Geri Dön

Belirsiz bilgi: Bulanık mantık ve olasılık yaklaşımı

Başlık çevirisi mevcut değil.

  1. Tez No: 75125
  2. Yazar: CENGİZ TEYMUR
  3. Danışmanlar: YRD. DOÇ. DR. HAKAN TEMELTAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1998
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 111

Özet

ÖZET Belirsizlik, bir bilgi alanında bazı kural veya durum belirteçlerinin hiç olmaması (bil ginin eksikliği), bilgilerin içerikleri ile ilgili birtakım şüphelerin var olması ya da içeri ğin kesin bir ifade taşımaması anlamında kullanılmaktadır. Günümüzde, elde edilen bilgilerin sahip olması istenen hassasiyet artmış ve daha önceleri ihmal edilen belirsizlik ve yaklaşıklık artık ihmal edilememeye başlanmıştır. İnsanların kullandığı sübjektif ifadeler, karar mekanizmalarında kullanılan kuralların göreceliliği de hesaba katılınca, sahip olunan bilgilerin ne derece belirsiz olduğu açıkça ortaya çıkmaktadır. Tüm bu belirsizliklere rağmen, bilimde ve mühendislikte kullanılan formüller ve yön temler belirgin bir ifade taşır ve kesin değerlere sahip parametreler kabul eder. Be lirsizlik; Bilgisayarın günlük yaşamın her alanına ve bu arada karar aşamalarına da girmesi ile beraber ortaya çıkan Yapay Zeka çalışmalarının önünde, çözülmesi ge reken büyük bir sorun olarak durmaktadır. Belirsizliği ele almak için Aristo'dan bu yana kullanılan geleneksel yöntem Olasılık Teorisi'dir. Ne var ki olasılık teorisi, sadece bilgi eksikliğinden kaynaklanan belirsizlik için çözümler sunmakta ve ifadelerin kesin olmamasından ve sübjektiviteden kay naklanan belirsizlik için bir çıkar yol gösterememektedir ( Belirsizliğin ön plana çıkması ve olasılık teorisinin tüm gücüne rağmen bazı durum larda yetersiz kaldığının anlaşılması üzerine yeni yöntem arayışları başladı ve Bula nık Mantık (Fuzzy Lojik), Dempster - Shafer Teorisi, Yapay Sinir Ağları, İlkdeğer Muhakemesi (Default Reasoning) gibi birçok metod geliştirildi. Bu çalışmada belirsizliği ele almak için ortaya atılan metodlar incelenip değerlendi rilmekte ve en önemli iki yöntem (Fuzzy ve Olasılık Teorileri) bir uygulama üzerinde karşılaştırılmaktadır. Uygulama, ultrasonik sensörlerden gelen bilgilere göre engel belirleme problemidir. Problemdeki belirsizlik, sensörden gelen bilgide kesin bir mesafe bilgisi bulunmasına karşın açı bilginin tam olarak bilinememesinden kaynaklanmaktadır. Tipik bir ultrasonik sensör yazılım ile simüle edilmiş ve yapılan ölçüm sonuçlan her iki teoriye göre değerlendirilerek engel haritaları çıkarılmıştır. Tezin son kısmında Fuzzy ve Olasılık Teorileri tüm yönleri ile genel olarak karşılaştı rılmakta ve belirsizliğin hangi türü için hangi yöntemin daha iyi bir çözüm getirdiği tartışılmaktadır. viii

Özet (Çeviri)

