Što je neizrazita logika? ArchiDijagram i primjena teksture

By: Evelyn Clarke Evelyn Clarke
Hours Ažurirano

⚡ Pametni sažetak

Fuzzy logika je metoda viševrijednosnog zaključivanja u kojoj istina uzima bilo koju realnu vrijednost između 0 i 1, što omogućuje strojevima da obrađuju nejasne, djelomične i nesigurne informacije slično ljudskom rasuđivanju.

  • 🔘 Djelomična istina: Izjava nije samo istinita ili lažna; ona nosi stupanj pripadnosti intervalu [0, 1].
  • ☑️ Četverodijelna arhitektura: Svaki fuzzy sustav povezuje bazu pravila, fuzzifikaciju, mehanizam za zaključivanje i defuzzifikaciju.
  • ✅ Pravila stručnjaka: Ponašanje dolazi od ljudskih AKO-ONDA pravila, tako da sustav ostaje čitljiv i podložan reviziji.
  • 🧪 Nije vjerojatnost: Nejasnoća modelira nejasnoću oko značenja, dok vjerojatnost modelira neizvjesnost oko ishoda.
  • 🛠️ Dokazano u hardveru: ABS kočnice, dizala, perilice posuđa, peći i kamere imaju fuzzy kontrolere.
  • ️ Poznate granice: Neizraziti sustavi ne uče sami od sebe, a podešavanje pravila i funkcija pripadnosti ostaje ručno.
Pročitaj više

Arhitektura, primjene i primjeri neizrazite logike

Što je neizrazita logika?

Mutna logika je viševrijednosna logika u kojoj istinitosna vrijednost varijable može biti bilo koji realni broj između 0 i 1. Obrađuje koncept djelomične istine. U stvarnom životu često se susrećemo sa situacijom u kojoj ne možemo odlučiti je li neka tvrdnja potpuno istinita ili potpuno lažna. U tom trenutku, neizrazita logika nudi vrlo vrijednu fleksibilnost za zaključivanje.

Ta vrijednost se naziva stupanj članstva: 0 znači da uopće nema članstva, 1 znači puno članstvo, a 0.7 znači djelomično članstvo. Neizraziti algoritam važe sve dostupne podatke na toj skali, a zatim donosi najbolju moguću odluku za zadani ulaz. Metoda oponaša ljudsko donošenje odluka, koje razmatra svaku mogućnost između digitalnih vrijednosti T i F.

Povijest neizrazitih logičkih sustava

Viševrijednosna logika starija je od samog imena: Jan Łukasiewicz opisao je trovrijednosnu logiku 1920-ih. Odlučujući korak dogodio se 1965. godine, kada je Lotfi Zadeh, profesor na UC Berkeleyju u Kaliforniji, objavio rad "Nejasni skupovi" in Informacije i kontrolaPrimijetio je da konvencionalna računalna logika ne može manipulirati podacima koji predstavljaju subjektivne ili nejasne ljudske ideje.

Ideja je došla do hardvera 1974. godine, kada je Ebrahim Mamdani izgradio prvi funkcionalni fuzzy regulator za parni stroj; japanski proizvođači su ga komercijalizirali tijekom 1980-ih. Fuzzy algoritmi sada obuhvaćaju teoriju upravljanja do umjetna inteligencija, omogućujući računalu da razlikuje podatke koji nisu ni strogo istiniti ni strogo lažni - „malo tamni“, „prilično svijetli“ i tako dalje.

Karakteristike neizrazite logike

Evo nekih važnih karakteristika fuzzy logike:

  • Fleksibilan i jednostavan za implementaciju stroj za učenje tehnika
  • Pomaže vam oponašati logiku ljudske misli
  • Istina nije ograničena na dvije vrijednosti; bilo koji stupanj između 0 i 1 može predstavljati rješenje
  • Vrlo prikladna metoda za nesigurno ili približno zaključivanje
  • Neizrazita logika na zaključivanje gleda kao na proces širenja elastičnih ograničenja
  • Fuzzy logika vam omogućuje izgradnju nelinearnih funkcija proizvoljne složenosti
  • Neizrazitu logiku treba izgraditi uz potpuno vodstvo stručnjaka

Kada ne koristiti neizrazitu logiku

Neizrazita logika nikada nije lijek za sve. Jednako je važno razumjeti gdje je ne biste trebali koristiti.

Evo određenih situacija u kojima je bolje izbjegavati fuzzy logiku:

  • Ako ne možete jednostavno mapirati ulazni prostor u izlazni prostor
  • Neizrazita logika se ne bi trebala koristiti kada običan zdrav razum već rješava problem.
  • Mnogi konvencionalni kontroleri rade dobar posao bez ikakve nejasne logike.

