模糊化的隶属度主要表示什么?
正在打开页面…
正在打开页面…
模糊化用知识库中的符号与隶属函数解释数值,语义关系或导师学习产生、修正映射。
模糊化把定量输入映射成语言概念及其隶属程度。例如一个温度可以同时部分属于“冷”和“适中”,并不要求每个数值只落在一个互斥类别。隶属程度表达概念匹配,不是测量仪器随机误差的大小。
| 支撑信息 | 用途 |
|---|---|
| 语言符号及隶属函数 | 给出“冷”“热”等概念与数值关系 |
| 专家经验和对象背景 | 决定概念在什么任务中适用 |
| 语义关系 | 在经验指导下产生具体映射 |
| 导师学习与训练 | 产生或修正隶属曲线,适应对象、目的和用户要求 |
教材将调整好的符号和隶属关系放入知识库。训练并不是随意改显示名称,而应使输入、目标概念与任务一致。
给定教学规则,25°C可有“冷”0.2、“适中”0.8、“热”0;另一任务的概念边界可能不同。解释输出需说明采用的任务和隶属关系,不能仅凭语言差异就断定物理温度改变。模糊化仍以数值测量为基础,不能代替采集和校准。
基础测试统一使用选择题,先确认概念、定义和关键判断是否扎实。
模糊化的隶属度主要表示什么?
导师训练在教材中的作用是什么?
暂无前置知识
暂无后续知识