Zadanie 13 Załóżmy, że systemowa baza wiedzy zawiera

Zadanie 13
Załóżmy, że systemowa baza wiedzy zawiera następujące reguły:
RULE1: IF temperature is hot or warm, THEN the swimming pool is crowded.
RULE2: IF temperature is cold, THEN the swimming pool is quiet.
Funkcje przynależności dla poszczególnych zbiorów niech będą następujące:
1. Co jest tutaj zmienną lingwistyczną a co wartością lingwistyczną ?
2. Narysuj funkcje przynależności dla temperatury i zaludnienia basenu. Proszę przyjąd
następujące dziedziny: *1, 32] dla temperatury z krokiem co jeden, oraz [0, 800] dla
zaludnienia z krokiem co 50.
3. Zakładając, że temperatura wynosi 21 stopni i że stosujemy regułę typu Mamdani, określ
właściwą liczbę osób na basenie. W procesie wyostrzania zastosuj metodę środka ciężkości
(centroidu).
Zadanie 14
Załóżmy, że mamy dane cztery reguły:
I że funkcje przynależności do poszczególnych klas dane są następująco:
Wyznacz (korzystad z operatora implikacji Mamdani) ryzyko towarzystwa ubezpieczeniowego
dla klienta (zaznaczając na wykresie obszar będący rezultatem wnioskowania) :
a) Wiek = 35 I moc samochodu = 145 KM
b) Wiek = 55 I moc samochodu = 145 KM
c) Wiek = 35 I moc samochodu = 190 KM
Zadania dodatkowe: Sprawozdanie z rozwiązaniem poniższych dwóch zadao będzie szansą na
podwyższenie oceny z przedmiotu.
Zadanie 15*
Załóżmy, że mamy system będący prostym kontrolerem stosującym błąd sygnału e i zmianę
błędu sygnału de jako dane wejściowe i zadane są 4 reguły w oparciu o które działa model
rozmyty:
RULE 1: IF e = P AND de = P THEN x = N
RULE 2: IF e = P AND de = N THEN x = 0
RULE 3: IF e = N AND de = P THEN x = 0
RULE 4: IF e = N AND de = N THEN x = P
Załóżmy, że dane są dwa zbiory rozmyte jako wartości rozmytych zmiennych wejściowych e i
de: P (positive) i N (negative). Rozmyta zmienna wyjściowa ma 3 wartości: P (positive), 0
(zero), N (negative) tak jak to pokazano na rysunku powyżej. Zakładając, że wejściowe
zmienne mają następujące wartości funkcji przynależności w zbiorach wejściowych: μN(e) =
0.4; μP(e) = 0.6 i μN(de) = 0.2; i μP(de) = 0.8
a) stosując wnioskowanie typu Mamdani wykaż, że całkowita wartośd rozmyta wyjściowego
zbioru jest taka jak pokazano na poniższym rysunku (czerwona linia). Narysuj odpowiednie
wykresy.
b) Wyostrz wartośd wyjścia stosując metodę centroidu.
c) Stosując metodę “zero‐order Sugeno” oblicz wartośd wyjścia. Narysuj graficznie.
d) Porównaj rezultaty dla obu metod wnioskowania.
Zadanie 16*
Zaprojektuj system rozmyty typu Mamdani, który będzie oceniał prawdopodobieostwo
spowodowania wypadku podczas jazdy samochodem.
Zmienne wejściowe:
• prędkośd jazdy (10 − 200km/h ): {mała, średnio, szybko, bardzo szybko}
• widocznośd (0.05 − 4km): {bardzo słaba, średnia, dobra}
Wyjście systemu:
• Prawdopodobieostwo spowodowania wypadku (0 − 1): {bardzo małe, małe, średnie, duże}
Sporządź odpowiednie wykresy zmiennych dla podanych zmiennych lingwistycznych, podaj wzory
proponowanych funkcji przynależności oraz przeprowadź wnioskowanie metodą Mandami. Wyostrz
rezultat wnioskowania używając metody pierwszego maksimum.