White Paper

Logique floue et systmes

dinfrence floue
Introduction et proprits

Rvision :

v2.4 12/2013

Auteurs :

Zyed ZALILA
zyed.zalila@intellitech.fr

INTELLITECH
14 rue du Fonds Pernant
Technopolis III 60200 COMPIGNE, FRANCE
Tl. : 03 44 23 48 90
Fax : 03 44 23 48 99
E-mail : contact@intellitech.fr
Web : www.intellitech.fr
SARL au capital de 206 400 Euros R.C.S. Compigne B 419 510 128
SIRET 419 510 128 00020 Code APE 7219Z

Sommaire
Sommaire

1. THORIE DU FLOU, LOGIQUE FLOUE

2. MODLISATION FLOUE

3. IDES CLE SUR LA THORIE DU FLOU [ZALILA, 2003]

11

4. RFRENCES

12

White paper - Logique floue et systmes dinfrence floue

Copyright intellitech [intelligent technologies] 2002-2013. Tous droits rservs.

2/12

1.

THORIE DU FLOU, LOGIQUE FLOUE

Les mathmatiques du flou, de plus en plus dsignes sous le terme gnrique de thorie
du flou, regroupent plusieurs thories qui sont des gnralisations ou des extensions de
leurs homologues classiques : la thorie des ensembles flous tend celle des ensembles, la
logique floue tend la logique binaire, la thorie des quantits floues tend celle des
nombres et intervalles, la thorie des possibilits tend celle des probabilits, plus
gnralement la thorie des mesures floues tend celle de la mesure. Elles ont toutes pour
objectif de proposer des concepts, des techniques et des mthodes formellement
rigoureuses pour recueillir, reprsenter et traiter des connaissances et des donnes floues
c'est--dire contenant de l'imprcision, de l'incertitude ou de la subjectivit ; ces trois
facettes principales du flou tant souvent coexistantes. D'autres synonymes, tels que
connaissance mal spcifie, mal dcrite, imparfaite, vague, qualitative, linguistique,
partielle, incomplte, approximative ou approche, recouvrent cette mme acception du
flou.
En rejetant laxiome de binarit, pos par Aristote il y a plus de 2300 ans, de telles
mathmatiques deviennent plus utiles et applicables car plus en adquation avec le
monde rel. Les mathmatiques du flou offrent aussi la possibilit de slectionner et
d'appliquer les oprateurs adquats en fonction du problme rsoudre et de la variabilit
de l'agent dcideur (comportements optimiste, pessimiste, de compromis, sensibilit
physiologique...).
La logique floue apparat comme une logique graduelle qui se veut tre trs proche de
notre perception nuance du monde, tandis que la mesure de possibilit remplacera avec
justesse la mesure de probabilit lorsque les informations disponibles sont en faible
nombre et/ou de faible qualit ; ceci est notamment le cas dans les panels dvaluation
sensorielle o un petit nombre de sujets joue le rle de capteurs (le plus souvent imprcis).
Formellement, la thorie du flou dfinit une interface entre le qualitatif/symbolique et le
quantitatif/numrique. Pratiquement, elle offre une approche lgante la rsolution de
problmes multidimensionnels et complexes, caractriss par une forte interactivit des
parties, faisant intervenir l'Homme la fois comme capteur et comme dcideur/actionneur.

ENSEMBLES FLOUS, PARTITION FLOUE, RGLE FLOUE

La gense de la thorie du flou prend ses racines dans le dveloppement des logiques
multivalues1 men par Lukasiewicz, tte de file de lcole polonaise de Logique des
annes 30 [Lukasiewicz, 1920, 1930]. Au mme moment, le philosophe et logicien Bertrand
Russell souligna le fait que la logique binaire, hrite dAristote, tait mal adapte la
formalisation du langage naturel puisque ce dernier contenait bon nombre de termes
vagues, mal dfinis [Russel, 1923]. Toutefois, c'est au philosophe Max Black que l'on doit en
1937 l'ide novatrice de formaliser le sens des prdicats vagues, utiliss dans le langage

Une logique multivalue ou multivalente admet plusieurs degrs de vrit entre le Vrai et le Faux.

White paper - Logique floue et systmes dinfrence floue

Copyright intellitech [intelligent technologies] 2002-2013. Tous droits rservs.

