Cos'è la logica fuzzy?
La logica fuzzy è definita come una forma logica a molti valori che può avere valori di verità di variabili in qualsiasi numero reale compreso tra 0 e 1. È il concetto di maniglia di verità parziale. Nella vita reale, potremmo imbatterci in una situazione in cui non possiamo decidere se l'affermazione è vera o falsa. A quel tempo, la logica fuzzy offre una flessibilità molto preziosa per il ragionamento.
L'algoritmo di logica fuzzy aiuta a risolvere un problema dopo aver considerato tutti i dati disponibili. Quindi prende la migliore decisione possibile per l'input fornito. Il metodo FL imita il modo di prendere decisioni in un essere umano che considera tutte le possibilità tra i valori digitali T e F.
In questo tutorial imparerai
- Cos'è la logica fuzzy?
- Storia dei sistemi logici fuzzy
- Caratteristiche della logica fuzzy
- Quando non usare la logica fuzzy
- Architettura logica fuzzy
- Logica fuzzy vs. probabilità
- Crisp vs Fuzzy
- Teoria degli insiemi classici e degli insiemi fuzzy
- Esempi di logica fuzzy
- Aree di applicazione della logica fuzzy
- Vantaggi del sistema Fuzzy Logic
- Svantaggi dei sistemi Fuzzy Logic
Storia dei sistemi logici fuzzy
Tuttavia, il concetto di logica fuzzy era stato studiato sin dagli anni '20. Il termine logica fuzzy fu usato per la prima volta nel 1965 da Lotfi Zadeh, un professore della UC Berkeley in California. Ha osservato che la logica del computer convenzionale non era in grado di manipolare i dati che rappresentavano idee umane soggettive o poco chiare.
L'algoritmo fuzzy è stato applicato a vari campi, dalla teoria del controllo all'IA. È stato progettato per consentire al computer di determinare le distinzioni tra i dati che non sono né veri né falsi. Qualcosa di simile al processo del ragionamento umano. Come un po 'di buio, un po' di luminosità, ecc.
Caratteristiche della logica fuzzy
Ecco alcune importanti caratteristiche della logica fuzzy:
- Tecnica di machine learning flessibile e facile da implementare
- Ti aiuta a imitare la logica del pensiero umano
- La logica può avere due valori che rappresentano due possibili soluzioni
- Metodo altamente adatto per ragionamenti incerti o approssimativi
- La logica fuzzy vede l'inferenza come un processo di propagazione di vincoli elastici
- La logica fuzzy consente di costruire funzioni non lineari di complessità arbitraria.
- La logica fuzzy dovrebbe essere costruita con la guida completa di esperti
Quando non usare la logica fuzzy
Tuttavia, la logica sfocata non è mai una cura per tutti. Pertanto, è altrettanto importante capire che dove non dovremmo usare la logica fuzzy.
Ecco alcune situazioni in cui è meglio non usare Fuzzy Logic:
- Se non trovi conveniente mappare uno spazio di input a uno spazio di output
- La logica fuzzy non dovrebbe essere usata quando puoi usare il buon senso
- Molti controller possono fare un ottimo lavoro senza l'uso della logica fuzzy
Architettura logica fuzzy
Architettura logica fuzzy
L'architettura Fuzzy Logic ha quattro parti principali come mostrato nel diagramma:
Base regola:
Contiene tutte le regole e le condizioni if-then offerte dagli esperti per controllare il sistema decisionale. Il recente aggiornamento della teoria fuzzy fornisce vari metodi per la progettazione e la messa a punto di controller fuzzy. Questo aggiornamento riduce in modo significativo il numero del set di regole fuzzy.
Fuzzificazione:
La fase di fuzzificazione aiuta a convertire gli input. Ti consente di convertire numeri nitidi in set sfocati. Ingressi nitidi misurati dai sensori e passati al sistema di controllo per ulteriori elaborazioni. Come temperatura ambiente, pressione, ecc.
Motore di inferenza:
Ti aiuta a determinare il grado di corrispondenza tra l'input fuzzy e le regole. In base alla% di corrispondenza, determina quali regole devono essere implementate in base al campo di input specificato. Successivamente, le regole applicate vengono combinate per sviluppare le azioni di controllo.
Defuzzificazione:
Infine viene eseguito il processo di defuzzificazione per convertire i set fuzzy in un valore nitido. Sono disponibili molti tipi di tecniche, quindi è necessario selezionare quella più adatta quando viene utilizzata con un sistema esperto.
