Artificial intelligence 人工智能-模糊系统
我有一些练习题和答案如下: 但是,我不确定为什么问题1(突出显示)的解决方案以Artificial intelligence 人工智能-模糊系统,artificial-intelligence,fuzzy-logic,Artificial Intelligence,Fuzzy Logic,我有一些练习题和答案如下: 但是,我不确定为什么问题1(突出显示)的解决方案以1-…开头-有人能解释一下吗?是否所有的都不是/,解决方案都是从1-…开始的,如果是,为什么 非常感谢。这个符号有点混乱,因为它混合了模糊集理论和模糊逻辑。这里不是A可能是指模糊集合A的补码(除了A以外的任何东西,有时写为A,字母A上方有一个条或A^C)(稍后与导师确认) 函数\mu_A(LaTeX语法,我不知道如何在这里输入希腊符号)是一个为集合A指定包含等级的函数。即\mu_A(x)=0.6意味着x包含在等级为0
1-…
开头-有人能解释一下吗?是否所有的都不是/,
解决方案都是从1-…
开始的,如果是,为什么
非常感谢。这个符号有点混乱,因为它混合了模糊集理论和模糊逻辑。这里不是A
可能是指模糊集合A的补码(除了A以外的任何东西,有时写为A,字母A上方有一个条或A^C)(稍后与导师确认)
函数\mu_A(LaTeX语法,我不知道如何在这里输入希腊符号)是一个为集合A指定包含等级的函数。即\mu_A(x)=0.6意味着x包含在等级为0.6的A中(类似但不等同于x作为A元素的概率)\mu_A(x)=0表示x不是A的元素
因此,如果A中x的包容度是某个值v,那么A的补码中包容度的自然定义(这里写为而不是)是1-v(这也类似于概率论:如果某个元素在某个集合A中的概率为v,那么该元素在A的补码中的概率为1-v)
因此,补码的包含函数\mu_{not A}可以定义为\mu_{not A}=1-\mu_A
这个定义与并集(max)和交集(min)是一致的,因此集合论的一般定律仍然是正确的(如德摩根定律:A和B的并集的补数是A和B的补数的交集:非(A u B)=(非A)\intersect(非B)).也许是问你的教授/导师是否有问题的最佳人选?也许有人在这里发布答案会提供正确的解决方案,但他们不会给你的论文评分,因此我认为你的导师将是最好的人选。如果AI有StackExchange网站的话…:-(@Darren Davies-很不幸,我的导师有几天不在,所以我希望so用户能帮忙。