Modeling and Identification of Uncertainty in Complex Intelligent Systems  Page description

Help  Print 
Back »
 

Details of project

  
Identifier
106392
Type K
Principal investigator Fullér, Róbert
Title in Hungarian A bizonytalanság modellezése és identifikációja komplex intelligens rendszerekben
Title in English Modeling and Identification of Uncertainty in Complex Intelligent Systems
Keywords in Hungarian bizonytalanság, "fuzziság", irányítás, intelligens rendszerek
Keywords in English uncertainty, fuzziness, control, intelligent systems
Discipline
Information Technology (Council of Physical Sciences)100 %
Ortelius classification: Informatics
Panel Informatics and Electrical Engineering
Department or equivalent Intelligent Engineering Systems Institute (Óbuda University)
Participants Fodor, János
Rövid, András
Rudas, Imre
Takács, Márta
Starting date 2012-09-01
Closing date 2015-08-31
Funding (in million HUF) 14.493
FTE (full time equivalent) 3.10
state closed project
Summary in Hungarian
A kutatás összefoglalója, célkitűzései szakemberek számára
Itt írja le a kutatás fő célkitűzéseit a témában jártas szakember számára.
Programunk fő célja, hogy nemzetközi szintű kutatás megvalósítása révén előmozdítsa a különböző bizonytalanságkezelő eljárások mélyebb megértését és használatát bonyolult intelligens rendszerekben. Ezt a célt egy három pilléren nyugvó szisztematikus kutatási terv megvalósításával kívánjuk elérni. Az első a bizonytalanság alapvető aspektusainak vizsgálata, két fő céllal: egyrészt szeretnénk tisztázni és alátámasztani későbbi választásunkat, amelynek értelmében főleg a nem véletlen jellegű (fuzzy) bizonytalansággal foglalkozunk, másrészt pedig szeretnénk új eszközöket kifejleszteni a valószínűségi és a fuzzy bizonytalanságok szimultán kezelésére, a későbbi alkalmazások szem előtt tartásával. Programunk másik két pillére a fuzzy bizonytalanság logikai, illetve analitikai megközelítése. Mindkét esetben azonos jellegű problémákat vizsgálunk egymással párhuzamosan: a (logikai/aritmetikai) műveletek szigorú elméleti vizsgálata; ilyen operátorok alkalmazhatósága irányítási problémákban a következtetéseken, közelítéseken és szimuláción keresztül; az általános irányítási módszerek alkalmazhatósága speciális problémaosztályokra (mint például robotok vagy képfeldolgozás).

Mi a kutatás alapkérdése?
Ebben a részben írja le röviden, hogy mi a kutatás segítségével megválaszolni kívánt probléma, mi a kutatás kiinduló hipotézise, milyen kérdéseket válaszolnak meg a kísérletek.
A kutatás elsődleges célkitűzése a bizonytalanság kezelésére szolgáló eszközök komplex intelligens rendszerekben való alkalmazhatóságának vizsgálata. Fontos kérdés továbbá a bizonytalanság hatékony reprezentálása különös tekintettel az rendszermodellezésre és irányításra. A bizonytalanság alatt ebben az esetben a rendszer modellezéséhez szükséges információ hiányát értjük, nem pedig a rendszer viselkedésének sztochasztikus természetét, azaz a rendszermodell kvalitatív értelemben teljes, de paramétereinek pontos értékét nem ismerjük vagy egyáltalán nem rendelkezünk azokkal.

Mi a kutatás jelentősége?
Röviden írja le, milyen új perspektívát nyitnak az alapkutatásban az elért eredmények, milyen társadalmi hasznosíthatóságnak teremtik meg a tudományos alapját. Mutassa be, hogy a megpályázott kutatási területen lévő hazai és a nemzetközi versenytársaihoz képest melyek az egyediségei és erősségei a pályázatának!
Számos olyan egymással szoros kapcsolatban álló téma emelhető ki, melyek a kutatásaink során kidolgozott eljárások és módszerek alkalmazhatóságával szoros kapcsolatban állnak. Ide tartoznak például a bizonytalanság reprezentációi intelligens rendszerekben, ahol célunk hybridcalculus kifejlesztése a különböző jellegű bizonytalanságok egyidejű kezelhetőségére. A fuzzy operátorok axiomatikus vizsgálatával kapcsolatos kérdéseket ugyancsak a kutatás során megválaszolandó kérdéseknek tekintjük. Ezzel szoros összefüggésben a létező axiomatikus keretrendszeren belül új fuzzy operátor családok vizsgálatát tűztük ki célul. A fuzzy logikai operátorok a nemlineáris irányítás témakörében is kiemelt jelentőségűek, ahol a kutatás során, az eredeti interpoláción alapuló fuzzy érvelési struktúrát gradiens alapú és gradiens “mentes” paraméter optimalizációs elemekkel kívánjuk kiegészíteni. A dinamikai rendszerek esetében természetes megközelítés, ha fuzzy differenciálegyenleteket alkalmazunk a bizonytalanságok megfelelő kezeléséhez. A kutatás során kidolgozandó eljárásokat a robotikában és a képfeldolgozás területén is alkalmazni kívánjuk. Ezzel szoros összefüggésben elsődleges célunk az intelligens és autonóm rendszerek analízisét és szintézisét elősegítő módszerek kidolgozása. Ezek a rendszerek a megszerzett tapasztalatok alapján különböző módon képesek a viselkedésük javítására.

