχι μόνο των Μαθηματικών, αλλά και άλλων τμημάτων, όπως είναι το τμήμα Φυσικής, Χημείας, των τμημάτων του Πολυτεχνείου,
Διαβάστε περισσότερα47 Να προσδιορίσετε τη συνάρτηση gof, αν α) f και g, β) f ηµ και π γ) f ( ) και g εφ 4 g 48 ίνονται οι συναρτήσεις f + και g Να προσδιορίσετε τις συνα
ΒΑΣΙΚΕΣ ΑΣΚΗΣΕΙΣ 43 Να εξετάσετε σε ποιες από τις παρακάτω περιπτώσεις είναι f g Στις περιπτώσεις που είναι f g να προσδιορίσετε το ευρύτερο δυνατό υποσύνολο του στο οποίο ισχύει f g α) β) γ) f και f +
Διαβάστε περισσότεραΕισαγωγή στην Αριθμητική Ανάλυση
Εισαγωγή στην Αριθμητική Ανάλυση Εισαγωγή στη MATLAB ΔΙΔΑΣΚΩΝ: ΓΕΩΡΓΙΟΣ ΑΚΡΙΒΗΣ ΒΟΗΘΟΙ: ΔΗΜΗΤΡΙΑΔΗΣ ΣΩΚΡΑΤΗΣ, ΣΚΟΡΔΑ ΕΛΕΝΗ E-MAIL: SDIMITRIADIS@CS.UOI.GR, ESKORDA@CS.UOI.GR Τι είναι Matlab Είναι ένα περιβάλλον
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ψηφιακή Επεξεργασία Εικόνας Μετασχηματισμοί έντασης και χωρικό φιλτράρισμα Διδάσκων : Αναπληρωτής Καθηγητής Νίκου Χριστόφορος Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΜ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ
Μ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΚΑΙ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ (Α ΜΕΡΟΣ: ΣΥΝΑΡΤΗΣΕΙΣ) Μαθηματικά Προσανατολισμού Γ Λυκείου- Μαθηματικός Περιηγητής ΕΝΟΤΗΤΑ
Διαβάστε περισσότεραΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ Ο.Ε.Φ.Ε ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ Γ ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ-ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΑΠΑΝΤΗΣΕΙΣ. f x > κοντά στο x0.
ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ Ο.Ε.Φ.Ε. 3 Θέµα ο ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΩΝ Γ ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ-ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΑΠΑΝΤΗΣΕΙΣ B. α) Λάθος διότι η f είναι «-» που σηµαίνει δεν είναι πάντα γνησίως µονότονη. β) Σωστό διότι
Διαβάστε περισσότεραΔιάλεξη 1 - Σημειώσεις 1
Διάλεξη 1 - Σημειώσεις 1 Σύνολα Πως διαβάζουμε κάποιους συμβολισμούς: ανήκει και η άρνηση, δηλαδή δεν ανήκει υπάρχει για κάθε : τέτοιο ώστε. Επίσης το σύμβολο έχει την ερμηνεία «τέτοιο ώστε» και ή υπονοεί
Διαβάστε περισσότεραΚατεύθυνσης. Απαντήσεις Θεμάτων Πανελληνίων Εξετάσεων Ημερησίων Γενικών Λυκείων
8 Μαΐου 0 Μαθηματικά Θετικής & Τεχνολογικής Κατεύθυνσης Απαντήσεις Θεμάτων Πανελληνίων Εξετάσεων Ημερησίων Γενικών Λυκείων Θέμα Α Α. Σχολικό βιβλίο σελ. 53 Α. Σχολικό βιβλίο σελ. 9 Α3. Σχολικό βιβλίο σελ.
Διαβάστε περισσότεραΚατεύθυνσης. Απαντήσεις Θεμάτων Πανελληνίων Εξετάσεων Ημερησίων Γενικών Λυκείων
8 Μαΐου 0 Μαθηματικά Θετικής & Τεχνολογικής Κατεύθυνσης Απαντήσεις Θεμάτων Πανελληνίων Εξετάσεων Ημερησίων Γενικών Λυκείων Θέμα Α Α. Σχολικό βιβλίο σελ. 53 Α. Σχολικό βιβλίο σελ. 9 Α3. Σχολικό βιβλίο σελ.
Διαβάστε περισσότεραΒΕΛΤΙΣΤΟΣ ΣΧΕΔΙΑΣΜΟΣ ΤΩΝ ΚΑΤΑΣΚΕΥΩΝ. Δρ. Πολ. Μηχ. Κόκκινος Οδυσσέας
ΒΕΛΤΙΣΤΟΣ ΣΧΕΔΙΑΣΜΟΣ ΤΩΝ ΚΑΤΑΣΚΕΥΩΝ Δρ. Πολ. Μηχ. Κόκκινος Οδυσσέας Σχεδιασμός αντικειμένων, διεργασιών, δραστηριοτήτων (π.χ. τεχνικά έργα, έπιπλα, σκεύη κτλ) ΠΡΟΚΑΤΑΡΚΤΙΚΗ ΜΕΛΕΤΗ (conceptual design) ΠΡΟΜΕΛΕΤΗ
Διαβάστε περισσότεραΓ2.1 Στοιχεία Αρχιτεκτονικής. Γ Λυκείου Κατεύθυνσης
Γ2.1 Στοιχεία Αρχιτεκτονικής Γ Λυκείου Κατεύθυνσης Ορισμός άλγεβρας Boole Η άλγεβρα Boole ορίζεται, ως μία αλγεβρική δομή A, όπου: (α) Το Α είναι ένα σύνολο στοιχείων που περιέχει δύο τουλάχιστον στοιχεία
Διαβάστε περισσότεραΑρχιτεκτονική Σχεδίαση Ασαφούς Ελεγκτή σε VHDL και Υλοποίηση σε FPGA ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΗΜΑΤΩΝ, ΕΛΕΓΧΟΥ ΚΑΙ ΡΟΜΠΟΤΙΚΗΣ Αρχιτεκτονική Σχεδίαση Ασαφούς Ελεγκτή σε VHDL και Υλοποίηση σε FPGA ΙΠΛΩΜΑΤΙΚΗ
Διαβάστε περισσότερα