Mi a fuzzy logika? Archiszerkezeti ábra és alkalmazás
Evelyn Clarke
⚡ Okos összefoglaló
A fuzzy logika egy sokértékű érvelési módszer, amelyben az igazság bármilyen valós értéket felvehet 0 és 1 között, lehetővé téve a gépek számára, hogy a homályos, részleges és bizonytalan információkat nagyjából az emberi ítélőképességhez hasonlóan kezeljék.
Mi az a fuzzy logika?
Zavaros logika egy többértékű logika, amelyben egy változó igazságértéke bármilyen valós szám lehet 0 és 1 között. Kezeli a részleges igazság fogalmát. A való életben gyakran találkozunk olyan helyzettel, amikor nem tudjuk eldönteni, hogy egy állítás teljesen igaz vagy teljesen hamis. Ezen a ponton a fuzzy logika nagyon értékes rugalmasságot kínál az érveléshez.
Ezt az értéket nevezik tagsági fokA 0 azt jelenti, hogy egyáltalán nincs tagság, az 1 a teljes tagságot, a 0.7 pedig a részleges tagságot jelenti. Egy fuzzy algoritmus mérlegeli az összes rendelkezésre álló adatot ezen a skálán, majd az adott bemenet alapján a lehető legjobb döntést hozza. A módszer az emberi döntéshozatalt utánozza, amely a T és F digitális értékek közötti összes lehetőséget figyelembe veszi.
A fuzzy logikai rendszerek története
A sokértékű logika régebbi, mint maga a név: Jan Łukasiewicz az 1920-as években írt le egy háromértékű logikát. A döntő lépés 1965-ben történt, amikor Lotfi Zadeh, a kaliforniai UC Berkeley professzora publikálta a cikket „Fuzzy halmazok” in Információ és ellenőrzésMegfigyelte, hogy a hagyományos számítógépes logika nem képes manipulálni a szubjektív vagy homályos emberi ötleteket képviselő adatokat.
Az ötlet 1974-ben jutott el a hardverekig, amikor Ebrahim Mamdani megépítette az első működő fuzzy vezérlőt egy gőzgéphez; a japán gyártók az 1980-as években kereskedelmi forgalomba hozták. A fuzzy algoritmusok ma már a szabályozáselméletet is magukban foglalják. mesterséges intelligencia, lehetővé téve a számítógép számára, hogy különbséget tegyen a sem szigorúan vett igaz, sem szigorúan vett hamis adatok között – „egy kicsit sötét”, „meglehetősen világos” és így tovább.
A fuzzy logika jellemzői
Íme a fuzzy logika néhány fontos jellemzője:
- Rugalmas és könnyen kivitelezhető gépi tanulás technika
- Segít utánozni az emberi gondolkodás logikáját
- Az igazság nem két értékre korlátozódik; a 0 és 1 közötti bármely fokszám jelenthet megoldást
- Nagyon alkalmas módszer bizonytalan vagy közelítő érvelésre
- A fuzzy logika a következtetést a rugalmas kényszerek terjedésének folyamataként tekinti
- A fuzzy logika lehetővé teszi tetszőleges komplexitású nemlineáris függvények létrehozását
- A fuzzy logikát szakértők teljes irányításával kell felépíteni
Mikor ne használjunk fuzzy logikát
A fuzzy logika soha nem mindenre gyógyír. Ugyanilyen fontos megérteni, hogy hol nem szabad használni.
Íme bizonyos helyzetek, amikor jobb elkerülni a fuzzy logikát:
- Ha nem tud kényelmesen leképezni egy bemeneti teret egy kimeneti térre
- A fuzzy logikát nem szabad használni, ha a józan ész már megoldja a problémát.
- Sok hagyományos vezérlő tökéletesen működik fuzzy logika nélkül is.