3/12

courant, par des fonctions numriques d'appartenance [Black, 1937]. Il ne restait plus
Lotfi Zadeh qu' oser faire la jonction entre toutes ces prmisses pour aboutir la
dfinition formelle de la logique floue, logique nuance quil voulait tre proche d'une
logique humaine.
Introduit par [Zadeh, 1965], le concept densemble flou permet la reprsentation de
classes vagues aux frontires mal dfinies telles que personne ge , temprature
leve , virage serr , solution concentre ... Partant d'un rfrentiel gnralement
numrique, tel que celui dcrivant un ge mesur en annes, une temprature mesure en
degrs, un rayon de courbure mesur en mtres, une concentration mesure en moles par
litre, Zadeh propose de dfinir les concepts linguistiques par une application fonctionnelle
faisant correspondre tout lment du rfrentiel son degr d'appartenance au concept
considr.

BINARIT = DISCONTINUIT AUX FRONTIRES

Avec le concept classique d'ensemble2, il n'existe que deux tats possibles
d'appartenance : soit un lment x appartient un ensemble A ; soit il n'appartient pas
cet ensemble. De faon quivalente, cette binarit des tats est aussi prsente en logique
aristotlicienne : une proposition peut tre soit vraie, soit fausse ; si elle est vraie, c'est que
ncessairement sa ngation est fausse et vice versa. Si cette binarit est ncessaire dans le
cadre formel des dmonstrations mathmatiques, elle devient vite contraignante dans la
rsolution de problmes de la vie relle.
Rappelons quun ensemble net A peut tre dfini par une fonction caractristique A , qui
associe le nombre 1 tout lment appartenant A et affecte le nombre 0 tout lment
n'appartenant pas A. Par exemple, pour une compagnie arienne, l'ensemble des jeunes
voyageurs sera constitu de tous les voyageurs ayant un ge infrieur ou gal 25 ans
(cf. Figure 1).

(ge)

jeune

25

ge [0,100] ans

Figure 1 Dfinition nette de jeune voyageur

Nous prconisons lutilisation de ladjectif net pour faire rfrence lapproche classique binaire ; en opposition avec
lapproche floue , fonde sur la thorie du flou.

White paper - Logique floue et systmes dinfrence floue

Copyright intellitech [intelligent technologies] 2002-2013. Tous droits rservs.

4/12

Inluctablement, un effet de seuil apparat : il suffit qu'un voyageur ait ft son anniversaire
la veille pour qu'il ne puisse plus bnficier des tarifs prfrentiels auxquels il aurait pu
prtendre s'il avait pris l'avion un jour auparavant. En un jour, il est pass pour la
compagnie arienne de la catgorie des voyageurs jeunes celle des voyageurs nonjeunes . Cette transition discontinue est spcifique aux ensembles nets et la logique
aristotlicienne du fait qu'il n'existe pas de niveau intermdiaire entre le 0 et le 1, entre
l'appartenance et la non-appartenance, entre le Vrai et le Faux, entre le Noir et le Blanc.
Pourtant, dans la vie de tous les jours, nous ressentons intuitivement que le passage de la
jeunesse simpose de faon moins drastique et beaucoup plus graduelle.

FLOU = GRADATION AUX LIMITES

Ainsi, est introduite la notion fondamentale d'appartenance gradue (le degr
d'appartenance peut prendre n'importe quelle valeur entre 0 et 1) autorisant certains
lments appartenir plus ou moins un ensemble donn ; cet ensemble est alors qualifi
de flou . Par exemple, pour la Police des Airs et des Frontires la catgorie de voyageur
jeune sera plutt dfinie par lensemble flou reprsent par la Figure 2.

(ge)11

Jeune

jeune

0.5

20 30 40

ge [0,100] ans

Figure 2 Dfinition floue dun voyageur jeune

Avec cette modlisation, les personnes de moins de 20 ans seront considres comme tout
fait jeunes (degr=1) : elles dfinissent les prototypes de cette classe floue ; un voyageur
ayant 30 ans comme plus ou moins jeune (degr=0.5). Par contre, la personne n'appartient
plus la catgorie jeune ds que son ge dpasse 40 ans (degr=0). D'autres catgories
vagues telles que voyageur ayant la quarantaine ou voyageur senior peuvent aussi
tre spcifies pour permettre une qualification de n'importe quel voyageur qui viendrait
passer les frontires (cf. Figure 3). Un ensemble flou permet de ce fait de crer une interface
naturelle entre le quantitatif/numrique et le qualitatif/symbolique.

