O que é lógica difusa? ArchiDiagrama de textura e aplicação
Evelyn Clarke
⚡ Resumo Inteligente
A lógica fuzzy é um método de raciocínio multivalorado no qual a verdade assume qualquer valor real entre 0 e 1, permitindo que as máquinas lidem com informações vagas, parciais e incertas de maneira muito semelhante ao julgamento humano.
O que é lógica difusa?
Lógica difusa A lógica fuzzy é uma lógica multivalorada na qual o valor de verdade de uma variável pode ser qualquer número real entre 0 e 1. Ela lida com o conceito de verdade parcial. Na vida real, frequentemente nos deparamos com situações em que não conseguimos decidir se uma afirmação é completamente verdadeira ou completamente falsa. Nesses casos, a lógica fuzzy oferece uma flexibilidade muito valiosa para o raciocínio.
Esse valor é chamado de grau de adesão: 0 significa nenhuma participação, 1 significa participação total e 0.7 significa participação parcial. Um algoritmo fuzzy pondera todos os dados disponíveis nessa escala e, em seguida, toma a melhor decisão possível para a entrada fornecida. O método imita a tomada de decisão humana, que considera todas as possibilidades entre os valores digitais V e F.
História dos Sistemas Lógicos Fuzzy
A lógica multivalorada é mais antiga que o próprio nome: Jan Łukasiewicz descreveu uma lógica trivalorada na década de 1920. O passo decisivo ocorreu em 1965, quando Lotfi Zadeh, professor da Universidade da Califórnia em Berkeley, publicou o artigo. “Conjuntos Difusos” in Informação e ControleEle observou que a lógica computacional convencional não conseguia manipular dados que representassem ideias humanas subjetivas ou pouco claras.
A ideia chegou ao hardware em 1974, quando Ebrahim Mamdani construiu o primeiro controlador fuzzy funcional para uma máquina a vapor; fabricantes japoneses o comercializaram ao longo da década de 1980. Os algoritmos fuzzy agora abrangem toda a teoria de controle até... inteligência artificial, permitindo que um computador faça distinções entre dados que não são estritamente verdadeiros nem estritamente falsos — “um pouco escuro”, “bastante claro”, e assim por diante.
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 verdade não se restringe a dois valores; qualquer grau entre 0 e 1 pode representar uma solução.
- Método altamente adequado para raciocínio incerto ou aproximado
- A lógica difusa vê a inferência como um processo de propagação de restrições elásticas
- A lógica fuzzy permite construir funções não lineares de complexidade arbitrária.
- A lógica difusa deve ser construída com a orientação completa de especialistas
Quando não usar lógica difusa
A lógica difusa nunca é a solução para todos os problemas. É igualmente importante entender onde ela não deve ser usada.
Existem algumas situações em que é melhor evitar a lógica difusa:
- Se você não consegue mapear facilmente um espaço de entrada para um espaço de saída
- A lógica difusa não deve ser usada quando o bom senso já resolve o problema.
- Muitos controladores convencionais funcionam muito bem sem qualquer lógica fuzzy.
Lógica difusa Archiarquitetura
A arquitetura da Lógica Fuzzy possui quatro partes principais, e o diagrama abaixo mostra como uma entrada nítida percorre todas elas:
Base de regras
Contém todas as regras e as condições SE-ENTÃO oferecidas pelos especialistas para controlar o sistema de tomada de decisão. Trabalhos recentes em teoria fuzzy fornecem vários métodos para o projeto e ajuste de controladores fuzzy, e esses métodos reduzem significativamente o número de regras que um conjunto fuzzy necessita.
Fuzzificação
A fuzzificação converte entradas: transforma números nítidos em conjuntos fuzzy. As entradas nítidas são medidas por sensores — temperatura ambiente, pressão, etc. — e enviadas ao sistema de controle para processamento posterior. A conversão é feita por um... função de membro, uma curva que mapeia cada valor de entrada possível para um grau de pertinência entre 0 e 1.
Motor de inferência
O sistema determina o grau de correspondência entre a entrada difusa e cada regra. Com base nessa porcentagem de correspondência, decide quais regras devem ser aplicadas ao campo de entrada em questão. As regras aplicadas são então combinadas para desenvolver as ações de controle.
Defuzzificação
Por fim, a desfuzzificação converte os conjuntos fuzzy de volta em um único valor nítido. Existem diversas técnicas — métodos do centroide, da bissetriz e do máximo Essas são as opções mais comuns — então selecione aquela que melhor se adapta a você. sistema inteligente.