SUMMARY Uncertainty Upon consulting a common dictionary about the term uncertain, we find that the word has a broad semantic content. For example, Webster' New Twentieth Century Dictionary gives sixclusters of meaning for the term: 1. Not certaşnly known; questionable; problematical. 2. Vague; not definite or determined. 3. Doubtful; not havşng certain knowledge; not sure. 4. Ambiguous. 5. Not steady or constant; varying, 6. Liable to change or vary; not dependable or reliable. Two main categories of uncertainty emerge quite naturally; they are captured quite well be the terms vagueness and ambiguity, respectively. In general, vagueness is associated with the difficulty of making sharp or precise distinctions in the world; that is, some domain of interest is vague if it cannot be de- liminated by sharp boundaries. Ambiguity, on the other hand, is associated with one- to-many relations, that is, situations in with the choice between two or more alterna tives is left unspecified (Klir and Folger, 1992, p. 138). Fuzzy Set Theory Fuzzy set theory has been proposed variously as an alternative or complementary uncertainty representation to probability. Many authors (Lavoilette, Lindley, Dubois) have also argued its unsuitability as an uncertainty metric. It was introduces by Dr. Lotfi Zadeh (Un. of California, Berkeley) in the 1960's as a means of modeling the uncertainty of natural language. Zadeh asserts that rather than regarding fuzzy the ory as a single theory, the process of fuzzification should be regarded as a metodol- ogy to generalize any specific theory from a crisp (discrete) to a continuous (fuzzy) form (Zadeh, 1973,). The basic concept of fuzziness is that people frequently deal with concept that are imprecise because they cannot be adequately defined. Terms ixsuch as tall, short, attractive, or ugly are imprecise not because the human though processes utilizing these terms do not understand them, but because these terms refer to attributes that are inherently vague. Probability Probability is the most widely used and established method for representing uncer tainty. It is based on the likelihood of possible events. Fuzziness versus Probability The debate began with the possibilists' argument that probability theory is not suit able to deal with uncertainties in natural languages. Probabilists do not agree. Prob ability theory, with its hundreds of years of history, is rich in theory and very suc- cesfull in application. Probabilists argued that the membership function of a fuzzy set could be interpreted in terms of subjective probability. In the 1980s, probabilists lunched a number of offences with the position Lindley's (1982 1987) and Cheese- man (1988, p. 58-66) papers, followed by discussions published in statistical jour nals. The conclusion was:“anything fuzzy can do, probability can do it equally well or better.”Possibilists did not put an effective defense line against these strong of fences, such that at the end of the first round of debate, probabilists had a total up per hand and fuzzy theory was badly treated or simply ignored in the following years. After losing the first round of debate, possibilists, who are were mostly engineers, switched their attention to engineering applications of fuzzy theory. Indeed, one could argue against the principles of a theory, but it would be very unconvincing if one tries to argue with solid applications. With the successes of fuzzy controllers in home electronics and industrial process control, possibilists lunched a major offense by publishing a special issue of IEEE Trans on Fuzzy Systems (Vol.2, No. 2, 1994) on fuzziness versus probability. The conclusion was:“the two theories are comple mentary, and the deal with different types of uncertainties.”Possibilists had an upper hand this time; the consequence is that the“ignoring”period of fuzzy theory was over and many scientist and engineers alike began to look at fuzzy theory seriously. The third round of debate has just begun with the publication of a paper by Lavio- lette, Seaman, Barret and Woodal (1995) followed by six discussions written by mostly possibilists. The position paper laid out fuzzy and probability models side by side and compared the strengths and weakness of each. Although the two parties still had major differences, the atmosphere was much more cooperative. In the con cluding remarks, Laviolette, Seaman, Barret, and Woodall (1995) wrote:“Although we have serious reservations about some philosophical tenets of FST (fuzzy set theory), we do not claim that the theory has been useless. The well- documented successful applications, particularly in control theory, show that FST can work if carefully applied.... Rather, we take a skeptical view, in that so far we have found no instances in which FST is uniquely useful - that is, no solutions using FST that could not have been achieved at least as effectively as using probability and statistics.”This round of debate is currently going on and we will definitely see more debate in the future. Since fuzziness versus probability is a very controversial issue, we think the best we can do is list the major differences between the two theories and let the reader judge the arguments. Difference 1. Although both theories deal with uncertainty, the practical problems they intend to solve are quite different. Fuzzy theory, on one hand, tries to formulate human reasoning and perceptions and therefore targets problems in areas such as industrial process control, pattern recognition, group decision making, etc., where human factors have a major impact. Probability theory, on the other hand, concen trates on such areas as statistical mechanics, data analysis, communications sys tems, etc., where human reasoning and perceptions do not play a major role. Although probabilists claimed that probability could be used to formulate human knowledge if one wants to, the details have never been developed to the scale that fuzzy theory provides. Difference 2. Fuzzy set theory discards the law of the excluded middle, whereas probability theory is built on classical set theory, in which the law of the excluded middle is fundamental. Due to this fundamental difference, the technical contents of the two are quite different. Difference 3. From an application point of view, the computational algorithms re sulting from the two theories and the information required to implement them usually are quite different, even if the algorithms are developed to solve the same problem. For example, many problems with using probability in artificial intelligence models come from multiplying two probabilities that are independent; in fuzzy theory, this dependency information is not required (Wang, 1997, p.401). XI

Benzer Tezler

  1. Tez No

    445058

    Fuzzy knapsack problem for operating room scheduling

    Ameliyathane çizelgeleme için bulanık sırt çantası problemi yaklaşımı

    DİLARA AZAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

  2. Tez No

    895304

    Quantifying alignment among architectural objects using white-box neural computing

    Beyaz kutu nöral hesaplama kullanarak mimari nesneler arasındaki hizalanmanın ölçülmesi

    OSMAN ZİNNUR MELİKOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    DOÇ. DR. MICHAEL STEFAN BITTERMANN

  3. Tez No

    295402

    Üretim sistemlerinde bulanık tek dönemli stok kontrol modelleri

    Fuzzy single period inventory control models in production systems

    HÜLYA BEHRET

    Doktora

    Türkçe

    Türkçe

    2011

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. CENGİZ KAHRAMAN

  4. Tez No

    142986

    Veri madenciliği alanında bir bulanık mantık uygulaması

    A fuzzy logic application on data mining

    SEZİN SELEN İNCELER

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mühendislik Bilimleri Ana Bilim Dalı

    YRD. DOÇ. DR. ALİ ERCENGİZ

  5. Tez No

    676018

    Bulanık CPM ile doğrusal programlama: Ttürkiye inşaat endüstrisinde bir vaka çalışması

    Fuzzy CPM with linear programming: a case study in Turkish construction industry

    GÜLLÜ DEĞİRMENCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    İnşaat Mühendisliğiİstanbul Kültür Üniversitesi

    İnşaat Yapı Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET N. UĞURAL

Geri Dön