A kutatás összefoglalója, célkitűzései laikusok számára
Ebben a fejezetben írja le a kutatás fő célkitűzéseit alapműveltséggel rendelkező laikusok számára. Ez az összefoglaló a döntéshozók, a média, illetve az érdeklődők tájékoztatása szempontjából különösen fontos az NKFI Hivatal számára.
Számos olyan esettel találkozhatunk, amikor a bizonytalanság miatt egy adott probléma megoldása nehézségekbe ütközik. Újszerű eljárások kidolgozásával a bizonytalanságokat hatékonyan kezelhetővé tudjuk tenni, lehetővé téve ezzel olyan rendszerek modellezését és irányítását, melyekről nem rendelkezünk pontos adatokkal. A kutatás elsődleges céljaként új megközelítések és eljárások kidolgozását tekintjük, különös tekintettel bonyolult rendszerek modellezése és irányítása esetén fennálló bizonytalanságok kezelésének támogatására. Ezt a célt egy három pilléren nyugvó szisztematikus kutatási terv megvalósításával kívánjuk elérni. Az első a bizonytalanság alapvető aspektusainak vizsgálata. Programunk másik két pillére a fuzzy bizonytalanság logikai, illetve analitikai megközelítése. Mindkét esetben azonos jellegű problémákat vizsgálunk egymással párhuzamosan.
Summary
Summary of the research and its aims for experts
Describe the major aims of the research for experts.
The overall main objective of this fundamental research program is to advance a deeper understanding and use of uncertainty management tools in complex intelligent systems through relevant research of the highest international standard. We intend to achieve this goal by performing a systematic research plan relying on three main pillars. The first one is the study of some fundamental aspects of uncertainty with two main aims behind: to clarify and support our subsequent choice of investigating mainly fuzzy uncertainty, and to develop new tools for managing probabilistic and fuzzy uncertainty simultaneously for future exploitation. The two other pillars of our program deal mainly with fuzzy uncertainty based on logical and analytical approaches. In both cases we follow the same lines parallel: a rigorous theoretical investigation of (logical/arithmetic) operators; the applicability of such operators in control problems through reasoning, approximations and simulations; the applicability of general control methods in particular problem classes (such as robotics and image processing).

What is the major research question?
Describe here briefly the problem to be solved by the research, the starting hypothesis, and the questions addressed by the experiments.
The primary aim of the research is related to the applicability of uncertainty management tools in complex intelligent systems. A crucial issue is to represent the existing uncertainty pervading the intelligent system under study. In this research the term “uncertainties” means rather missing information in modeling the system to be controlled than some inherently stochastic nature in its behavior, i.e. the available system model qualitatively is complete but the accurate values of its parameters are either very imprecisely known, or no any information is available on them; the available system model even qualitatively is incomplete, i.e. the system contains various internal degrees of freedom.

What is the significance of the research?
Describe the new perspectives opened by the results achieved, including the scientific basics of potential societal applications. Please describe the unique strengths of your proposal in comparison to your domestic and international competitors in the given field.
There are various strongly inter-related work areas which will be affectedduring the research. As such areas first of all the uncertainty representations in intelligent systems can be mentioned, where ourprimary aimis to develop hybrid calculus for handling different (probabilistic and fuzzy) types of uncertainty simultaneously. The axiomatic investigation of fuzzy logic operators represents a further area affected by the research. Here we intent to investigate new families of operators in fuzzy logic within the existing axiomatic frameworks. The significance of the logical operators may be well observed in nonlinear control, in relation to which we suggest to extend the original interpolation-based fuzzy reasoning structure with gradient based and gradient free parameter optimization abilities. In relation to the dynamical systems under uncertainty - since in the crisp case a dynamical process is usually modeled by differential equations - a natural way is to use fuzzy differential equations when we face uncertainty. There are several approaches to this topic, having the disadvantage of leading to solutions with increasing length of support. As a consequence we propose in this project further study. The goals of this research are strongly connected to the applications inrobotics and image processing, as well. Here our primary scientific objective is to develop methods for analysis and synthesis of intelligent and autonomous systems, which can learn from their experiences in different ways to improve their behavior.

