Τι είναι η Ασαφής Λογική; ArchiΔιάγραμμα δομής και εφαρμογή

⚡ Έξυπνη Σύνοψη

Η Ασαφής Λογική είναι μια μέθοδος συλλογισμού πολλαπλών τιμών στην οποία η αλήθεια λαμβάνει οποιαδήποτε πραγματική τιμή μεταξύ 0 και 1, επιτρέποντας στις μηχανές να χειρίζονται αόριστες, μερικές και αβέβαιες πληροφορίες όπως ακριβώς κάνει η ανθρώπινη κρίση.

  • 🔘 Μερική αλήθεια: Μια πρόταση δεν είναι απλώς αληθής ή ψευδής· φέρει έναν βαθμό συμμετοχής στο διάστημα [0, 1].
  • ☑️ Αρχιτεκτονική τεσσάρων μερών: Κάθε ασαφές σύστημα περιλαμβάνει μια αλυσιδωτή βάση κανόνων, μια ασαφήνεια, μια μηχανή συμπερασμάτων και μια αποασάφειση.
  • Κανόνες ειδικών: Η συμπεριφορά προέρχεται από κανόνες ΑΝ-ΤΟΤΕ που έχουν γραφτεί από ανθρώπους, επομένως το σύστημα παραμένει αναγνώσιμο και ελέγξιμο.
  • 🧪 Όχι πιθανότητα: Η ασάφεια μοντελοποιεί την ασάφεια σχετικά με το νόημα, ενώ η πιθανότητα μοντελοποιεί την αβεβαιότητα σχετικά με τα αποτελέσματα.
  • Αποδεδειγμένο σε υλικό: Τα συστήματα αντιμπλοκαρίσματος τροχών, οι ανελκυστήρες, τα πλυντήρια πιάτων, οι φούρνοι και οι κάμερες διαθέτουν όλα ασαφείς ελεγκτές.
  • ⚙️ Γνωστά όρια: Τα ασαφή συστήματα δεν μαθαίνουν από μόνα τους και οι κανόνες ρύθμισης και οι συναρτήσεις συμμετοχής παραμένουν χειροκίνητες.

Αρχιτεκτονική Ασαφούς Λογικής, εφαρμογές και παραδείγματα

Τι είναι η Ασαφής Λογική;

Ασαφής λογική είναι μια λογική πολλαπλών τιμών στην οποία η τιμή αλήθειας μιας μεταβλητής μπορεί να είναι οποιοσδήποτε πραγματικός αριθμός μεταξύ 0 και 1. Χειρίζεται την έννοια της μερικής αλήθειας. Στην πραγματική ζωή, συχνά συναντάμε μια κατάσταση όπου δεν μπορούμε να αποφασίσουμε εάν μια δήλωση είναι εντελώς αληθής ή εντελώς ψευδής. Σε αυτό το σημείο, η ασαφής λογική προσφέρει πολύτιμη ευελιξία για συλλογισμό.

Αυτή η τιμή ονομάζεται βαθμός συμμετοχής: Το 0 σημαίνει καθόλου συμμετοχή, το 1 σημαίνει πλήρη συμμετοχή και το 0.7 σημαίνει μερική συμμετοχή. Ένας ασαφής αλγόριθμος ζυγίζει όλα τα διαθέσιμα δεδομένα σε αυτήν την κλίμακα και στη συνέχεια λαμβάνει την καλύτερη δυνατή απόφαση για τη δεδομένη είσοδο. Η μέθοδος μιμείται τη λήψη ανθρώπινου αποφάσεων, η οποία λαμβάνει υπόψη κάθε πιθανότητα μεταξύ των ψηφιακών τιμών T και F.

Ιστορία των Συστημάτων Ασαφής Λογικής

Η λογική πολλαπλών τιμών είναι παλαιότερη από το όνομά της: Ο Jan Łukasiewicz περιέγραψε μια λογική τριών τιμών τη δεκαετία του 1920. Το αποφασιστικό βήμα έγινε το 1965, όταν ο Lotfi Zadeh, καθηγητής στο Πανεπιστήμιο της Καλιφόρνιας στο Μπέρκλεϋ στην Καλιφόρνια, δημοσίευσε την εργασία. «Ασαφή σύνολα» in Πληροφορίες και ΈλεγχοςΠαρατήρησε ότι η συμβατική λογική των υπολογιστών δεν μπορούσε να χειριστεί δεδομένα που αντιπροσωπεύουν υποκειμενικές ή ασαφείς ανθρώπινες ιδέες.

