ฟัซซี่ลอจิกคืออะไร? Archiแผนภาพโครงสร้างและการประยุกต์ใช้
⚡ สรุปอย่างชาญฉลาด
ตรรกะคลุมเครือ (Fuzzy Logic) เป็นวิธีการให้เหตุผลแบบหลายค่า ซึ่งความจริงสามารถมีค่าเป็นจำนวนจริงใดๆ ก็ได้ระหว่าง 0 ถึง 1 ทำให้เครื่องจักรสามารถจัดการกับข้อมูลที่คลุมเครือ ไม่สมบูรณ์ และไม่แน่นอนได้ในลักษณะเดียวกับการตัดสินใจของมนุษย์
ลอจิกคลุมเครือคืออะไร?
ลอจิกคลุมเครือ ตรรกะคลุมเครือ (Fuzzy Logic) เป็นตรรกะหลายค่าที่ค่าความจริงของตัวแปรอาจเป็นจำนวนจริงใดๆ ระหว่าง 0 ถึง 1 มันจัดการกับแนวคิดเรื่องความจริงบางส่วน ในชีวิตจริง เรามักพบสถานการณ์ที่เราไม่สามารถตัดสินใจได้ว่าข้อความนั้นเป็นจริงทั้งหมดหรือเป็นเท็จทั้งหมด ในกรณีเช่นนั้น ตรรกะคลุมเครือจะให้ความยืดหยุ่นที่มีคุณค่าอย่างมากสำหรับการให้เหตุผล
ค่าดังกล่าวเรียกว่า ระดับสมาชิก: 0 หมายถึงไม่มีสมาชิกภาพเลย 1 หมายถึงสมาชิกภาพเต็มรูปแบบ และ 0.7 หมายถึงสมาชิกภาพบางส่วน อัลกอริทึมแบบฟัซซีจะถ่วงน้ำหนักข้อมูลทั้งหมดที่มีอยู่บนมาตราส่วนนั้น แล้วจึงตัดสินใจเลือกสิ่งที่ดีที่สุดสำหรับข้อมูลที่ป้อนเข้ามา วิธีนี้เลียนแบบการตัดสินใจของมนุษย์ ซึ่งพิจารณาความเป็นไปได้ทุกอย่างระหว่างค่าดิจิทัล T และ F
ประวัติความเป็นมาของระบบฟัซซี่ลอจิก
ตรรกศาสตร์หลายค่ามีอายุเก่าแก่กว่าชื่อเรียก: แยน ลูคาซิวิช อธิบายตรรกศาสตร์สามค่าไว้ในทศวรรษ 1920 แต่ก้าวสำคัญเกิดขึ้นในปี 1965 เมื่อลอฟฟี ซาเดห์ ศาสตราจารย์จากมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ ตีพิมพ์บทความเรื่องดังกล่าว “เซตคลุมเครือ” in ข้อมูลและการควบคุมเขาตั้งข้อสังเกตว่าตรรกะคอมพิวเตอร์แบบดั้งเดิมไม่สามารถประมวลผลข้อมูลที่แสดงถึงความคิดของมนุษย์ที่เป็นอัตวิสัยหรือไม่ชัดเจนได้
แนวคิดนี้พัฒนาไปสู่ฮาร์ดแวร์ในปี 1974 เมื่อ Ebrahim Mamdani สร้างตัวควบคุมแบบฟัซซีที่ใช้งานได้จริงตัวแรกสำหรับเครื่องจักรไอน้ำ ผู้ผลิตชาวญี่ปุ่นได้นำไปจำหน่ายในเชิงพาณิชย์ในช่วงทศวรรษ 1980 ปัจจุบันอัลกอริทึมแบบฟัซซีครอบคลุมทฤษฎีการควบคุมไปจนถึง... ปัญญาประดิษฐ์โดยให้คอมพิวเตอร์สามารถแยกแยะความแตกต่างระหว่างข้อมูลที่ไม่ใช่ทั้งจริงหรือเท็จอย่างเคร่งครัด เช่น "มืดเล็กน้อย" "ค่อนข้างสว่าง" เป็นต้น
