1Podstawowe pojęcia z teorii zbiorów rozmytych 1.1Podstawowe pojęcia podzbiorów rozmytych 1.2Operacje na zbiorach rozmytych 1.3Relacje rozmyte 1.4Zasada rozszerzania i arytmetyka rozmyta 1.5Miary rozmytości 1.6Wartości lingwistyczne i rozkłady możliwości 1.7Miary specyficzności 2Agregacja operacji na zbiorach rozmytych 2.1Iloczyn i suma zbiorów rozmytych 2.2Sumy i iloczyny ważone 2.3Niemonotoniczne operacje rozmyte 2.4Operatory agregacji średniej 2.5Uporządkowane operatory średniej ważonej 2.6Otrzymywanie funkcji agregacji OWA 2.7Kwantyfikatory lingwistyczne i operatory OWA 2.8Miary i całki rozmyte 3Teoria wnioskowania przybliżonego 3.1Elementy pierwotne systemu WP 3.2Semantyka systemu WP 3.3Dedukcja w systemie WP 3.4Rozwiązania minimalne i projekcje 3.5Logika dwuwartościowa w systemie WP 3.6Reprezentacje funkcyjne 4Wstęp do sterowania rozmytego 4.1Regulator rozmyty FLC: pojęcia podstawowe 4.2Wnioskowanie z FLC 4.3Ilustracja podstawowego algorytmu wnioskowania 4.4O relacji względem sterowania PI, PD i PID 4.5Projektowanie regulatora FLC: wyznaczanie zmiennych lingwistycznych 4.6Projektowanie regulatora FLC: konstruowanie bazy wiedzy 4.7Projektowanie regulatora FLC: strojenie 4.8Uogólnienie regulatora FLC typu Mamdaniego 5Modele systemu rozmytego 5.1Modele lingwistyczne jako narzędzie reprezentacji systemów złożonych 5.2Ogólne ramy wnioskowania z modelu rozmytego 5.3Modele lingwistyczne typu Mamdaniego (konstruktywne) 5.4Modele lingwistyczne typu logicznego (destrukcyjne) 5.5Modele lingwistyczne i problem identyfikacji 5.6Modele lingwistyczne wielu zmiennych 5.7Modele lingwistyczne układów dynamicznych: metoda przestrzeni stanu 5.8Modele rozmyte układów dynamicznych typu wejście-wyjście 5.9Modele rozmyte Takagi-Sugeno-Kanga (TSK) 5.10Modele rozmyte quasi-liniowe i quasi-nieliniowe 6Postępy modelowania rozmytego 6.1Bezpośrednie podejście do konstruowania modeli lingwistycznych 6.2Uczenie LM na podstawie równań 6.3Szablonowe modelowanie systemów rozmytych 6.4Szablonowe modelowanie rozmyte przez wiarygodne struktury 6.5Uczenie parametrów modelu rozmytego metodą propagacji wstecznej 6.6Uczenie następników metodą najmniejszych kwadratów i według reguły Widrowa--Hoffa 6.7Uczenie następników metodą filtru Kalmana 6.8Metoda górska grupowania danych 6.9Udoskonalanie rozmytych baz wiedzy metodą grupowania 7Teoretyczna analiza regulatora FLC 7.1Projektowanie regulatora FLC na podstawie wiedzy 7.2FLC jako wirtualny regulator PI (PD) 7.3Strojenie FLC jako regulatora PID 7.4FLC jako układ o zmiennej strukturze 7.5Zależność między sterowaniem o logice rozmytej i sterowaniem ślizgowym 7.6Sterowanie ślizgowe za pomocą FLC 8Zagadnienie defuzyfikacji 8.1Probabilistyczna natura procesu wyboru na podstawie zbioru rozmytego 8.2Ogólne spojrzenie na proces defuzyfikacji 8.3Przekształcenia BADD i metoda defuzyfikacji BADD 8.4Metoda defuzyfikacji semiliniowej SLIDE 8.5Metoda defuzyfikacji M-SL1DE 8.6Metoda defuzyfikacji za pomocą losowej generacji (RAGE) 8.7Defuzyfikacja z ograniczeniami: metoda RAGE 8.8Defuzyfikacja przez optymalizację z ograniczeniami 9Elastyczna struktura systemów rozmytych 9.1Główne paradygmaty wnioskowania rozmytego 9.2Miękkie implikacje rozmyte 9.3Miękka agregacja reguł 9.4Miękki zapłon reguły 9.5Sparametryzowane metody wnioskowania rozmytego 9.6Metoda kompromisowa wnioskowania rozmytego (CFR) 9.7Ufność podziału przestrzeni wejściowej i wyjściowej 9.8Zastosowanie struktury elastycznej