Tutorial de lógica difusa: o que é, Archiarquitetura, aplicação, exemplo

O que é lógica difusa?

Lógica difusa é definido como uma forma lógica de muitos valores que pode ter valores verdade de variáveis ​​​​em qualquer número real entre 0 e 1. É o conceito de verdade parcial. Na vida real, podemos nos deparar com uma situação em que não conseguimos decidir se a afirmação é verdadeira ou falsa. Nesse momento, a lógica difusa oferece uma flexibilidade muito valiosa para o raciocínio.

O algoritmo de lógica difusa ajuda a resolver um problema depois de considerar todos os dados disponíveis. Em seguida, ele toma a melhor decisão possível para a entrada fornecida. O método FL imita a forma de tomada de decisão de um ser humano que considera todas as possibilidades entre os valores digitais T e F.

História dos Sistemas Lógicos Fuzzy

Embora o conceito de lógica fuzzy tenha sido estudado desde a década de 1920. O termo lógica difusa foi usado pela primeira vez em 1965 por Lotfi Zadeh, professor da UC Berkeley, na Califórnia. Ele observou que a lógica computacional convencional não era capaz de manipular dados que representassem ideias humanas subjetivas ou pouco claras.

O algoritmo fuzzy foi aplicado a vários campos, desde a teoria de controle até a IA. Ele foi projetado para permitir que o computador determine distinções entre dados que não são verdadeiros nem falsos. Algo semelhante ao processo de raciocínio humano. Como pouco escuro, algum brilho, etc.

Características da lógica difusa

Aqui estão algumas características importantes da lógica fuzzy:

  • Flexível e fácil de implementar aprendizado de máquina técnica
  • Ajuda você a imitar a lógica do pensamento humano
  • A lógica pode ter dois valores que representam duas soluções possíveis
  • Método altamente adequado para raciocínio incerto ou aproximado
  • A lógica difusa vê a inferência como um processo de propagação de restrições elásticas
  • A lógica difusa permite construir funções não lineares de comandos arbitráriosplexity.
  • A lógica difusa deve ser construída com a orientação completa de especialistas

Quando não usar lógica difusa

No entanto, a lógica difusa nunca é uma cura para todos. Portanto, é igualmente importante entender que não devemos usar lógica fuzzy.

Aqui estão algumas situações em que é melhor não usar a Lógica Fuzzy:

  • Se você não achar conveniente mapear um espaço de entrada para um espaço de saída
  • A lógica difusa não deve ser usada quando você pode usar o bom senso
  • Muitos controladores podem fazer um bom trabalho sem o uso de lógica difusa

Lógica difusa Archiarquitetura

Lógica difusa Archiarquitetura
Lógica difusa Archiarquitetura

Lógica difusa archiA arquitetura tem quatro partes principais, conforme mostrado no diagrama:

Base de regras

Contém todas as regras e as condições “se-então” oferecidas pelos especialistas para controlar o sistema de tomada de decisão. A recente atualização na teoria fuzzy fornece vários métodos para o projeto e ajuste de controladores fuzzy. Essas atualizações reduzem significativamente o número do conjunto difuso de regras.

Fuzzificação

A etapa de fuzzificação ajuda a converter entradas. Ele permite que você converta números nítidos em conjuntos difusos. Entradas nítidas medidas por sensores e passadas para o sistema de controle para processamento posterior. Como temperatura ambiente, pressão, etc.

Motor de inferência

Ajuda a determinar o grau de correspondência entre a entrada difusa e as regras. Com base na% de correspondência, determina quais regras precisam ser implementadas de acordo com o campo de entrada fornecido. Depois disso, as regras aplicadas são combinadas para desenvolver as ações de controle.

Defuzzificação

Por fim, o processo de Defuzzificação é realizado para converter os conjuntos fuzzy em um valor crisp. Existem muitos tipos de técnicas disponíveis, então você precisa selecionar aquela que é mais adequada quando usada com um sistema especialista.

Lógica Fuzzy vs. Probabilidade

Lógica difusa Probabilidade
Fuzzy: O grau de pertencimento de Tom ao conjunto de idosos é de 0.90. Probabilidade: Há 90% de chance de Tom ser velho.
A lógica difusa toma graus de verdade como base matemática no modelo do fenômeno da imprecisão. A probabilidade é um modelo matemático de ignorância.

Nítido vs.

Crisp felpudo
Tem limite estrito T ou F Limite difuso com um grau de adesão
Algum tempo definido pode ser confuso Não pode ser nítido
Verdadeiro/Falso {0,1} Valores de associação em [0,1]
Na lógica nítida, a lei do meio excluído e da não contradição pode ou não ser válida Na lei da lógica difusa do meio excluído e da não contradição, vale

Teoria dos Conjuntos Clássicos vs. Conjunto Fuzzy

Conjunto Clássico Teoria dos Conjuntos Fuzzy
Classes de objetos com limites nítidos. As classes de objetos não possuem limites nítidos.
Um conjunto clássico é definido por limites nítidos, ou seja, há clareza sobre a localização dos limites do conjunto. Um conjunto fuzzy sempre possui limites ambíguos, ou seja, pode haver incerteza sobre a localização dos limites do conjunto.
Amplamente utilizado em design de sistemas digitais Usado apenas em controladores fuzzy.

