Ce este logica fuzzy? ArchiDiagramă și aplicație de textură
Evelyn Clarke
⚡ Rezumat inteligent
Logica fuzzy este o metodă de raționament multivalentă în care adevărul ia orice valoare reală între 0 și 1, permițând mașinilor să gestioneze informații vagi, parțiale și incerte în același mod în care o face judecata umană.
Ce este logica fuzzy?
Logica Fuzzy este o logică multivocă în care valoarea de adevăr a unei variabile poate fi orice număr real între 0 și 1. Aceasta abordează conceptul de adevăr parțial. În viața reală, întâlnim adesea o situație în care nu putem decide dacă o afirmație este complet adevărată sau complet falsă. În acest caz, logica fuzzy oferă o flexibilitate foarte valoroasă pentru raționament.
Această valoare se numește gradul de apartenență0 înseamnă nicio apartenență, 1 înseamnă apartenență deplină, iar 0.7 înseamnă apartenență parțială. Un algoritm fuzzy cântărește toate datele disponibile pe acea scală și apoi ia cea mai bună decizie posibilă pentru datele de intrare date. Metoda imită procesul decizional uman, care ia în considerare fiecare posibilitate între valorile digitale T și F.
Istoria sistemelor logice fuzzy
Logica multivală este mai veche decât numele: Jan Łukasiewicz a descris o logică trivală în anii 1920. Pasul decisiv a venit în 1965, când Lotfi Zadeh, profesor la UC Berkeley din California, a publicat lucrarea. „Seturi fuzzy” in Informații și controlEl a observat că logica computerizată convențională nu putea manipula date care reprezentau idei umane subiective sau neclare.
Ideea a ajuns la nivelul hardware-ului în 1974, când Ebrahim Mamdani a construit primul controler fuzzy funcțional pentru un motor cu aburi; producătorii japonezi l-au comercializat în anii 1980. Algoritmii fuzzy se extind acum din teoria controlului până la inteligență artificială, permițând unui computer să facă distincții între date care nu sunt nici strict adevărate, nici strict false - „puțin întunecat”, „destul de luminos” și așa mai departe.
Caracteristicile logicii fuzzy
Iată câteva caracteristici importante ale logicii fuzzy:
- Flexibil și ușor de implementat masina de învățare tehnică
- Vă ajută să imitați logica gândirii umane
- Adevărul nu se limitează la două valori; orice grad între 0 și 1 poate reprezenta o soluție.
- Metodă foarte potrivită pentru raționamentul incert sau aproximativ
- Logica fuzzy vede inferența ca un proces de propagare a constrângerilor elastice
- Logica fuzzy vă permite să construiți funcții neliniare de complexitate arbitrară
- Logica fuzzy ar trebui construită cu îndrumarea completă a experților
Când să nu folosești logica fuzzy
Logica fuzzy nu este niciodată un leac pentru toate. Este la fel de important să înțelegem unde nu ar trebui să o folosim.
Iată câteva situații în care este mai bine să eviți logica fuzzy:
- Dacă nu puteți mapa în mod convenabil un spațiu de intrare la un spațiu de ieșire
- Logica fuzzy nu ar trebui folosită atunci când bunul simț rezolvă deja problema.
- Multe controlere convenționale își fac treaba bine, fără nicio logică fuzzy.
Logica Fuzzy Architectură
Arhitectura Fuzzy Logic are patru părți principale, iar diagrama de mai jos arată cum o intrare clară trece prin toate acestea:
Baza de reguli
Conține toate regulile și condițiile DACĂ-ATUNCI oferite de experți pentru a controla sistemul decizional. Lucrările recente în teoria fuzzy oferă diverse metode pentru proiectarea și reglarea controlerelor fuzzy, iar aceste metode reduc semnificativ numărul de reguli de care are nevoie o mulțime fuzzy.
Fuzificare
Fuzzificarea convertește intrările: transformă numerele precise în seturi fuzzy. Intrările precise sunt măsurate de senzori — temperatura camerei, presiunea și așa mai departe — și transmise sistemului de control pentru procesare ulterioară. Conversia se face printr-un funcție de membru, o curbă care mapează fiecare valoare de intrare posibilă la un grad de apartenență între 0 și 1.
Motor de inferență
Determină gradul de potrivire dintre datele de intrare fuzzy și fiecare regulă. Pe baza acestui procent de potrivire, decide ce reguli trebuie aplicate câmpului de intrare dat. Regulile aplicate sunt apoi combinate pentru a dezvolta acțiunile de control.
Defuzificare
În cele din urmă, defuzzificarea convertește mulțimile fuzzy înapoi într-o singură valoare precisă. Există mai multe tehnici — centroid, bisector și metode bazate pe maxime sunt alegerile obișnuite — așa că selectați-o pe cea mai potrivită pentru dvs. sistem expert.
