Главная страница Случайная страница Разделы сайта АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
💸 Как сделать бизнес проще, а карман толще?
Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое раписание, но и напоминать клиентам о визитах тоже.
Проблема в том, что средняя цена по рынку за такой сервис — 800 руб/мес или почти 15 000 руб за год. И это минимальный функционал.
Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.⚡️ Для новых пользователей первый месяц бесплатно. А далее 290 руб/мес, это в 3 раза дешевле аналогов. За эту цену доступен весь функционал: напоминание о визитах, чаевые, предоплаты, общение с клиентами, переносы записей и так далее. ✅ Уйма гибких настроек, которые помогут вам зарабатывать больше и забыть про чувство «что-то мне нужно было сделать». Сомневаетесь? нажмите на текст, запустите чат-бота и убедитесь во всем сами! Генерирование системы нечеткого логического вывода типа Сугено из данных с использованием субтрактивной кластеризации
Синтаксис: fis = genfis2(Xin, Xout, radii, xBounds, options) Описание: Функция genfis2 генерирует систему нечеткого логического вывода типа Сугено из данных с использованием субтрактивной кластеризации. При использовании данных только с одной выходной переменной, результат выполнения функции genfis2 может рассматриваться как исходная система для обучения посредством технологии ANFIS. Генерирование правил из данных в функции genfis2 происходит в два этапа. Вначале используется функция subclust для определения количества правил и мощностей терм-множеств выходных переменных. Затем с помощью метода наименьших квадратов определяется " то-" часть каждого правила. В результате этого получается система нечеткого логического вывода с базой правил, покрывающих все предметную область. Функция genfis2 может иметь до пяти входных аргументов, первые три из которых обязательны: 1. Xin – матрица, в которой каждая строчка содержит значения входных переменных данных; 2. Xout – матрица, в которой каждая строчка содержит значения выходных переменных данных; 3. radii – вектор, определяющий размеры области правил по каждой координате. Значения координат вектора radii должны находиться в диапазоне [0, 1] в связи с тем, что во время выполнения функции subclust данные масштабируется на единичный гиперкуб. Если значение radii задано скаляром, тогда все координаты считаются равноважными; 4. xBounds – матрица диапазонов изменения данных, необходимая для их масштабирования на единичный гиперкуб. Каждый столбец матрицы задает диапазон изменения данных по одной координате, таким образом размер матрицы – 2 x p, где р – количество входных и выходных переменных. Если аргумент xBounds не задан, тогда диапазоны изменения данных рассчитываются функцией subclust по фактическим значениям матриц Xin и Xout; 5. options – вектор параметров кластерного анализа, берутся значения по умолчанию. Пример: x=2*rand(100, 2); y_fis=evalfis(x, fis); plot(y, y_fis, 'r.') hold on min_y=min(y); xlabel('target') В первых двух строчка примера задаются 100 пар точек “входы-выход”, связанных зависимостью y=x1^2+2*x2. Затем генерируется система нечеткого логического вывода, которая идентифицирует представленную данными зависимость. На рисунке показано желаемое (сплошная линия) и действительное (красные точки) поведения нечеткой модели. Как видно из рисунка, даже без использования технологии обучения ANFIS, нечеткая модель, синтезированная функцией genfis2, хорошо описывает данные.
|