Exemplos de lógica difusa

Veja o diagrama fornecido abaixo. Mostra que em um sistema Fuzzy, os valores são denotados por um número de 0 a 1. Neste exemplo, 1.0 significa verdade absoluta e 0.0 significa falsidade absoluta.

Lógica Fuzzy com Exemplo
Lógica Fuzzy com Exemplo

Áreas de Aplicação da Lógica Fuzzy

A tabela Blow dada mostra a aplicação da lógica Fuzzy por empresas famosas em seus produtos.

Produto Empresa Lógica difusa
Freios anti-trava Nissan Use lógica difusa para controlar os freios em casos perigosos, dependendo da velocidade, aceleração, velocidade das rodas e aceleração do carro
Auto transmission NOK/Nissan A lógica difusa é usada para controlar a injeção de combustível e a ignição com base na configuração do acelerador, temperatura da água de resfriamento, RPM, etc.
Motor automático honda, nissan Use para selecionar a opção com base na carga do motor, estilo de condução e condições da estrada.
Copiadora Canon Utilizado para ajustar a tensão do tambor com base na densidade da imagem, umidade e temperatura.
Controle de cruzeiro Nissan, Isuzu, Mitsubishi Use-o para ajustar a configuração do acelerador para definir a velocidade e aceleração do carro
Lava-louças Matsushita Utilize para ajustar o ciclo de limpeza, as estratégias de enxágue e lavagem dependem da quantidade de pratos e da quantidade de comida servida nos pratos.
Controle de elevador Fujitec, Mitsubishi Electric, Toshiba Use-o para reduzir o tempo de espera com base no tráfego de passageiros
Sistema de diagnóstico de golfe Maruman Golf Seleciona o clube de golfe com base nas habilidades do jogador de golfewing e físico.
Gestão de condicionamento físico Omron Regras difusas implícitas por eles para verificar a aptidão de seus funcionários.
Controle de forno Aço nipônico Mistura cimento
Forno de micro-ondas Mitsubishi Química Define o poder da lua e a estratégia de cozimento
Palmtop Hitachi, Sharp, Sanyo, Toshiba Reconhece caracteres Kanji manuscritos
Gravura de plasma Mitsubishi Electric Define tempo e estratégia de gravação

Vantagens do sistema lógico difuso

  • A estrutura dos Sistemas Lógicos Fuzzy é fácil e compreensível
  • A lógica fuzzy é amplamente utilizada para fins comerciais e práticos
  • A lógica difusa em IA ajuda você a controlar máquinas e produtos de consumo
  • Pode não oferecer um raciocínio preciso, mas o único raciocínio aceitável
  • Lógica difusa em Data Mining ajuda você a lidar com a incerteza na engenharia
  • Principalmente robusto, pois não são necessárias entradas precisas
  • Pode ser programado para a situação em que o sensor de feedback para de funcionar
  • Pode ser facilmente modificado para melhorar ou alterar o desempenho do sistema
  • sensores baratos podem ser usados, o que ajuda a manter o custo geral do sistema e complexbaixa
  • Ele fornece uma solução mais eficaz para complex questões

Desvantagens dos sistemas lógicos difusos

  • A lógica difusa nem sempre é precisa, portanto, os resultados são percebidos com base em suposições e, portanto, podem não ser amplamente aceitos.
  • Os sistemas difusos não têm a capacidade de aprendizado de máquina, bem como de reconhecimento de padrões de tipo de rede neural
  • A validação e verificação de um sistema baseado em conhecimento difuso precisa de testes extensivos com hardware
  • Definir regras exatas e difusas e funções de associação é uma tarefa difícil
  • Alguma lógica de tempo difusa é confundida com a teoria da probabilidade e os termos

Resumo

  • O termo difuso significa coisas que não são muito claras ou vagas
  • O termo lógica difusa foi usado pela primeira vez em 1965 por Lotfi Zadeh, professor da UC Berkeley, na Califórnia.
  • A lógica fuzzy é uma técnica de aprendizado de máquina flexível e fácil de implementar
  • A lógica difusa não deve ser usada quando você pode usar o bom senso
  • Lógica difusa archiA arquitetura tem quatro partes principais 1) Regra Basse 2) Fuzzificação 3) Mecanismo de Inferência 4) Defuzzificação
  • A lógica difusa toma graus de verdade como base matemática no modelo da imprecisão, enquanto a probabilidade é um modelo matemático de ignorância
  • O conjunto Crisp tem limite estrito T ou F, enquanto o limite Fuzzy tem um grau de adesão
  • Um conjunto clássico é amplamente utilizado em projetos de sistemas digitais, enquanto um conjunto fuzzy é usado apenas em controladores fuzzy.
  • Auto transmission, Gerenciamento de condicionamento físico, Sistema de diagnóstico de golfe, Máquina de lavar louça, Copiadora são algumas áreas de aplicações da Lógica Fuzzy
  • A lógica difusa na Soft Computing ajuda você a controlar máquinas e produtos de consumo