การสอนลอจิกคลุมเครือ: คืออะไร Archiเทคเจอร์ การประยุกต์ ตัวอย่าง
ลอจิกคลุมเครือคืออะไร?
ลอจิกคลุมเครือ ถูกกำหนดให้เป็นรูปแบบตรรกะที่มีค่าหลายค่าซึ่งอาจมีค่าความจริงของตัวแปรในจำนวนจริงใดๆ ระหว่าง 0 ถึง 1 เป็นแนวคิดการจัดการความจริงบางส่วน ในชีวิตจริง เราอาจเจอสถานการณ์ที่เราไม่สามารถตัดสินใจได้ว่าข้อความดังกล่าวเป็นจริงหรือเท็จ ในเวลานั้น ตรรกะคลุมเครือให้ความยืดหยุ่นในการให้เหตุผลอันมีค่ามาก
อัลกอริธึมลอจิกคลุมเครือช่วยแก้ปัญหาหลังจากพิจารณาข้อมูลที่มีอยู่ทั้งหมด จากนั้นจะใช้การตัดสินใจที่ดีที่สุดเท่าที่จะเป็นไปได้สำหรับข้อมูลที่ได้รับ วิธี FL เลียนแบบวิธีการตัดสินใจของมนุษย์โดยคำนึงถึงความเป็นไปได้ทั้งหมดระหว่างค่าดิจิทัล T และ F
ประวัติความเป็นมาของระบบฟัซซี่ลอจิก
แม้ว่าแนวคิดเรื่องตรรกศาสตร์คลุมเครือจะได้รับการศึกษามาตั้งแต่ปี ค.ศ. 1920 คำว่า fuzzy logic ถูกใช้ครั้งแรกในปี 1965 โดย Lotfi Zadeh ศาสตราจารย์ของ UC Berkeley ในแคลิฟอร์เนีย เขาสังเกตว่าตรรกะคอมพิวเตอร์ทั่วไปไม่สามารถจัดการข้อมูลที่แสดงถึงความคิดส่วนตัวหรือความคิดของมนุษย์ที่ไม่ชัดเจนได้
อัลกอริธึมคลุมเครือถูกนำไปใช้กับสาขาต่างๆ ตั้งแต่ทฤษฎีการควบคุมไปจนถึง AI ได้รับการออกแบบมาเพื่อให้คอมพิวเตอร์สามารถระบุความแตกต่างระหว่างข้อมูลซึ่งไม่เป็นความจริงหรือเท็จ สิ่งที่คล้ายกันกับกระบวนการให้เหตุผลของมนุษย์ เช่น มืดนิดหน่อย สว่างบ้าง เป็นต้น
ลักษณะของฟัซซี่ลอจิก
ต่อไปนี้เป็นคุณลักษณะที่สำคัญบางประการของตรรกะคลุมเครือ:
- มีความยืดหยุ่นและใช้งานง่าย เรียนรู้เครื่อง เทคนิค
- ช่วยให้คุณเลียนแบบตรรกะความคิดของมนุษย์
- ลอจิกอาจมีค่าสองค่าซึ่งแสดงถึงคำตอบที่เป็นไปได้สองค่า
- วิธีการที่เหมาะสมอย่างยิ่งในการให้เหตุผลที่ไม่แน่นอนหรือโดยประมาณ
- ตรรกะคลุมเครือมองว่าการอนุมานเป็นกระบวนการในการแพร่กระจายข้อจำกัดแบบยืดหยุ่น
- ลอจิกฟัซซีช่วยให้คุณสามารถสร้างฟังก์ชันที่ไม่เป็นเชิงเส้นที่มีความซับซ้อนตามต้องการได้
- ตรรกะคลุมเครือควรสร้างขึ้นด้วยคำแนะนำที่สมบูรณ์ของผู้เชี่ยวชาญ
เมื่อไม่ใช้ตรรกะคลุมเครือ
อย่างไรก็ตาม ตรรกะคลุมเครือไม่เคยจะรักษาทุกคนได้ ดังนั้นจึงเป็นสิ่งสำคัญไม่แพ้กันที่จะต้องเข้าใจว่าจุดไหนที่เราไม่ควรใช้ตรรกะคลุมเครือ
ต่อไปนี้คือสถานการณ์บางอย่างที่คุณไม่ควรใช้ Fuzzy Logic:
- หากคุณไม่สะดวกในการแมปพื้นที่อินพุตกับพื้นที่เอาต์พุต
