Fuzzy Logic (FL) is a particular area of interest in the study of Artificial intelligence
(AI) based on the idea that in fuzzy sets each element in the set can assume a value from
0 to 1, not just 0 or 1, as in classic or crisp set theory. The gradation in the extent to
which an element is belonging to the relevant sets is called the degree of membership.
This degree of membership is a measure of the element’s belonging to the set, and thus of
the precision with which it explains the phenomenon being evaluated. A linguistic
expression is given to each fuzzy set. The information contents of the fuzzy rules are then
used to infer the output using a suitable inference engine. The key contribution of fuzzy
logic in computation of information described in natural language made it applicable to a
variety of applications and problem domains; from simple control systems to human
decision support systems. Yet, despite its long-standing origins, it is a relatively new field,
and as such leaves much room for development.
The thesis presents two novel applications of fuzzy systems; a human decision
support system to help teachers to fairly evaluate students and two hybrid intelligent
fuzzy systems; a type-2 fuzzy logic system and a combined type-1 fuzzy logic system and
extended Kalamn filter for controlling systems operating under high levels of
uncertainties due to various sources of measurement and modeling errors.
The combination of fuzzy logic and the classical student evaluation approach
produces easy to understand transparent decision model that can be easily understood by
students and teachers alike. The developed architecture overcomes the problem of
ranking students with the same score. It also incorporated different dimensions of
evaluation by considering subjective factors such as difficulty, complexity and
importance of the questions. Although we discuss this approach with an example from
the area of student evaluation, this method evidently has wide applications in other areas
of decision making including student’s project evaluation, learning management systems
evaluation, as well as, other assessment applications. [...]
Inhaltsverzeichnis
- LIST OF TABLES
- LIST OF FIGURES
- ACRONYMS AND ABBREVIATION
- LIST OF NOTATIONS
- ACKNOWLEDGMENT
- DECLARATION
- PUBLICATIONS
- ABSTRACT
- 1. INTRODUCTION
- 1.1 Background
- 1.2 Methods
- 1.3 Results and contributions
- 1.4 Discussion and conclusion
- 1.5 Organization of thesis
- 2. A FUZZY SYSTEM FOR EVALUATING STUDENTS' LEARNING ACHIEVEMNET
- 2.1 Introduction
- 2.2 A review of evaluation methods using membership functions and fuzzy rules
- 2.3 Three node fuzzy evaluation system
- 2.4 Method validation
- 2.5 Conclusions
- 3. A SIMPLIFIED ARCHITECTURE OF TYPE-2 FUZZY CONTROLLER USING FOUR EMBEDDED TYPE-l FUZZY CONTROLLERS AND ITS APPLICATION TO A GREENHOUSE CLIMATE CONTROL SYSTEM
- 3.1 Introduction
- 3.2 A simplified architecture of FLS
- 3.3 Genetic algorithm (GA)
- 3.4 Greenhouse climate control problem
- 3.5 Simulation experiments
- 3.6 Conclusions
- 4. USING THE EXTENDED KALMAN FILTER TO IMPROVE THE EFFICIENCY OF GREENHOUSE CLIMATE CONTROL
- 4.1 Introduction
- 4.2 Greenhouse climate control problem
- 4.3 Inaccurate measurements and energy consumption in greenhouses
- 4.4 The continuous-time EKF
- 4.5 State estimation using EKF
- 4.6 Simulation results
- 4.7 Conclusions
- 5. CONCLUSIONS
- 5.1 Conclusions
- 5.2 Future work
- REFERENCES
Zielsetzung und Themenschwerpunkte
Diese Dissertation befasst sich mit zwei neuartigen Anwendungen von Fuzzy-Systemen: einem System zur Unterstützung menschlicher Entscheidungen, das Lehrkräften helfen soll, Schüler fair zu bewerten, und zwei hybriden intelligenten Fuzzy-Systemen: einem Typ-2-Fuzzy-Logik-System und einem kombinierten Typ-1-Fuzzy-Logik-System und Extended Kalman Filter zur Steuerung von Systemen, die unter hohen Unsicherheiten aufgrund verschiedener Quellen von Mess- und Modellierungsfehlern arbeiten.
