Cos'è la logica fuzzy? ArchiDiagramma della struttura e applicazione
Evelyn Clarke
⚡ Riepilogo intelligente
La logica fuzzy è un metodo di ragionamento a valori multipli in cui la verità assume qualsiasi valore reale compreso tra 0 e 1, consentendo alle macchine di gestire informazioni vaghe, parziali e incerte in modo molto simile al giudizio umano.
Cos'è la logica fuzzy?
Fuzzy Logic La logica fuzzy è una logica a valori multipli in cui il valore di verità di una variabile può essere qualsiasi numero reale compreso tra 0 e 1. Gestisce il concetto di verità parziale. Nella vita reale, ci troviamo spesso in situazioni in cui non possiamo decidere se un'affermazione sia completamente vera o completamente falsa. In questi casi, la logica fuzzy offre una flessibilità di ragionamento molto preziosa.
Quel valore è chiamato il grado di appartenenza: 0 significa nessuna appartenenza, 1 significa appartenenza completa e 0.7 significa appartenenza parziale. Un algoritmo fuzzy pondera tutti i dati disponibili su questa scala e quindi prende la decisione migliore possibile per l'input fornito. Il metodo imita il processo decisionale umano, che considera ogni possibilità tra i valori digitali T e F.
Storia dei sistemi logici fuzzy
La logica a più valori è più antica del nome: Jan Łukasiewicz descrisse una logica a tre valori negli anni '1920. Il passo decisivo arrivò nel 1965, quando Lotfi Zadeh, professore all'UC Berkeley in California, pubblicò l'articolo “Insiemi sfocati” in Informazione e controlloEgli osservò che la logica informatica convenzionale non era in grado di manipolare dati che rappresentavano idee umane soggettive o poco chiare.
L'idea ha raggiunto la fase hardware nel 1974, quando Ebrahim Mamdani costruì il primo controllore fuzzy funzionante per una macchina a vapore; i produttori giapponesi lo commercializzarono nel corso degli anni '1980. Gli algoritmi fuzzy ora spaziano dalla teoria del controllo a intelligenza artificiale, consentendo a un computer di tracciare distinzioni tra dati che non sono né strettamente veri né strettamente falsi — "un po' scuro", "abbastanza luminoso" e così via.
Caratteristiche della logica fuzzy
Ecco alcune caratteristiche importanti della logica fuzzy:
- Flessibile e facile da implementare machine learning per l'esame
- Ti aiuta a imitare la logica del pensiero umano
- La verità non si limita a due valori; qualsiasi grado compreso tra 0 e 1 può rappresentare una soluzione
- Metodo molto adatto per ragionamenti incerti o approssimativi
- La logica fuzzy vede l'inferenza come un processo di propagazione di vincoli elastici
- La logica fuzzy consente di costruire funzioni non lineari di complessità arbitraria
- La logica fuzzy dovrebbe essere costruita con la guida completa di esperti
Quando non utilizzare la logica fuzzy
La logica fuzzy non è mai la soluzione a tutti i problemi. È altrettanto importante capire quando non è opportuno utilizzarla.
Ecco alcune situazioni in cui è meglio evitare la logica fuzzy:
- Se non è possibile mappare comodamente uno spazio di input a uno spazio di output
- La logica fuzzy non dovrebbe essere utilizzata quando il buon senso è già sufficiente a risolvere il problema.
- Molti controllori convenzionali funzionano egregiamente anche senza ricorrere alla logica fuzzy.
Fuzzy Logic Architectura
L'architettura della logica fuzzy è composta da quattro parti principali, e il diagramma seguente mostra come un input preciso le attraversa tutte:
Base delle regole
Contiene tutte le regole e le condizioni IF-THEN proposte dagli esperti per controllare il sistema decisionale. Recenti studi sulla teoria fuzzy forniscono diversi metodi per la progettazione e la messa a punto dei controllori fuzzy, e questi metodi riducono significativamente il numero di regole necessarie a un insieme fuzzy.
Fuzzificazione
La fuzzificazione converte gli input: trasforma i numeri precisi in insiemi fuzzy. Gli input precisi vengono misurati da sensori (temperatura ambiente, pressione e così via) e trasmessi al sistema di controllo per l'ulteriore elaborazione. La conversione viene effettuata da un funzione di appartenenza, una curva che associa a ogni possibile valore di input un grado di appartenenza compreso tra 0 e 1.
Motore di inferenza
Questo sistema determina il grado di corrispondenza tra l'input fuzzy e ciascuna regola. In base a tale percentuale di corrispondenza, decide quali regole devono essere applicate al campo di input specificato. Le regole applicate vengono quindi combinate per sviluppare le azioni di controllo.
Defuzzificazione
Infine, la defuzzificazione riconverte gli insiemi fuzzy in un singolo valore preciso. Esistono diverse tecniche — metodo del baricentro, metodo della bisettrice e metodo basato sul massimo sono le scelte usuali — quindi seleziona quella più adatta a te sistema esperto.