Summary and aims of the research for the public
Describe here the major aims of the research for an audience with average background information. This summary is especially important for NRDI Office in order to inform decision-makers, media, and others.
There are various situations where, due to uncertainties, the given problem is difficult to solve. The question of how can we handle these uncertainties; what mathematical tools should be developed in order to effectively handle them in various kind of systems represents an important issue of this research. Thedevelopment of new approachesable to handle uncertainties in relation to the modeling and control of complex non-linear systems,as well as the intelligent systems which can learn from their experiences in different ways to improve their behavior are staying in the main focus of the research. We intend to achieve this goal by performing a systematic research plan relying on three main pillars.The first one is the study of some fundamental aspects of uncertainty. The two other pillars of our program deal mainly with fuzzy uncertainty based on logical and analytical approaches.




 

Final report

  
Results in Hungarian
Az intelligens rendszerekben nagy kihivást jelent a pontatlan, bizonytalan illetve nem teljes mértékben rendelkezésre álló információk feldolgozása és aggregálása. Ilyen területek például a robotika (ahol a feldolgozandó adatokat szenzorok szolgáltatják), látás (például képek fúziója), tudásbázis alapú rendszerek (például többkritériumú döntéshozatal, különböző típusú információk integálása, és a tudásbázis alapú rendszerek verifikálása). A másik fontos terület a szakértői becslésekből származó pontatlan adatok reprezentálása. A pályázatban a következő kutatási területekkel foglalkoztunk: (i) aritmetikai operációk a pontatlanul rendelkezesre álló információt reprezentáló fuzzy számokon; (ii) a többdimenziós adatok és rendszerek reprezentálási problémái, ahol a rendszerek esetében a dekompoziciós módszer ségítségével redukálni tudtuk a komplexitásukat, vagy az adatok esetében meg tudtuk növelni az adatfeldolgozás hatékonyságát; (iii) Mamdani-típusú fuzzy következtetési rendszerek, amelyekben olyan módosításokat hajtottunk végre, hogy csökkenteni tudtuk a kiértékelés folyamat komplexitását (iv) neurális fuzzy rendszerek az élettani folyamatok kockázatelemzésére, ahol egy új modellt javasoltunk a sport és a fizikai tevékenységek kockázatának a kiértékelésére, (v) uninormák konstrukciós módszereivel, ha adott a trianuláris norma illetve a trianguláris konorma.
Results in English
Processing and fusion of uncertain, imprecise and incomplete information in intelligent systems are challenging problems. For example, fields such as robotics (e.g., fusion of data provided by sensors), vision (e.g., fusion of images), knowledge based systems (e.g., decision making in a multicriteria framework, integration of different kinds of knowledge, and verification of knowledge-based systems correctness) and data mining (e.g., ensemble methods) are well known. Another important question is the representation of imprecise data obtained from human assessments. During the project we have dealt with (i) arithmetic operations on interactive fuzzy numbers representing imprecise knowledge, (ii) multidimensional data and system representation issues, focusing on their decomposition in order to reduce their complexity or in case of data increase the efficiency of processing; here we have also proposed data representation framework based one the combination of the higher order singular value decomposition and discrete cosine transformation, (iii) modifications of the Mamdani-type fuzzy inference systems to reduce the computational complexity of the evaluation process, (iv) neural-fuzzy systems for risk evaluation of physiological processes, here we have also suggested a new model of the risk level calculation for the sport and physical exercises, (v) construction methods of uninorms from given triangular norm and triangular conorm.
Full text https://www.otka-palyazat.hu/download.php?type=zarobeszamolo&projektid=106392
Decision
Yes





 