ลักษณะของฟัซซี่ลอจิก
ต่อไปนี้คือลักษณะสำคัญบางประการของตรรกะคลุมเครือ:
- มีความยืดหยุ่นและใช้งานง่าย เรียนรู้เครื่อง เทคนิค
- ช่วยให้คุณเลียนแบบตรรกะความคิดของมนุษย์
- ความจริงไม่ได้จำกัดอยู่แค่สองค่าเท่านั้น ค่าใดๆ ระหว่าง 0 ถึง 1 ก็อาจแสดงถึงคำตอบได้
- วิธีการที่เหมาะสมอย่างยิ่งในการให้เหตุผลที่ไม่แน่นอนหรือโดยประมาณ
- ตรรกะคลุมเครือมองว่าการอนุมานเป็นกระบวนการในการแพร่กระจายข้อจำกัดแบบยืดหยุ่น
- ตรรกะคลุมเครือช่วยให้คุณสร้างฟังก์ชันที่ไม่เป็นเชิงเส้นที่มีความซับซ้อนได้ตามต้องการ
- ตรรกะคลุมเครือควรสร้างขึ้นด้วยคำแนะนำที่สมบูรณ์ของผู้เชี่ยวชาญ
เมื่อไม่ใช้ตรรกะคลุมเครือ
ตรรกะแบบคลุมเครือไม่ใช่ทางออกสำหรับทุกสิ่งทุกอย่าง และการเข้าใจว่าไม่ควรใช้ตรรกะแบบคลุมเครือในสถานการณ์ใดบ้างก็สำคัญไม่แพ้กัน
นี่คือสถานการณ์บางอย่างที่คุณควรหลีกเลี่ยงการใช้ตรรกะคลุมเครือ:
- หากคุณไม่สามารถแปลงพื้นที่อินพุตเป็นพื้นที่เอาต์พุตได้อย่างสะดวก
- ไม่ควรใช้ตรรกะคลุมเครือเมื่อสามัญสำนึกธรรมดาๆ สามารถแก้ปัญหาได้แล้ว
- ตัวควบคุมแบบดั้งเดิมหลายตัวทำงานได้ดีโดยไม่ต้องใช้ตรรกะคลุมเครือเลย
ลอจิกคลุมเครือ Archiเทคเจอร์
สถาปัตยกรรมตรรกะคลุมเครือ (Fuzzy Logic) ประกอบด้วยส่วนหลักสี่ส่วน และแผนภาพด้านล่างแสดงให้เห็นว่าข้อมูลป้อนเข้าที่ชัดเจน (Crisp Input) เดินทางผ่านส่วนต่างๆ เหล่านั้นอย่างไร:

ฐานกฎ
ประกอบด้วยกฎทั้งหมดและเงื่อนไข IF-THEN ที่ผู้เชี่ยวชาญเสนอเพื่อควบคุมระบบการตัดสินใจ งานวิจัยล่าสุดในทฤษฎีฟัซซีได้นำเสนอวิธีการต่างๆ สำหรับการออกแบบและการปรับแต่งตัวควบคุมฟัซซี และวิธีการเหล่านี้ช่วยลดจำนวนกฎที่เซตฟัซซีต้องการได้อย่างมาก
การทำให้คลุมเครือ
การแปลงค่าเป็นฟัซซี (Fuzzification) คือการแปลงข้อมูลนำเข้า โดยเปลี่ยนตัวเลขที่แน่นอนให้เป็นเซตฟัซซี ข้อมูลนำเข้าที่แน่นอนนั้นวัดได้จากเซ็นเซอร์ เช่น อุณหภูมิห้อง ความดัน เป็นต้น แล้วส่งไปยังระบบควบคุมเพื่อประมวลผลต่อไป การแปลงนี้ทำโดย... ฟังก์ชั่นการเป็นสมาชิกเส้นโค้งที่แปลงค่าอินพุตที่เป็นไปได้ทั้งหมดให้เป็นระดับการเป็นสมาชิกระหว่าง 0 ถึง 1