Logica fuzzy contro probabilità
Spesso si confondono la vaghezza e la probabilità, eppure rispondono a domande diverse.
| Fuzzy Logic | Probabilità |
|---|---|
| Fuzzy: il grado di appartenenza di Tom all'insieme degli anziani è 0.90. | Probabilità: c'è una probabilità del 90% che Tom sia vecchio. |
| La logica fuzzy assume i gradi di verità come base matematica sul modello del fenomeno della vaghezza. | La probabilità è un modello matematico dell’ignoranza. |
Croccante contro Fuzzy
| Croccante | sfocato |
|---|---|
| Ha un confine stretto T o F | Confine sfocato con un grado di appartenenza |
| Alcuni tempi definiti possono essere confusi | Non può essere croccante |
| Vero/falso {0,1} | Valori di appartenenza su [0,1] |
| In termini di logica rigorosa, la legge del terzo escluso e di non contraddizione può valere o meno | Nella logica fuzzy valgono la legge del terzo escluso e la legge di non contraddizione |
Teoria degli insiemi classica contro teoria degli insiemi sfocati
| Insieme classico | Teoria degli insiemi fuzzy |
|---|---|
| Classi di oggetti con confini netti. | Le classi di oggetti non hanno confini netti. |
| Un insieme classico è definito da confini netti, ovvero c'è chiarezza sulla posizione dei confini dell'insieme. | Un insieme fuzzy ha sempre confini ambigui, cioè potrebbe esserci incertezza sulla posizione dei confini dell'insieme. |
| Ampiamente usato nella progettazione di sistemi digitali | Utilizzato principalmente nei controllori fuzzy e nei sistemi di ragionamento approssimato. |
Esempi di logica fuzzy
Il diagramma sottostante concretizza la scala di appartenenza. In un sistema fuzzy, i valori sono indicati da un numero compreso tra 0 e 1, dove 1.0 rappresenta la verità assoluta e 0.0 la falsità assoluta.
Aree applicative della logica fuzzy
La tabella seguente mostra le applicazioni della logica fuzzy da parte di aziende rinomate nei loro prodotti.
| Prodotto | Azienda | Fuzzy Logic |
|---|---|---|
| Freni antibloccaggio | Nissan | Utilizzare la logica fuzzy per controllare i freni in situazioni pericolose, in base alla velocità dell'auto, all'accelerazione, alla velocità delle ruote e all'accelerazione delle ruote. |
| Trasmissione automatica | NO/Nissan | La logica fuzzy viene utilizzata per controllare l'iniezione di carburante e l'accensione in base all'impostazione dell'acceleratore, alla temperatura dell'acqua di raffreddamento, al numero di giri, ecc. |
| Motore automatico | Honda, nissan | Utilizzato per selezionare la marcia in base al carico del motore, allo stile di guida e alle condizioni stradali. |
| Fotocopiatrice | Canone | Utilizzato per regolare la tensione del tamburo in base alla densità dell'immagine, all'umidità e alla temperatura. |
| Regolazione automatica della velocità | Nissan, Isuzu, Mitsubishi | Utilizzato per regolare l'acceleratore e impostare la velocità e l'accelerazione dell'auto. |
| Lavastoviglie | Matsushita | Utilizzato per regolare il ciclo di pulizia, le strategie di risciacquo e lavaggio, a seconda del numero di stoviglie e della quantità di cibo servita su di esse. |
| Controllo ascensore | Fujitec, Mitsubishi Electric, Toshiba | Utilizzato per ridurre i tempi di attesa in base al traffico passeggeri. |
| Sistema diagnostico per il golf | Maruma Golf | Seleziona la mazza da golf in base allo swing e alla corporatura del golfista. |
| Gestione della forma fisica | Omron | Regole fuzzy applicate per verificare l'idoneità dei dipendenti. |
| Controllo del forno | Acciaio Nippon | Mescola il cemento |
| Forno a microonde | Mitsubishi chimicashi | Imposta la potenza e la strategia di cottura |
| Computer palmare | Hitachi, Sharp, Sanyo, Toshiba | Riconosce i caratteri Kanji scritti a mano |
| Incisione al plasma | Mitsubishi Electric | Imposta il tempo e la strategia di incisione |
Nota: Molti di questi prodotti risalgono al boom degli elettrodomestici "fuzzy" della fine degli anni '1980 e degli anni '1990; Matsushita opera con il nome di Panasonic dal 2008.
Vantaggi del sistema logico fuzzy
Gli ingegneri continuano a ricorrere ai controllori fuzzy perché offrono una tolleranza a basso costo per input disordinati.
- La struttura dei sistemi di logica fuzzy è semplice e comprensibile
- La logica fuzzy è ampiamente utilizzata per scopi commerciali e pratici
- La logica fuzzy nell'IA ti aiuta a controllare macchine e prodotti di consumo
- Potrebbe non offrire un ragionamento esatto, ma offre un ragionamento accettabile nella pratica.
- Logica fuzzy inserita Data Mining ti aiuta ad affrontare l'incertezza nell'ingegneria
- Generalmente robusto, poiché non sono richiesti input precisi
- Può essere programmato per continuare a funzionare anche in situazioni in cui un sensore di feedback smette di rispondere
- Può essere facilmente modificato per migliorare o alterare le prestazioni del sistema
- È possibile utilizzare sensori economici, il che contribuisce a mantenere bassi i costi e la complessità complessivi del sistema.
- Offre una soluzione altamente efficace a problemi complessi
Svantaggi dei sistemi a logica fuzzy
- La logica fuzzy non è sempre accurata; i risultati derivano da ipotesi, quindi potrebbero non essere ampiamente accettati.
- I sistemi fuzzy da soli non imparano, a differenza di un rete neurale con la sua capacità di riconoscimento di modelli
- La validazione e la verifica di un sistema basato sulla conoscenza fuzzy richiedono test approfonditi con hardware
- Definire regole fuzzy precise e funzioni di appartenenza è un compito difficile
- La logica fuzzy viene spesso confusa con la teoria della probabilità e i due linguaggi si mescolano.
