Ñòóäîïåäèÿ
Íîâèíè îñâ³òè ³ íàóêè:
ÌÀÐÊ ÐÅÃÍÅÐÓÑ ÄÎÑ˲ÄÆÅÍÍß: Íàñê³ëüêè â³äð³çíÿþòüñÿ ä³òè, ÿê³ âèðîñëè â îäíîñòàòåâèõ ñîþçàõ


ÐÅÇÎËÞÖ²ß: Ãðîìàäñüêîãî îáãîâîðåííÿ íàâ÷àëüíî¿ ïðîãðàìè ñòàòåâîãî âèõîâàííÿ


×ÎÌÓ ÔÎÍÄ ÎËÅÍÈ Ï²Í×ÓÊ ² ÌÎÇ ÓÊÐÀ¯ÍÈ ÏÐÎÏÀÃÓÞÒÜ "ÑÅÊÑÓÀËÜͲ ÓÐÎÊÈ"


ÅÊÇÈÑÒÅÍÖ²ÉÍÎ-ÏÑÈÕÎËÎò×Ͳ ÎÑÍÎÂÈ ÏÎÐÓØÅÍÍß ÑÒÀÒÅÂί ²ÄÅÍÒÈ×ÍÎÑÒ² ϲÄ˲ÒʲÂ


Áàòüê³âñüêèé, ãðîìàäÿíñüêèé ðóõ â Óêðà¿í³ çàêëèêຠÌÎÍ çóïèíèòè òîòàëüíó ñåêñóàë³çàö³þ ä³òåé ³ ï³äë³òê³â


³äêðèòå çâåðíåííÿ ̳í³ñòðó îñâ³òè é íàóêè Óêðà¿íè - Ãðèíåâè÷ ˳볿 Ìèõàéë³âí³


Ïðåäñòàâíèöòâî óêðà¿íñüêîãî æ³íîöòâà â ÎÎÍ: íèçüêèé ð³âåíü êóëüòóðè ñï³ëêóâàííÿ â ñîö³àëüíèõ ìåðåæàõ


Ãåíäåðíà àíòèäèñêðèì³íàö³éíà åêñïåðòèçà ìîæå çðîáèòè íàñ ìîðàëüíèìè ðàáàìè


˲ÂÈÉ ÌÀÐÊÑÈÇÌ Ó ÍÎÂÈÕ Ï²ÄÐÓ×ÍÈÊÀÕ ÄËß ØÊÎËßвÂ


²ÄÊÐÈÒÀ ÇÀßÂÀ íà ï³äòðèìêó ïîçèö³¿ Ãàííè Òóð÷èíîâî¿ òà ïðàâà êîæíî¿ ëþäèíè íà ñâîáîäó äóìêè, ñâ³òîãëÿäó òà âèðàæåííÿ ïîãëÿä³â



Êîíòàêòè
 


Òëóìà÷íèé ñëîâíèê
Àâòî
Àâòîìàòèçàö³ÿ
Àðõ³òåêòóðà
Àñòðîíîì³ÿ
Àóäèò
Á³îëîã³ÿ
Áóä³âíèöòâî
Áóõãàëòåð³ÿ
Âèíàõ³äíèöòâî
Âèðîáíèöòâî
³éñüêîâà ñïðàâà
Ãåíåòèêà
Ãåîãðàô³ÿ
Ãåîëîã³ÿ
Ãîñïîäàðñòâî
Äåðæàâà
ijì
Åêîëîã³ÿ
Åêîíîìåòðèêà
Åêîíîì³êà
Åëåêòðîí³êà
Æóðíàë³ñòèêà òà Ç̲
Çâ'ÿçîê
²íîçåìí³ ìîâè
²íôîðìàòèêà
²ñòîð³ÿ
Êîìï'þòåðè
Êðåñëåííÿ
Êóë³íàð³ÿ
Êóëüòóðà
Ëåêñèêîëîã³ÿ
˳òåðàòóðà
Ëîã³êà
Ìàðêåòèíã
Ìàòåìàòèêà
Ìàøèíîáóäóâàííÿ
Ìåäèöèíà
Ìåíåäæìåíò
Ìåòàëè ³ Çâàðþâàííÿ
Ìåõàí³êà
Ìèñòåöòâî
Ìóçèêà
Íàñåëåííÿ
Îñâ³òà
Îõîðîíà áåçïåêè æèòòÿ
Îõîðîíà Ïðàö³
Ïåäàãîã³êà
Ïîë³òèêà
Ïðàâî
Ïðîãðàìóâàííÿ
Ïðîìèñëîâ³ñòü
Ïñèõîëîã³ÿ
Ðàä³î
Ðåãèëèÿ
Ñîö³îëîã³ÿ
Ñïîðò
Ñòàíäàðòèçàö³ÿ
Òåõíîëî㳿
Òîðã³âëÿ
Òóðèçì
Ô³çèêà
Ô³ç³îëîã³ÿ
Ô³ëîñîô³ÿ
Ô³íàíñè
Õ³ì³ÿ
Þðèñïóíäåíêöèÿ






