Нечеткие модели и их приложения в системах искусственного интеллекта

Цели и задачи дисциплины

Цель - изучение базовых положений и принципов теории нечетких множеств и нечеткой логики, а также их применение в системах управления, классификации и нейросетевых моделях. Задачи: Рассмотреть основные понятия нечетких множеств, отношений, операций над ними, а также нечетких и лингвистических переменных. Изучить методы нечеткого вывода, кластеризации и регулирования, включая их алгоритмическую реализацию. Проанализировать гибридные подходы, такие как нечеткие нейронные сети, сочетающие преимущества нечеткой логики и нейронных сетей.

Краткое содержание дисциплины

Рассматриваются базовые положения и принципы теории нечетких множеств и нечеткой логики. Приводятся понятия нечетких отношений, нечетких высказываний и математических операций над ними, нечеткой и лингвистической переменной. Рассматриваются системы и алгоритмы нечеткого вывода, нечеткой кластеризации и нечеткого регулирования. Обсуждаются нечеткие нейронные сети, объединяющие в себе достоинства классических нечетких систем и нейронных сетей.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ПК-1 Способен разрабатывать и применять алгоритмы анализа данных, машинного обучения и нейросетевых технологий при создании интеллектуальных информационных систем