( )
1

Jeune

Quarantaine

Senior

0.6
0.4
0

20

40

52 60

100

ge [0,100] ans

Figure 3 Partition floue avec trois classes : jeune , quarantaine , senior

White paper - Logique floue et systmes dinfrence floue

Copyright intellitech [intelligent technologies] 2002-2013. Tous droits rservs.

5/12

Grce au chevauchement des ensembles flous, un voyageur ayant 52 ans sera considr
la fois comme plutt senior (degr=0.6) et sloignant quelque peu de la quarantaine
(degr=0.4). Ce chevauchement des classes est la base de la robustesse des systmes
flous : il autorise un changement progressif dtat et par consquent une convergence
progressive de la dcision. Ainsi, le concept densemble flou, permettant une
appartenance nuance, autorise la dfinition de catgories linguistiques graduelles telles
qu'elles sont manipules par l'esprit humain.
Ce saut conceptuel, qui parat de prime abord anodin, bouleverse certains principes
fondateurs des mathmatiques classiques. Tout d'abord, il existe en thorie du flou une
infinit, et non plus une dfinition unique, d'oprateurs modlisant le ET
(conjonction/intersection), le OU (disjonction/union), le NON (ngation/complmentation)
et le SI..ALORS (implication/dduction). De plus, des lois aussi clbres que celle du tiersexclu3 et celle de non-contradiction4 ne sont gnralement plus respectes.
A partir de variables floues qualifies par les classes de partitions floues, il est possible de
construire des rgles floues de dcision :
SI (le voyageur est Jeune OU a la Quarantaine) ET que (le voyageur revient dune
destination Exotique) ET que (le sjour a t Bref) ALORS Procder une fouille approfondie
du voyageur et de ses bagages par le Matre-chien.
Un systme flou sera compos dune compilation de rgles floues. Grce au moteur
dinfrence implantant les schmas de raisonnement approch (Modus Ponens Gnralis),
il est possible de dclencher les rgles floues idoines afin de calculer la dcision finale du
systme flou [Zadeh, 1975] [Zalila, 1993].

3
4

Loi du Tiers-Exclu : Ou une proposition est vraie ou sa ngation est vraie

Loi de Non-Contradiction : Une proposition et sa ngation ne peuvent tre vraies en mme temps

White paper - Logique floue et systmes dinfrence floue

Copyright intellitech [intelligent technologies] 2002-2013. Tous droits rservs.

6/12

2.

MODLISATION FLOUE

Lobjectif de la modlisation est dobtenir un modle formel permettant de dcrire un

processus naturel, humain ou industriel en vue de sa comprhension (e.g. le processus de
sdimentation au fond des ocans ou la stratgie dvaluation dun produit par un
segment de consommateurs), et/ou en vue de la prdiction des effets de ce processus
(e.g. lacceptabilit dun nouveau produit par ce segment de consommateurs).
Fonde sur le concept de rgle floue5, lapproche floue propose une modlisation plus
intuitive que les approches classiques de modlisation, quelles soient probabilistes ou
analytiques, bases sur des systmes dquations diffrentielles ou de drives partielles.
En tant que brique lmentaire, une rgle floue permet de modliser une connaissance
experte, en reliant de faon non-linaire des entres floues avec des sorties nettes ou
floues. Hrite de lapproche symbolique de lIntelligence Artificielle, la mthode classique
de modlisation par systme flou consiste faire expliciter linguistiquement par lexpert
son processus de dcision afin dobtenir les rgles floues ncessaires [Zadeh, 1968, 1973]
[Mamdani, 1974] [Mamdani & Assilian, 1975]. Cependant, dans de nombreux cas
(raisonnement tacite dexpert, processus difficilement modlisables par des mthodes
classiques, grande complexit du processus de dcision), il est a priori impossible
dinterprter la prise de dcision sous la forme de rgles linguistiques [Gigerenzer & Todd,
1999]. Lapproche xtractis propose dans ces cas dextraire automatiquement, par
apprentissage, les rgles de dcision reprsentant le processus modliser. Cet
apprentissage seffectue laide dune base de donnes dexemples comportant diverses
prises de dcision en fonction de diffrentes situations. xtractis sinscrit ainsi dans la
branche du Data Mining (fouille de donnes) dnomme Knowledge Discovery from Data
(Dcouverte de connaissances partir de donnes) ou Data-Driven Modelling
(modlisation dirige par les donnes).
Comme tout systme flou se rvle tre un approximeur universel de fonctions nonlinaires reliant les variables de sortie aux variables observes [Kosko, 1992] [Wang &
Mendel, 1992], il permet thoriquement de modliser n'importe quel processus ou
systme dynamique complexe, faisant intervenir un grand nombre de variables en forte
interaction (phnomnes naturels, processus physico-chimiques, comportement d'un
oprateur humain...).

