Содержание
1.Нормативный перечень технического задания2
Введение2
Актуальность темы дипломного проекта4
2.Предметная область6
2.1.Математические основы6
2.2.Поставленные задачи17
3.Реализация38
3.1.Алгоритм нечеткой кластеризации38
3.2.Линейная нейронная сеть42
3.3.Алгоритм обратного распространения ошибки46
4.Технико-экономическое обоснование49
4.1.Общие сведения49
4.2.Достоинства и недостатки50
4.3.Трудоёмкость и календарный план работ52
4.4.Смета затрат на проведение работ53
Выводы57
5.Защита интеллектуальной собственности58
Литература69
Выдержка из текста
Введение
Математическая теория нечетких множеств (fuzzy sets) и нечеткая ло-ги¬ка (fuzzy logic) являются обобщениями классической теории множеств и классической формальной логики. Данные понятия были впервые пред¬ло-же¬ны американским ученым Лотфи Заде (Lotfi Zadeh) в 1965 г. Основной при¬чи¬ной появления новой теории стало наличие нечетких и приближенных рас¬суж¬дений при описании человеком процессов, систем, объектов.
Прежде чем нечеткий подход к моделированию сложных систем по-лу¬чил признание во всем мире, прошло не одно десятилетие с момента за-рож¬де¬ния теории нечетких множеств. И на этом пути развития нечетких систем принято выделять три периода.
Первый период (конец 60-х–начало 70 гг.) характеризуется развитием теоретического аппарата нечетких множеств (Л. Заде, Э. Мамдани, Беллман). Во втором периоде (70–80-е годы) появляются первые практические ре¬зуль¬та¬ты в области нечеткого управления сложными техническими системами (па¬ро¬ге¬нератор с нечетким управлением). Одновременно стало уделяться вни¬мание воп¬росам построения экспертных систем, построенных на не¬чет¬кой логике, раз-работке нечетких контроллеров. Нечеткие экспертные сис¬те¬мы для под-держ¬ки принятия решений находят широкое применение в ме¬ди¬ци¬не и эконо¬ми¬ке. Наконец, в третьем периоде, который длится с конца 80-х годов и про¬дол¬жается в настоящее время, появляются пакеты программ для построения нечетких экспертных систем, а области применения нечеткой ло¬ги¬ки заметно расширяются. Она применяется в автомобильной, аэро¬кос¬ми¬чес¬¬кой и тран¬спорт¬ной промышленности, в области изделий бытовой тех¬ни¬ки, в сфере финансов, анализа и принятия управленческих решений и многих других.
Триумфальное шествие нечеткой логики по миру началось после до-ка¬за¬тельства в конце 80-х Бартоломеем Коско знаменитой теоремы FAT (Fuzzy Approximation Theorem). В бизнесе и финансах нечеткая логика получила признание после того как в 1988 году экспертная система на основе нечетких правил для прогнозирования финансовых индикаторов единственная пред¬ска¬зала биржевой крах. И количество успешных fuzzy-применений в настоя¬щее время исчисляется тысячами.
Список использованной литературы
1.Нечеткая логика. http://www.basegroup.ru/library/analysis/fuzzylogic
2.Мандель И.Д. Кластерный анализ. Москва, «Финансы и статистика», 1988, 176 с.
3.Jacobson V., Leres C., McCanne S. Tcpdump. Available via anonymous ftp to ftp.ee.lbl.gov, June 1989.
4.F. Klawonn, F. Höppner: What is Fuzzy About Fuzzy Clustering? – Understanding and Improving the Concept of the Fuzzifier. In: M.R. Berthold, H.-J. Lenz, E. Bradley, R. Kruse, C. Borgelt (eds.): Advances in Intelligent Data Analysis V. Springer, Berlin, 2003, pp. 254-264.
5.Bezdek J.C., Pal S.K., eds. Fuzzy models for pattern recognition: methods that search for patterns in data. IEEE Press, 1993, pp. 130-137.
6.Bezdek J.C., Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum Press, 1981.
7.Höppner F., Klawonn F. A Contribution to Convergence Theory of Fuzzy c-Means and Derivatives. IEEE Transactions on Fuzzy Systems, 11(5), 2003, pp. 682-694.