Η ιδέα έφτασε στο υλικό το 1974, όταν ο Ebrahim Mamdani κατασκεύασε τον πρώτο λειτουργικό ασαφή ελεγκτή για μια ατμομηχανή. Οι Ιάπωνες κατασκευαστές τον εμπορευματοποίησαν κατά τη διάρκεια της δεκαετίας του 1980. Οι ασαφείς αλγόριθμοι επεκτείνουν πλέον τη θεωρία ελέγχου έως και... τεχνητή νοημοσύνη, επιτρέποντας σε έναν υπολογιστή να κάνει διακρίσεις μεταξύ δεδομένων που δεν είναι ούτε απολύτως αληθή ούτε απολύτως ψευδή — «λίγο σκοτεινά», «αρκετά φωτεινά» και ούτω καθεξής.

Χαρακτηριστικά της Ασαφής Λογικής

Ακολουθούν ορισμένα σημαντικά χαρακτηριστικά της ασαφούς λογικής:

  • Ευέλικτο και εύκολο στην εφαρμογή μάθηση μηχανής τεχνική
  • Σας βοηθά να μιμηθείτε τη λογική της ανθρώπινης σκέψης
  • Η αλήθεια δεν περιορίζεται σε δύο τιμές· οποιοσδήποτε βαθμός μεταξύ 0 και 1 μπορεί να αντιπροσωπεύει μια λύση.
  • Εξαιρετικά κατάλληλη μέθοδος για αβέβαιο ή κατά προσέγγιση συλλογισμό
  • Η ασαφής λογική βλέπει το συμπέρασμα ως μια διαδικασία διάδοσης ελαστικών περιορισμών
  • Η ασαφής λογική σάς επιτρέπει να κατασκευάζετε μη γραμμικές συναρτήσεις αυθαίρετης πολυπλοκότητας
  • Η ασαφής λογική πρέπει να χτιστεί με την πλήρη καθοδήγηση ειδικών

Πότε δεν πρέπει να χρησιμοποιείτε ασαφή λογική

Η ασαφής λογική δεν είναι ποτέ θεραπεία για τα πάντα. Είναι εξίσου σημαντικό να κατανοήσετε πού δεν πρέπει να τη χρησιμοποιείτε.

Ακολουθούν ορισμένες περιπτώσεις στις οποίες είναι καλύτερο να αποφύγετε την ασαφή λογική:

  • Εάν δεν μπορείτε να αντιστοιχίσετε εύκολα έναν χώρο εισόδου σε έναν χώρο εξόδου
  • Η ασαφής λογική δεν πρέπει να χρησιμοποιείται όταν η απλή κοινή λογική έχει ήδη λύσει το πρόβλημα.
  • Πολλοί συμβατικοί ελεγκτές κάνουν καλή δουλειά χωρίς καμία ασαφή λογική

Ασαφής λογική Archiδομή

Η αρχιτεκτονική Fuzzy Logic έχει τέσσερα κύρια μέρη και το παρακάτω διάγραμμα δείχνει πώς μια σαφής είσοδος ταξιδεύει μέσα από όλα αυτά:

Αρχιτεκτονική ασαφούς λογικής με βάση κανόνων, ασαφήνεια, μηχανή συμπερασμάτων και αποασάφειωση
Ασαφής λογική Archiδομή

Βάση κανόνων

Περιέχει όλους τους κανόνες και τις συνθήκες ΑΝ-ΤΟΤΕ που προσφέρονται από τους ειδικούς για τον έλεγχο του συστήματος λήψης αποφάσεων. Πρόσφατη εργασία στη ασαφή θεωρία παρέχει διάφορες μεθόδους για το σχεδιασμό και τη ρύθμιση ασαφών ελεγκτών, και αυτές οι μέθοδοι μειώνουν σημαντικά τον αριθμό των κανόνων που χρειάζεται ένα ασαφές σύνολο.

Συγκολλήσεις

Η ασαφής μετατροπή των εισροών: μετατρέπει τους ευκρινείς αριθμούς σε ασαφή σύνολα. Οι ευκρινείς εισροές μετρώνται από αισθητήρες — θερμοκρασία δωματίου, πίεση κ.λπ. — και διοχετεύονται στο σύστημα ελέγχου για περαιτέρω επεξεργασία. Η μετατροπή γίνεται από ένα λειτουργία ιδιότητας μέλους, μια καμπύλη που απεικονίζει κάθε πιθανή τιμή εισόδου σε έναν βαθμό συμμετοχής μεταξύ 0 και 1.

