The aim of [42] is to develop a fuz

The aim of [42] is to develop a fuzzy expert system to
develop an optimum route search function in a typical in-car
navigation system. The driver’s preference is modelled as a
fuzzy expert system. Rule-based fuzzy systems are based on
fuzzy theory, with expert knowledge represented explicitly
using a set of fuzzy if-then rules. Each feasible route has a set
of attributes. A fuzzy neural (FN) approach is used to
represent the correlation of the attributes with the driver’s
route selection. Based on a training of the FN net on the
driver’s choice, the route selection function can be made
adaptive to the decision making of the driver. [43] develops a
neuro-fuzzy model has been for autonomous parallel parking
of a car-like mobile robot. While the global structure of the
fuzzy control system has been obtained by emulating expert
knowledge as drivers, the design of the different constituent
modules has mixed heuristic and geometric-based knowledge.
So some modules have been designed by translating heuristic
expert knowledge into fuzzy rules. [44] describes an

ผลลัพธ์ (ไทย) 1:

จุดมุ่งหมายของ [42] คือการ พัฒนาระบบผู้เชี่ยวชาญพร่าเลือนไปพัฒนาฟังก์ชันการค้นหาเส้นทางที่เหมาะสมในการทั่วไปในรถยนต์ระบบนำทาง ตั้งค่าไดรเวอร์จะคือ แบบจำลองเป็นการผู้เชี่ยวชาญระบบ fuzzy ยึดตามกฎระบบ fuzzyทฤษฎีที่ชัดเจน มีความรู้แสดงอย่างชัดเจนใช้ชุดของกฎนั้นถ้าเอิบ แต่ละเส้นทางที่เป็นไปได้มีชุดของแอตทริบิวต์ เอิบประสาท (FN) วิธีการที่ใช้ในการแสดงความสัมพันธ์ของแอททริบิวต์ของโปรแกรมควบคุมการเลือกกระบวนการผลิต ขึ้นอยู่กับการฝึกอบรมของ FN สุทธิในการเลือกขับขี่ สามารถทำฟังก์ชันเลือกกระบวนการผลิตเหมาะสมเพื่อการตัดสินใจของโปรแกรมควบคุม [43] พัฒนาเป็นแบบจำลองสมองเอิบได้รับอิสระพร้อมที่จอดรถของรถเหมือนมือถือหุ่นยนต์ ขณะที่โครงสร้างส่วนกลางของการระบบควบคุมเอิบได้รับ โดยผู้เชี่ยวชาญ emulatingความรู้เป็นไดรเวอร์ การออกแบบของวิภาคแตกต่างกันโมดูลมีผสม heuristic และความรู้พื้นฐานทางเรขาคณิตดังนั้น บางโมดูลที่ออกแบบมา โดยแปล heuristicความรู้เป็นกฎที่ชัดเจน [44] อธิบายการ

ผลลัพธ์ (ไทย) 2:

จุดมุ่งหมายของ [42] คือการพัฒนาระบบผู้เชี่ยวชาญเลือนการพัฒนาฟังก์ชั่นการค้นหาเส้นทางที่ดีที่สุดในรถทั่วไปในระบบนำทาง การตั้งค่าของคนขับเป็นแบบจำลองเป็นระบบผู้เชี่ยวชาญเลือน กฎที่ใช้ระบบเลือนอยู่บนพื้นฐานของทฤษฎีฟัซซี่ที่มีความรู้จากผู้เชี่ยวชาญเป็นตัวแทนอย่างชัดเจนโดยใช้ชุดของเลือนแล้วถ้ากฎ แต่ละเส้นทางที่เป็นไปได้มีชุดของคุณลักษณะ ประสาทเลือน (FN) วิธีการที่จะใช้ในการเป็นตัวแทนของความสัมพันธ์ของคุณลักษณะที่มีคนขับเลือกเส้นทาง อยู่บนพื้นฐานของการฝึกอบรมของ FN สุทธิในทางเลือกของคนขับรถฟังก์ชั่นการเลือกเส้นทางที่สามารถทำการปรับตัวเพื่อการตัดสินใจของผู้ขับขี่ [43] พัฒนารูปแบบระบบประสาทเลือนได้รับสำหรับที่จอดรถขนานอิสระของหุ่นยนต์รถเหมือนมือถือ ในขณะที่โครงสร้างระดับโลกของระบบการควบคุมเลือนได้รับการลอกเลียนแบบโดยผู้เชี่ยวชาญด้านความรู้เป็นคนขับรถ, การออกแบบขององค์ประกอบที่แตกต่างกันโมดูลได้ผสมแก้ปัญหาและความรู้ทางเรขาคณิตที่ใช้. ดังนั้นโมดูลบางส่วนได้รับการออกแบบโดยแปลแก้ปัญหาความรู้จากผู้เชี่ยวชาญเข้าไปในกฎเลือน [44] อธิบาย

ผลลัพธ์ (ไทย) 3:

จุดมุ่งหมายของ [ 42 ] เพื่อพัฒนาระบบผู้เชี่ยวชาญฟัซซี่

พัฒนาฟังก์ชันการค้นหาในเส้นทางที่เหมาะสมโดยทั่วไปในระบบนำทางรถ

ของไดรเวอร์การตั้งค่าเป็นช่างปั้นเป็นระบบผู้เชี่ยวชาญ
แบบฟัซซี่ ใช้กฎฟัซซีระบบจะขึ้นอยู่กับ
ทฤษฎีฟัซซี มีความรู้เชี่ยวชาญแสดงอย่างชัดเจน
โดยใช้ชุดของฟัซซี่ ถ้ากฎ โดยแต่ละเส้นทางมีชุด
ของแอตทริบิวต์ฝอยประสาท ( FN ) วิธีการคือใช้
แสดงความสัมพันธ์ของลักษณะการเลือกเส้นทางของ
ขับ บนพื้นฐานของการฝึกอบรมขององค์การสหประชาชาติสุทธิใน
คนขับเลือกเส้นทางการเลือกฟังก์ชั่นได้
ปรับตัวกับการตัดสินใจของคนขับ [ 43 ] พัฒนา
Neuro ฟัซซี่แบบได้รับค่า
จอดรถอิสระขนานของรถที่เหมือนหุ่นยนต์เคลื่อนที่ในขณะที่โครงสร้างโดยรวมของระบบการควบคุมแบบฟัซซีได้

เผื่อความรู้โดยผู้เชี่ยวชาญเป็นไดรเวอร์ , การออกแบบของโมดูลที่แตกต่างกันได้ผสมส่วนประกอบ
) และความรู้ทางเรขาคณิตตาม
ดังนั้นบางโมดูลได้รับการออกแบบโดยผู้เชี่ยวชาญการแปลความรู้แบบ
เป็นกฎฟัซซี [ 44 ] อธิบายเป็น