XiaoMi-AI文件搜索系统
World File Search SystemDefuzzification
在量子退火器上实现去模糊化算子
摘要 — 由于量子计算的内置并行性，未来量子计算机在处理一些复杂的模糊逻辑计算方面具有未被开发的潜力。最近，在一种称为量子退火器的量子计算机上，引入了一种基于解决二次无约束二进制优化 (QUBO) 问题的模糊集的新表示和一些基本模糊逻辑运算符 (并集、交集、alpha 切割和最大值) 的实现。本文通过提出一种基于二进制二次模型 (BQM) 的量子退火机上的质心去模糊化的实现来扩展这项工作，但这次使用的是 Ising 模型。通过在量子计算机上实现基本操作和去模糊化，本文为在量子退火器等增强型设备上实现整个模糊推理引擎铺平了道路。索引术语 — 量子计算、模糊逻辑、模糊集。
基于单层区域比率defuzzifier
开发的高速模糊推理机器学习设备的主要目的是促进系统学习功能并改善计算性能。这是通过将训练单元的反馈添加到Defuzzification单元来实现的，该单元允许训练模糊逻辑设备[7]，[8]。还排除了Defuzzification单元中的某些操作，这将归化过程的计算性能时间降低至180 ns。基于区域比率方法的单层解体机的高速模糊逻辑推理机器学习设备的结果是，在模糊逻辑系统的输出下，输入数据将输入数据的生成和转换为单个指定的CRISP值。这种类型的设备可用于图像分类或热电偶控制任务[9]，[10]。此外，开发了基于面积比方法的神经模糊学习的本体论模型：
4ee65：人工智能（ai）应用
1 小时。人工智能和模糊系统简介：人工智能：定义、意义、范围和应用。模糊系统：模糊集和运算、成员函数、模糊化和去模糊化、规则库、模糊逻辑控制简介、Mamdani 和 Takagi-Sugeno 模糊模型的架构、电力驱动、工业自动化、可再生能源系统、电动汽车、智能电网等领域的实施。
多...
抽象无人的地表车辆（USV）如今已在各种应用中用于安全，检查和交付等。在动态和复杂的环境中运行有效地需要一个最佳的路径计划，其中应考虑多个因素。在本文中，USV的多目标路径计划问题的旨在最大程度地减少行驶距离，并以轨迹平滑度和能量效率并行最大化。用矛盾的术语解决了这个多目标路径计划问题，流行的蚂蚁菌落优化（ACO）算法通过拟议中的模糊帕累托框架增强了。特别是ACO通过找到优化每个单个目标的帕累托解决方案来解决问题。然后通过Mamdani模糊推理系统评估这些解决方案，以识别最佳的推理。该解决方案的排名基于DefuzzifieD值。基于Saronic Gulf拓扑的模拟区域进行了案例研究。结果表明，取决于操作的需求和操作区域的条件（从初始点到目标点的障碍，电流和距离的数量），每个目标都会以不同的方式影响路径质量。