Κινητήρας συμπερασμάτων

Καθορίζει τον βαθμό αντιστοίχισης μεταξύ της ασαφούς εισόδου και κάθε κανόνα. Με βάση αυτό το ποσοστό αντιστοίχισης, αποφασίζει ποιοι κανόνες πρέπει να εφαρμοστούν στο δεδομένο πεδίο εισόδου. Οι εφαρμοζόμενοι κανόνες συνδυάζονται στη συνέχεια για την ανάπτυξη των ενεργειών ελέγχου.

Αδιαφορία

Τέλος, η αποασαφοποίηση μετατρέπει τα ασαφή σύνολα ξανά σε μία μόνο τιμή crisp. Υπάρχουν αρκετές τεχνικές — κεντροειδές, διχοτόμος και οι μέθοδοι που βασίζονται στο μέγιστο είναι οι συνήθεις επιλογές — οπότε επιλέξτε αυτήν που σας ταιριάζει καλύτερα ειδικό σύστημα.

Ασαφής Λογική εναντίον Πιθανοτήτων

Η ασάφεια και η πιθανότητα συγχέονται συνήθως, ωστόσο απαντούν σε διαφορετικά ερωτήματα.

Ασαφής λογική Πιθανότητα
Fuzzy: Ο βαθμός συμμετοχής του Tom στο σύνολο των ηλικιωμένων είναι 0.90. Πιθανότητα: Υπάρχει 90% πιθανότητα ο Τομ να είναι μεγάλος.
Η ασαφής λογική παίρνει βαθμούς αλήθειας ως μαθηματική βάση στο μοντέλο του φαινομένου της ασάφειας. Η πιθανότητα είναι ένα μαθηματικό μοντέλο άγνοιας.

Crisp εναντίον Fuzzy

τραγανός Ασαφής
Έχει αυστηρά όρια T ή F Ασαφές όριο με βαθμό συμμετοχής
Ορισμένοι καθορισμένοι χρόνοι μπορεί να είναι ασαφείς Δεν μπορεί να είναι τραγανό
Σωστό/Λάθος {0,1} Τιμές συνδρομής στις [0,1]
Στην καθαρή λογική, ο νόμος του Αποκλειόμενου Μέσου και της Μη Αντίφασης μπορεί να ισχύει ή να μην ισχύει Στην ασαφή λογική ισχύει ο νόμος του Αποκλειόμενου Μέσου και της Μη Αντίφασης

Κλασική Θεωρία Συνόλων vs. Ασαφές Θεωρία Συνόλων

Κλασικό Σετ Ασαφής Θεωρία Συνόλων
Κατηγορίες αντικειμένων με αιχμηρά όρια. Οι κατηγορίες αντικειμένων δεν έχουν αιχμηρά όρια.
Ένα κλασικό σύνολο ορίζεται από σαφή όρια, δηλαδή, υπάρχει σαφήνεια σχετικά με τη θέση των ορίων του συνόλου. Ένα ασαφές σύνολο έχει πάντα διφορούμενα όρια, δηλαδή, μπορεί να υπάρχει αβεβαιότητα σχετικά με τη θέση των συνόλων.
Χρησιμοποιείται ευρέως στο σχεδιασμό ψηφιακών συστημάτων Χρησιμοποιείται κυρίως σε ασαφείς ελεγκτές και συστήματα προσεγγιστικής συλλογιστικής.

Παραδείγματα Ασαφής Λογικής

Το παρακάτω διάγραμμα καθιστά την κλίμακα συμμετοχής συγκεκριμένη. Σε ένα ασαφές σύστημα οι τιμές συμβολίζονται με έναν αριθμό από το 0 έως το 1, όπου 1.0 σημαίνει απόλυτη αλήθεια και 0.0 σημαίνει απόλυτη αναλήθεια.

Κλίμακα αλήθειας ασαφούς λογικής που κυμαίνεται από 0.0 απολύτως ψευδές έως 1.0 απολύτως αληθές

Ασαφής Λογική με Παράδειγμα

Περιοχές Εφαρμογής Ασαφής Λογικής

Ο παρακάτω πίνακας δείχνει εφαρμογές ασαφούς λογικής από γνωστές εταιρείες στα προϊόντα τους.

