Fuzzy Logik und negative Zahlen

Ähnliche Dokumente
5 Fuzzy Unscharfe Mengen

Kapitel L:IV. IV. Nichtklassische Logiken. Fuzzy-Mengen Modifizierer für Fuzzy-Mengen Operationen auf Fuzzy-Mengen Fuzzy-Inferenz Defuzzifizierung

01 - Zahlendarstellung

4. Vorlesung Fuzzy Systeme

Fuzzy Logic Prof. Dr. Lotfi Zadeh, Erfindervon Fuzzy Logic

Repräsentation und Umgang mit unsicherem Wissen (SoSe 2010) Fuzzy Logic I. Alexander Fabisch und Benjamin Markowsky. Universität Bremen

Einführung in die Fuzzy Logik

3. Vorlesung Fuzzy Systeme

Fuzzy Systeme vom Typ 1. Inhalt Fuzzy Mengen Fuzzy Relationen Fuzzy Logik Approximatives Schließen Fuzzy Regelung

Kapitel Fuzzy Logic. Überblick. 20_1_fuzzy_logic.PRZ

JEFIS. Java Expert Fuzzy Inference System Masterprojekt. Stefan Becker Frank Volkmer Alex Besstschastnich

Fuzzy-Logic. René K. Bokor - 5 HBa Fuzzy Logic Seite: 1

Computational Intelligence 1 / 29. Computational Intelligence Fuzzy Systeme Einleitung 3 / 29

Zum Nachdenken. Welche Eigenschaften einer Vorzeichendarstellung. erreichen? Wie könnte man Vorzeichenzahlen darstellen?

Binäre Darstellung ganzer Zahlen

Fuzzy-Inferenz. Fuzzy-Inferenz. Fuzzy-Inferenz. Fuzzy-Inferenz. Klassische Logik. Aussagenlogische Regel: a b

Technische Grundlagen der Informatik Test Minuten Gruppe A

Zahlendarstellungen und Rechnerarithmetik*

Fuzzy Logic & Control

5. Vorlesung Fuzzy Systeme

Fuzzy Logic. Seminar im Sommersemester 2006 an der TU-Darmstadt (Prof. Dr. Fürnkranz) 06/18/06 Knowledge Engineering in Computer Spielen 1

6. Vorlesung Fuzzy Systeme

Kapitel 2: Fuzzy Systeme

Soft Control (AT 3, RMA)

Inhaltsangabe 3.1 Zahlensysteme und Darstellung natürlicher Zahlen Darstellung ganzer Zahlen

Kapitel 5: Darstellung von Daten im Rechner

Vorzeichenbehaftete Festkommazahlen

Jessica Naundorf. Kritische Analyse von. Employer Awards im Kontext. des Employer Branding

Informatik I Übung, Woche 41

Geschichte. Fuzzy-Logik. Geschichte und mehr... Motivation: linguistische Variablen. ffl 1920: erste Fuzzy-Systeme, vorgeschlagen von Lukasiewicz

Grundlagen der Rechnerarchitektur. Binäre Logik und Arithmetik

Fuzzy-Logik und Fuzzy-Control

Zahlensysteme und Kodes. Prof. Metzler

Fuzzy-Logik Kontext C mit Interpretation. A B

6.2 Kodierung von Zahlen

Technische Grundlagen der Informatik Test Minuten Gruppe A

Musterlösung 1. Mikroprozessortechnik und Eingebettete Systeme 1 WS2015/2016

Rechnergrundlagen SS Vorlesung

Informatik I Übung, Woche 41

Kapitel 9 Fuzzy-Regelung. 29. Juni 2005

II. Grundlagen der Programmierung

Fuzzy Logic & Control

Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider

Darstellung ganzer Zahlen als Bitvektoren

Der Fuzzy Regler, ein nicht-linearer Regelkreis

KI Seminar Vortrag Nr. 9 Unsicheres Wissen. Einleitung. Grundlagen. Wissen Ansätze. Sicherheitsfaktoren. Ansatz Probleme. Schlussfolgerungsnetze

Übung Programmieren - Zahlendarstellung, SSH, SCP, Shellskripte -

, 2017S Übungstermin: Di.,

Inhalt. Zahlendarstellungen

Grundlagen der Technischen Informatik. 4. Übung

Technische Anwendungen von Fuzzy-Systemen. Inhalt

Der Begriff Fuzzy kommt aus dem Englischen und heißt soviel wie fusselig, verschwommen, unscharf.