เครื่องอนุมาน
ระบบจะตรวจสอบระดับความสอดคล้องระหว่างข้อมูลป้อนเข้าแบบฟัซซีกับกฎแต่ละข้อ โดยอิงจากเปอร์เซ็นต์ความสอดคล้องนั้น ระบบจะตัดสินใจว่าควรใช้กฎใดบ้างกับข้อมูลป้อนเข้าที่กำหนด จากนั้นจึงนำกฎที่ใช้แล้วมาผสมผสานกันเพื่อสร้างการควบคุมการทำงาน
การละลายเสียง
สุดท้าย การแปลงค่าคลุมเครือกลับไปเป็นค่าที่ชัดเจน (defuzzification) จะแปลงเซตคลุมเครือกลับไปเป็นค่าเดียวที่แน่นอน มีเทคนิคหลายอย่างที่ใช้ได้ — วิธีการหาจุดศูนย์กลาง จุดแบ่งครึ่ง และวิธีการหาค่าสูงสุด ตัวเลือกทั่วไปมีดังนี้ ดังนั้นโปรดเลือกตัวเลือกที่เหมาะสมที่สุดสำหรับคุณ ระบบผู้เชี่ยวชาญ.
ลอจิกคลุมเครือกับความน่าจะเป็น
ความคลุมเครือและความน่าจะเป็นมักถูกเข้าใจผิดกันอยู่บ่อยๆ แต่จริงๆ แล้วทั้งสองอย่างให้คำตอบที่แตกต่างกัน
| ลอจิกคลุมเครือ | ความน่าจะเป็น |
|---|---|
| Fuzzy: ระดับความเป็นสมาชิกของ Tom ภายในกลุ่มคนชราคือ 0.90 | ความน่าจะเป็น: มีโอกาส 90% ที่ทอมจะแก่ |
| ตรรกะคลุมเครือใช้ระดับความจริงเป็นพื้นฐานทางคณิตศาสตร์จากแบบจำลองของปรากฏการณ์ความคลุมเครือ | ความน่าจะเป็นเป็นรูปแบบทางคณิตศาสตร์ของความไม่รู้ |
กรอบและคลุมเครือ
| กรอบ | เลือน |
|---|---|
| มีขอบเขตที่เข้มงวด T หรือ F | ขอบเขตคลุมเครือพร้อมระดับการเป็นสมาชิก |
| ชุดเวลาที่คมชัดบางชุดอาจไม่ชัดเจน | มันไม่สามารถกรอบได้ |
| จริง/เท็จ {0,1} | ค่าสมาชิกใน [0,1] |
| ในตรรกศาสตร์ที่ชัดเจน กฎของสิ่งที่ไม่รวมอยู่ตรงกลางและกฎของการไม่ขัดแย้งกัน อาจใช้ได้หรือไม่ก็ได้ | ในตรรกะคลุมเครือ กฎของสิ่งที่ไม่รวมอยู่ตรงกลางและกฎของการไม่ขัดแย้งกันนั้นใช้ได้ |
ทฤษฎีเซตแบบคลาสสิกเทียบกับทฤษฎีเซตแบบคลุมเครือ
| ชุดคลาสสิค | ทฤษฎีเซตฟัซซี่ |
|---|---|
| ประเภทของวัตถุที่มีขอบเขตแหลมคม | คลาสของวัตถุไม่มีขอบเขตที่แหลมคม |
| ฉากคลาสสิกถูกกำหนดโดยขอบเขตที่ชัดเจน กล่าวคือ มีความชัดเจนเกี่ยวกับตำแหน่งของขอบเขตฉาก | ฉากคลุมเครือมักจะมีขอบเขตคลุมเครือ กล่าวคือ อาจมีความไม่แน่นอนเกี่ยวกับตำแหน่งของขอบเขตที่กำหนด |