Zavaros logika Architectúra
A Fuzzy Logic architektúra négy fő részből áll, és az alábbi ábra azt mutatja, hogyan halad át egy éles bemenet mindegyiken:
Szabálybázis
Tartalmazza az összes szabályt és a szakértők által felkínált HA-AKKOR feltételeket a döntéshozatali rendszer szabályozására. A fuzzy elmélet területén végzett legújabb munkák számos módszert kínálnak a fuzzy szabályozók tervezésére és hangolására, és ezek a módszerek jelentősen csökkentik a fuzzy halmazhoz szükséges szabályok számát.
Fuzzification
A fuzzifikáció bemeneteket konvertál: éles számokat fuzzy halmazokká alakít. Az éles bemeneteket érzékelők mérik – szobahőmérséklet, nyomás stb. – és továbbítják a vezérlőrendszerbe további feldolgozás céljából. Az átalakítást egy tagsági funkció, egy görbe, amely minden lehetséges bemeneti értéket 0 és 1 közötti tagsági fokhoz rendel.
Következtetési motor
Meghatározza a fuzzy bemenet és az egyes szabályok közötti egyezés mértékét. Ezen százalékos egyezés alapján dönti el, hogy mely szabályokat kell alkalmazni az adott bemeneti mezőre. Az alkalmazott szabályokat ezután kombinálja a vezérlőműveletek kidolgozásához.
Defuzzification
Végül a defuzzifikáció a fuzzy halmazokat egyetlen éles értékké alakítja vissza. Több technika is létezik — centroid, felező és maximum alapú módszerek a szokásos választások – tehát válassza ki az Önhöz leginkább illőt szakértői rendszer.
Fuzzy Logic vs. Probability
A homályosságot és a valószínűséget rendszeresen összekeverik, mégis különböző kérdésekre adnak választ.
| Zavaros logika | Valószínűség |
|---|---|
| Fuzzy: Tom tagsági foka az idősek halmazán belül 0.90. | Valószínűség: 90% esély van arra, hogy Tom öreg. |
| A fuzzy logika az igazságfokokat veszi matematikai alapnak a homályosság jelenségének modelljén. | A valószínűség a tudatlanság matematikai modellje. |
Crisp vs. Fuzzy
| Ropogós | Elmosódott |
|---|---|
| Szigorú T vagy F határa van | Elmosódott határ bizonyos fokú tagsággal |
| Egyes éles időbeállítások homályosak lehetnek | Nem lehet ropogós |
| Igaz/hamis {0,1} | Tagsági értékek [0,1] |
| A szigorú logikában a kizárt közép és az ellentmondásmentesség törvénye érvényes lehet, de az is lehet, hogy nem. | A fuzzy logikában a kizárt közép és az ellentmondásmentesség törvénye érvényesül |
Klasszikus halmazelmélet vs. fuzzy halmazelmélet
| Klasszikus készlet | Fuzzy halmazelmélet |
|---|---|
| Éles határvonalú objektumok osztályai. | Az objektumok osztályainak nincsenek éles határai. |
| A klasszikus halmazt éles határok határozzák meg, azaz egyértelmű a halmazhatárok elhelyezkedése. | A fuzzy halmaznak mindig vannak kétértelmű határai, azaz bizonytalanság lehet a halmazhatárok elhelyezkedését illetően. |
| Széles körben használják a digitális rendszertervezésben | Főként fuzzy vezérlőkben és közelítő következtetésen alapuló rendszerekben használják. |
Fuzzy Logic Példák
Az alábbi ábra a tagsági skálát szemlélteti. Egy fuzzy rendszerben az értékeket 0-tól 1-ig terjedő számok jelölik, ahol az 1.0 az abszolút igazságot, a 0.0 pedig az abszolút hamisságot jelenti.