Προϊόν Εταιρεία Ασαφής λογική
Αντιμπλοκάρισμα φρένων Nissan Χρησιμοποιήστε ασαφή λογική για τον έλεγχο των φρένων σε επικίνδυνες περιπτώσεις, ανάλογα με την ταχύτητα του αυτοκινήτου, την επιτάχυνση, την ταχύτητα των τροχών και την επιτάχυνση των τροχών.
Αυτόματο κιβώτιο ταχυτήτων NOK/Nissan Η ασαφής λογική χρησιμοποιείται για τον έλεγχο του ψεκασμού καυσίμου και της ανάφλεξης με βάση τη ρύθμιση του γκαζιού, τη θερμοκρασία του νερού ψύξης, τις στροφές ανά λεπτό κ.λπ.
Αυτόματος κινητήρας honda, nissan Χρησιμοποιείται για την επιλογή ταχύτητας με βάση το φορτίο του κινητήρα, το στυλ οδήγησης και τις συνθήκες του οδοστρώματος.
Φωτοτυπικό μηχάνημα Canon Χρησιμοποιείται για τη ρύθμιση της τάσης του τυμπάνου με βάση την πυκνότητα της εικόνας, την υγρασία και τη θερμοκρασία.
Έλεγχος ταχύτητας Nissan, Isuzu, Mitsubishi Χρησιμοποιείται για την προσαρμογή της ρύθμισης του γκαζιού για να ορίσετε την ταχύτητα και την επιτάχυνση του αυτοκινήτου
Πλυντήριο πιάτων Matsushita Χρησιμοποιείται για την προσαρμογή του κύκλου καθαρισμού, των στρατηγικών ξεβγάλματος και πλύσης, ανάλογα με τον αριθμό των πιάτων και την ποσότητα φαγητού που σερβίρεται στα πιάτα.
Έλεγχος ασανσέρ Fujitec, Mitsubishi Electric, Toshiba Χρησιμοποιείται για τη μείωση του χρόνου αναμονής με βάση την επιβατική κίνηση
Διαγνωστικό σύστημα γκολφ Maruman Golf Επιλέγει λέσχη γκολφ με βάση την κούνια και τη σωματική διάπλαση του παίκτη γκολφ.
Διαχείριση φυσικής κατάστασης Omron Εφαρμόζονταν ασαφείς κανόνες για τον έλεγχο της καταλληλότητας των υπαλλήλων τους.
Έλεγχος κλιβάνου Χάλυβας Nippon Αναμειγνύεται τσιμέντο
Φούρνος μικροκυμάτων Mitsubishi Chemical Ορίζει την ισχύ και τη στρατηγική μαγειρέματος
Υπολογιστής παλάμης Hitachi, Sharp, Sanyo, Toshiba Αναγνωρίζει χειρόγραφους χαρακτήρες Kanji
Χάραξη πλάσματος Mitsubishi Electric Ορίζει χρόνο και στρατηγική χάραξης

Σημείωση: Πολλά από αυτά τα προϊόντα χρονολογούνται από την άνθηση των συσκευών ασαφούς φωτισμού στα τέλη της δεκαετίας του 1980 και του 1990. Η Matsushita διαπραγματεύεται ως Panasonic από το 2008.

Πλεονεκτήματα του συστήματος Fuzzy Logic

Οι μηχανικοί συνεχίζουν να καταφεύγουν σε ασαφείς ελεγκτές επειδή αγοράζουν φθηνά την ανοχή σε ακατάστατες εισόδους.

  • Η δομή των συστημάτων ασαφούς λογικής είναι απλή και κατανοητή.
  • Η ασαφής λογική χρησιμοποιείται ευρέως για εμπορικούς και πρακτικούς σκοπούς
  • Η ασαφής λογική στην τεχνητή νοημοσύνη σάς βοηθά να ελέγχετε μηχανές και καταναλωτικά προϊόντα
  • Μπορεί να μην προσφέρει ακριβή συλλογισμό, αλλά προσφέρει συλλογισμό που είναι αποδεκτός στην πράξη.
  • Ασαφής λογική Data Mining σας βοηθά να αντιμετωπίσετε την αβεβαιότητα στη μηχανική
  • Κυρίως στιβαρό, καθώς δεν απαιτούνται ακριβείς εισροές
  • Μπορεί να προγραμματιστεί ώστε να συνεχίζει να λειτουργεί σε περιπτώσεις όπου ένας αισθητήρας ανάδρασης σταματά να ανταποκρίνεται
  • Μπορεί εύκολα να τροποποιηθεί για να βελτιώσει ή να αλλάξει την απόδοση του συστήματος
  • Μπορούν να χρησιμοποιηθούν φθηνοί αισθητήρες, κάτι που σας βοηθά να διατηρήσετε χαμηλό το συνολικό κόστος και την πολυπλοκότητα του συστήματος
  • Προσφέρει μια εξαιρετικά αποτελεσματική λύση σε πολύπλοκα προβλήματα