Õ³ä ðîáîòè

1.Ñòâîðèòè ë³íãâ³ñòè÷íó çì³ííó, âèêîðèñòîâóþ÷è çàñîáè ïàêåòà Matlab. Öåíòðè ôóíêö³é íàëåæíîñò³ ïîâèíí³ ðîçòàøîâóâàòèñÿ íà óí³âåðñàëüí³é ìíîæèí³ ð³âíîì³ðíî, à ñóìà âñ³õ çíà÷åíü ôóíêö³é ïðèíàëåæíîñò³ òåðì³â ïîâèííà ïðèáëèçíî ð³âíÿòèñÿ îäèíèö³ äëÿ êîæíî¿ âõ³äíî¿ òî÷êè. Äëÿ òðèêóòíèõ ôóíêö³é íàëåæíîñò³ òåðì-ìíîæèíà ç 5 òåðì³â ïîêàçàíî íà ðèñ.3.3. Ïðîäåìîíñòðóâàòè ó â³êí³ Matlab òåðìè ë³íãâ³ñòè÷íî¿ çì³ííî¿, âèêîðèñòîâóþ÷è ò³ëüêè çàñîáè êîìàíäíîãî ðÿäêà (êëþ÷îâ³ ñëîâà newfis, addvar, addmf, plotmf, getfis).

Ñòóï³íü íàëåæíîñò³
ÎÌ
X
Á
ÎÁ
Ñ
Ì
Ðèñ.3.3 Ïîáóäîâà ôóíêö³é íàëåæíîñò³ äëÿ òåðì³â ë³íãâ³ñòè÷íî¿ çì³ííî¿.

 


2.Ïðîäîâæèòè ïðîãðàìó, ñòâîðåíó â ëàáîðàòîðí³é ðîáîò³ ¹2. Ñòâîðèòè íîâèé êëàñ – «Ë³íãâ³ñòè÷íà çì³ííà». ³í ïîâèíåí âêëþ÷àòè ìàñèâ òåðì³â: åëåìåíò³â êëàñó «íå÷³òêà ìíîæèíà», à òàêîæ ñòðîêîâèé ìàñèâ ³ìåí ôóíêö³é ïðèíàëåæíîñò³ íå÷³òêèõ ìíîæèí. Äîâæèíà ìàñèâó íå÷³òêèõ ìíîæèí ïîâèííà ð³âíÿòèñÿ äîâæèí³ ìàñèâó ³ìåí ôóíêö³é íàëåæíîñò³.

3.Ñòâîðèòè îäèí åêçåìïëÿð ë³íãâ³ñòè÷íî¿ çì³ííî¿. Ïðè öüîìó öåíòðè ôóíêö³é íàëåæíîñò³ ïîâèíí³ ðîçòàøîâóâàòèñÿ íà óí³âåðñàëüí³é ìíîæèí³ ð³âíîì³ðíî, à ñóìà âñ³õ çíà÷åíü ôóíêö³é íàëåæíîñò³ òåðì³â ïîâèííà ïðèáëèçíî ð³âíÿòèñÿ îäèíèö³ äëÿ êîæíî¿ âõ³äíî¿ êðàïêè.

4.Âèâåñòè íà åêðàí â îäíîìó ãðàô³êó ôóíêö³¿ íàëåæíîñò³ òåðì³â ë³íãâ³ñòè÷íî¿ çì³ííî¿ ðàçîì ç ¿õ ³ìåíàìè. Ôóíêö³¿ íàëåæíîñò³ òà ê³ëüê³ñòü òåðì³â äëÿ êîæíîãî âàð³àíòà ïðåäñòàâëåí³ â òàáë. 3.2.

 

Òàáëèöÿ 3.2. Âàð³àíòè äî ëàáîðàòîðíî¿ ðîáîòè.