A fuzzy logika alkalmazási területei
Az alábbi táblázat ismert cégek fuzzy logika alkalmazásait mutatja be termékeikben.
| Termékek | Rólunk | Zavaros logika |
|---|---|---|
| Blokkolásgátló fékek | Nissan | Veszélyes esetekben fuzzy logika használatával vezérelhetők a fékek, az autó sebességétől, gyorsulásától, keréksebességétől és kerékgyorsulásától függően. |
| Automatikus sebességváltó | NOK/Nissan | A fuzzy logika az üzemanyag-befecskendezés és a gyújtás szabályozására szolgál a fojtószelep-beállítás, a hűtővíz hőmérséklet, a fordulatszám stb. alapján. |
| Auto motor | honda, nissan | A motor terhelése, a vezetési stílus és az útviszonyok alapján történő fokozatválasztásra szolgál. |
| Fénymásoló | Kánon | A dob feszültségének a kép sűrűsége, páratartalma és hőmérséklete alapján történő beállítására szolgál. |
| Ütemmérő (ACC) | Nissan, Isuzu, Mitsubishi | A gázkar beállítására szolgál az autó sebességének és gyorsulásának beállításához |
| Mosogatógép | Matsushita | A tisztítási ciklus, az öblítési és mosási stratégiák beállítására szolgál, az edények számától és az edényekre szórt étel mennyiségétől függően. |
| Lift vezérlés | Fujitec, Mitsubishi Electric, Toshiba | Az utasforgalom alapján a várakozási idő csökkentésére szolgál |
| Golf diagnosztikai rendszer | Maruman Golf | A golfütőt a golfozó lendülete és testalkata alapján választja ki. |
| Fitness menedzsment | Omron | Homályos szabályokat alkalmaztak az alkalmazottak alkalmasságának ellenőrzésére. |
| Kemencevezérlés | Nippon acél | Cementet kever |
| Mikrohullámú sütő | Mitsubishi Chemical | Beállítja az energiát és a főzési stratégiát |
| Palmtop számítógép | Hitachi, Sharp, Sanyo, Toshiba | Felismeri a kézzel írt kanji karaktereket |
| Plazma maratás | Mitsubishi Electric | Beállítja a maratási időt és a stratégiát |
Jegyzet: Ezen termékek közül sok az 1980-as évek végi és 1990-es évekbeli homályos háztartási gépek fellendüléséből származik; a Matsushita 2008 óta Panasonic néven kereskedik.
A fuzzy logikai rendszer előnyei
A mérnökök azért nyúlnak folyamatosan fuzzy vezérlőkhöz, mert olcsón vásárolnak toleranciát a zavaros bemenetekkel szemben.
- A fuzzy logikai rendszerek szerkezete egyszerű és érthető
- A fuzzy logikát széles körben használják kereskedelmi és gyakorlati célokra
- A mesterséges intelligencia fuzzy logikája segít a gépek és a fogyasztási cikkek irányításában
- Lehet, hogy nem kínál egzakt érvelést, de a gyakorlatban elfogadható érvelést kínál.
- Elfuserált logika Data Mining segít megbirkózni a mérnöki tudományok bizonytalanságával
- Többnyire robusztus, mivel nincs szükség pontos bemenetekre
- Úgy programozható, hogy olyan helyzetekben is működjön, amikor a visszacsatolás-érzékelő nem reagál
- Könnyen módosítható a rendszer teljesítményének javítása vagy megváltoztatása érdekében
- Olcsó érzékelők használhatók, ami segít alacsonyan tartani a rendszer összköltségét és bonyolultságát
- Rendkívül hatékony megoldást kínál összetett problémákra
A fuzzy logikai rendszerek hátrányai
- A fuzzy logika nem mindig pontos; az eredmények feltételezéseken alapulnak, ezért előfordulhat, hogy nem fogadják el őket széles körben.
- A fuzzy rendszerek önmagukban nem tanulnak, ellentétben egy neurális hálózat a mintázatfelismerő képességével
- Egy fuzzy tudásalapú rendszer validálása és verifikálása kiterjedt hardveres tesztelést igényel.
- A pontos fuzzy szabályok és tagsági függvények beállítása nehéz feladat.
- A fuzzy logikát gyakran összekeverik a valószínűségszámítással, és a két szókincs összekeveredik.