Μειονεκτήματα των Συστημάτων Ασαφής Λογικής

  • Η ασαφής λογική δεν είναι πάντα ακριβής. Τα αποτελέσματα προέρχονται από υποθέσεις, επομένως ενδέχεται να μην είναι ευρέως αποδεκτά.
  • Τα ασαφή συστήματα από μόνα τους δεν μαθαίνουν, σε αντίθεση με ένα νευρικό σύστημα με την ικανότητά του να αναγνωρίζει μοτίβα
  • Η επικύρωση και η επαλήθευση ενός ασαφούς συστήματος βασισμένου στη γνώση απαιτεί εκτεταμένες δοκιμές με υλικό.
  • Ο καθορισμός ακριβών ασαφών κανόνων και συναρτήσεων συμμετοχής είναι ένα δύσκολο έργο
  • Η ασαφής λογική συγχέεται συχνά με τη θεωρία πιθανοτήτων και τα δύο λεξιλόγια μπερδεύονται.

Συχνές Ερωτήσεις

Μια συνάρτηση συμμετοχής είναι ο χάρτης καμπύληςping κάθε τιμή εισόδου σε βαθμό μεταξύ 0 και 1. Μετατρέπει μια γλωσσική ετικέτα όπως «ζεστό» σε ένα σχήμα με το οποίο μπορεί να υπολογίσει ένας ελεγκτής.

Τα τριγωνικά σχήματα ταιριάζουν σε μία μόνο ιδανική τιμή, τα τραπεζοειδή σχήματα σε μια άνετη ζώνη, τα γκαουσιανά σχήματα σε μια ομαλή διαφορίσιμη καμπύλη. Ξεκινήστε με τριγωνικό, το πιο φθηνό για υπολογισμό, και στη συνέχεια αλλάξτε αν η απόκριση είναι απότομη.

Οι κανόνες Mamdani παράγουν ένα ασαφές σύνολο και διαβάζονται σαν απλή γλώσσα ειδικών, ταιριάζοντας σε ελεγκτές σχεδιασμένους από ανθρώπους. Οι κανόνες Sugeno παράγουν μια μαθηματική συνάρτηση, η οποία είναι φθηνότερη στην αποασαφοποίηση και ευκολότερη στην αυτόματη ρύθμιση.

Το κεντροειδές, το κέντρο βάρους του συνόλου εξόδου, είναι η συνήθης προεπιλογή και αρκετά καλή για τις περισσότερες εφαρμογές. Οι μέθοδοι διχοτόμου και οι μέθοδοι που βασίζονται στο μέγιστο αξίζει να δοκιμαστούν όταν η απόκριση του κεντροειδούς είναι πολύ ομαλή.

Στους τυπικούς τελεστές Zadeh, το AND παίρνει το ελάχιστο των δύο βαθμών, το OR το μέγιστο, και το NOT υποδιαιρείται σε δύο βαθμούς.tracts ο βαθμός από το 1. Ανάγονται σε λογική Boolean όταν κάθε βαθμός είναι ακριβώς 0 ή 1.

Τα νευρο-ασαφή συστήματα διατηρούν ευανάγνωστους ασαφείς κανόνες, αλλά επιτρέπουν σε ένα δίκτυο να ρυθμίζει τις συναρτήσεις συμμετοχής από τα δεδομένα, συνδυάζοντας την ερμηνευσιμότητα των κανόνων των ειδικών με την προσαρμοστικότητα των εποπτευόμενη μάθηση.

GitHub Copilot σχεδιάζει γρήγορα συναρτήσεις συμμετοχής, πίνακες κανόνων και σχεδιάζει κώδικα, αφαιρώντας τα περισσότερα στερεότυπα. Η σημασιολογία των κανόνων εξακολουθεί να χρειάζεται έναν ειδικό, επειδή ένα σύνολο κανόνων που φαίνεται εύλογο μπορεί να είναι λανθασμένο για την εγκατάστασή σας.

Python Οι προγραμματιστές χρησιμοποιούν το scikit-fuzzy, οι μηχανικοί το MATLAB Fuzzy Logic Toolbox, οι ομάδες ενσωματωμένων συστημάτων γράφουν χειροκίνητα την αριθμητική min-max. Και οι τρεις ακολουθούν τον παραπάνω αγωγό fuzzify, infer και defuzzify.

Συνοψίστε αυτήν την ανάρτηση με: