POLECAMY
Koszyk
Autor omawia zagadnienia wnioskowania przybliżonego i inteligentnej analizy danych. Przedstawia podstawy teorii zbiorów rozmytych, a także podstawy teorii możliwości i jej powiązania z teorią zbiorów rozmytych.
Plik pdf ma postać skanów co uniemożliwia przeszukiwanie tekstu.
| Rok wydania | 2008 |
|---|---|
| Liczba stron | 692 |
| Kategoria | Zastosowania informatyki |
| Wydawca | Wydawnictwo WNT |
| ISBN-13 | 978-83-204-3229-9 |
| Numer wydania | 1 |
| Język publikacji | polski |
| Informacja o sprzedawcy | ePWN sp. z o.o. |
Ciekawe propozycje
Spis treści
| Spis rysunków XIII | |
| Spis tabel XXI | |
| Przedmowa XXV | |
| Wykaz oznaczeń i skrótów XXIX | |
| 1. Wstęp | 1 |
| 1.1. Cybernetyka | 2 |
| 1.2. Sztuczna inteligencja | 5 |
| 1.3. Sztuczne sieci neuronowe | 10 |
| 1.4. Zbiory rozmyte i teoria możliwości | 13 |
| 1.5. Metody ewolucyjne | 16 |
| 1.6. Obliczenia miękkie | 18 |
| 1.7. Podsumowanie | 20 |
| 1.8. Ważniejsze pojęcia do zapamiętania | 21 |
| 1.9. Uwagi bibliograficzne | 24 |
| 2. Teoria zbiorów rozmytych | 27 |
| 2.1. Pojecie zbioru klasycznego | 28 |
| 2.2. Zbiory rozmyte | 32 |
| 2.3. Interpretacja i wyznaczanie funkcji przynależności | 35 |
| 2.4. Podstawowe pojęcia związane ze zbiorami rozmytymi | 36 |
| 2.5. Operacje na zbiorach rozmytych | 43 |
| 2.6. Podział norm trójkątnych | 50 |
| 2.7. Parametryczne operacje na zbiorach rozmytych | 52 |
| 2.8. Dualność i inne własności norm trójkątnych | 56 |
| 2.9. Zasada rozszerzania | 57 |
| 2.10. Zbiory rozmyte typu-2 | 60 |
| 2.11. Liczby rozmyte | 63 |
| 2.12. Relacje rozmyte | 69 |
| 2.13. Cylindryczne rozszerzenie i projekcja | 75 |
| 2.14. Miary rozmytości zbioru | 78 |
| 2.15. Rozszerzenia zbiorów rozmytych | 80 |
| 2.16. Podsumowanie | 85 |
| 2.17. Ważniejsze pojęcia do zapamiętania | 85 |
| 2.18. Uwagi bibliograficzne | 87 |
| 3. Teoria możliwości | 89 |
| 3.1. Wprowadzenie | 90 |
| 3.2. Rozkład możliwości | 90 |
| 3.3. Miary możliwości i konieczności | 94 |
| 3.4. Miara rozmyta | 96 |
| 3.5. Wielowymiarowe rozkłady możliwości | 101 |
| 3.6. Brzegowe rozkłady możliwości | 103 |
| 3.7. Pojęcie nieoddziaływania | 104 |
| 3.8. Warunkowe rozkłady możliwości | 104 |
| 3.9. Uszczegółowianie | 106 |
| 3.10. Niezależność w teorii możliwości | 107 |
| 3.11. Teoria możliwości a stwierdzenia w języku naturalnym | 109 |
| 3.11.1. Podział stwierdzeń w języku naturalnym | 109 |
| 3.11.2. Stwierdzenia z modyfikatorami | 110 |
| 3.11.3. Stwierdzenia złożone | 111 |
| 3.11.4. Stwierdzenia z kwantyfikatorami | 113 |
| 3.11.5. Stwierdzenia z rozmytym określeniem stopnia prawdy, prawdopodobieństwa, pewności i możliwości | 115 |
| 3.12. Zgodność i kompatybilność | 122 |
| 3.13. Zmienna lingwistyczna | 122 |
| 3.14. Zmienna werystyczna | 126 |