- ไม่ควรใช้ตรรกะคลุมเครือเมื่อคุณสามารถใช้สามัญสำนึกได้
- คอนโทรลเลอร์หลายตัวสามารถทำงานได้ดีโดยไม่ต้องใช้ตรรกะคลุมเครือ
ลอจิกคลุมเครือ Archiเทคเจอร์

สถาปัตยกรรมฟัซซี่ลอจิกประกอบด้วยสี่ส่วนหลักดังที่แสดงในแผนภาพ:
ฐานกฎ
ประกอบด้วยกฎทั้งหมดและเงื่อนไข if-then ที่นำเสนอโดยผู้เชี่ยวชาญเพื่อควบคุมระบบการตัดสินใจ การอัปเดตล่าสุดในทฤษฎีฟัซซี่ให้วิธีการต่างๆ สำหรับการออกแบบและการปรับแต่งตัวควบคุมฟัซซี่ การอัปเดตนี้ช่วยลดจำนวนชุดกฎที่ไม่ชัดเจนลงอย่างมาก
การทำให้คลุมเครือ
ขั้นตอนการสร้างฟัซซีช่วยในการแปลงอินพุต ช่วยให้คุณสามารถแปลงตัวเลขที่ชัดเจนเป็นชุดฟัซซีได้ อินพุตที่ชัดเจนจะถูกวัดโดยเซ็นเซอร์และส่งไปยังระบบควบคุมเพื่อประมวลผลเพิ่มเติม เช่น อุณหภูมิห้อง ความดัน เป็นต้น
เครื่องอนุมาน
ช่วยให้คุณกำหนดระดับการจับคู่ระหว่างอินพุตที่ไม่ชัดเจนและกฎเกณฑ์ได้ โดยขึ้นอยู่กับการจับคู่ % จะกำหนดว่ากฎใดจำเป็นต้องนำไปใช้ตามฟิลด์อินพุตที่กำหนด หลังจากนั้น กฎที่ใช้จะถูกรวมเข้าด้วยกันเพื่อพัฒนาการดำเนินการควบคุม
การละลายเสียง
ในที่สุด กระบวนการ Defuzzification จะดำเนินการเพื่อแปลงชุดฟัซซี่ให้เป็นค่าที่คมชัด มีเทคนิคหลายประเภทให้เลือก ดังนั้นคุณต้องเลือกเทคนิคที่เหมาะสมที่สุดเมื่อใช้กับระบบผู้เชี่ยวชาญ
ลอจิกคลุมเครือกับความน่าจะเป็น
ลอจิกคลุมเครือ | ความน่าจะเป็น |
---|---|
Fuzzy: ระดับความเป็นสมาชิกของ Tom ภายในกลุ่มคนชราคือ 0.90 | ความน่าจะเป็น: มีโอกาส 90% ที่ทอมจะแก่ |
ตรรกะคลุมเครือใช้ระดับความจริงเป็นพื้นฐานทางคณิตศาสตร์จากแบบจำลองของปรากฏการณ์ความคลุมเครือ | ความน่าจะเป็นเป็นรูปแบบทางคณิตศาสตร์ของความไม่รู้ |
กรอบและคลุมเครือ
กรอบ | เลือน |
---|---|
มีขอบเขตที่เข้มงวด T หรือ F | ขอบเขตคลุมเครือพร้อมระดับการเป็นสมาชิก |
ชุดเวลาที่คมชัดบางชุดอาจไม่ชัดเจน | มันจะไม่คมชัด |
จริง/เท็จ {0,1} | ค่าสมาชิกใน [0,1] |
ในกฎตรรกะที่คมชัดของ Excluded Middle และ Non-Contradiction อาจถือหรือไม่มีก็ได้ | ในกฎตรรกศาสตร์คลุมเครือของการระงับข้อกลางที่แยกออกและไม่ขัดแย้งกัน |
เซตคลาสสิกกับทฤษฎีเซตฟัซซี่
ชุดคลาสสิค | ทฤษฎีเซตฟัซซี่ |
---|---|
ประเภทของวัตถุที่มีขอบเขตแหลมคม | คลาสของวัตถุไม่มีขอบเขตที่แหลมคม |
ฉากคลาสสิกถูกกำหนดโดยขอบเขตที่ชัดเจน กล่าวคือ มีความชัดเจนเกี่ยวกับตำแหน่งของขอบเขตฉาก | ฉากคลุมเครือมักจะมีขอบเขตคลุมเครือ กล่าวคือ อาจมีความไม่แน่นอนเกี่ยวกับตำแหน่งของขอบเขตที่กำหนด |
ใช้กันอย่างแพร่หลายในการออกแบบระบบดิจิทัล | ใช้ในตัวควบคุมฟัซซี่เท่านั้น |
ตัวอย่างลอจิกคลุมเครือ
ดูแผนภาพด้านล่าง มันแสดงให้เห็นว่าในระบบ Fuzzy ค่าจะแสดงด้วยตัวเลข 0 ถึง 1 ในตัวอย่างนี้ 1.0 หมายถึงความจริงสัมบูรณ์ และ 0.0 หมายถึงความเท็จโดยสิ้นเชิง

พื้นที่ใช้งานของฟัซซี่ลอจิก
ตารางที่ให้มาแสดงการประยุกต์ใช้ตรรกะ Fuzzy โดยบริษัทที่มีชื่อเสียงในผลิตภัณฑ์ของตน
ผลิตภัณฑ์ | เกี่ยวกับเรา | ลอจิกคลุมเครือ |
---|---|---|
เบรกป้องกันล้อล็อก | นิสสัน | ใช้ลอจิกคลุมเครือเพื่อควบคุมเบรกในกรณีอันตรายซึ่งขึ้นอยู่กับความเร็วของรถ การเร่งความเร็ว ความเร็วของล้อ และการเร่งความเร็ว |
เกียร์ออโต้ | นก/นิสสัน | ลอจิกคลุมเครือใช้เพื่อควบคุมการฉีดน้ำมันเชื้อเพลิงและการจุดระเบิดตามการตั้งค่าปีกผีเสื้อ อุณหภูมิของน้ำหล่อเย็น รอบต่อนาที ฯลฯ |
เครื่องยนต์อัตโนมัติ | ฮอนด้า นิสสัน | ใช้เพื่อเลือกอัตราการเดินทางตามโหลดเครื่องยนต์ สไตล์การขับขี่ และสภาพถนน |
เครื่องถ่ายเอกสาร | ศีล | ใช้สำหรับปรับแรงดันดรัมตามความหนาแน่นของภาพ ความชื้น และอุณหภูมิ |
ระบบควบคุมความเร็วคงที่ | นิสสัน อีซูซุ มิตซูบิชิ | ใช้เพื่อปรับการตั้งค่าคันเร่งเพื่อกำหนดความเร็วและความเร่งของรถ |
เครื่องล้างจาน | Matsushita | ใช้สำหรับปรับรอบการทำความสะอาด ล้างและล้างตามจำนวนจานและปริมาณอาหารที่เสิร์ฟในจาน |
การควบคุมลิฟท์ | ฟูจิเทค, มิตซูบิชิ อิเล็คทริค, โตชิบา | ใช้เพื่อลดการรอตามเวลาที่ขึ้นอยู่กับปริมาณผู้โดยสาร |
ระบบวินิจฉัยกอล์ฟ | มารุมาน กอล์ฟ | เลือกไม้กอล์ฟตามวงสวิงและสรีระของนักกอล์ฟ |
การจัดการฟิตเนส | Omron | พวกเขาใช้กฎคลุมเครือในการตรวจสอบสมรรถภาพของพนักงาน |
การควบคุมเตาเผา | นิปปอนสตีล | ผสมปูนซีเมนต์ |
เตาอบไมโครเวฟ | มิตซูบิชิเคมี | กำหนดพลังของลูนส์และกลยุทธ์การทำอาหาร |
คอมพิวเตอร์ปาล์มท็อป | ฮิตาชิ, ชาร์ป, ซันโย, โตชิบา | จดจำตัวอักษรคันจิที่เขียนด้วยลายมือ |
การแกะสลักพลาสม่า | Mitsubishi Electric | กำหนดเวลาและกลยุทธ์ในการจำหลัก |
ข้อดีของระบบฟัซซี่ลอจิก
- โครงสร้างของ Fuzzy Logic Systems นั้นง่ายและเข้าใจได้
- ตรรกะคลุมเครือถูกนำมาใช้กันอย่างแพร่หลายเพื่อวัตถุประสงค์ทางการค้าและการปฏิบัติ
