مقدمه ناشر 5

پیشگفتار 17

فصل اوّل: مقدمه‌ای بر سیستم‌های فازی و هوش رایانشی 23

1-1 مقدمه 23

1-2 اصول هوش مصنوعی و كاربردهای آن 25

1-3 مفهوم سیستم‌های فازی 26

1-4 جایگاه سیستم‌های فازی در هوش رایانشی 29

1-5- تمرین ها 30

فصل دوم: معرفی عدم قطعیت و منابع آن در سیستم‌های هوشمند 31

2-1 مقدمه 31

2-2 منابع نادقیقی و نایقینی 33

2-3 عدم قطعیت آماری و کلامی 33

2-4 نمونه‌ای از نادقیقی در منابع تولید داده‌ها 35

2-5 نایقینی در دانش یک فرد خبره یا بین گروهی از افراد خبره 38

2-6 نایقینی در درک معانی کلمات از دیدگاه افراد خبره 39

2-7 نایقینی در ویژگی‌های پویای مسئله 41

2-8 نایقینی در مدل‌‌های ریاضی برای اندازه‌گیری ویژگی‌های پیچیده اشیاء درون تصاویر 42

2-9 معرفی سیستم های فازی 43

2-10 تفكر فازی 44

2-11 تاریخچه سیستم‌های فازی 45

2-12 طبقه‌بندی تئوری فازی 45

2-13 سیستم‌های خبره فازی 46

2-14 تصمیم‌گیری فازی 47

2-15 کاربرد منطق فازی در ساخت ماشین لباسشویی هوشمند 49

2-16 به‌کارگیری منطق فازی در سیستم تهویه هوا 52

2-17 تمرین ها 54

فصل سوم: تئوری مجموعه‌‌های فازی 55

3-1 مقدمه 55

3-2 ویژگی‌های مجموعه‌‌های قطعی 56

3-3 تئوری مجموعه‌‌های فازی 61

3-4 تعریف رسمی مجموعه‌‌های فازی 62

3-5 متغیرهای فازی 66

3-6 انواع توابع عضویت در مجموعه‌‌های فازی 69

3-7 انواع توابع عضویت پایه برای مجموعه‌‌های فازی 75

3-8 خواص و عملیات قابل‌اجرا بر روی مجموعه‌‌های  فازی 78

3-9 عملیات روی مجموعه‌‌های  فازی 86

3-10 تمرین ها 91

فصل چهارم: ترکیب مجموعه‌‌های  فازی و روابط و گراف‌های فازی 95

4-1 مقدمه 95

4-2 مروری بر روابط قطعی 97

روابط n- تایی 99

دامنه و برد مجموعه‌ها در مجموعه قطعی 99

روابط یک به چند و چند به چند بین مجموعه‌ها 100

4-3 روابط فازی و خواص آن‌ها 101

4-4 عملیات ترکیب روابط فازی 105

4-5 برش آلفا روابط فازی 107

4-6 تصویر روابط فازی 109

4-7 انواع روابط فازی 110

4-8 توسعه‌ی یک مجموعه‌ی فازی 111

4-9 گراف‌های فازی 116

4-10 گراف‌‌های  فازی و روابط فازی 118

4-11 برش α گراف‌‌های  فازی 121

4-12 ویژگی‌های  گراف‌‌های  فازی 123

4-13: تمرین ها 126

فصل پنجم: اعداد فازی 129

5-1 مقدمه 129

5-2 اعداد فازی بازه‌ای 130

5-3 عملیات روی اعداد فازی 136

5-4 محاسبه عملیات روی اعداد فازی با استفاده از اصل توسعه 138

5-5 اعداد فازی مثلثی 138

5-6 تمرین ها 143

فصل ششم: قواعد فازی و استدلال فازی 147

6-1 مقدمه 147

6-2 استفاده از ترکیب در فرایند استدلال فازی 149

6-3 قواعد اگر-آنگاه فازی 152

6-4 روش نمایش قواعد اگر- آنگاه 153

6-5 روش استدلال فازی 155

6-5-1 فرآیند استدلال فازی با یک ورودی و یک قانون 156

6-5-2 فرآیند استدلال فازی با دو متغیر ورودی و یک قانون 157

6-5-3 فرآیند استدلال فازی با چند قانون و چند ورودی 159

6-6 تمرین ها 162

فصل هفتم: استنتاج فازی 165

7-1 مقدمه 165

7-2 معماری یک سیستم استنتاج فازی 168

7-3 مدل‌های استنتاج فازی 171

7-3 مدل استنتاج ممدانی 171

7-4 مدل استنتاج فازی سوگنو 175

7-5  انتخاب مدل مناسب استنتاج در یک سیستم فازی 178

7-6 روش‌‌های  غیرفازی سازی 180

7-7 تقسیم فضای مسئله 182

7-8 گام‌های  طراحی یک سیستم استنتاج فازی 183

7-9 تمرین ها 185

فصل هشتم: طراحی و ساخت یک سیستم فازی بر اساس داده‌‌های  ورودی-خروجی 187

8-1 مقدمه 187

8-2 طراحی سیستم فازی با استفاده از جدول جستجو بر اساس مجموعه داده‌‌های ورودی-خروجی 189

8-3 خوشه‌بندی فازی 192

8-3-1 روش خوشه‌بندی قطعی 194

8-3-2 الگوریتم خوشه‌بندی فازی میانگین-سی 196

8-4 طراحی یک سیستم فازی با استفاده از روش خوشه‌بندی مجموعه داده‌‌های ورودی-خروجی 198

8-5 تمرین ها 199

فصل نهم: تکامل سیستم فازی با استفاده از الگوریتم ژنتیک 201

9-1 مقدمه 202

9-2 گام‌های  الگوریتم ژنتیک استاندارد 203

9-3 تعیین ساختار و یا تنظیم پارامترهای سیستم فازی با استفاده از الگوریتم تكاملی 206

9-4 روش تنظیم پارامترهای یک سیستم فازی موجود 207

9-5 نمایش ساختار کروموزوم در الگوریتم ژنتیک در تنظیم پارامترهای پایگاه داده یک سیستم فازی 209

9-6 عمل تنظیم کردن قواعد یک سیستم فازی 211

9-7 مقداردهی اولیه ژن‌‌های  موجود در کروموزوم 212

9-8 گام‌های  الگوریتم ژنتیک به‌منظور تکامل یک سیستم فازی 213

9-9 کاربرد الگوریتم ژنتیک در یادگیری یک سیستم فازی 214

9-9-1  انواع فرآیند یادگیری قواعد سیستم فازی با استفاده از الگوریتم ژنتیک 216

9-9-2 گام‌های  یادگیری مجموعه قواعد توسط الگوریتم ژنتیک 217

9-9-3 مشکل فرا شایستگی در فرایند یادگیری الگوریتم ژنتیک 218

9-10 تمرین ها 219

 فصل دهم: مدل استنتاج فازی تطبیقی عصبی-فازی 221

10-1 مقدمه 221

10-2 معماری یک سیستم تطبیقی فازی-عصبی 223

10-3 روش یادگیری قواعد در شبکه تطبیقی فازی-عصبی 229

10-4 مدل یادگیری هیبریدی یادگیری قواعد (آموزش دسته‌ای) در شبکه تطبیقی فازی-عصبی 232

10-5 تمرین ها 239

فصل یازدهم: معرفی منطق فازی و استنتاج فازی نوع دوم 241

11-1 مقدمه 242

11-2 نمونه‌ای از کاربردهای مجموعه‌‌های  فازی نوع دوم 244

11-3 معرفی تئوری مجموعه‌‌های  فازی نوع دوم 246

11-4 ردپای نایقینی 249

11-5 عملیات پایه روی مجموعه‌‌های  فازی نوع دوم 256

11-6 اصل نمایش 257

11-6 روابط و استنتاج فازی نوع دوم 261

11-7 مرکز یک مجموعه فازی نوع دوم 264

11-8 منطق فازی نوع دوم 264

11-8-1  فازی ساز 265

11-8-2 قواعد و موتور استنتاج فازی 265

11-8-3 مثالی از چگونگی استنتاج در منطق فازی نوع دوم 266

11-8-4  تولیدکننده خروجی در منطق فازی نوع دوم 268

11-9 تمرین ها 272

فصل دوازدهم: تولید سیستم استنتاج فازی در نرم‌افزار متلب 277

12-1 مقدمه 278

12-2 توابع عضویت از پیش‌ساخته شده در نرم‌افزار متلب 278

12-3 مطالعه موردی یک سیستم استنتاج فازی در متلب 290

12-4 طراحی یک سیستم استنتاج فازی با استفاده از متلب 297

12-4-1 تولید سیستم تنها با استفاده از دستورهای خط فرمان 297

12-5 تکنیک‌‌های  خودکار تولید سیستم استنتاج فازی بر اساس مدل‌‌های  هوشمند 300

12-6 توابع نمایش و رسم سیستم 303

12-7 ارزیابی سیستم استنتاج فازی 308

12-8 تولید سیستم استنتاج فازی با استفاده از مدل شبکه تطبیقی فازی-عصبی 309

12-9 مدل سیستم استنتاج فازی برای تشخیص سرطان سینه 314

12-10 ارزیابی عملکرد سیستم استنتاج فازی 317

12-10 توابع کتابخانه ای استاندارد برای مجموعه های فازی نوع دوم 319

12-11 سیستم استنتاج فازی نوع دوم برای مسئله اعطای انعام 324

12-12 تمرین ها 331

12-13 منابع برنامه نویسی  و پیاده سازی سیستم های فازی و انواع آن 333

فهرست منابع 335