| 3.15. Podsumowanie | 130 |
| 3.16. Ważniejsze pojęcia do zapamiętania | 130 |
| 3.17. Uwagi bibliograficzne | 132 |
| 4. Wnioskowanie przybliżone | 135 |
| 4.1. Wprowadzenie | 136 |
| 4.2. Logika matematyczna | 137 |
| 4.3. Reguły wnioskowania | 141 |
| 4.4. Logika rozmyta | 143 |
| 4.5. Rozmyte reguły warunkowe | 144 |
| 4.6. Aksjomatyczna definicja implikacji rozmytej | 147 |
| 4.7. Reguły jeżeli-to a teoria możliwości | 153 |
| 4.8. Złożeniowa reguła wnioskowania | 158 |
| 4.9. Reguły wnioskowania rozmytego | 159 |
| 4.10. Kanoniczna postać reguł jeżeli-to | 162 |
| 4.11. Operatory agregacji | 166 |
| 4.12. Wnioskowanie przybliżone na podstawie bazy wiedzy | 170 |
| 4.13. Operacja rozmywania | 172 |
| 4.14. Wnioskowanie przybliżone z rozmywaniem wejść | 174 |
| 4.15. Operacja wyostrzania | 177 |
| 4.16. Równoważność wyników wnioskowania przybliżonego dla różnych interpretacji reguł jeżeli-to | 181 |
| 4.17. Przykład numeryczny wnioskowania przybliżonego | 186 |
| 4.18. Podsumowanie | 190 |
| 4.19. Ważniejsze pojęcia do zapamiętania | 191 |
| 4.20. Uwagi bibliograficzne | 196 |
| 5. Sztuczne sieci neuronowe – podstawy | 197 |
| 5.1. Wprowadzenie | 198 |
| 5.2. Modele neuronu | 200 |
| 5.3. Rozmyte modele neuronu | 203 |
| 5.4. Struktury sztucznych sieci neuronowych | 205 |
| 5.4.1. Sieci wielowarstwowe nierekurencyjne | 205 |
| 5.4.2. Sieci rekurencyjne | 206 |
| 5.4.3. Sieci o radialnych funkcjach bazowych | 208 |
| 5.5. Uczenie sieci neuronowych | 209 |
| 5.6. Metoda wstecznej propagacji błędów | 211 |
| 5.7. Zdolność uogólniania sieci neuronowej | 215 |
| 5.8. Modyfikacje metody wstecznej propagacji błędów | 222 |
| 5.9. Metody optymalizacji nieliniowej w uczeniu sieci neuronowych | 227 |
| 5.10. Oczyszczanie sieci | 232 |
| 5.11. Sieci neuronowe o wyjściach liniowo zależnych od parametrów | 234 |
| 5.12. Metody optymalizacji globalnej | 241 |
| 5.13. Podsumowanie | 244 |
| 5.14. Ważniejsze pojęcia do zapamiętania | 245 |
| 5.15. Uwagi bibliograficzne | 247 |
| 6. Sztuczne sieci neuronowe – zagadnienia dodatkowe | 249 |
| 6.1. Sieci neuronowe o radialnych funkcjach bazowych | 250 |
| 6.2. Uogólnione radialne sieci neuronowe | 252 |
| 6.3. Normalizowane radialne sieci neuronowe | 255 |
| 6.4. Falkowe sieci neuronowe | 258 |
| 6.5. Metody uczenia radialnych sieci neuronowych | 262 |
| 6.6. Wektory podtrzymujące w klasyfikacji | 264 |
| 6.7. Wektory podtrzymujące w nieliniowej regresji | 273 |
| 6.8. Konsylium ekspertów | 276 |
| 6.9. Sieci samoorganizujące się | 278 |
| 6.10. Kwantyzacja wektorowa | 284 |
| 6.11. Kwantyzacja wektorowa z uczeniem | 286 |
| 6.12. Podsumowanie | 288 |
| 6.13. Ważniejsze pojęcia do zapamiętania | 289 |
| 6.14. Uwagi bibliograficzne | 291 |
| 7. Metody grupowania danych | 293 |