List of publications

  
András Rövid, László Szeidl, Péter Várlaki: Data Representation in HOSVD-DCT based Domain, proceedings of the IEEE 17th International Conference on Intelligent Engineering Systems, June 19-21, 2013, Costa Rica, ISBN 978-1-4799-0830-1, IEEE, pp. 103-106, 2013
Lucian Coroianu, Robert Fullér: On Multiplication of Interactive Fuzzy Numbers, Proceedings of the IEEE 11th International Symposium on Intelligent Systems and Informatics September 26-28, 2013, Szabadka, ISBN 978-1-4799-0303-0 (megjelenés alatt), 2013
Lucian Coroianu, Robert Fullér: On Additivity of the Weighted Possibilistic Mean Operator, Proceedings of the 14th IEEE International Symposium on Computational Intelligence and Informatics, November 19-21, Budapest, ISBN 978-1-4799-0194-4 (megjelenés alatt), 2013
Takács Márta: A kulturális és gazdasági antropológiai vizsgálatok XXI. századi matematikai módszerei, LÉTÜNK (ÚJVIDÉK) (ISSN: 0350-4158) 4: pp. 70-77, 2012
Márta Takács, Edit Tóth-Laufer: System Model for the Risk Level Calculation of the Leisure Activity, Advances in Accounting, Auditing and Risk Management, WSEAS Press, ISBN:978-1-61804-192-0, pp. 17-21., 2013
László Horváth and Imre J. Rudas: New Features and Contexts for Expert Level Automation of Product Definition, Proceedings of the IEEE 11th International Symposium on Intelligent Systems and Informatics September 26-28, 2013, Szabadka, ISBN 978-1-4799-0303-0 (megjelenés alatt), 2013
Edit Tóth-Laufer, Márta Takács, Imre J Rudas: Interactions Handling Between the Input Factors in Risk Level Calculation, Proceedings of the IEEE 11th International Symposium on Applied Machine Intelligence and Informatics , Herlany, 2013.01.31-02.02, pp. 71-76, 2013
Rudas IJ, Fodor J, Pap E: Information aggregation in intelligent systems: An application oriented approach, KNOWLEDGE-BASED SYSTEMS 38: pp. 3-13, 2013
Ð Obradovic, Z Konjovic, E Pap, I J Rudas: Linear fuzzy space based road lane model and detection, KNOWLEDGE-BASED SYSTEMS 38: pp. 37-47, 2013
András Rövid, László Szeidl, Péter Várlaki: Data Representation in HOSVD-DCT based Domain, proceedings of the IEEE 17th International Conference on Intelligent Engineering Systems, June 19-21, 2013, Costa Rica, ISBN 978-1-4799-0830-1, IEEE, pp. 103-106, 2013
Lucian Coroianu, Robert Fullér: On Multiplication of Interactive Fuzzy Numbers, Proceedings of the IEEE 11th International Symposium on Intelligent Systems and Informatics September 26-28, 2013, Szabadka, ISBN 978-1-4799-0303-0, pp. 181-185, 2013
Lucian Coroianu, Robert Fullér: On Additivity of the Weighted Possibilistic Mean Operator, Proceedings of the 14th IEEE International Symposium on Computational Intelligence and Informatics, November 19-21, Budapest, ISBN 978-1-4799-0194-4, pp. 303-308, 2013
Márta Takács, Edit Tóth-Laufer: System Model for the Risk Level Calculation of the Leisure Activity, Advances in Accounting, Auditing and Risk Management, WSEAS Press, ISBN:978-1-61804-192-0, pp. 17-21, 2013
László Horváth and Imre J. Rudas: New Features and Contexts for Expert Level Automation of Product Definition, Proceedings of the IEEE 11th International Symposium on Intelligent Systems and Informatics September 26-28, 2013, Szabadka, ISBN 978-1-4799-0303-0, pp. 313-318, 2013
Rudas IJ, Fodor J, Pap E: Information aggregation in intelligent systems: An application oriented approach, KNOWLEDGE-BASED SYSTEMS 38: pp. 3-13, 2013
Ð Obradovic, Z Konjovic, E Pap, I J Rudas: Linear fuzzy space based road lane model and detection, KNOWLEDGE-BASED SYSTEMS 38: pp. 37-47, 2013
Gang Li, Hua-Wen Liu, János Fodor: Single-Point Characterization of Uninorms with Nilpotent Underlying T-Norm and T-Conorm, International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, Vol. 22, No. 4, pp. 591–604, 2014
Robert Fullér: On Generalization of Nguyen's Theorem: A Short Survey of Recent Developments, J Fodor and R Fullér eds., Advances in Soft Computing, Intelligent Robotics and Control, Springer, [ISBN:978-3-319-05944-0], pp. 183-190, 2014
Robert Fullér: On Possibilistic Portfolio Selection Models, in: J. Kacprzyk, D. Talaba, P. Kulczycki, L. T. Kóczy, A. Tormási eds., Proceedings of the 6th Győr Symposium on Computational Intelligence, Győr, pp. 185-193, 2014
L. Horváth and I. J. Rudas: New Features and Contexts for Expert Level Automation of Product Definition, Proceedings of the 2013 IEEE 11th International Symposium on Intelligent Systems and Informatics (SISY), 26-28 Sept. 2013, Subotica, pp. 313-318., 2013
András Rövid, László Szeidl, Péter Várlaki: Reconstruction of Inner Structures Based on Radon Transform and HOSVD, J Fodor and R Fullér eds., Advances in Soft Computing, Intelligent Robotics and Control, Springer, [ISBN:978-3-319-05944-0], pp. 311-319, 2014
Edit Tóth-Laufer, Imre J. Rudas, Márta Takács: Operator Dependent Variations of the Mamdani-Type Inference System Model to Reduce the Computational Needs in Real-Time Evaluation, International Journal of Fuzzy Systems, Vol. 16, No. 1, pp. 57-72., 2014
József Klespitz, Márta Takács, Levente Kovács: Application of fuzzy logic in hemodialysis equipment, Proceedings of the IEEE 18th International Conference on Intelligent Engineering Systems, ISBN 978-1-4799-4615-0, pp. 169-173., 2014
Marta Takacs, Tmre J. Rudas, Zoltan Lantos: Fuzzy Cognitive Map for Student Evaluation Model, Proceedings of the 2014 IEEE International Conference on System Science and Engineering (ICSSE), ISBN 978-1-4799-4367-8, pp. 284-288., 2014
Márta Takács: Interrelationship of Fuzzy Decision System Parameters, J Fodor and R Fullér eds., Advances in Soft Computing, Intelligent Robotics and Control, Springer, [ISBN:978-3-319-05944-0], pp. 211-218, 2014
Orsolya Csiszár, János Fodor: On uninorms with fixed values along their border, Annales Univ. Sci. Budapest., Sect. Comp. (to appear), 2014
András Rövid, László Szeidl, Péter Várlaki: Integral Operators in Relation to the HOSVD-Based Canonical Form, Asian Journal of Control, 2014
András Rövid, László Szeidl, Péter Várlaki: Integral Operators in Relation to the HOSVD-Based Canonical Form, Asian Journal of Control, Volume 17, Issue 2, pages 459–466, March 2015, 2015
Gang Li, Hua-Wen Liu, János Fodor: On Weakly Smooth Uninorms on Finite Chain, INTERNATIONAL JOURNAL OF INTELLIGENT SYSTEMS, vol. 30, pp. 421-440, 2015
János Fodor, Joan Torrens: An overview of fuzzy logic connectives on the unit interval, Fuzzy Sets and Systems (megjelenés alatt), 2015
Edit Tóth-Laufer, Márta Takács, Imre J. Rudas: Fuzzy Logic-based Risk Assessment Framework to Evaluate Physiological Parameters, Acta Polytechnica Hungarica, vol. 12, number 2, pp. 159-178., 2015
János Fodor, Imre J. Rudas: Basics of Fuzzy Sets, Kacprzyk Janusz, Pedrycz Witold (szerk.) Springer Handbook of Computational Intelligence. Berlin; Heidelberg: Springer, 2015. pp. 159-170. (ISBN:978-3-662-43504-5), 2015
László Gál, Rita Lovassy, Imre Rudas, László T Kóczy: Learning the optimal parameter of the Hamacher t-norm applied for fuzzy-rule-based model extraction, NEURAL COMPUTING & APPLICATIONS 24:(1) pp. 133-142., 2014
József Klespitz, Márta Takács, Imre Rudas, Levente Kovács: Performance of Soft Computing Controllers in Hemodialysis Machines, nternational Journal of Fuzzy Systems, Volume 17, Issue 3, pp 414-422, 2015
Márta Takács: Fuzzy kognitív térképek, LÉTÜNK (ÚJVIDÉK) (ISSN: 0350-4158) 2014/4, pp. 107-117, 2014
Márta Takács, Ernesztina Zubán, Kornél Kovács: Customer Habit Analysis in an e-commerce System Using Soft Computing Based Methods, Proceedings of the 2015 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE 2015), Isztambul, Törökország, Paper no. 15392, 2015



Back »