Основные направления современного развития теории нечетких множеств Заде. Название языка, на котором происходит описание предметной области. Результаты и успехи, достигнутые при изучении и развития теории нечетких множеств, принципиально новые результаты.
Теория нечетких множеств или нечеткая логика в широком смысле была введена Л.Заде как средство моделирования нечеткости мышления человека, его способности использовать приближенные, лингвистические оценки для описания сложных, плохо определенных процессов и принятия решений в различных областях деятельности [18, 19]. В то же время связь теории нечеткости с различными методами моделирования неопределенностей стимулировала развитие и сближение многих разделов математического моделирования на основе нечетких множеств и способствовала развитию семантики самой теории нечетких множеств [1, 2, 6, 11]. Почти одновременно были предложены варианты представления нечетких моделей нейронными сетями, что позволило использовать методы оптимизации нейронных сетей для оптимизации нечетких моделей, а также аппаратно реализовать нечеткие модели на нейронных сетях. Оптимизационный подход к построению нечетких моделей в определенной мере снял проблему определения функций принадлежности нечетких множеств в задачах, когда имеются экспериментальные данные, аппроксимируемые нечеткой моделью. Изначальная направленность теории нечетких множеств на моделирование сложных, плохо определенных систем, для которых точное описание часто не имеет смысла, способствовала разработке на ее основе средств моделирования систем и процессов, для которых математическое описание либо неизвестно, либо достаточно сложно реализуется.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
