Практические сценарии

Начните с установки и быстрого примера с температурой. Затем выберите вопрос, близкий к вашей задаче:

1. Температурный комфорт: задайте физическое универсальное множество и прочитайте все степени принадлежности.
2. Метки серьёзности и отказ от классификации: откажитесь от недостаточно выраженного соответствия.
3. Два критерия по датчикам: объедините степени принадлежности разных измерений.
4. Зоны предупреждения для обслуживания: составьте модель из множеств на одном универсальном множестве.
5. Альфа-срезы качества: отличите точный дискретный результат от выборки.
6. Центроиды и численная точность: независимо проверьте моменты площади.
7. Аудит шкалы: найдите равные максимумы, пробелы покрытия и отклонения от разбиения единицы.
8. Пользовательская модель качества: используйте типизированную вызываемую функцию и нормализуйте дискретные данные.
9. Историческая универсальная нечёткая шкала: сравните Universal Fuzzy Scale с её воспроизведением через современный API и проверьте совпадение кривых и классификации.

Каждый сценарий задаёт единицы измерения или диапазон оценок, показывает промежуточные значения и проверяет ожидаемый результат. Параметры служат иллюстрацией экспертного выбора. Примеры демонстрируют нечёткие вычисления, а не валидированный контроллер, обученную статистическую модель или полный механизм вывода по правилам.

Единое понимание математики

Для нечёткого множества \(A\) функция принадлежности сопоставляет координате степень принадлежности:

\[ \mu_A: U \longrightarrow [0,1]. \]

Универсальное множество \(U\) задаёт допустимые координаты. Множество поддержки содержит координаты со строго положительной принадлежностью и может быть намного меньше универсального множества. Его замыкание включает предельные точки. Ядро состоит из точек со степенью принадлежности один. Эти понятия не обозначают распределение вероятностей.

Для двух степеней \(a,b\) T-норма выражает конъюнкцию, S-норма — дизъюнкцию. Политики минимума/максимума и алгебраические политики имеют разный численный смысл. Выбирайте их осознанно и сохраняйте этот выбор вместе с моделью.

Слабый альфа-срез включает точки, степень принадлежности которых равна порогу. Точные дискретные операции проверяют каждую объявленную координату. При выборке непрерывной модели результат описывает наблюдения на указанной сетке и не доказывает поведение между узлами.

Непрерывный центроид — отношение моментов площади на явно заданной конечной области интегрирования. Аналитические формулы и адаптивное интегрирование дают разные основания для результата и имеют разные причины возможного отказа. Центроид — представительная координата; трактовать его как математическое ожидание можно лишь при наличии отдельной вероятностной модели, обосновывающей такую трактовку.

В справочнике API описаны сигнатуры, поддерживаемые семейства, правила проверки, ошибки и неизменяемые поля результатов; в галерее — все восемь семейств кривых; в описании происхождения графиков — особенности отображения и численные ограничения.

Выбрать классификацию или интегрирование центроида помогут схемы вычислений. Сравните политики операторов, изучите создание и восстановление записей результатов, обработку ошибок и сопровождение исторических интеграций. Указатель публичных примеров связывает каждый учтённый символ API с выполненным примером. На узком экране откройте SVG по ссылке в полном размере.

Базовая интерпретация нечёткого множества следует работе L. A. Zadeh «Fuzzy sets» (1965), DOI 10.1016/S0019-9958(65)90241-X. Примеры и выбор политик здесь относятся к FuzzyRoutines.