Нечеткие множества и нечеткая логика
Тема: Нечеткие множества и нечеткая логика
§ 6.1 Мотивации и истории зарождения нечетких множеств.
В эпоху широчайшего проникновения компьютеров в нашу жизнь. Постоянно существуют проблемы, в решении которых человеческий интеллект оказывается важнее компьютера. Ответственные решения принимает человек, а не компьютер. Способность принимать правильные решения в обстановке не полной или нечеткой информации. Традиционные вычисления компьютера оказываются «слишком точными» для реального мира. Человек принимает решение на основе суждений, с самого начала ему присуще весьма характерная нечеткость (пример — высокий человек, а какой точно рост считается высоким?).
3.2. Принципы и организация сети Интернет - лекция, которая пользуется популярностью у тех, кто читал эту лекцию.
Даже нечеткие алгоритмы используют внутри себя четкие модули.
Возникает некоторая потребность в анализе сложных явлений.
Появлением термина нечеткая логика мы обязаны Л. Заде. Он занимался проблемами математического управления в технических системах. Основная идея состояла в том, что человеческий способ рассуждений, опирающийся на естественный язык, не может быть описан с помощью традиционных мат. методов. В основе этого тезиса лежит то, что можно назвать принципом несовместимости: чем сложнее система, тем менее мы способны дать точные и в то же время имеющие практическое значение суждения о ее поведении. Для систем, сложность которых превосходит некоторый пороговый уровень - точность и практический смысл становятся исключающими понятиями. Традиционные методы оказываются не достаточно пригодными.
Подход на основе теории нечетких множеств. Этот подход опирается на предпосылку о том, что элементами мышления человека являются не числа, а элементы некоторых нечетких множеств или классов объектов, для которых переход от принадлежности классу к непринадлежности ему не скачкообразен, а непрерывен. Теория нечетких множеств представляет собой переосмысление важнейших направлений теории математики.
При разработке интеллектуальных систем, знания редко бывают полными и достоверными. При обработке с четкими методами возникает противоречие между обработкой нечетких данных и четких методов. Устранить это позволяет нечеткие множества(?).
Практически все модели СИИ основаны на нечетких моделях.