| 7.1. Przegląd metod grupowania | 294 |
| 7.1.1. Wprowadzenie. Tradycyjne metody grupowania danych | 294 |
| 7.1.2. Grupowanie hierarchiczne | 298 |
| 7.1.3. Grupowanie oparte na teorii grafów | 302 |
| 7.1.4. Dekompozycja funkcji gęstości prawdopodobieństwa | 304 |
| 7.1.5. Grupowanie oparte na minimalizacji funkcji kryterium | 306 |
| 7.2. Rozmyte metody grupowania danych | 310 |
| 7.2.1. Wiadomości wstępne | 310 |
| 7.2.2. Rozmyta metoda c-średnich | 311 |
| 7.2.3. Metoda Gustafsona i Kessela | 314 |
| 7.2.4. Rozmyta metoda c-rozmaitości liniowych | 316 |
| 7.2.5. Rozmyta metoda c-skorup | 317 |
| 7.2.6. Rozmyta metoda c-regresji | 320 |
| 7.2.7. Rozmyta metoda c-median | 322 |
| 7.3. Możliwościowe podejście do grupowania danych | 325 |
| 7.4. Rozmyto-możliwościowe grupowanie danych | 326 |
| 7.5. Warunkowe metody grupowania | 330 |
| 7.6. Rozmyte grupowanie z częściowym nadzorem | 330 |
| 7.7. Rozmyta kwantyzacja wektorowa | 336 |
| 7.8. Entropowe metody rozmytego grupowania | 338 |
| 7.9. Aksjomatyczne podejście do rozmytej kwantyzacji wektorowej | 339 |
| 7.10. Ocena jakości grupowania | 340 |
| 7.11. Podsumowanie | 344 |
| 7.12. Ważniejsze pojęcia do zapamiętania | 344 |
| 7.13. Uwagi bibliograficzne | 347 |
| 8. Obliczenia ewolucyjne | 349 |
| 8.1. Wprowadzenie | 350 |
| 8.2. Pochodzenie i struktura typowego algorytmu ewolucyjnego | 357 |
| 8.3. Reprezentacja osobników | 363 |
| 8.4. Operatory mutacji | 368 |
| 8.5. Operatory mutacji z samoadaptacją | 370 |
| 8.6. Rekombinacja | 371 |
| 8.7. Selekcja | 377 |
| 8.8. Algorytmy genetyczne | 387 |
| 8.9. Programowanie ewolucyjne | 393 |
| 8.10. Strategie ewolucyjne | 397 |
| 8.11. Programowanie genetyczne | 398 |
| 8.12. Rozwiązywanie żądań z ograniczeniami | 403 |
| 8.13. Podsumowanie | 405 |
| 8.14. Ważniejsze pojęcia do zapamiętania | 405 |
| 8.15. Uwagi bibliograficzne | 408 |
| 9. Systemy rozmyte | 409 |
| 9.1. Wprowadzenie | 410 |
| 9.2. System rozmyty Mamdaniego-Assilana | 412 |
| 9.3. System rozmyty Takagi-Sugeno-Kanga | 417 |
| 9.4. System rozmyty z parametrycznymi konkluzjami | 420 |
| 9.5. System rozmyty Tsukamoto | 428 |
| 9.6. Wnioskowanie przybliżone i system rozmyty Baldwina | 430 |
| 9.7. System rozmyty oparty na przedziałowych zbiorach rozmytych | 435 |
| 9.8. Wnioskowanie i systemy rozmyte oparte na podobieństwie zbiorów | 443 |
| 9.9. Systemy rozmyte typu-2 | 446 |
| 9.10. Automatyczne wydobywanie bazy wiedzy dla systemów rozmytych | 455 |
| 9.10.1. Klasyfikacja metod automatycznego wydobywania bazy wiedzy | 455 |
| 9.10.2. Metoda Wanga-Mendela | 459 |
| 9.10.3. Metoda Nozaki-Ishibuchi-Tanaki | 461 |
| 9.10.4. Metoda Sugeno-Yasukawy | 463 |
| 9.10.5. Wydobywanie reguł w postaci Takagi-Sugeno-Kanga | 465 |
