- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Нормирование и экстраполяция в нечётких моделях презентация
Содержание
- 1. Нормирование и экстраполяция в нечётких моделях
- 2. Нормирование Суть: перейти от рассмотрения величин, имеющих
- 3. Зачем нормировать? Сходные модели для качественно подобных систем. Как следствие, упрощение жизни разработчиков.
- 4. Как нормировать? (1) +: Используется весь интервал [-1, 1]. -: Нули исходной и нормированной величины не совпадают.
- 5. Как нормировать? (2) +: Дешевле вычислять. -: Интервал используется не полностью. (за исключением симметричных интервалов)
- 6. Денормирование На выходе нормированной нечёткой модели получаем
- 7. Как денормировать? (1) +: Используется весь интервал [y
- 8. Как денормировать? (2) Можно получить значение меньше y min!
- 9. Как денормировать? (3) Y max недостижим!
- 10. Нормирование: итого Нормирование и денормирование – линейные преобразования: Нормированная нечёткая модель:
- 11. Экстраполяция Экстраполяция – расширение поверхности модели на
- 12. Пример Что будет в точке c?
- 13. Угадаем? Экстраполяция модели носит характер предположения!
- 14. Экстраполяция 0-го порядка
- 15. Экстраполяция 1-го порядка
- 16. Экстраполяция n-го порядка Можно использовать экстраполяции более
- 17. Задача о приросте прибыли
- 18. Решение 1
- 19. Решение 2
- 20. Что значит μ(CE) > 1? Значения в
- 21. Примеры экстраполяции
- 22. Замечания Расширение нечёткой модели не обязательно должно
- 23. Спасибо за внимание!
Нормирование Суть: перейти от рассмотрения величин, имеющих интервал значений [x min, x max] к рассмотрению нормированного интервала [-1, 1] или [0, 1].
Слайд 2Нормирование
Суть: перейти от рассмотрения величин, имеющих интервал значений [x min, x
max] к рассмотрению нормированного интервала [-1, 1] или [0, 1].
Слайд 3Зачем нормировать?
Сходные модели для качественно подобных систем.
Как следствие, упрощение жизни разработчиков.
Слайд 4Как нормировать? (1)
+: Используется весь интервал [-1, 1].
-: Нули исходной и нормированной величины
не совпадают.
Слайд 5Как нормировать? (2)
+: Дешевле вычислять.
-: Интервал используется не полностью. (за исключением симметричных интервалов)
Слайд 6Денормирование
На выходе нормированной нечёткой модели получаем выходное значение с симметричным интервалом
[-1, 1].
Денормированное выходное значение может иметь асимметричный интервал изменения.
[-1, 1] -> [y min, y max]
Денормированное выходное значение может иметь асимметричный интервал изменения.
[-1, 1] -> [y min, y max]
Слайд 7Как денормировать? (1)
+: Используется весь интервал [y min, y max].
-: Нули исходной и
нормированной величины не совпадают.
Слайд 10Нормирование: итого
Нормирование и денормирование – линейные преобразования:
Нормированная нечёткая модель:
Слайд 11Экстраполяция
Экстраполяция – расширение поверхности модели на внешние области, для которых отсутствуют
результаты измерений, где достоверность модели не подтверждена.
Слайд 16Экстраполяция n-го порядка
Можно использовать экстраполяции более высоких порядков, однако полученные значения
останутся лишь необоснованными предположениями.
Слайд 20Что значит μ(CE) > 1?
Значения в интервале [1, ∞) – степень
сходства с типовым элементом нечёткого множества.
Значения в интервале (-∞, 0] – степень несходства или различия с типовым элементом нечёткого множества.
Значения в интервале (-∞, 0] – степень несходства или различия с типовым элементом нечёткого множества.
Слайд 22Замечания
Расширение нечёткой модели не обязательно должно быть линейным.
Расширение области определения не
должно быть большим – чем меньше, тем лучше.