- Entwicklung eines Fuzzy-Systems zur Bewertung der Lernergebnisse von Schülern.
- Implementierung eines Typ-2-Fuzzy-Logik-Systems mit vereinfachter Architektur.
- Anwendung von Typ-2-Fuzzy-Logik-Systemen zur Bewältigung von Unsicherheiten in der Steuerung.
- Verbesserung der Effizienz der Steuerung von Systemen durch Kombination von Typ-1-Fuzzy-Logik und Extended Kalman Filter.
- Bewertung der Leistung der entwickelten Fuzzy-Systeme in verschiedenen Anwendungsbereichen.
Zusammenfassung der Kapitel
Kapitel 2 befasst sich mit der Entwicklung eines Fuzzy-Systems zur Bewertung der Lernergebnisse von Schülern. Es werden verschiedene Ansätze zur Bewertung von Schülerleistungen mit Fuzzy-Mengen und Fuzzy-Regeln untersucht, und ein neues System mit drei Fuzzy-Logik-Controllern wird vorgestellt. Dieses System berücksichtigt subjektive Faktoren wie Schwierigkeit, Komplexität und Wichtigkeit der Fragen, um eine fairere Bewertung zu ermöglichen. Die Ergebnisse zeigen, dass das Fuzzy-System im Vergleich zu anderen Ansätzen eine höhere Transparenz und Objektivität bietet und es Lehrkräften erleichtert, die Ergebnisse zu interpretieren und zu erklären.
Kapitel 3 untersucht die Implementierung von Typ-2-Fuzzy-Logik-Systemen mit einer vereinfachten Architektur, die auf vier eingebetteten Typ-1-Fuzzy-Logik-Systemen basiert. Diese Architektur ermöglicht es, die Vorteile von Typ-2-Fuzzy-Systemen mit dem grundlegenden Wissen von Typ-1-Fuzzy-Systemen zu nutzen. Mit Hilfe von genetischen Algorithmen wird gezeigt, dass die Architektur eine bessere Fähigkeit zur Erkennung und Behandlung von Mess- und Modellierungsunsicherheiten im gesteuerten System aufweist. Die Ergebnisse zeigen, dass die vorgeschlagene Architektur im Vergleich zu anderen Ansätzen eine deutlich geringere Rechenkomplexität ohne Einbußen bei der Leistung erzielt.
Kapitel 4 befasst sich mit der Verbesserung der Effizienz der Steuerung von Systemen durch Kombination von Typ-1-Fuzzy-Logik und Extended Kalman Filter (EKF). Der EKF wird in die Rückkopplungsschleife integriert, um die Systemzustände zu schätzen und diese bei der Berechnung des Steuersignals zu verwenden. Die vorgeschlagene Methode wird auf ein komplexes, nichtlineares Mehrgrößensystem angewendet, das unter schwierigen Betriebsbedingungen arbeitet. Simulationsergebnisse zeigen, dass die vorgeschlagene Regelung die täglichen Betriebskosten des Anbausystems senken kann. Außerdem wird ein glatteres Ansprechverhalten erzielt, das die Lebensdauer der Aktuatoren verlängert und so zu einer weiteren Reduzierung der Gesamtkosten des Systems führt.
Schlüsselwörter
Die Schlüsselwörter und Schwerpunktthemen des Textes umfassen Fuzzy-Systeme, Typ-2-Fuzzy-Logik, Extended Kalman Filter, Steuerung von Systemen unter Unsicherheiten, Bewertung von Schülerleistungen, Entscheidungsfindung, genetische Algorithmen, Greenhouse Climate Control, Energieeffizienz.
- Quote paper
- Ibrahim A. Hameed (Author), 2010, New Applications and Developments of Fuzzy Systems, Munich, GRIN Verlag, https://www.grin.com/document/190478
-
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X.