Tout modle flou bnficie des quatre proprits importantes des systmes flous [Zalila,
1993-2008] :

Correspondant au modle Si PrmisseAlors Conclusion driv de la psychologie cognitive.

White paper - Logique floue et systmes dinfrence floue

Copyright intellitech [intelligent technologies] 2002-2013. Tous droits rservs.

7/12

INTELLIGIBILIT
La dfinition d'un modle descriptif et qualitatif dun processus, par exemple le
comportement d'un agent dcideur, devient relativement aise puisqu'elle est
principalement base sur l'emploi de rgles linguistiques dcrivant lexpertise, les
stratgies heuristiques, le savoir-faire de cet oprateur. En effet, s'agissant d'identifier les
rgles de dcision/action et leurs conditions de mise en uvre dans les diffrentes soustches de prise de dcision tudies, les rgles floues s'avrent commodes pour associer
les actions opres par lagent dcideur aux conditions dcrivant, mme de faon partielle
et vague, les situations rencontres lors de la prise de dcision.
Cette simplification de l'architecture du modle entrane une plus grande simplicit de
programmation, une plus grande flexibilit et de plus faibles cots de maintenance. En
outre, par sa lisibilit et sa similarit avec le langage naturel, ce formalisme base de rgles
facilite le dialogue entre ingnieurs, ergonomes et psychologues cognitivistes, dans le
cadre d'une conception pluridisciplinaire d'un systme technologique en forte interaction
avec un oprateur [Bourlier & Sperandio, 1995] : l'ingnieur n'a plus besoin d'expliquer
qualitativement ce que modlise quantitativement une quation diffrentielle ou aux
drives partielles.

LOCALIT
Chaque rgle modlise le comportement de lagent dcideur face une situation donne,
qui peut tre dcrite de manire imprcise, incertaine ou subjective. La modification du
comportement de lagent pour une situation donne s'obtient alors par modification des
rgles locales spcialises dans la description de cet tat du monde. Dfinir des rgles
floues revient dfinir des cellules multidimensionnelles qui couvrent lespace de dcision6
(cf. Figure 4). Du fait que les rgles sont floues, les cellules correspondantes se chevauchent
aux frontires.
De par ce maillage cellulaire flou de lespace de dcision, une modification locale
n'engendre pas de changement global dans le comportement de lagent. Cette proprit
de localit, permet notamment au concepteur de rparer localement un systme flou
qui ne fonctionnerait pas de manire correcte pour certaines situations.

1 cellule floue = 1 rgle floue

White paper - Logique floue et systmes dinfrence floue

Copyright intellitech [intelligent technologies] 2002-2013. Tous droits rservs.

8/12

TRAABILIT
Le concepteur a la possibilit de tracer le chemin utilis par le systme flou pour atteindre
la dcision finale en partant des entres : il suffit pour cela de lister les rgles floues qui ont
t dclenches, avec leurs degrs d'activation. De ce fait, la validation du modle flou s'en
trouve facilite.

B1

B2

B3

B4

A4

A3

A2

A1

Figure 4 Exemple de maillage flou 16 cellules

B1

B2

B3

B4

A4

X est A2 Z est C1

A3
A2

Rgle prmisse grossire

C1

C1

C1

C1

B1

B2

B3

B4

A1

X est A2 et Y est B3 Z est C1

A4
A3
A2
A1

zone dactivation large : peu de

rgles sont ncessaires pour couvrir
lespace de dcision

C1

Rgle prmisse fine

zone dactivation plus petite : plus de
rgles sont ncessaires pour couvrir
lespace de dcision

Figure 5 Granularit des rgles floues

White paper - Logique floue et systmes dinfrence floue

Copyright intellitech [intelligent technologies] 2002-2013. Tous droits rservs.

