Tutorial Fuzzy Logic: Ce este, Architectură, aplicație, exemplu
Ce este logica fuzzy?
Logica Fuzzy este definită ca o formă logică cu mai multe valori care poate avea valori de adevăr ale variabilelor în orice număr real între 0 și 1. Este conceptul de mâner al adevărului parțial. În viața reală, putem întâlni o situație în care nu putem decide dacă afirmația este adevărată sau falsă. La acel moment, logica fuzzy oferă o flexibilitate foarte valoroasă pentru raționament.
Algoritmul logic fuzzy ajută la rezolvarea unei probleme după luarea în considerare a tuturor datelor disponibile. Apoi se ia cea mai bună decizie posibilă pentru intrarea dată. Metoda FL imită modul de luare a deciziilor la un om care ia în considerare toate posibilitățile dintre valorile digitale T și F.
Istoria sistemelor logice fuzzy
Deși, conceptul de logică fuzzy a fost studiat încă din anii 1920. Termenul de logică neclară a fost folosit pentru prima dată în 1965 de către Lotfi Zadeh, profesor la UC Berkeley din California. El a observat că logica computerizată convențională nu era capabilă să manipuleze date care reprezintă idei umane subiective sau neclare.
Algoritmul fuzzy a fost aplicat în diverse domenii, de la teoria controlului la AI. A fost conceput pentru a permite computerului să determine diferențele dintre date care nu sunt nici adevărate, nici false. Ceva asemănător cu procesul raționamentului uman. Ca puțin întuneric, puțină luminozitate etc.
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
- Logica poate avea două valori care reprezintă două soluții posibile
- 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
Cu toate acestea, logica neclară nu este niciodată un remediu pentru toți. Prin urmare, este la fel de important să înțelegem că acolo unde nu ar trebui să folosim logica fuzzy.
Iată anumite situații în care ar fi bine să nu utilizați Logic Fuzzy:
- Dacă nu vi se pare convenabil să mapați un spațiu de intrare cu un spațiu de ieșire
- Logica fuzzy nu trebuie folosită atunci când poți folosi bunul simț
- Multe controlere pot face treaba bună fără a utiliza logica fuzzy
Logica Fuzzy Architectură
Arhitectura Fuzzy Logic are patru părți principale, așa cum se arată în diagramă:
Baza de reguli
Conține toate regulile și condițiile dacă-atunci oferite de experți pentru a controla sistemul decizional. Actualizarea recentă în teoria fuzzy oferă diverse metode pentru proiectarea și reglarea controlerelor fuzzy. Aceste actualizări reduc semnificativ numărul setului de reguli neclare.
Fuzificare
Pasul de fuzzificare ajută la convertirea intrărilor. Vă permite să convertiți numere clare în seturi neclare. Intrări clare măsurate de senzori și trecute în sistemul de control pentru procesare ulterioară. Cum ar fi temperatura camerei, presiunea etc.
Motor de inferență
Vă ajută să determinați gradul de potrivire dintre intrarea neclară și reguli. Pe baza % potrivirii, determină ce reguli trebuie implementate în funcție de câmpul de intrare dat. După aceasta, regulile aplicate sunt combinate pentru a dezvolta acțiunile de control.
Defuzificare
În cele din urmă, procesul de defuzzificare este efectuat pentru a converti seturile fuzzy într-o valoare clară. Există multe tipuri de tehnici disponibile, așa că trebuie să o selectați cea mai potrivită atunci când este utilizată cu un sistem expert.
Logica fuzzy vs. Probabilitate
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 Crisp, legea Excluded Middle și Non-Condiction poate fi valabilă sau nu | În logica neclară, legea mijlocului exclus și a non-contradicției sunt valabile |
Teoria mulțimilor clasice vs
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 | Folosit numai în controlere fuzzy. |
Exemple de logica fuzzy
Vezi diagrama de mai jos. Arată că într-un sistem Fuzzy, valorile sunt notate cu un număr de la 0 la 1. În acest exemplu, 1.0 înseamnă adevăr absolut și 0.0 înseamnă falsitate absolută.
Domenii de aplicare ale logicii fuzzy
Tabelul dat Blow arată aplicarea logicii fuzzy de către companii celebre în produsele lor.
