Rozhodování v podnikatelství za podpory fuzzy logiky a neuronových sítí

Rozhodování v podnikatelství za podpory fuzzy logiky a neuronových sítí Dostál Petr Vysoké učení technické v Brně Mezinárodní letní škola SoftProcessing

SoftCop reg. č. CZ.1.07/2.3.00/20.0072

Fuzzy logika – funkce členství µA: x --> {0,1}, µA: x --> <0,1>.

µA(x) =0 µA(x) = kx+q pro x (4,5) µA(x) =1 µA(x) =-kx+q pro x (8,9) µA(x) =0

pro x {0,4} pro x {5,8} pro x {9,∞)

[a,b] + [c,d] = [a+c, b+d] , [a,b] - [c,d] = [a-d, b-c], [a,b] . [c,d] = [min(ac,ad,bc,bd), max(ac,ad,bc,bd)], [a,b] / [c,d] = [min(a/c,a/d,b/c,b/d), max(a/c,a/d,b/c,b/d)]. Průnik A

µ(x∧y)=MIN(µx,µy)

Sjednocení Nebo

µ(x∨y)=MAX(µx,µy)

Doplněk Dop

µ(¬x)=1-µ(x)

Fuzzy logika – logické operace A

B

AB

AB A

Fuzzy logika

Typy funkcí členství Λ, π, Z a S mf1, P = [0 0 3]; mf2, P = [2 4 6]; mf3, P = [4 6 7 9]; mf4, P = [8 10 10] Vstupa Vstupb ….. Vstupy Vstupz …….. Výstup1 <S váhou> z

RpN+ReN = RN; RpV+ReV= RV

Fuzzy logika - riziko

RpN+ReN = RN


RpV+ReV = RV




Fuzzy logika - úvěr

Fuzzy logika – úvěr

Fuzzy logika – úvěr

Fuzzy logika – predikce

Fuzzy logika – riziko



Fuzzy logika – banka




Fuzzy logika – banka b2 = readfis('TFb.fis'); Udaje = input('Zadejte údaje o bance [Poplatek za vedení účtu; Poplatek za výběr z bankomatu; Povolený kontokorent]: '); vyhodnoceni = evalfis(Udaje, b2);

Zadejte údaje o bance [Poplatek za vedení účtu; Poplatek za výběr z bankomatu; Povolený kontokorent]: [0;0;20000] ans = Založit

if vyhodnoceni>95 'Ihned založit' elseif vyhodnoceni>85 'Založit' elseif vyhodnoceni>70 'Zvážit' elseif vyhodnoceni>50 'Sledovat' else 'Nezakládat!' end

Zadejte údaje o bance [Poplatek za vedení účtu; Poplatek za výběr z bankomatu; Povolený kontokorent]: [15;2.5;10000] ans = Sledovat

fuzzy(b2) mfedit(b2) ruleedit(b2) surfview(b2) ruleview(b2)

Zadejte údaje o bance [Poplatek za vedení účtu; Poplatek za výběr z bankomatu; Povolený kontokorent]: [30;5;0] ans = Nezakládat!

Fuzzy logika – dodavatelé

Fuzzy logika – dodavatelé clear all B1v = readfis('B1.fis'); UdajB1 = input('Zadejte vstupní údaje ve tvaru [I3a; I3b; I3c]: '); VyhB1 = evalfis(UdajB1, B1v); B2v = readfis('B2.fis'); UdajB2 = input('Zadejte vstupní údaje ve tvaru [I4a; I4b]: '); VyhB2 = evalfis(UdajB2, B2v); BFv = readfis('BF.fis'); UdajBF=input('Zadejte vstupní údaje ve tvaru [I1;I2]: '); UdajBF(3) = VyhB1; UdajBF(4) = VyhB2; VyhBF = evalfis(UdajBF, BFv); if VyhBF<0.2 ' Pokračovat ve spolupráci ' elseif VyhBF<0.5 'Sledovat spolupráci ' Else 'Odmítnout ' end fuzzy(BFv) mfedit(BFv) ruleedit(BFv) surfview(BFv) ruleview(BFv)

Vstup I1 představuje cenu produktu Vstup I2 představuje kvalitu produktu. Blok pravidel B1 představuje obchodní podmínky balení I3a , sleva I3b , záruka I3c. Blok pravidel B2 představuje další kritéria spolehlivost I4a,vstřícnost I4b Výstup představuje rozhodování s atributy pokračovat ve spolupráci, sledovat spolupráci, odmítnout. Zadejte vstupní údaje ve tvaru [I3a; I3b; I3c]: [0;0;0] Zadejte vstupní údaje ve tvaru [I4a; I4b]: [0;0] Zadejte vstupní údaje ve tvaru [I1;I2]: [0;0] ans =Pokračovat ve spolupráci Zadejte vstupní údaje ve tvaru [I3a; I3b; I3c]: [0.5; 0.5; 0.5] Zadejte vstupní údaje ve tvaru [I4a; I4b]: [0.5; 0.5] Zadejte vstupní údaje ve tvaru [I1;I2]: [0.5; 0.5] ans =Sledovat spolupráci Zadejte vstupní údaje ve tvaru [I3a; I3b; I3c]: [1;1;1] Zadejte vstupní údaje ve tvaru [I4a; I4b]: [1;1] Zadejte vstupní údaje ve tvaru [I1;I2]: [1;1] ans =Odmítnout

Neuronové sítě - model bias

vnitřní potenciál

n

b

w1 p1

Výstup získaný aplikací aktivační funkce neuronu

a = f(n)

p2

synaptické váhy

wR

w2 ……..

pR

n = w1·p1 + w2·p2 + w3 ·p3 + … + wR ·pR + b

vstupy

Neuronové sítě – transformační funkce

n = w1·p1 + w2·p2 + w3 ·p3 + … + wR ·pR + b

Neuronové sítě – vícevrstevná síť

.

Neuronové sítě - výpočet

, ,

, První stav .

RpV+ReV= RV (-1,-1 → 0) RpN+ReN = RN (1,1 → 1)

Druhý stav

Inicializace:

Neuronové sítě - nemovitost

Neuronové sítě - nemovitost

Neuronové sítě - predikce



Neuronové sítě - riziko Pořadí 1 2 3 4

Rp: 0 0 1 1

Re: 0 1 0 1

R: 0 0 0 1



Neuronové sítě - predikce clear all load production; T = production; net = narnet(1:2,10); [Xs,Xi,Ai,Ts] = preparets(net,{},{},T); net = train(net,Xs,Ts,Xi,Ai); view(net) Y = net(Xs,Xi); perf = perform(net,Ts,Y); Prodej

Predikce

600

400 300 200 100 0 1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 106 111 116

Kusy [-]

500

Pořadí dne [-]

Fuzzy logika + Neuronové sítě Pořadí 1 2 3 4

Rp: 0 0 1 1

Re: 0 1 0 1

R: 0 0 0 1

Fuzzy logika + Neuronové sítě

Fuzzy logika + Neuronové sítě

Literatura [email protected] www.petrdostal.eu

Dostál, P. Brno: CERM, 2008. 168 s. ISBN: 978-80-7204-747-5.

Dostál, P. Brno: CERM, 2008. 340 s. ISBN: 978-80-7204-605-8. http://www.cerm.cz

Dostál, P. Brno: CERM, 2012. 718 s. ISBN 978-80-7204-798-7. e-ISBN 978-80-7204-799-4.

Děkuji za pozornost

Rozhodování v podnikatelství za podpory fuzzy logiky a neuronových sítí

Recommend Documents