9/12

GRANULARIT
Le concepteur a la libert de choisir la taille du grain de connaissance quil manipule.
Slectionner la taille du grain manipul revient fixer, dans le maillage de lespace de
dcision, la taille de la maille correspondant la rgle floue [Zadeh, 1996]. Deux dmarches
sont possibles :

Une autre faon daffiner localement une rgle, dont le comportement serait jug
grossier, consiste la remplacer par un groupe de rgles plus spcialises, en
procdant un remaillage de la maille. Ceci sopre en remplaant au moins une des
classes floues qualifiant une des entres de la rgle, par deux ou plusieurs classes plus
spcifiques (cf. Figure 6).

B1

B2

B33

B32

Le concepteur peut diminuer (resp. augmenter) la taille de la maille en augmentant

(resp. diminuant) le nombre dentres prsentes dans la partie prmisses de la rgle : il
est ainsi capable de modliser de manire plus dtaille tous les lments sur lesquels
reposent des diffrences de prise de dcision de lagent (cf. Figure 5).

B31

A4

A1

X est A21 et Y est B32 Z est C12

X est A21 et Y est B33 Z est C13

A3
A22
A21

B4

X est A21 et Y est B31 Z est C11

X est A22 et Y est B31 Z est C14

C14 C15 C16

C11 C12 C13

X est A22 et Y est B32 Z est C15

Qualification plus fine des deux entres
affinage local de la maille floue

Figure 6 Granularit de la modlisation floue

Ce maillage peut tre ritr de manire fractale, par zooms successifs ; cest en particulier
grce cette proprit que le modlisateur peut approcher aussi finement quil le souhaite
nimporte quelle fonction non-linaire. De manire duale, la proprit de granularit
explique la frugalit dun systme flou qui peut se contenter dune description sommaire,
voire partielle, de la situation de prise de dcision, sans pour autant dgrader la
modlisation du processus.
la diffrence de lapproche connexionniste (i.e. rseaux de neurones formels) qui
construit des modles de type bote noire [Hassoun, 1995] [Patterson, 1996], linduction
automatique de modles flous permet de maintenir les proprits dintelligibilit, de
traabilit, de localit et de granularit qui font la force des systmes flous, tout en offrant
une grande souplesse dans la dfinition de modles non-linaires, mme en labsence de
connaissance a priori.

White paper - Logique floue et systmes dinfrence floue

Copyright intellitech [intelligent technologies] 2002-2013. Tous droits rservs.

10/12

3.

IDES CLE SUR LA THORIE DU FLOU [ZALILA, 2003]

Le Flou fdre trois facettes souvent coexistantes : Imprcision, Incertitude,

Subjectivit.

Dans la vie relle, nous prenons rgulirement de bonnes dcisions partir

dinformations floues. La thorie du flou est un cadre formel qui permet la modlisation
et le traitement rigoureux de ce type dinformation.

La connaissance floue est riche en information : la transformer ds le dbut du

traitement en une connaissance nette induit un biais qui se rpercute
immanquablement sur la qualit de la dcision. Il est au contraire prfrable de
maintenir le flou tout au long du traitement et de ne trancher quen fin de processus
(passage de la dcision floue vers la dcision nette).

La logique floue et la thorie des ensembles flous servent la modlisation graduelle et

nuance de la connaissance experte, en proposant un mode de raisonnement
approch et analogique, tout en permettant la dfinition de catgories aux bornes mal
dfinies. En apprhendant la fois limprcision et lincertitude, elle autorise la
conception de systmes daide la dcision plus efficaces que les systmes experts
classiques : un expert sera dautant plus certain de ses affirmations quon lautorise
tre imprcis et sera dautant plus incertain quon loblige tre prcis. Elle offre aussi
une approche alternative performante pour la modlisation de processus et de
phnomnes complexes non-linaires.

Larithmtique floue permet une modlisation et un traitement des quantits

numriques imprcises. Elle autorise la conception de modles analytiques
prvisionnels plus justes, cest--dire plus fidles la ralit.