Produs | Business | Logica Fuzzy |
---|---|---|
Frane anti-blocare | Nissan | Utilizați logica neclară pentru a controla frânele în cazurile periculoase depind de viteza mașinii, accelerație, viteza roților și accelerație |
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 | Utilizați pentru a selecta geat în funcție de sarcina motorului, stilul de condus și condițiile drumului. |
Copiator | Canon | Se utilizează pentru reglarea tensiunii tamburului în funcție de densitatea imaginii, umiditate și temperatură. |
Controlul vitezei | Nissan, Isuzu, Mitsubishi | Folosiți-l pentru a regla setarea accelerației pentru a seta viteza și accelerația mașinii |
Mașina de spălat vase | Matsushita | Utilizarea pentru ajustarea ciclului de curățare, strategiile de clătire și spălare depind de numărul de vase și de cantitatea de alimente servite pe vase. |
Controlul liftului | Fujitec, Mitsubishi Electric, Toshiba | Utilizați-l pentru a reduce așteptarea timpului 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 | Reguli neclare implicate de aceștia pentru a verifica starea de fitness a angajaților lor. |
Controlul cuptorului | Nippon Steel | Amestecă cimentul |
Cuptor cu microunde | Mitsubishi Chemical | Setează puterea lunii 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 |
Avantajele sistemului Fuzzy Logic
- Structura sistemelor Fuzzy Logic este ușoară și de înțeles
- Logica fuzzy este utilizată pe scară largă în scopuri comerciale și practice
- Logica fuzzy din AI vă ajută să controlați mașinile și produsele de consum
- Este posibil să nu ofere un raționament precis, ci singurul raționament acceptabil
- Logica neclară în Data Mining vă ajută să faceți față incertitudinii din inginerie
- În mare parte robust, deoarece nu sunt necesare intrări precise
- Poate fi programat în situația în care senzorul de feedback nu mai funcționează
- Poate fi modificat cu ușurință pentru a îmbunătăți sau modifica performanța sistemului
- pot fi utilizați senzori ieftini, ceea ce vă ajută să mențineți costul general și complexitatea sistemului scăzute
- Oferă cea mai eficientă soluție la probleme complexe
Dezavantajele sistemelor cu logica fuzzy
- Logica fuzzy nu este întotdeauna exactă, astfel încât rezultatele sunt percepute pe baza unor presupuneri, deci este posibil să nu fie acceptată pe scară largă.
- Sistemele fuzzy nu au capacitatea de învățare automată, precum și de recunoaștere a modelelor tip rețele neuronale
- Validarea și verificarea unui sistem fuzzy bazat pe cunoștințe necesită testare extinsă cu hardware
- Stabilirea regulilor exacte, neclare și a funcțiilor de membru este o sarcină dificilă
- O logică a timpului neclară este confundată cu teoria probabilității și cu termenii
Rezumat
- Termenul fuzzy înseamnă lucruri care nu sunt foarte clare sau vagi
- Termenul de logică neclară a fost folosit pentru prima dată în 1965 de către Lotfi Zadeh, profesor la UC Berkeley din California.
- Logica fuzzy este o tehnică de învățare automată flexibilă și ușor de implementat
- Logica fuzzy nu trebuie folosită atunci când poți folosi bunul simț
- Arhitectura Fuzzy Logic are patru părți principale 1) Rule Basse 2) Fuzzification 3) Inference Engine 4) Defuzzification
- Logica fuzzy ia grade de adevăr ca bază matematică pe modelul vagului, în timp ce probabilitatea este un model matematic al ignoranței
- Setul Crisp are o limită strictă T sau F, în timp ce o graniță Fuzzy cu un grad de apartenență
- Un set clasic este utilizat pe scară largă în proiectarea sistemelor digitale, în timp ce setul fuzzy Folosit numai în controlere fuzzy
- Transmisia automată, Managementul fitnessului, Sistemul de diagnosticare pentru golf, Mașina de spălat vase, Mașina de copiat sunt câteva domenii ale aplicațiilor Fuzzy Logic
- Logica fuzzy din Soft Computing vă ajută să controlați mașinile și produsele de consum