Grundlagen der Technischen Informatik. 4. Übung

B: Basis des Zahlensystems 0 a i < B a i є N 0 B є (N > 1) Z = a 0 B 0 + a 1 B 1 + a 2 B a n-1 B n-1

Methoden der unscharfen Optimierung

Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner

Fundamente der Computational Intelligence

2.Vorlesung Grundlagen der Informatik

Symbolumwandlung der Kernfunktionen

Übung Praktische Informatik II

Informationsmenge. Maßeinheit: 1 Bit. 1 Byte. Umrechnungen: Informationsmenge zur Beantwortung einer Binärfrage kleinstmögliche Informationseinheit

Rechnergrundlagen SS Vorlesung

Technische Grundlagen der Informatik Test Minuten Gruppe A

V Fuzzy Logik. Praktische Elektronik 5-1 Hans-Hellmuth Cuno

Rechnerstrukturen. Michael Engel und Peter Marwedel. Sommer TU Dortmund, Fakultät für Informatik

Kapitel 3 Fuzzy-Mengen und Relationen. 29. April 2005

Ganze Zahlen. Die Typen int, unsigned int; Auswertung arithmetischer Ausdrücke, arithmetische Operatoren

Zum Umgang mit unscharfen chronologischen Informationen. Oliver Nakoinz

9. Bitlevel-Verarbeitung in C

Inferenz mittels interpolierender Regeln - ein neues Verfahren zur Beschreibung von Fuzzy-Systemen 1

Grundzüge der Informatik Tutorium Gruppe 6

Darstellung von negativen binären Zahlen

DuE-Tutorien 17 und 18

BB/CS- SS00 Rechner im Überblick 1/1. Ein Stellenwertsystem (Zahlensystem) ist ein Tripel S = (b, Z, δ) mit den folgenden Eigenschaften:

= 7 (In Binärdarstellung: = 0111; Unterlauf) = -8 (In Binärdarstellung: = 1000; Überlauf)

Grundlagen der Signalverarbeitung und Robotik

Grundlagen der Signalverarbeitung und Robotik

Ein Signal ist eine zeitlich veränderliche physikalische Größe, die eine auf sie abgebildete Information trägt.

Rechnerstrukturen, Teil 1

6 Fuzzy die Theorie. 6.1 Fuzzymengen. Die Zugehörigkeit zu einer (klassischen) Menge M X kann man durch eine sogenannte charakteristische

Zum Nachdenken. Wenn die Zahl (123) hat, was könnte dann (123,45) 10

Infolyzer. Windows Dynamic Link Library Infolyzer32.dll. Dokumentation. Ein Mitglied der. VIADATA-Produktfamilie. Stand 02. Mai 2001, Version 1.

DuE-Tutorien 16 und 17

Rückblick. Zahlendarstellung zu einer beliebigen Basis b. Umwandlung zwischen Zahlendarstellung (214) 5 = (278) 10 =(?) 8

Erweitertes boolsches Retrieval

Merke: Mit jedem zusätzlichen Bit verdoppelt sich die Anzahl der darstellbaren Zahlen bzw. Zustände

mit 0 z 0 b 1 und 0 ẑ b n 1 1. Nach Induktionsannahme besitzt ẑ eine Darstellung der Länge n 1 zur Basis b. Damit ist

Fundamente der Computational Intelligence

Skript Zahlensysteme

Antwort: h = 5.70 bit Erklärung: Wahrscheinlichkeit p = 1/52, Informationsgehalt h = ld(1/p) => h = ld(52) = 5.70 bit

Kapitel L:IV. IV. Nichtklassische Logiken. Fuzzy-Mengen Modifizierer für Fuzzy-Mengen Operationen auf Fuzzy-Mengen Fuzzy-Inferenz Defuzzifizierung

Lösung 2. Übungsblatt

FELJC Fuzzyregler.odt 1. a) Die Vorgehensweise der klassischen Regelungstechnik

5 Zahlenformate und deren Grenzen

FAKULTÄT FÜR INFORMATIK

Fundamente der Computational Intelligence Teil 2

Fuzzy Logic und Wahrscheinlichkeit

Einführung in die Fuzzy-Logik

Fuzzy Movement. Dirk Güldner. Seminar: Knowledge Engineering und Lernen in Spielen. TU-Darmstadt, SS 2006,

Transkript:

