Fuzzy logika: Porovnání verzí

Smazaný obsah Přidaný obsah
Robot: Opravuji 1 zdrojů a označuji 0 zdrojů jako nefunkční) #IABot (v2.0.8
Kremen (diskuse | příspěvky)
m Na konec oddílu Motivace vzniku, jsem přidal několik řádků vysvětlení, co se rozumí matematickou reprezentací neurčitosti.
Řádek 53:
}} {{Wayback|url=http://www.slaboproudyobzor.cz/files/20130102.pdf |date=20150518082054 }}</ref> Jelikož vágnost přirozeného jazyka je především vnitřní, (pro druhého člověka utajená, může ji jen odhadovat) a to i u kvantifikátorů (např. neurčitých: SNAD, PŘIBLIŽNĚ, NĚKOLIK...), a vnitřní vágnost umělého formálního jazyka musí být vždy nulová, je třeba původní vnitřní vágnost odstranit a převést ji na vnější vágnost, kterou je umělý formální jazyk fuzzy množin a fuzzy logiky schopen reprezentovat. Znamená to vyzpovídat člověka, případně skupinu lidí tak, aby se shodli např. na tom, co pro ně fuzzy kvantitativně vyjádřeno, znamená příjemně teplá voda, spíš vyšší strom, nebo nepříliš chytrý člověk. Původní vágní chápání vyjádřené přirozeným jazykem se převádí na fuzzy hodnoty, které je pak možno dávat do souvislostí popsaných fuzzy operacemi fuzzy logiky. Převod z přirozeného jazyka do umělého formálního jazyka fuzzy logiky je vágní, tedy poznamenán nejistotou, neboť významy jazykových konstrukcí přirozeného jazyka jsou každým člověkem přiřazovány prostřednictvím emotivní, subjektivní a vágní [[konotace]], měnící se od člověka k člověku, ale pro každého i v čase<ref> Osgood C. E, Suci G., Tannenbaum P.: The Measurement of Meaning. Urbana, Illinois, University of Illinois Press, 1957 </ref>. Sebe sofistikovanější vyzpovídání respondentů nezaručí nulovou neurčitost onoho převodu z přirozeného jazyka do umělého formálního jazyka fuzzy množin a fuzzy logiky. Platí zde to, co jsme řekli v heslech Wikipedie [[Vágnost]] a [[Exaktní věda]], a to: požadujeme-li exaktní poznatky zapsatelné umělým formálním jazykem, je nutno začít exaktním Newtonovým umělým poznáním. Nelze inherentně vágní znalosti získané přirozeným lidským poznáním, kde je filtrem poznáním vágnost, dodatečně převést na exaktní znalosti, tedy zbavit je vnitřní vágnosti, a tak dodatečně zkvalitnit informaci.
 
Pro některé zájemce o fuzzy logiku, co se smíří s nepřesnými a v experimentu (vyzpovídání) neopakovatelnými daty, může být Zadehova myšlenka přijatelná, pro jiné s přísnějšími požadavky nikoli, a mohou ji považovat za mylnou. V každém případě však fuzzy logika, jako taková, má řadu jiných úspěšných použití, neboť každý nástroj jazyka umožňující rozšířit ho o schopnost reprezentovat neurčitost, rozšiřuje jeho vyjadřovací sílu, tedy schopnost vypovídat o entitách, bez neurčitosti nedosažitelných viz též [[Jazyk (lingvistika)]], [[Věda]]. Fuzzy logika též možňujeumožňuje modelovat procesy s neurčitostí např. v tak důležitém exaktním oboru, jako je [[automatické řízení]]. Fuzzy logika nakonec dobře slouží jiným účelům, než pro které vznikla. Je efektivní variantou ke [[stochastika|stochastickým]] nástrojům pro reprezentaci neurčitosti.
 
K matematické reprezentaci neurčitosti je vhodné dodat vysvětlení. Matematická reprezentace neurčitosti znamená, že matematika nabízí nástroj pro uchopení kvantifikované neurčitosti. Neurčitost nemá původ v matematice, ale v reálném světě. Pokud se nalezne metoda, jak neurčitost kvantifikovat, stává se tato [[veličina|veličinou]] (má hodnoty, v případě fuzzy reprezentace má fuzzy hodnoty, v případě stochastické reprezentace má pravděpodobností hodnoty), a tak součástí exaktního světa, a lze tak použít matematikou nabízených nástrojů. Tak může být neurčitost matematicky reprezentována.
 
Pro použití fuzzy logiky zamýšlené Zadehem, je kvantifikací výše uvedené vyzpovídání respondentů, které neposkytuje příliš spolehlivé výsledky.
 
== Stupeň příslušnosti ==