Logica fuzzy vs. Probabilitate
Imprecizia și probabilitatea sunt confundate în mod obișnuit, totuși răspund la întrebări diferite.
| Logica Fuzzy | Probabilitate |
|---|---|
| Fuzzy: gradul de apartenență al lui Tom în setul de bătrâni este de 0.90. | Probabilitate: Există o șansă de 90% ca Tom să fie bătrân. |
| Logica fuzzy ia grade de adevăr ca bază matematică pe modelul fenomenului de vag. | Probabilitatea este un model matematic al ignoranței. |
Crisp vs. Fuzzy
| crocant | pufos |
|---|---|
| Are o limită strictă T sau F | Limită neclară cu un grad de apartenență |
| Unele setări de timp clare pot fi neclare | Nu poate fi crocant |
| Adevărat/Fals {0,1} | Valorile de membru pe [0,1] |
| În logica clară, legea terților excluși și a non-contradicției poate fi sau nu valabilă. | În logica fuzzy, legea mijlocului exclus și a non-contradicției este valabilă |
Teoria mulțimilor clasice vs. teoria mulțimilor fuzzy
| Set clasic | Teoria multimilor fuzzy |
|---|---|
| Clase de obiecte cu granițe clare. | Clasele de obiecte nu au granițe clare. |
| Un set clasic este definit de limite clare, adică există claritate cu privire la locația limitelor setului. | Un set neclar are întotdeauna granițe ambigue, adică poate exista incertitudine cu privire la locația granițelor setului. |
| Utilizat pe scară largă în proiectarea sistemelor digitale | Utilizat în principal în controllere fuzzy și sisteme cu raționament aproximativ. |
Exemple de logica fuzzy
Diagrama de mai jos concretizează scala de apartenență. Într-un sistem fuzzy, valorile sunt notate cu un număr de la 0 la 1, unde 1.0 înseamnă adevăr absolut, iar 0.0 înseamnă falsitate absolută.
Domenii de aplicare ale logicii fuzzy
Tabelul de mai jos prezintă aplicații ale logicii fuzzy de către companii renumite în produsele lor.
| Produs | Companie | Logica Fuzzy |
|---|---|---|
| Frane anti-blocare | Nissan | Folosește logica fuzzy pentru a controla frânele în cazuri periculoase, în funcție de viteza mașinii, accelerație, viteza roților și accelerația roților |
| Transmisie automată | NOK/Nissan | Logica fuzzy este utilizată pentru a controla injecția și aprinderea combustibilului pe baza setării clapetei de accelerație, a temperaturii apei de răcire, a turației pe minut etc. |
| Motor auto | Honda | Folosit pentru a selecta treapta de viteză în funcție de sarcina motorului, stilul de condus și condițiile de drum. |
| Copiator | Canon | Folosit pentru reglarea tensiunii tamburului în funcție de densitatea imaginii, umiditate și temperatură. |
| Controlul vitezei | Nissan, Isuzu, Mitsubishi | Folosit pentru a regla setarea accelerației pentru a seta viteza și accelerația mașinii |
| Mașina de spălat vase | Matsushita | Folosit pentru reglarea ciclului de curățare, a strategiilor de clătire și spălare, în funcție de numărul de vase și de cantitatea de alimente servită pe vase. |
| Controlul liftului | Fujitec, Mitsubishi Electric, Toshiba | Folosit pentru a reduce timpul de așteptare în funcție de traficul de pasageri |
| Sistem de diagnosticare pentru golf | Maruman Golf | Selectează clubul de golf în funcție de swing și fizicul jucătorului de golf. |
| Managementul fitnessului | Omron | Se aplicau reguli neclare pentru a verifica aptitudinea angajaților lor. |
| Controlul cuptorului | Nippon Steel | Amestecă cimentul |
| Cuptor cu microunde | Mitsubishi Chemical | Setează puterea și strategia de gătit |
| Computer palmtop | Hitachi, Sharp, Sanyo, Toshiba | Recunoaște caracterele kanji scrise de mână |
| Gravare cu plasmă | Mitsubishi Electric | Stabilește timpul și strategia de gravare |
Notă: Multe dintre aceste produse datează din explozia electrocasnicelor de la sfârșitul anilor 1980 și 1990; Matsushita este comercializată sub denumirea Panasonic din 2008.
Avantajele sistemului Fuzzy Logic
Inginerii continuă să apeleze la controlere fuzzy deoarece cumpără toleranță la intrări dezordonate la un preț redus.
- Structura sistemelor logice fuzzy este simplă și ușor de înțeles
- Logica fuzzy este utilizată pe scară largă în scopuri comerciale și practice
- Logica fuzzy în inteligența artificială vă ajută să controlați mașinile și produsele de consum
- Poate că nu oferă un raționament exact, dar oferă un raționament acceptabil în practică.
- Logica neclară în Data Mining te ajută să gestionezi incertitudinea din inginerie
- În mare parte robust, deoarece nu sunt necesare intrări precise
- Poate fi programat să continue să funcționeze în situațiile în care un senzor de feedback nu mai răspunde.
- Poate fi modificat cu ușurință pentru a îmbunătăți sau modifica performanța sistemului
- Se pot utiliza senzori ieftini, ceea ce vă ajută să mențineți costul și complexitatea generală a sistemului la un nivel scăzut
- Oferă o soluție extrem de eficientă pentru probleme complexe
Dezavantajele sistemelor cu logica fuzzy
- Logica fuzzy nu este întotdeauna precisă; rezultatele sunt derivate din presupuneri, deci este posibil să nu fie acceptate pe scară largă.
- Sistemele fuzzy nu învață singure, spre deosebire de rețele neuronale cu capacitatea sa de recunoaștere a tiparelor
- Validarea și verificarea unui sistem bazat pe cunoștințe fuzzy necesită teste extinse cu hardware
- Stabilirea unor reguli fuzzy exacte și a funcțiilor de apartenență este o sarcină dificilă
- Logica fuzzy este frecvent confundată cu teoria probabilităților, iar cele două vocabulare se amestecă.