| ใช้กันอย่างแพร่หลายในการออกแบบระบบดิจิทัล | ส่วนใหญ่ใช้ในตัวควบคุมแบบฟัซซีและระบบการให้เหตุผลโดยประมาณ |
ตัวอย่างลอจิกคลุมเครือ
แผนภาพด้านล่างแสดงให้เห็นถึงระดับความเป็นสมาชิกอย่างชัดเจน ในระบบฟัซซี ค่าต่างๆ จะถูกแทนด้วยตัวเลขตั้งแต่ 0 ถึง 1 โดยที่ 1.0 หมายถึงความจริงสัมบูรณ์ และ 0.0 หมายถึงความเท็จสัมบูรณ์
พื้นที่ใช้งานของฟัซซี่ลอจิก
ตารางด้านล่างแสดงตัวอย่างการประยุกต์ใช้ตรรกะคลุมเครือ (Fuzzy Logic) ในผลิตภัณฑ์ของบริษัทที่มีชื่อเสียงต่างๆ
| สินค้า | เกี่ยวกับเรา | ลอจิกคลุมเครือ |
|---|---|---|
| เบรกป้องกันล้อล็อก | นิสสัน | ใช้ตรรกะคลุมเครือ (Fuzzy Logic) ในการควบคุมเบรกในกรณีอันตราย โดยพิจารณาจากความเร็วรถ อัตราเร่ง ความเร็วล้อ และอัตราเร่งของล้อ |
| เกียร์ออโต้ | นก/นิสสัน | ลอจิกคลุมเครือใช้เพื่อควบคุมการฉีดน้ำมันเชื้อเพลิงและการจุดระเบิดตามการตั้งค่าปีกผีเสื้อ อุณหภูมิของน้ำหล่อเย็น รอบต่อนาที ฯลฯ |
| เครื่องยนต์อัตโนมัติ | ฮอนด้า นิสสัน | ใช้สำหรับเลือกเกียร์ตามภาระของเครื่องยนต์ รูปแบบการขับขี่ และสภาพถนน |
| เครื่องถ่ายเอกสาร | ศีล | ใช้สำหรับปรับแรงดันไฟฟ้าของดรัมตามความหนาแน่นของภาพ ความชื้น และอุณหภูมิ |
| ระบบควบคุมความเร็วคงที่ | นิสสัน อีซูซุ มิตซูบิชิ | ใช้สำหรับปรับตั้งค่าคันเร่งเพื่อกำหนดความเร็วและการเร่งความเร็วของรถ |
| เครื่องล้างจาน | Matsushita | ใช้สำหรับปรับรอบการทำความสะอาด กลยุทธ์การล้าง และการชะล้าง โดยขึ้นอยู่กับจำนวนจานและปริมาณอาหารที่เสิร์ฟบนจาน |
| การควบคุมลิฟท์ | ฟูจิเทค, มิตซูบิชิ อิเล็คทริค, โตชิบา | ใช้เพื่อลดเวลารอคอยตามปริมาณผู้โดยสาร |
| ระบบวินิจฉัยกอล์ฟ | มารุมาน กอล์ฟ | เลือกไม้กอล์ฟตามวงสวิงและสรีระของนักกอล์ฟ |
| การจัดการฟิตเนส | Omron | มีการใช้กฎเกณฑ์แบบคลุมเครือในการตรวจสอบความเหมาะสมของพนักงาน |
| การควบคุมเตาเผา | นิปปอนสตีล | ผสมปูนซีเมนต์ |
| เตาอบไมโครเวฟ | มิตซูบิชิเคมี | ตั้งค่าพลังงานและกลยุทธ์การทำอาหาร |