- ตรรกะคลุมเครือใน AI ช่วยให้คุณควบคุมเครื่องจักรและสินค้าอุปโภคบริโภค
- อาจไม่ได้ให้เหตุผลที่ถูกต้อง แต่เป็นเพียงเหตุผลที่ยอมรับได้เท่านั้น
- ตรรกะคลุมเครือใน การทำเหมืองข้อมูล ช่วยให้คุณจัดการกับความไม่แน่นอนในด้านวิศวกรรม
- แข็งแกร่งเป็นส่วนใหญ่เนื่องจากไม่จำเป็นต้องป้อนข้อมูลที่แม่นยำ
- สามารถตั้งโปรแกรมได้ในสถานการณ์ที่เซ็นเซอร์ป้อนกลับหยุดทำงาน
- สามารถปรับเปลี่ยนเพื่อปรับปรุงหรือเปลี่ยนแปลงประสิทธิภาพของระบบได้อย่างง่ายดาย
- สามารถใช้เซ็นเซอร์ราคาไม่แพงซึ่งช่วยให้คุณควบคุมต้นทุนระบบโดยรวมและความซับซ้อนให้ต่ำได้
- เป็นโซลูชั่นที่มีประสิทธิภาพที่สุดสำหรับปัญหาที่ซับซ้อน
ข้อเสียของระบบฟัซซี่ลอจิก
- ตรรกะคลุมเครือไม่ได้แม่นยำเสมอไป ดังนั้น การรับรู้ผลลัพธ์จึงอยู่บนพื้นฐานของสมมติฐาน ดังนั้นจึงอาจไม่ได้รับการยอมรับอย่างกว้างขวาง
- ระบบคลุมเครือไม่มีความสามารถในการเรียนรู้ของเครื่องเช่นเดียวกับการจดจำรูปแบบเครือข่ายประสาทเทียม
- การตรวจสอบและการตรวจสอบความถูกต้องของระบบฐานความรู้ที่ไม่ชัดเจนจำเป็นต้องมีการทดสอบฮาร์ดแวร์อย่างกว้างขวาง
- การตั้งกฎที่ชัดเจนและคลุมเครือและฟังก์ชันการเป็นสมาชิกถือเป็นงานที่ยาก
- ตรรกะของเวลาคลุมเครือบางอย่างสับสนกับทฤษฎีความน่าจะเป็นและเงื่อนไขต่างๆ
สรุป
- คำว่าคลุมเครือหมายถึงสิ่งที่ไม่ชัดเจนหรือคลุมเครือ
- คำว่า fuzzy logic ถูกใช้ครั้งแรกในปี 1965 โดย Lotfi Zadeh ศาสตราจารย์ของ UC Berkeley ในแคลิฟอร์เนีย
- ลอจิกคลุมเครือเป็นเทคนิคแมชชีนเลิร์นนิงที่ยืดหยุ่นและใช้งานง่าย
- ไม่ควรใช้ตรรกะคลุมเครือเมื่อคุณสามารถใช้สามัญสำนึกได้
- สถาปัตยกรรมฟัซซี่ลอจิกประกอบด้วยสี่ส่วนหลัก 1) กฎเบส 2) การทำให้ฟัซซี่ลอจิก 3) กลไกการอนุมาน 4) การทำให้ฟัซซี่ลอจิกหายไป
- ตรรกะคลุมเครือใช้ระดับความจริงเป็นพื้นฐานทางคณิตศาสตร์โดยใช้แบบจำลองของความคลุมเครือ ในขณะที่ความน่าจะเป็นเป็นแบบจำลองทางคณิตศาสตร์ของความไม่รู้
- ชุดกรอบมีขอบเขตที่เข้มงวด T หรือ F ในขณะที่ขอบเขตคลุมเครือที่มีระดับการเป็นสมาชิก
- ชุดคลาสสิกใช้กันอย่างแพร่หลายในการออกแบบระบบดิจิทัล ในขณะที่ชุดฟัซซี่ ใช้ในตัวควบคุมฟัซซี่เท่านั้น
- ระบบเกียร์อัตโนมัติ ระบบจัดการฟิตเนส ระบบวินิจฉัยกอล์ฟ เครื่องล้างจาน เครื่องถ่ายเอกสาร เป็นบางส่วนของแอปพลิเคชันฟัซซี่ลอจิก
- ลอจิกคลุมเครือใน Soft Computing ช่วยให้คุณควบคุมเครื่องจักรและสินค้าอุปโภคบริโภค