| 9.10.6. Metoda Chena-Xi-Zhanga | 469 |
| 9.11. Podsumowanie | 471 |
| 9.12. Ważniejsze pojęcia do zapamiętania | 472 |
| 9.13. Uwagi bibliograficzne | 475 |
| 10. Systemy neuronowo-rozmyte | 477 |
| 10.1. Wprowadzenie | 478 |
| 10.2. Równoważność miedzy pewnymi typami systemów rozmytych a radialnymi sieciami neuronowymi . | 482 |
| 10.3. System neuronowo-rozmyty Janga | 485 |
| 10.4. Sieć neuronowa z systemem wnioskowania rozmytego opartym na logicznej interpretacji reguł z parametrycznymi konkluzjami | 492 |
| 10.5. Klasyfikator oparty na sieci neuronowo-rozmytej | 500 |
| 10.6. Deterministyczne wyżarzanie w uczeniu sieci neuronowo-rozmytych | 506 |
| 10.7. System neuronowo-rozmyty oparty na rozmytym modelu c-regresji | 510 |
| 10.8. Adaptacyjny system neuronowo-rozmyty Cho-Wanga | 516 |
| 10.9. Globalno-lokalna metoda uczenia systemów neuronowo-rozmytych | 520 |
| 10.10. Uczenie systemów neuronowo-rozmytych oparte na rozmytym grupowaniu warunkowym | 525 |
| 10.11. Inne metody w uczeniu systemów neuronowo-rozmytych | 528 |
| 10.12. Podsumowanie | 537 |
| 10.13. Ważniejsze pojęcia do zapamiętania | 538 |
| 10.14. Uwagi bibliograficzne | 540 |
| 10.15. Dodatek – System ANBLIR zapisany w MATLAB-ie | 541 |
| 11. Systemy ewolucyjno-rozmyte | 555 |
| 11.1. Wprowadzenie | 556 |
| 11.2. System ewolucyjno-rozmyty oparty na trójetapowej metodzie uczenia | 560 |
| 11.2.1. Wydobywanie zbioru reguł jeżeli-to | 560 |
| 11.2.2. Redukcja bazy wiedzy | 571 |
| 11.2.3. Precyzyjne dobieranie wartości parametrów bazy wiedzy | 573 |
| 11.3. Dwuetapowe ewolucyjne uczenie systemu rozmytego TSK | 575 |
| 11.4. System ewolucyjno-neuronowo-rozmyty z uczeniem opartym na algorytmach genetycznych i metodzie najmniejszych kwadratów | 581 |
| 11.5. Ewolucyjne podejście do uczenia systemów rozmytych oparte na wskaźnikach reguł | 586 |
| 11.6. System ewolucyjno-rozmyty ze zmiennymi typami funkcji przynależności | 589 |
| 11.7. Podsumowanie | 597 |
| 11.8. Ważniejsze pojęcia do zapamiętania | 597 |
| 11.9. Uwagi bibliograficzne | 599 |
| 12. Zastosowania systemów neuronowo-rozmytych | 601 |
| 12.1. Wprowadzenie | 602 |
| 12.2. Identyfikacja modeli rzeczywistości | 602 |
| 12.3. Predykcja szeregów czasowych | 610 |
| 12.4. Klasyfikacja obiektów | 615 |
| 12.4.1. Uwagi ogólne | 615 |
| 12.4.2. Klasyfikacja danych Ripleya | 616 |
| 12.4.3. Rozpoznawanie chorób serca | 621 |
| 12.4.4. Klasyfikacja rozmyta w rozwiązaniu problemów mnicha | 624 |
| 12.5. Korekcja kanału telekomunikacyjnego | 626 |
| 12.6. Sterowanie | 633 |
| 12.7. Podsumowanie | 641 |
| 12.8. Ważniejsze pojęcia do zapamiętania | 641 |
| 12.9. Uwagi bibliograficzne | 643 |
| 13. Zakończenie | 645 |
| Bibliografia | 649 |
| Skorowidz | 679 |
Wypożyczaj w abonamencie!
Już od 3,50 zł za ebooka