Lógica Fuzzy vs. Probabilidade
Imprecisão e probabilidade são frequentemente confundidas, embora respondam a perguntas diferentes.
| 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 crocante. |
| Verdadeiro/Falso {0,1} | Valores de associação em [0,1] |
| Na lógica rigorosa, a lei do terceiro excluído e a lei da não contradição podem ou não ser válidas. | Na lógica fuzzy, valem os princípios do terceiro excluído e da não contradição. |
Teoria dos Conjuntos Clássicos vs. Teoria dos Conjuntos 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 | Utilizado principalmente em controladores fuzzy e sistemas de raciocínio aproximado. |
Exemplos de lógica difusa
O diagrama abaixo torna concreta a escala de pertinência. Em um sistema fuzzy, os valores são denotados por um número de 0 a 1, onde 1.0 significa verdade absoluta e 0.0 significa falsidade absoluta.
Áreas de Aplicação da Lógica Fuzzy
A tabela abaixo mostra aplicações da lógica fuzzy por empresas conhecidas em seus produtos.
| Produto | Empresa | Lógica difusa |
|---|---|---|
| Freios anti-trava | Nissan | Utilize lógica fuzzy para controlar os freios em situações de risco, considerando a velocidade do veículo, a aceleração, a velocidade das rodas e a aceleração das rodas. |
| Transmissão automática | 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 | Utilizado para selecionar a marcha 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 | Utilizado para ajustar a posição do acelerador e, assim, definir a velocidade e a aceleração do carro. |
| Lava-louças | Matsushita | Utilizado para ajustar o ciclo de limpeza, as estratégias de enxágue e lavagem, dependendo da quantidade de louça e da quantidade de comida servida na louça. |
| Controle de elevador | Fujitec, Mitsubishi Electric, Toshiba | Utilizado para reduzir o tempo de espera com base no fluxo de passageiros. |
| Sistema de diagnóstico de golfe | Maruman Golf | Seleciona o taco de golfe com base no swing e no físico do golfista. |
| Gestão de condicionamento físico | Omron | Regras imprecisas foram aplicadas para verificar a aptidão de seus funcionários. |
| Controle de forno | Aço nipônico | Mistura cimento |
| Forno de micro-ondas | Mitsubishi Química | Define a estratégia de energia e culinária. |
| Palmtop | Hitachi, Sharp, Sanyo, Toshiba | Reconhece caracteres Kanji manuscritos |
| Gravura de plasma | Mitsubishi Electric | Define tempo e estratégia de gravação |
Observação: Muitos desses produtos datam do boom dos eletrodomésticos modernos do final dos anos 1980 e 1990; a Matsushita opera sob o nome Panasonic desde 2008.
Vantagens do sistema lógico difuso
Os engenheiros continuam a optar por controladores fuzzy porque estes permitem obter tolerância a entradas inconsistentes a um custo baixo.
- A estrutura dos sistemas de lógica fuzzy é simples e compreensível.
- A lógica fuzzy é amplamente utilizada para fins comerciais e práticos
- A lógica difusa em IA ajuda a controlar máquinas e produtos de consumo.
- Pode não oferecer um raciocínio exato, mas oferece um raciocínio que é aceitável na prática.
- Lógica difusa em Data Mining Ajuda você a lidar com a incerteza na engenharia.
- Em geral, é robusto, pois não requer entradas precisas.
- Ele pode ser programado para continuar funcionando em situações em que um sensor de feedback para de responder.
- Pode ser facilmente modificado para melhorar ou alterar o desempenho do sistema
- É possível utilizar sensores de baixo custo, o que ajuda a manter o custo e a complexidade geral do sistema baixos.
- Oferece uma solução altamente eficaz para problemas complexos.
Desvantagens dos sistemas lógicos difusos
- A lógica difusa nem sempre é precisa; os resultados são derivados de suposições, portanto podem não ser amplamente aceitos.
- Sistemas fuzzy, por si só, não aprendem, ao contrário de um rede neural com sua capacidade de reconhecimento de padrões
- A validação e verificação de um sistema baseado em conhecimento difuso requer testes extensivos com hardware.
- Definir regras fuzzy e funções de pertinência exatas é uma tarefa difícil.
- A lógica fuzzy é frequentemente confundida com a teoria da probabilidade, e os dois vocabulários acabam se misturando.