| คอมพิวเตอร์ปาล์มท็อป | ฮิตาชิ, ชาร์ป, ซันโย, โตชิบา | จดจำตัวอักษรคันจิที่เขียนด้วยลายมือ |
| การแกะสลักพลาสม่า | Mitsubishi Electric | กำหนดเวลาและกลยุทธ์ในการจำหลัก |
หมายเหตุ ผลิตภัณฑ์เหล่านี้จำนวนมากมีอายุย้อนไปถึงยุคเฟื่องฟูของเครื่องใช้ไฟฟ้าแบบเก่าในช่วงปลายทศวรรษ 1980 และ 1990 โดยบริษัท Matsushita ได้เปลี่ยนชื่อเป็น Panasonic ตั้งแต่ปี 2008
ข้อดีของระบบฟัซซี่ลอจิก
วิศวกรยังคงเลือกใช้ตัวควบคุมแบบฟัซซีอยู่เรื่อย ๆ เพราะมันช่วยลดความคลาดเคลื่อนจากข้อมูลป้อนเข้าที่ไม่แน่นอนได้ในราคาประหยัด
- โครงสร้างของระบบตรรกะคลุมเครือมีความเรียบง่ายและเข้าใจได้ง่าย
- ตรรกะคลุมเครือถูกนำมาใช้กันอย่างแพร่หลายเพื่อวัตถุประสงค์ทางการค้าและการปฏิบัติ
- ตรรกะคลุมเครือใน AI ช่วยให้คุณควบคุมเครื่องจักรและผลิตภัณฑ์สำหรับผู้บริโภคได้
- แม้ว่าอาจจะไม่ได้ให้เหตุผลที่แม่นยำเป๊ะ ๆ แต่ก็ให้เหตุผลที่ยอมรับได้ในทางปฏิบัติ
- ตรรกะคลุมเครือใน การทำเหมืองข้อมูล ช่วยให้คุณรับมือกับความไม่แน่นอนในงานวิศวกรรมได้
- โดยส่วนใหญ่แล้วมีความเสถียร เนื่องจากไม่จำเป็นต้องใช้ข้อมูลป้อนเข้าที่แม่นยำ
- สามารถตั้งโปรแกรมให้ทำงานต่อไปได้แม้ในสถานการณ์ที่เซ็นเซอร์ตรวจจับการตอบสนองหยุดทำงาน
- สามารถปรับเปลี่ยนเพื่อปรับปรุงหรือเปลี่ยนแปลงประสิทธิภาพของระบบได้อย่างง่ายดาย
- สามารถใช้เซ็นเซอร์ราคาไม่แพงได้ ซึ่งจะช่วยให้คุณควบคุมต้นทุนและความซับซ้อนโดยรวมของระบบให้อยู่ในระดับต่ำ
- มันเป็นวิธีการแก้ปัญหาที่มีประสิทธิภาพสูงสำหรับปัญหาที่ซับซ้อน
ข้อเสียของระบบฟัซซี่ลอจิก
- ตรรกะแบบฟัซซีไม่ถูกต้องเสมอไป ผลลัพธ์ได้มาจากการตั้งสมมติฐาน ดังนั้นจึงอาจไม่ได้รับการยอมรับอย่างกว้างขวาง
- ระบบฟัซซีโดยตัวมันเองไม่สามารถเรียนรู้ได้ ต่างจากระบบอื่นๆ เครือข่ายประสาท ด้วยความสามารถในการจดจำรูปแบบ
- การตรวจสอบและยืนยันความถูกต้องของระบบความรู้แบบฟัซซีจำเป็นต้องมีการทดสอบอย่างครอบคลุมด้วยฮาร์ดแวร์
- การกำหนดกฎคลุมเครือและฟังก์ชันสมาชิกภาพที่แน่นอนเป็นงานที่ยาก
- ตรรกะคลุมเครือ (Fuzzy logic) มักถูกเข้าใจผิดว่าเป็นทฤษฎีความน่าจะเป็น และคำศัพท์ทั้งสองมักถูกใช้สลับกัน
