Fuzzy and Neuro-Fuzzy Intelligent Systems

سیستم های اطلاعاتی. ما کارهای روزمره را به صورت روزانه انجام می دهیم، به عنوان مثال: • تشخیص چهره افراد (همچنین چهره هایی که برای سال ها دیده نمی شود)، • شناسایی موقعیت های خطرناک در حین رانندگی با ماشین، • تصمیم گیری برای خرید یا فروش سهام، • خواندن دست نمادهای نوشتاری، • تمایز قائل شدن بین انگورهای ساخته شده از انگورهای Sauvignon Blanc، Syrah یا Merlot و غیره. متخصصان انسانی موارد زیر را انجام می دهند: • تشخیص بیماری ها، • بومی سازی عیوب در مدارهای الکترونیکی، • حرکت های بهینه در بازی های شطرنج. طراحی سیستم های مصنوعی برای جایگزینی یا \"تکراری\" متخصص انسانی امکان پذیر است. تعاریف زیادی از سیستم های اطلاعاتی وجود دارد. یکی از آنها این است که: یک سیستم اطلاعاتی سیستمی است که قادر به اتخاذ تصمیماتی است که اگر در انسان مشاهده شود، هوشمندانه تلقی می شود. سیستم‌های اطلاعاتی خود را با استفاده از موقعیت‌های مثال (ورودی‌های یک سیستم) و تصمیم‌های صحیح خود (خروجی سیستم) تطبیق می‌دهند. سیستم پس از این مرحله یادگیری می تواند به طور خودکار برای موقعیت های آینده تصمیم گیری کند. این سیستم همچنین می‌تواند کارهای دشوار یا غیرممکن را برای انسان انجام دهد، به عنوان مثال: فشرده‌سازی سیگنال‌ها و یکسان سازی کانال دیجیتال.

Intelligence systems. We perfonn routine tasks on a daily basis, as for example: • recognition of faces of persons (also faces not seen for many years), • identification of dangerous situations during car driving, • deciding to buy or sell stock, • reading hand-written symbols, • discriminating between vines made from Sauvignon Blanc, Syrah or Merlot grapes, and others. Human experts carry out the following: • diagnosing diseases, • localizing faults in electronic circuits, • optimal moves in chess games. It is possible to design artificial systems to replace or "duplicate" the human expert. There are many possible definitions of intelligence systems. One of them is that: an intelligence system is a system able to make decisions that would be regarded as intelligent ifthey were observed in humans. Intelligence systems adapt themselves using some example situations (inputs of a system) and their correct decisions (system's output). The system after this learning phase can make decisions automatically for future situations. This system can also perfonn tasks difficult or impossible to do for humans, as for example: compression of signals and digital channel equalization.