Реферат на тему Применение методов нечеткой логики при проектировании и эксплуатации информационных систем

Содержание:

Введение 3
1. Общие сведения 4
1.1. Применение истинных значений 4
1.2. Лингвистические переменные 5
2. Процесс 6
2.1. Фаззификация 6
2.2. Операторы нечеткой логики 7
2.3. IF-THEN правила 8
2.4. Дефаззификация 9
3. Применение методов нечеткой логики при проектировании и эксплуатации информационных систем 10
3.1. Информационная система принятия медицинских решений 10
3.2. Решение задачи обеспечения информационной безопасности 11
3.3. Компенсационная система анализа бизнес-аналитики на основе нечеткой логики 17
4. Логический анализ 20
4.1. Нечеткие логики высказываний 20
4.2. Предикатная нечеткая логика 20
5. Нечеткие базы данных 22
Заключение 26
Литература 28

Введение:

Термин нечеткая логика была введена с 1965 года предложение теории нечетких множеств по Лютфи Заде. [2] [3] Однако нечеткая логика изучалась с 1920-х годов как бесконечнозначная логика, особенно Лукасевичем и Тарским. [4]
Нечеткая логика основана на наблюдении, где люди принимают решения на основе неточной и нечисловой информации. Нечеткие модели или наборы являются математическим средством представления неопределенности и неточной информации (отсюда и термин нечеткий). Эти модели обладают способностью распознавать, представлять, манипулировать, интерпретировать и использовать данные и информацию, которые являются расплывчатыми и недостоверными. [5]
Нечеткая логика применяется во многих областях, от теории управления до искусственного интеллекта.
Целью данной работы является применение методов нечеткой логики при проектировании и эксплуатации информационных систем
Для выполнения данной цели ставятся такие задачи:
1. Описание общих сведений
2. Описания процесса
3. Применение в информационных системах
4. Принцип логического анализа
5. Создание баз данных
6. Сравнение с вероятностью
7. Отношение к экоритмам
8. Применение компенсационной нечеткой логики

Заключение:

Какие можно подвести итоги: Поскольку вывод нечеткой системы является консенсусом всех входов и всех правил, системы нечеткой логики могут хорошо себя вести, когда входные значения недоступны или не заслуживают доверия. Весовые коэффициенты могут быть дополнительно добавлены к каждому правилу в базе правил, а весовые коэффициенты могут использоваться для регулирования степени влияния правила на выходные значения. Эти весовые коэффициенты могут основываться на приоритете, надежности или согласованности каждого правила. Эти веса правил могут быть статическими или могут изменяться динамически, даже на основе выходных данных других правил.
Уделено внимание также и одному из аспектов – бизнес аналитике.
Бизнес аналитика предоставляет, помимо прочего, аналитические знания о хранилищах бизнес-данных и повышает их производительность, которая отражает как внутренние процессы, так и рыночную позицию предприятий. Наиболее важными целями, которые должны поддерживать бизнес-аналитические системы, являются следующие [Gu97]:
1. Преобразование данных в информацию
2. Создание стандартных отчетов и запросов
3. База данных в подробных данных
4. Фактологический рациональный анализ
5. Лучшие и быстрые решения
Широко распространено мнение, что более быстрые и эффективные решения вызывают внешние и внутренние воздействия, тогда как BI поддерживает эти решения. Например, Говард Дрезнер рассматривает BI как набор концепций и методологий для улучшения принятия решений в бизнесе посредством использования фактов и систем, основанных на фактах [SB07].
В данной работе было рассмотрено такое понятие как нечеткая логика, описано подробное ее применение в различных информационных системах, таких как:
1. Медицина
2. Информационная безопасность
3. Бизнес-аналитика
Также в реферате описан принцип работы.
В общем можно сказать, что Управление на основе нечеткой логики — это научная стратегия поддержки стратегической интеграции компаний. Он использует нечеткие интегрированные модели управления, которые были разработаны в области разработки и изучения знаний. В этом документе описывается система анализа бизнес-аналитики (BIAS), которая реализует эту стратегию. В этой системе рациональный анализ всех процессов и компонентов основан на Compensatory Fuzzy Logic, новой многозначной системе с проверенными свойствами в качестве семантического нормативного подхода к принятию решений. SWOT-OA анализ является моделью компенсаторной нечеткой логики; он объединяет знания об анализе SWOT и картах целей, таких как карты Balance Scorecard, чтобы обеспечить способ интеграции и структурирования решений в компаниях.
SWOT-OA в BIAS позволяет интегрировать интеллектуальные возможности, дизайн и выбор, чтобы получать более быстрые и качественные решения. Компенсаторные нечеткие онтологии позволяют в прототипе оценивать, искать и принимать решения.
Онтологии, созданные системой, используются в сочетании с другими импортированными нечеткими онтологиями, связанными и используемыми нечеткими

Фрагмент текста работы:

1. Общие сведения
Нечеткая логика — это форма многозначной логики, в которой истинные значения переменных могут быть любыми действительными числами от 0 до 1, включая оба числа одновременно. Она используется для обработки концепции частичной истины, где значение истины может варьироваться между полностью истинным и полностью ложным. [1]
В булевой логике истинными значениями переменных могут быть только целые значения 0 или 1.
Классическая логика допускает только выводы, которые являются либо истинными, либо ложными. Тем не менее, есть также предложения с различными ответами, которые можно найти, когда просят группу людей определить цвет. В таких случаях истина появляется в результате рассуждений из неточных или частичных знаний, в которых выборочные ответы отображаются на спектре.
Обе степени истины и вероятность в диапазоне от 0 до 1, и, следовательно, может показаться похожим на первом, но нечеткая логика использует степени истины в качестве математической модели на нечеткость, а вероятность является математической моделью незнанию. [6]
1.1. Применение истинных значений
Базовое приложение может характеризовать различные поддиапазоны непрерывной переменной. Например, измерение температуры для антиблокировочных тормозов может иметь несколько отдельных функций принадлежности, определяющих конкретные температурные диапазоны, необходимые для правильного управления тормозами. Каждая функция отображает одно и то же значение температуры на истинное значение в диапазоне от 0 до 1. Эти значения истинности могут затем использоваться для определения того, как следует управлять тормозами. [7]