Fuzzy Logik und negative Zahlen Ablauf Unscharfe Mengen Fuzzyfizierung Fuzzy Operatoren Inferenz Defuzzyfizierung Ablauf Darstellung negativer Zahlen Vorzeichen und Betrag Exzess Einerkomplement Zweierkomplement Scharfe und unscharfe Mengen Gegeben Merkmalsraum X und A X. Lotfi Zadeh (*1921) Die Menge A wird als scharfe Menge bezeichnet, wenn die Zugehörigkeitsfunktion µ A (x) jedem Element den Wert 0 oder 1 zuweist: 1 für x A µ A (x): X {0, 1} = 0 für x A Die Menge A wird als unscharfe Menge bezeichnet, wenn die Zugehörigkeitsfunktion µ A (x) jedem Element einen Zugehörigkeitsgrad µ A (x) aus dem Intervall [0,1] zuordnet. Fuzzy Sets, Information and Control, Vol. 8, pp. 338-353, 1965 1

Fuzzyfizierung Linguistische Variablen und Zugehörigkeitsfunktionen sehr kalt...0 kalt 0.5 kühl 0.5 µ(5)= warm. 0 sehr warm.0 heiß 0 sehr heiß.. 0 sehr kalt..0 kalt...0 kühl...0 µ(28)= warm.0.2 sehr warm 0.8 heiß.. 0 sehr heiß. 0 Fuzzy Operatoren (1) OR AND 2

Fuzzy Operatoren (2) weitere Interpretationen OR, AND NOT Regelbasis und Inferenz Regelbasis Produktionsregeln R 1, R 2, R n R k : IF p k THEN c k p k : Prämissen als Funktionen der Eingangsgrößen c k : Konklusionen als Aussagen über Ausgangsgrößen Inferenz 1. Zugehörigkeitsgrad der Prämisse ermitteln 2. Inferenz MAX-MIN OR max AND min Implikation min MAX-PROD max min 3. Vereinigungsmenge bilden 3

Heizungssteuerung Eingangsgröße 1 Eingangsgröße 2 Ausgangsgröße Heizungssteuerung Regelbasis AND Gradient Temperatur negativ null positiv sehr kalt ganz offen ganz offen offen kalt ganz offen offen offen warm mittel mittel zu heiß zu zu ganz zu sehr heiß zu ganz zu ganz zu IF Temperatur = sehr heiß AND Gradient = positiv THEN Ventil = ganz zu 4

Heizungssteuerung (cont.) IF Temperatur = kalt AND Gradient = negativ THEN Ventil = mittel IF Temperatur = sehr kalt OR Gradient = null THEN Ventil = offen Defuzzyfizierung Suchen des scharfen Wertes ξ s der Ausgangsgröße u Maximum Height ξ s = Wert mit maximaler Zugehörigkeitsfunktion einfaches Verfahren problematisch, wenn mehrere Maxima auftreten Mean-of-Maximum ξ s = arithmetisches Mittel aller Werte mit max. Zugehörigkeitsfunktion problematisch bei Plateauverläufen Center of Gravity ξ s = gesamter Verlauf der Zugehörigkeitsfunktion wird berücksichtigt 5

Heizungssteuerung (cont.) µ(ξ) f 3 (x) f 4 (x) f 1 (x) f 2 (x) f 5 (x) 30 ξ s ξ [%] Maximum Height: ξ s = beliebiger Wert aus [65,75] Mean-of-Maximum: ξ s = 70% Center of Gravity: ξ s = 64.21% Fuzzy Logik und negative Zahlen Ablauf Unscharfe Mengen Fuzzyfizierung Fuzzy Operatoren Inferenz Defuzzyfizierung Ablauf Darstellung negativer Zahlen Vorzeichen und Betrag Exzess Einerkomplement Zweierkomplement 6

Vorzeichen und Betrag VZ Betrag m m-1 m-2... 2 1 0 +0 0 000... 00 +1 1 000... 01 +2 m -1 2 m -1 011... 11-0 2 m 100... 00-1 2 m +1 100... 01-2 m +1 2 m+1-1 111... 11 Bemerkungen: Zahl 0 mit positivem UND negativem VZ dargestellt! Vorzeichen bei arithmetischen Operationen getrennt zu behandeln! Vorzeichen und Betrag VZ Betrag 0 0 0 1 1 0 1 1 1 0 0 1 1 0 1 1 7 6 5 4 3 2 1 0 +27-27 +0 0 0000 0000 +1 1 0000 0001 127 +2 7-1 0111 1111-0 2 7 1000 0000-1 2 7 +1 1000 0001-127 2 8-1 1111 1111 Wie lautet die Darstellung der Zahlen +27 und -27? 7