Mutna logika Architektura

Arhitektura fuzzy logike ima četiri glavna dijela, a dijagram ispod prikazuje kako jasan ulaz putuje kroz sve njih:

Arhitektura neizrazite logike s bazom pravila, fuzzifikacijom, mehanizmom za zaključivanje i defuzzifikacijom
Mutna logika Architektura

Baza pravila

Sadrži sva pravila i AKO-ONDA uvjete koje nude stručnjaci za upravljanje sustavom donošenja odluka. Nedavni rad u neizrazitoj teoriji pruža različite metode za dizajn i podešavanje neizrazitih regulatora, a te metode značajno smanjuju broj pravila potrebnih neizrazitom skupu.

Fuzzifikacija

Fuzifikacija pretvara ulazne podatke: pretvara jasne brojeve u fuzzy skupove. Jasni ulazi mjere se senzorima - sobna temperatura, tlak i tako dalje - i prosljeđuju se u upravljački sustav na daljnju obradu. Pretvorba se vrši pomoću funkcija pripadnosti, krivulja koja preslikava svaku moguću ulaznu vrijednost na stupanj pripadnosti između 0 i 1.

Zaključak motora

Određuje stupanj podudaranja između fuzzy ulaza i svakog pravila. Na temelju tog postotka podudaranja odlučuje koja se pravila trebaju primijeniti na zadano ulazno polje. Primijenjena pravila se zatim kombiniraju kako bi se razvile kontrolne akcije.

Defuzizacija

Konačno, defuzifikacija pretvara fuzzy skupove natrag u jednu jasnu vrijednost. Postoji nekoliko tehnika - centroid, simetrala i metode temeljene na maksimumu su uobičajeni izbori - stoga odaberite onaj koji vam najbolje odgovara ekspertni sustav.

POVEZANI ČLANCI

Neizrazita logika protiv vjerojatnosti

Nejasnoća i vjerojatnost se rutinski brkaju, a ipak odgovaraju na različita pitanja.

Mutna logika Vjerojatnost
Fuzzy: Tomov stupanj pripadnosti skupu starih ljudi je 0.90. Vjerojatnost: Postoji 90% šanse da je Tom star.
Neizrazita logika uzima stupnjeve istine kao matematičku osnovu na modelu fenomena neodređenosti. Vjerojatnost je matematički model neznanja.

Oštar vs. Fuzzy

Hrskav nejasan
Ima strogu granicu T ili F Nejasna granica sa stupnjem pripadnosti
Neki oštri vremenski set može biti nejasan Ne može biti hrskavo
Točno/Netočno {0,1} Vrijednosti članstva na [0,1]
U jasnoj logici, zakon isključenog srednjeg i neproturječja može, ali i ne mora vrijediti. U neizrazitoj logici vrijedi zakon isključenog srednjeg i nekontradikcije.

Klasična teorija skupova u odnosu na teoriju nejasnih skupova

Klasični set Teorija neizrazitih skupova
Klase objekata s oštrim granicama. Klase objekata nemaju oštre granice.
Klasični skup definiran je jasnim granicama, tj. postoji jasnoća o položaju granica skupa. Nejasni skup uvijek ima dvosmislene granice, tj. može postojati nesigurnost oko lokacije granica skupa.
Široko se koristi u dizajnu digitalnih sustava Koristi se uglavnom u fuzzy regulatorima i sustavima s približnim zaključivanjem.

Primjeri neizrazite logike

Donji dijagram konkretizira skalu članstva. U neizrazitom sustavu vrijednosti su označene brojem od 0 do 1, gdje 1.0 znači apsolutnu istinu, a 0.0 znači apsolutnu neistinu.

Skala istinitosti neizrazite logike kreće se od 0.0 apsolutno netočno do 1.0 apsolutno točno

Neizrazita logika s primjerom

Područja primjene neizrazite logike

Donja tablica prikazuje primjenu fuzzy logike od strane poznatih tvrtki u njihovim proizvodima.

Proizvod Tvrtka Mutna logika
Kočnice protiv blokiranja Nissan Koristite neizrazitu logiku za upravljanje kočnicama u opasnim slučajevima, ovisno o brzini automobila, ubrzanju, brzini kotača i ubrzanju kotača
Automatski mjenjač NOK/Nissan Neizrazita logika koristi se za kontrolu ubrizgavanja goriva i paljenja na temelju postavke gasa, temperature rashladne vode, broja okretaja u minuti itd.
Auto motor honda, nissan Koristi se za odabir stupnja prijenosa na temelju opterećenja motora, stila vožnje i uvjeta na cesti.
Masina za kopiranje Kanon Koristi se za podešavanje napona bubnja na temelju gustoće slike, vlažnosti i temperature.
Tempomat Nissan, Isuzu, Mitsubishi Koristi se za podešavanje gasa za podešavanje brzine i ubrzanja automobila
Stroj za pranje posuđa Matsushita Koristi se za podešavanje ciklusa čišćenja, strategija ispiranja i pranja, ovisno o broju posuđa i količini hrane poslužene na posuđu.
Upravljanje liftom Fujitec, Mitsubishi Electric, Toshiba Koristi se za smanjenje vremena čekanja na temelju putničkog prometa
Golf dijagnostički sustav Maruman Golf Odabire palicu za golf na temelju zamaha i tjelesne građe igrača golfa.
Upravljanje fitnessom Omron Primjenjivala su se nejasna pravila za provjeru sposobnosti svojih zaposlenika.
Kontrola peći Nippon čelik Miješa cement
Mikrovalna pećnica Mitsubishi Chemical Postavlja snagu i strategiju kuhanja
Palmtop računalo Hitachi, Sharp, Sanyo, Toshiba Prepoznaje rukom pisane Kanji znakove
Narezivanje u plazmi Mitsubishi Electric Postavlja vrijeme i strategiju graviranja

