Contextual one-sector non-regular fuzzy model based on 4 knowledge points

摘要

The paper presents a method how to construct a non-regular fuzzy model based on 4 points of expert knowledge. Non-regular fuzzy models considerably differ from regular ones, which are based on the regular, rectangular partition of the input space. They allow for considerable decreasing the rule number and thus for constructing sparse models and for overcoming the phenomenon called "curse of dimensionality". Non-regular fuzzy modeling is rather not possible without a new coordinate system, which was called contextual, non-parallel coordinate system that also is described in the paper. The non-regular modeling method was illustrated by an example.%W artykule przedstawiona zosta?a metoda konstruowania nieregularnego modelu rozmytego opartego na czterech punktach wiedzy eksperckiej. Nieregularne modele rozmyte ró?ni? si? znacznie od modeli regularnych, które oparte s? na regularnym, prostok?tnym podziale przestrzeni wej??. Posiadaj? one wiele zalet, m.in. pozwalaj? na znaczne zmniejszenie liczby regul przy zachowaniu dok?adno?ci modelu rozmytego, czyli umo?liwiaj? konstruowanie oszcz?dnych modeli rozmytych. Dzi?ki temu istnieje mo?liwo?? skutecznego pokonywania zjawiska ?przekleństwa wymiarowo?ci". Nieregularne modelowanie rozmyte nie jest chyba mo?liwe bez nowego uk?adu wspó?rz?dnych. Uk?ad taki nazwany zosta? kontekstowym, nierównoleg?ym uk?adem wspó?rz?dnych, który jest uogólnieniem powszechnie stosowanego uk?adu kartezjańskiego. Dla lepszego zrozumienia zagadnienia w artykule, w kilku krokach, przedstawiono sposób zastosowania kontekstowego uk?adu wspó?rz?dnych w nieregularnym modelowaniu rozmytym. Metod? zilustrowano przyk?adem.