Einerkomplement Negative Zahlen werden durch Ergänzung auf 2 m+1-1 ermittelt Oder einfacher: Negative Zahlen werden durch Vertauschen von 0 und 1 aus dem Betrag der Zahlen ermittelt werden +0 0 000... 00 +1 1 000... 01 +2 m -1 2 m -1 011... 11-2 m +1 2 m 100... 00-2 m +2 2 m +1 100... 01-1 2 m+1-2 111... 10 0 2 m+1-1 111... 11 Bemerkungen: Zahl 0 mit positivem UND negativem VZ dargestellt Positive und negative Zahlen können am führenden Bit unterschieden werden Ordnungsrelation innerhalb positiver und negativer Zahlen bleibt erhalten Negative Zahlen rangieren hinter positiven Zahlen Einerkomplement 0 0 0 1 1 0 1 1 1 1 1 0 0 1 0 0 7 6 5 4 3 2 1 0 +27-27 +0 0 0000 0000 +1 1 0000 0001 +127 2 7-1 0111 1111-127 2 7 1000 0000-126 2 7 +1 1000 0001-1 2 8-2 1111 1110 0 2 8-1 1111 1111 Wie lautet die Darstellung der Zahlen +27 und -27? 8

Zweierkomplement Negative Zahlen werden durch Ergänzung auf 2 m+1 ermittelt Oder: binäre Ziffern der positiven Zahl von rechts nach links bis zur ersten 1 einschließlich kopieren und die restlichen Ziffern komplementieren Oder: zuerst Einerkomplement der positiven Zahl bilden und dieses um 1 inkrementieren +0 0 000... 00 +1 1 000... 01 +2 m -1 2 m -1 011... 11-2 m 2 m 100... 00-2 m +1 2 m +1 100... 01-2 2 m+1-2 111... 10-1 2 m+1-1 111... 11 Bemerkungen: Positive und negative Zahlen können am führenden Bit unterschieden werden Ordnungsrelation innerhalb positiver und negativer Zahlen bleibt erhalten Negative Zahlen rangieren hinter positiven Zahlen Zweierkomplement 0 0 0 1 1 0 1 1 1 1 1 0 0 1 0 1 7 6 5 4 3 2 1 0 +27-27 +0 0 0000 0000 +1 1 0000 0001 +127 2 7-1 0111 1111-128 2 7 1000 0000-127 2 7 +1 1000 0001-2 2 8-2 1111 1110-1 2 8-1 1111 1111 Wie lautet die Darstellung der Zahlen +27 und -27? 9

Exzessdarstellung Zur Zahl z wird ein Exzess (q = 2 m ) addiert, so dass das Ergebnis w nicht negativ ist -2 m 0 000... 00-2 m +1 1 000... 01-1 2 m -1 011... 11 0 2 m 100... 00 1 2 m +1 100... 01 2 m -2 2 m+1-2 111... 10 2 m -1 2 m+1-1 111... 11 Bemerkungen: Null besitzt eindeutige Darstellung Abbildung ist ordnungserhaltend! Bei arithmetischen Operationen ist Exzess zu berücksichtigen Exzessdarstellung EX 1 0 0 1 1 0 1 1 0 1 1 0 0 1 0 1 7 6 5 4 3 2 1 0-128 0 0000 0000-127 1 0000 0001-1 2 7-1 0111 1111 0 2 7 1000 0000 +1 2 7 +1 1000 0001 +126 2 8-2 1111 1110 +127 2 8-1 1111 1111 Wie lautet die Darstellung der Zahlen +27 und -27? 10

Einerkomplement (m=7) Es stehen 8 Bit zur Darstellung der Zahlen zur Verfügung! 18-9 = 0001 0010 (+18) 1111 0110 (- 9) 10000 1000 (Überlauf) 1 0000 1001 (+ 9) -9-9 = 1111 0110 (- 9) 1111 0110 (- 9) 11110 1100 (Überlauf) 1 1110 1101 (-18) -127-9 = 1000 0000 (-127) 1111 0110 (- 9) 10111 0110 (Überschreitung) Zahl nicht darstellbar! Zweierkomplement (m=7) Es stehen 8 Bit zur Darstellung der Zahlen zur Verfügung! 18-9 = 0001 0010 (+18) 1111 0111 (- 9) 10000 1001 (Überlauf) 0000 1001 (+ 9) -9-9 = 1111 0111 (- 9) 1111 0111 (- 9) 11110 1110 (Überlauf) 1110 1110 (-18) -127-9 = 1000 0001 (-127) 1111 0111 (- 9) 10111 1000 (Überschreitung) Zahl nicht darstellbar! 11