Bilješka: Mnogi od ovih proizvoda datiraju iz razdoblja procvata fuzzy uređaja s kraja 1980-ih i 1990-ih; Matsushita posluje kao Panasonic od 2008.

Prednosti neizrazitog logičkog sustava

Inženjeri stalno posežu za fuzzy kontrolerima jer jeftino kupuju toleranciju na neuredne ulaze.

  • Struktura fuzzy logičkih sustava je jednostavna i razumljiva
  • Neizrazita logika naširoko se koristi u komercijalne i praktične svrhe
  • Neizrazita logika u umjetnoj inteligenciji pomaže vam u kontroli strojeva i potrošačkih proizvoda
  • Možda ne nudi točno obrazloženje, ali nudi obrazloženje koje je prihvatljivo u praksi.
  • Nejasna logika u Data Mining pomaže vam u suočavanju s neizvjesnošću u inženjerstvu
  • Uglavnom robusno, jer nisu potrebni precizni unosi
  • Može se programirati da nastavi raditi u situacijama kada senzor povratne veze prestane reagirati
  • Može se lako modificirati kako bi se poboljšala ili promijenila izvedba sustava
  • Mogu se koristiti jeftini senzori, što vam pomaže da smanjite ukupne troškove i složenost sustava
  • Pruža vrlo učinkovito rješenje za složene probleme

Nedostaci neizrazitih logičkih sustava

  • Neizrazita logika nije uvijek točna; rezultati su izvedeni iz pretpostavki, pa možda nisu široko prihvaćeni.
  • Neizraziti sustavi sami po sebi ne uče, za razliku od neuronska mreža sa svojom sposobnošću prepoznavanja uzoraka
  • Validacija i verifikacija fuzzy sustava temeljenog na znanju zahtijeva opsežno testiranje hardverom
  • Postavljanje točnih nejasnih pravila i funkcija pripadnosti je težak zadatak
  • Neizrazita logika se često miješa s teorijom vjerojatnosti, a ta dva pojma se miješaju.

Pitanja i odgovori

Funkcija pripadnosti je karta krivuljeping svaku ulaznu vrijednost na stupanj između 0 i 1. Pretvara jezičnu oznaku poput "toplo" u oblik s kojim kontroler može računati.

Trokutasti oblici odgovaraju jednoj idealnoj vrijednosti, trapezoidni oblici udobnom pojasu, Gaussovi oblici glatkoj diferencijabilnoj krivulji. Započnite s trokutastim, najjeftinijim za izračunavanje, a zatim promijenite ako se odziv čini naglim.

Mamdanijeva pravila daju fuzzy skup i čitaju se kao običan stručni jezik, što odgovara kontrolerima koje su dizajnirali ljudi. Sugeno pravila daju matematičku funkciju, jeftiniju za defuzzifikaciju i lakšu za automatsko podešavanje.

Centroid, težište izlaznog skupa, uobičajena je zadana vrijednost i dovoljno je dobro za većinu primjena. Simetrala i metode temeljene na maksimumu vrijede isprobati kada je odziv centroida previše gladak.

U standardnim Zadehovim operatorima, I uzima minimum od dva stupnja, ILI maksimum, a NOT podstupanj.tracts stupanj od 1. Svode se na Booleovu logiku kada je svaki stupanj točno 0 ili 1.

Neuro-fuzzy sustavi zadržavaju čitljiva fuzzy pravila, ali dopuštaju mreži da podešava funkcije pripadnosti iz podataka, spajajući interpretabilnost ekspertnih pravila s prilagodljivošću nadzirano učenje.

GitHub kopilot brzo izrađuje nacrte funkcija pripadnosti, tablice pravila i iscrtava kod, uklanjajući većinu standardnih rješenja. Semantika pravila i dalje zahtijeva stručnjaka, jer skup pravila koji izgleda uvjerljivo može biti pogrešan za vaše postrojenje.

Python Programeri posežu za scikit-fuzzyjem, inženjeri za MATLAB Fuzzy Logic Toolboxom, a timovi za ugrađene sustave ručno pišu min-max aritmetiku. Sva tri slijede gore navedeni cjevovod fuzzify, infer i defuzzify.

Sažmite ovu objavu uz: