این فایل حاوی مطالعه منطق فازی و معرفی پروفسور لطفی زاده می باشد که به صورت فرمت PowerPoint در 25 اسلاید در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.
فهرست
نگاهی به زندگی و فعالیت های پروفسور لطفی زاده
دنیای فازی
پیشینه منطق فازی
کاربردهای منطق فازی
منطق فازی و هوش مصنوعی
تصویر محیط برنامه
دانلود فایل آموزشی جدا کننده های چند فازی Separators
جدا کننده های چند فازی Separators
توضیحات کامل به همراه عکس ها و شماتیک ها 20 صفحه pdf
فرمت فایل: word(قابل ویرایش)تعداد صفحات42
فهرست
چکیده
1- مقدمه (3)
2- مروری بر روش های قبل (7)
1.2 - الگوریتمk-Means Hard (7)
1.1.2 - مثالی عددی از الگوریتم k-Means (9)
2.2- الگوریتم Fuzzy c-Means (13)
3.2- الگوریتم Hard k-Modes (15)
4.2- الگوریتم fuzzy k-Modes (18)
3- الگوریتم پیشنهادی : genetic fuzzy k-Modes (21)
4- نتایج آزمایش (25)
5- نتیجه گیری (32)
پیوست – کد برنامه
مراجع
چکیده
خوشه بندی روشی است که داده های یک مجموعه داده را به گروه یا خوشه تقسیم می کند . از مرسوم ترین روش های خوشه بندی،الگوریتم های خوشه بندی k-Means وfuzzy k-Means می باشند.این دو الگوریتم فقط روی داده های عددی عمل می کنند و به منظور رفع این محدودیت، الگوریتم های k-Modes و fuzzy k-Modes ارائه شدند که مجموعه داده های گروهی (دسته ای) را نیز خوشه بندی می کنند. . با این وجود، این الگوریتم ها ،شبیه همه روال های بهینه سازی دیگر که برای مینیمم عمومی یک تابع جستجو می کنند، احتمال گیر افتادن در یک مینیمم محلی وجود دارد. به منظوردستیابی به جوبب بهینه عمومی ، الگوریتم های تکاملی مانند ژنتیک و جدول جستجو با الگوریتم های مذکور ترکیب می شوند. در این پژوهش، الگوریتم ژنتیک ، GA، را با الگوریتم fuzzy k-Modes ترکیب شده ،بطوریکه عملگر ادغام به عنوان یک مرحله از الگوریتم fuzzy k-Modes تعریف می شود. آزمایش ها روی دو مجموعه داده واقعی انجام شده است تا همراه با مثال کارایی الگوریتم پیشنهادی را روشن نماید.
1.مقدمه
به عنوان یک ابزار اولیه در داده کاوی ،تجزیه و تحلیل خوشه ، که تجزیه و تحلیل سگمنت نیز نامیده می شود،روشی است که داده ها را به گروه هایی همگن تحت عنوان خوشه تقسیم می کند.در چنین روشی داده های موجود در یک کلاستر یا خوشه خیلی شبیه به هم و داده ها ی کلاستر های مختلف خیلی متفاوت نسبت به هم هستند.اغلب، شباهت بر مبنای معیار فاصله می باشد.
آنالیز خوشه،خوشه بندی، تکنیک عمومی برای آنالیز داده های آماری می باشد که در بسیاری زمینه ها مانند یادگیری ماشین ، داده کاوی ، شناسایی الگو و آنالیز تصویر کاربرد دارد.در کنار اصطلاح خوشه بندی داده (یا فقط خوشه بندی)،بعضی اصطلاحات دیگرنیزهمانند کلاس بندی اتوماتیک ،طبقه بندی عددی ، آنالیز نوع شناسی ، با معنای مشابه استفاده می شود[1].
به طور کلی ،یک الگوریتم خوشه بندی خوب معمولا برای طراحی شامل چهار فاز ذیل را شامل می شود:1- نمایش داده 2- مدل کردن .3- بهینه سازی .4- اعتبار سنجی[2] ..
فاز نمایش داده، تعیین می کند که چه نوعی از ساختارهای خوشه می تواند داده ها را شناسایی کند.سپس فاز مدلینگ ضوابط و معیار ها را برروی ساختار تعریف می کند بطوریکه که ساختارها ی گروه های مطلوب را از موارد نامطلوب مجزا می کند.در فاز مدلینگ ، در طول جستجو برای ساختار های مخفی در داده ،یک معیار کیفیت مانند معیار بهینه سازی یا معیار تقریب تولید می شود. بعبارتی دیگرفاز بهینه سازش،ساختار های موثرتر و بهینه تر را انتخاب میکند. از آنجا که فرآیند خوشه بندی ،یک فرایند بدون سرپرستی است فاز اعتبار سنجی خیلی ضروری است تا نتایج تولید شده به وسیله الگوریتم خوشه بندی ارزیابی شوند.
به طور کلی ،الگوریتم های خوشه بندی به دو دسته تقسیم بندی می شوند[3,4] : الگوریتم های خوشه بندی سخت و الگوریتم های خوشه بندی فازی .
در چهارچوب خوشه بندی سخت ،هر شی ء به یک و فقط یک خوشه تعلق دارد و برعکس در چهار چوب خوشه بندی فازی به هر شی ء اجازه داده می شود که توابع تعلقی به همه خوشه ها داشته باشد.هر دو روش الگوریتم خوشه بندی سخت و فازی ،مرکز های خوشه (نمونه های اولیه) را تعیین می کنند و مجموع مربع فاصله بین این مرکز ها و خوشه ها را مینیمم می کنند.
حل کامل تمرین های فصل پنجم کتاب سیستم های فازی و کنترل فازی (تشنه لب)؛
در فایل موجود تمام تمرین های فصل پنجم به صورت کامل و حل شده اند.
(پاسخ ها ۵ صفحه و به صورت دست نویس هستند)
(پاسخ تمرین های سایر فصل ها نیز بصورت مجزا ارائه شده اند )
فرمت فایل : word (قابل ویرایش) تعداد صفحات : 25 صفحه
چکیده:
الگوریتمهای مختلفی جهت حفاظت دیفرانسیل ترانسفورماتور قدرت معرفی شده اند که هر یک از آنها دارای محدودیتهایی هستند. با استفاده از تئوری منطق فازی از تعدادی از این الگوریتمها به طور همزمان استفاده شده است و بدین طریق از نقاط قوت همه آنها استفاده شده و نقاط ضعف هر یک از آنها توسط الگوریتمهای دیگر مرتفع شده اند. همچنین مقدار اطلاعات سینگنالهای حفاظتی و ضریب خسارت تصمیم گیری نادرست نیز در تصمیم گیری رله در نظر گرفته شده است و در نتیجه قابلیت اطمینان رله افزایش یافته است.
مقدمه:
در یک سیستم حفاظت دیفرانسیل در حالت عادی جریان تفاضلی قابل توجهی وجود ندارد ولی در هنگام وقوع خطای داخلی جریان تفاضلی افزایش می یابد. لذا افزایش جریان تفاضلی می تواند بعنوان نشانه وقوع خطای داخلی استفاده شود اما از آنجایی که افزایش جریان تفاضلی توسط عواملی غیر از خطای داخلی نیز رخ می دهد لذا وجود جریان تفاضلی لزوما نشانه وقوع خطای داخلی نخواهدبود. پدیده هایی نظیر جریان هجومی ترانسفورماتور، اضافه تحریک، اشباع یکی از CT ها در اثر اتصال کوتاه خارجی و تغییر قابل توجه تپ ترانسفورماتور نیز باعث ایجاد جریان تفاضلی می گردند. لذا با مشاهده جریان تفاضلی بیشتر از یک مقدار آستانه رله دیفرانسیل باید وقوع عوامل اخیر را رد نماید و در چنین وضعیتی دستور عملکرد رله را صادر نماید. برای رد کردن وقوع این پدیده ها باید نشانه های مربوط به هر کدام از آنها در هنگام وقوع خطای داخلی وجود نداشته باشد، لذا با جستجو در جریان تفاضلی در صورت عدم وجود آن نشانه ها، وقوع پدیده مربوطه رد می گردد. در همه این روشها، یک سیگنال اندازه گیری شده یا محاسبه شده باید با یک مقدار آستانه مقایسه گردد اما دستیابی به یک مقدار آستانه قطعی جهت تنظیم الگوریتم میسر نیست. دلیل این عدم قطعیت کافی نبودن اطلاعات درباره مواردی همچون محل خطا، مقاومت خطا و شار پسماند هسته است. از طرف دیگر سیگنال هایی که جهت مقاصد حفاظتی اندازه گیری و محاسبه می شوند نیز معمولا دچار عدم دقت و عدم قطعیت هستند. ابزار ریاضی مناسب برای غلبه بر این عدم قطعیت ها منطق فازیست. بنابراین با فازی کردن سیگنالها، عدم قطعیت های اندازه گیری و محاسبه جبران می شود و با فازی کردن تنظیمها، عدم قطعیت های مقادیر تنظیمی مرتفع می گردد و با ترکیب وزنی الگوریتمهای مختلف از نقاط قوت همه آنها استفاده گردیده و نقاط ضعف آنها جبران می گردد. در ادامه ابتدا منطق فازی بطور مختصر معرفی می گردد. پس از آن فازی کردن سیگنال های حفاظتی و مقادیر آستانه و عملکرد رله دیفرانسیل فازی مورد بررسی قرار می گیرد.
*مقدمه ای بر منطق فازی
جهت طراحی یک سیستم فازی باید روابط تبدیل متغیرهای عددی به فازی، قوانین پردازشگر فازی و روابط تبدیل متغیرهای فازی به عددی مشخص گردند که در ادامه چگونگی انجام این کار بررسی می شود.
فازی کردن سیگنالهای حفاظتی:
جهت اندازه گیری و محاسبه درست سیگنالها و استفاده بهینه از میزان اطلاعات آنها، از فازی کردن سیگنالها استفاده می شود. جهت فازی کردن سیگنالها، یک پنجره داده با k نمونه از آخرین مقادیر متوالی دامنه سیگنالها انتخاب گردیده و مقادیر متوسط، ماکزیمم و مینیمم داده های پنجره در نمونه nام محاسبه می شوند. روشهای متعددی جهت فازی کردن سیگنالها با استفاده از مقادیر محاسبه شده فوق وجود دارد. متداولترین روش، تعیین توابع عضویت مثلثی است که از آن استفاده گردیده است. در این روش به مقدار متوسط، تابع عضویت یک و به مقادیر مینیمم و ماکزیمم، تابع عضویت صفر نسبت داده می شود. مقادیر میانی نیز به صورت خطی تقریب می شوند. میزان عدم قطعیت سیگنال ها نیز به صورت عددی با تعریف مقدار اطلاعات توسط رابطه 1 بیان می گردد که در آن A(x(n)) مساحت زیرمنحنی تابع عضویت است.