¹ âàð³àíò Âèä ôóíêö³é íàëåæíîñò³ ×èñëî òåðì³â
trimf – òðèêóòíà
trapmf – òðàïåö³ºïîä³áíà
dsigmf – âèçíà÷àºòüñÿ ÿê ð³çíèöÿ äâîõ ñèãìî¿äàëüíèõ ôóíêö³é
gbellmf – ôóíêö³ÿ íàëåæíîñò³ óçàãàëüíåíîãî äçâîíîïîä³áíîãî òèïó
gaussmf – Ãàóñîâà
gauss2mf – ð³çíèöÿ äâîõ Ãàóñîâèõ ôóíêö³é íàëåæíîñò³
pimf – ò.çâ. p-ïîä³áíà ôóíêö³ÿ íàëåæíîñò³
psigmf – âèçíà÷àºòüñÿ ÿê äîáóòîê äâîõ ñèãìî¿äàëüíèõ ôóíêö³é
trimf – òðèêóòíà
trapmf – òðàïåö³ºïîä³áíà
dsigmf – âèçíà÷àºòüñÿ ÿê ð³çíèöÿ äâîõ ñèãìî¿äàëüíèõ ôóíêö³é
Ïðîäîâæåííÿ òàáë.3.2
gbellmf – ôóíêö³ÿ íàëåæíîñò³ óçàãàëüíåíîãî äçâîíîïîä³áíîãî òèïó
gaussmf – Ãàóñîâà
gauss2mf – ð³çíèöÿ äâîõ ãàóñîâèõ ôóíêö³é íàëåæíîñò³
pimf – ò.çâ. p-îáðàçíà ôóíêö³ÿ íàëåæíîñò³
psigmf – âèçíà÷àºòüñÿ ÿê äîáóòîê äâîõ ñèãìî¿äàëüíèõ ôóíêö³é
trimf – òðèêóòíà
trapmf – òðàïåö³ºïîä³áíà
dsigmf – âèçíà÷àºòüñÿ ÿê ð³çíèöÿ äâîõ ñèãìî¿äàëüíèõ ôóíêö³é
gbellmf – ôóíêö³ÿ íàëåæíîñò³ óçàãàëüíåíîãî äçâîíîïîä³áíîãî òèïó
gaussmf – Ãàóñîâà
gauss2mf – ð³çíèöÿ äâîõ Ãàóñîâèõ ôóíêö³é íàëåæíîñò³
pimf – ò.çâ. p-ïîä³áíà ôóíêö³ÿ íàëåæíîñò³
psigmf – âèçíà÷àºòüñÿ ÿê äîáóòîê äâîõ ñèãìî¿äàëüíèõ ôóíêö³é
trimf – òðèêóòíà
trapmf – òðàïåö³ºïîä³áíà
dsigmf – âèçíà÷àºòüñÿ ÿê ð³çíèöÿ äâîõ ñèãìî¿äàëüíèõ ôóíêö³é
gbellmf – ôóíêö³ÿ íàëåæíîñò³ óçàãàëüíåíîãî äçâîíîïîä³áíîãî òèïó
gaussmf – Ãàóñîâà
gauss2mf – ð³çíèöÿ äâîõ Ãàóñîâèõ ôóíêö³é íàëåæíîñò³

 

 


×èòàéòå òàêîæ:

  1. I. Àíàë³ç êîíòðîëüíî¿ ðîáîòè.
  2. I. ÎÑÍÎÂͲ ÅÒÀÏÈ ÂÈÊÎÍÀÍÍß ÊÓÐÑÎÂί ÐÎÁÎÒÈ
  3. II. Âèìîãè áåçïåêè ïåðåä ïî÷àòêîì ðîáîòè
  4. II. Âèìîãè áåçïåêè ïðàö³ ïåðåä ïî÷àòêîì ðîáîòè
  5. II. ÑÒÐÓÊÒÓÐÀ ÒÀ ÎÁÑßà ÊÓÐÑÎÂί ÐÎÁÎÒÈ
  6. II.ÒÅÎÐÅÒÈ×Ͳ ÏÈÒÀÍÍß ÊÓÐÑÎÂί ÐÎÁÎÒÈ
  7. III ÎÔÎÐÌËÅÍÍß ² ÇÀÕÈÑÒ ÐÎÁÎÒÈ
  8. III. Âèìîãè áåçïåêè ï³ä ÷àñ âèêîíàííÿ ðîáîòè
  9. III. Âèìîãè áåçïåêè ï³ä ÷àñ âèêîíàííÿ ðîáîòè
  10. III. Âèìîãè áåçïåêè ï³ä ÷àñ âèêîíàííÿ ðîáîòè
  11. III. ÏÈÒÀÍÍß ÄÎ ÂÈÊÎÍÀÍÍß ÊÎÍÒÐÎËÜÍί ÐÎÁÎÒÈ
  12. III. ÏÎÐßÄÎÊ ÏÐÎÂÅÄÅÍÍß ÐÎÇÐÀÕÓÍʲ ÊÓÐÑÎÂί ÐÎÁÎÒÈ




Ïåðåãëÿä³â: 402

<== ïîïåðåäíÿ ñòîð³íêà | íàñòóïíà ñòîð³íêà ==>
Ïðèêëàä 3.1. | Âèìîãè äî îôîðìëåííÿ çâ³ò³â ïî ëàáîðàòîðíèõ ðîáîòàõ

Íå çíàéøëè ïîòð³áíó ³íôîðìàö³þ? Ñêîðèñòàéòåñü ïîøóêîì google:

 

© studopedia.com.ua Ïðè âèêîðèñòàíí³ àáî êîï³þâàíí³ ìàòåð³àë³â ïðÿìå ïîñèëàííÿ íà ñàéò îáîâ'ÿçêîâå.


Ãåíåðàö³ÿ ñòîð³íêè çà: 0.003 ñåê.