Název:

Fuzzy systémy pro řízení a modelování

Zkratka:FSY
Ak.rok:2010/2011
Semestr:letní
Studijní plán:
ProgramOborRočníkPovinnost
IT-MGR-2MBI-volitelný
IT-MGR-2MBS-volitelný
IT-MGR-2MGM-volitelný
IT-MGR-2MGM.-volitelný
IT-MGR-2MIN-volitelný
IT-MGR-2MIN.-volitelný
IT-MGR-2MIS-volitelný
IT-MGR-2MIS.-volitelný
IT-MGR-2MMI-volitelný
IT-MGR-2MMM-volitelný
IT-MGR-2MPS-volitelný
IT-MGR-2MPV-volitelný
IT-MGR-2MSK-volitelný
Vyučovací jazyk:čeština
Kredity:5 kreditů
Ukončení:zápočet+zkouška (písemná)
Výuka:
hod./sempřednáškasem./cvičenílab. cvičenípoč. cvičeníjiná
Rozsah:2600026
 zkouškatestycvičenílaboratořeostatní
Body:55150030
Garant:Jura Pavel, prof. Ing., CSc., UAMT
Přednášející:Jura Pavel, prof. Ing., CSc., UAMT
Fakulta:Fakulta elektrotechniky a komunikačních technologií VUT v Brně
Pracoviště:Ústav automatizace a měřicí techniky FEKT VUT v Brně
 
Cíle předmětu:
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.
Anotace:
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.
Získané dovednosti, znalosti a kompetence:
Absolvent předmětu je vybaven základními znalostmi a dovednostmi z fuzzy problematiky. Umí je aplikovat v oblasti modelování a řízení systémů za přítomnosti neurčitě vyjádřené vstupní a výstupní informace.
Osnova přednášek:
  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.
Osnova ostatní - projekty, práce:
Model typu Mandani nebo Sugeno v jedné praktické úloze.
Literatura referenční:
  1. Jura, P.: Základy fuzzy logiky pro řízení a modelování, VUTIUM Brno, 2003, ISBN 80-214-2261-0.
  2. Driankov, D., Hellendoorn, H., Reinfrank, M.: An Introduction to Fuzzy Logic, Springer-Verlag, 1993, ISBN 3-540-56362-8.
  3. Novák, V.: Fuzzy množiny a jejich aplikace, Matematický seminář, SNTL Praha, 1986.
  4. Pokorný, M.: Řídicí systémy se znalostní bází, Skriptum VŠB TU Ostrava, 1995, ISBN 80-7078-275-7.
  5. Pokorný, M.: Umělá inteligence v modelování a řízení, Nakladatelství BEN, Praha, 1996, ISBN 80-901984-4-9.
  6. Vysoký, P.: Fuzzy řízení, skriptum FEL ČVUT Praha, 1996, ISBN 80-01-01429-8.
Literatura studijní:
  1. Jura, P.: Základy fuzzy logiky pro řízení a modelování, VUTIUM Brno, 2003, ISBN 80-214-2261-0.
  2. Driankov, D., Hellendoorn, H., Reinfrank, M.: An Introduction to Fuzzy Logic, Springer-Verlag, 1993, ISBN 3-540-56362-8.
  3. Novák, V.: Fuzzy množiny a jejich aplikace, Matematický seminář, SNTL Praha, 1986.
  4. Pokorný, M.: Řídicí systémy se znalostní bází, Skriptum VŠB TU Ostrava, 1995, ISBN 80-7078-275-7.
  5. Pokorný, M.: Umělá inteligence v modelování a řízení, Nakladatelství BEN, Praha, 1996, ISBN 80-901984-4-9.
  6. Vysoký, P.: Fuzzy řízení, Skriptum FEL ČVUT Praha, 1996, ISBN 80-01-01429-8.
Průběžná kontrola studia:
Jeden půsemestrální písemný test.
Podmínky zápočtu:
Vypracování projektu.