Les mesures duales de possibilit et de ncessit remplacent la mesure de probabilit

lorsque le dcideur doit valuer loccurrence dun vnement, sur lequel il possde peu
de donnes historiques ou des donnes de mauvaise qualit. Ceci apparat notamment
dans les problmes de dcision multicritre ou de sret de fonctionnement, lorsque le
dcideur fait appel des informations provenant de capteurs humains (jugement, avis
dexpert). La thorie des possibilits est ainsi adapte la prise en compte de
lincertitude pistmique lie au manque dinformation, lorsque la thorie des
probabilits sintresse plutt lincertitude stochastique caractrisant une prsence
dala. Elle autorise notamment lestimation de loccurrence dvnements imprcis.

De cette manire, la thorie du flou tend la palette des mthodes de modlisation, de

prdiction et dvaluation, tout en simplifiant la formalisation de problmes complexes.

White paper - Logique floue et systmes dinfrence floue

Copyright intellitech [intelligent technologies] 2002-2013. Tous droits rservs.

11/12

4.

RFRENCES

Black, M.(1937) Vagueness, an

exercise in logical analysis. Philosophy of science, 4, 427-455.
Bourlier, F., Sperandio, J.-C. (1995), Analyse et formalisation de la conduite automobile par des rgles
de production. Intrt, limites et difficults. Psychologie Franaise, n40-1, 61-72.
Gigerenzer, G., Todd, P.M., the ABC Research Group (1999) Simple Heuristics that make us smart. New
York: Oxford University Press.
Hassoun, M.H. (1995) Fundamentals of Artificial Neural Networks. Cambridge: MIT Press.
Kosko, B. (1992) Fuzzy systems as universal approximators. Proceedings of the 1st IEEE International
Conference on Fuzzy Systems, FUZZ-IEEE FUZZ92 (pp. 1153-1162), San Diego.
Lukasiewicz, J. (1967) On 3-valued logic. In S. McCall, Polish logic 1920-1939, Oxford University Press.
Lukasiewicz, J. (1967) Many-valued systems of propositional logic. In S. McCall, Polish logic 1920-1939,
Oxford University Press.
Mamdani, E. H. (1974) Application of fuzzy algorithms for control of a simple dynamic plant.
Proceedings of IEEE (pp. 1585-1588), 121-12.
Mamdani, E.H., Assilian, S. (1975) An experiment in linguistic synthesis with a fuzzy logic controller.
Int. J. Man-Machine Studies, 7, 1-13.
Patterson, D.W. (1996) Artificial Neural Networks. Theory and Applications. Singapore: Prentice Hall.
Russel, B. (1923) Vagueness. Australian J. of Philosophy, 1.
Wang, L. X., Mendel, J. M. (1992) Fuzzy basis functions, universal approximation and orthogonal least
square learning. IEEE Trans. Neural Networks, 3, 807-814.
Zadeh, L.A. (1965) Fuzzy sets. Information and Control, 8, 338-353.
Zadeh, L.A. (1968) Fuzzy algorithms. Information and Control, 12, 94-102.
Zadeh, L.A. (1973), Outline of a new approach to the analysis of complex systems and decision
processes. IEEE Trans. Systems, Man and Cybernetics, 3, 28-44.
Zadeh, L.A. (1975), The concept of a linguistic variable and its application to approximate reasoning.
Information Science, Part I : 8, 199-249, Part II : 8, 301-357, Part III : 9, 43-80.
Zadeh, L.A. (1996), The Key Roles of Fuzzy Information Granulation in Human Reasoning, Fuzzy Logic
and Computing with Words. Internal Report, Computer Science Division and the Electronics Research
Laboratory, Department of EECS, University of California, Berkeley, California, USA, October 15 1996.
Zalila, Z. (1993) Contribution une thorie des relations floues d'ordre n. PhD thesis, D 573, Universit
de Technologie de Compigne, France, 474 p.
Zalila, Z. (1993-2009) Logique floue : concepts et applications, SY10 Lecture notes, Universit de
Technologie de Compigne, France, 198 p.
Z. Zalila (2003), valuation subjective : les mathmatiques du flou, une voie vers les testeurs
numriques ? Actes 5e Rencontres du Marketing Sensoriel, Comment donner du sens son produit :
mthodes et outils dvaluation de la qualit perue, EUROSYN Human Engineering, Paris, 14 janvier
2003, 43-62.

White paper - Logique floue et systmes dinfrence floue

Copyright intellitech [intelligent technologies] 2002-2013. Tous droits rservs.

12/12