Logica fuzzy vs. probabilità
| Logica fuzzy | Probabilità |
|---|---|
| Fuzzy: il grado di appartenenza di Tom al gruppo degli anziani è 0,90. | Probabilità: c'è una probabilità del 90% che Tom sia vecchio. |
| La logica fuzzy prende i gradi di verità come base matematica sul modello del fenomeno della vaghezza. | La probabilità è un modello matematico di ignoranza. |
Crisp vs Fuzzy
| Croccante | Fuzzy |
|---|---|
| Ha un confine stretto T o F | Confine sfocato con un grado di appartenenza |
| Alcune impostazioni di tempo nitide possono essere sfocate | Non può essere croccante |
| Vero / Falso {0,1} | Valori di appartenenza su [0,1] |
| Nella logica Crisp la legge del mezzo escluso e della non contraddizione può o non può valere | Nella logica fuzzy la legge del mezzo escluso e della non contraddizione tiene |
Teoria degli insiemi classici e degli insiemi fuzzy
| Set classico | Teoria degli insiemi fuzzy |
|---|---|
| Classi di oggetti con confini netti. | Le classi di oggetti non hanno confini netti. |
| Un insieme classico è definito da confini nitidi, cioè, c'è chiarezza sulla posizione dei confini dell'insieme. | Un insieme fuzzy ha sempre confini ambigui, cioè, potrebbe esserci incertezza sulla posizione dei confini dell'insieme. |
| Ampiamente usato nella progettazione di sistemi digitali | Utilizzato solo nei controller fuzzy. |
Esempi di logica fuzzy
Vedere il diagramma riportato di seguito. Mostra che in un sistema Fuzzy, i valori sono indicati da un numero da 0 a 1. In questo esempio, 1.0 significa verità assoluta e 0.0 significa falsità assoluta.
Logica fuzzy con esempio
Aree di applicazione della logica fuzzy
La tabella fornita da Blow mostra l'applicazione della logica Fuzzy da parte di aziende famose nei loro prodotti.
| Prodotto | Azienda | Logica fuzzy |
|---|---|---|
| Freni antibloccaggio | Nissan | Usa la logica fuzzy per controllare i freni in casi pericolosi a seconda della velocità dell'auto, dell'accelerazione, della velocità delle ruote e dell'accelerazione |
| Trasmissione automatica | NOK / Nissan | La logica fuzzy viene utilizzata per controllare l'iniezione di carburante e l'accensione in base all'impostazione dell'acceleratore, alla temperatura dell'acqua di raffreddamento, al regime, ecc. |
| Motore automatico | Honda, Nissan | Utilizzare per selezionare la marcia in base al carico del motore, allo stile di guida e alle condizioni stradali. |
| Fotocopiatrice | Canone | Utilizzo per regolare la tensione del tamburo in base alla densità dell'immagine, all'umidità e alla temperatura. |
| Regolazione automatica della velocità | Nissan, Isuzu, Mitsubishi | Usalo per regolare l'impostazione dell'acceleratore per impostare la velocità e l'accelerazione dell'auto |
| Lavastoviglie | Matsushita | Utilizzare per regolare il ciclo di pulizia, le strategie di risciacquo e lavaggio in base al numero di piatti e alla quantità di cibo servito sui piatti. |
| Controllo dell'ascensore | Fujitec, Mitsubishi Electric, Toshiba | Usalo per ridurre i tempi di attesa in base al traffico passeggeri |
| Sistema diagnostico per il golf | Maruman Golf | Seleziona la mazza da golf in base allo swing e al fisico del giocatore. |
| Gestione del fitness | Omron | Regole fuzzy implicite da loro per verificare l'idoneità dei loro dipendenti. |
| Controllo del forno | Nippon Steel | Mescola il cemento |
| Forno a microonde | Mitsubishi Chemical | Imposta la potenza di lunes e la strategia di cottura |
| Computer palmare | Hitachi, Sharp, Sanyo, Toshiba | Riconosce i caratteri Kanji scritti a mano |
| Incisione al plasma | Mitsubishi Electric | Imposta il tempo e la strategia di incisione |
Vantaggi del sistema Fuzzy Logic
- La struttura di Fuzzy Logic Systems è semplice e comprensibile
- La logica fuzzy è ampiamente utilizzata per scopi commerciali e pratici
- La logica fuzzy nell'IA ti aiuta a controllare macchine e prodotti di consumo
- Potrebbe non offrire un ragionamento accurato, ma l'unico ragionamento accettabile
- La logica fuzzy in Data Mining ti aiuta ad affrontare l'incertezza nell'ingegneria
- Per lo più robusto in quanto non sono richiesti input precisi
- Può essere programmato nella situazione in cui il sensore di feedback smette di funzionare
- Può essere facilmente modificato per migliorare o alterare le prestazioni del sistema
- È possibile utilizzare sensori economici che consentono di mantenere bassi i costi e la complessità complessivi del sistema
- Fornisce una soluzione più efficace a problemi complessi
Svantaggi dei sistemi Fuzzy Logic
- La logica fuzzy non è sempre accurata, quindi i risultati vengono percepiti in base a supposizioni, quindi potrebbe non essere ampiamente accettata.
- I sistemi fuzzy non hanno la capacità di apprendimento automatico e di riconoscimento dei modelli di rete neurale
- La convalida e la verifica di un sistema basato sulla conoscenza fuzzy richiede test approfonditi con l'hardware
- Impostare regole esatte e confuse e funzioni di appartenenza è un compito difficile
- Una certa logica del tempo fuzzy viene confusa con la teoria della probabilità e i termini
Sommario
- Il termine fuzzy significa cose che non sono molto chiare o vaghe
- Il termine logica fuzzy fu usato per la prima volta nel 1965 da Lotfi Zadeh, un professore della UC Berkeley in California
- La logica fuzzy è una tecnica di apprendimento automatico flessibile e facile da implementare
- La logica fuzzy non dovrebbe essere usata quando puoi usare il buon senso
- L'architettura Fuzzy Logic ha quattro parti principali 1) Regola bassa 2) Fuzzificazione 3) Motore di inferenza 4) Defuzzificazione
- La logica fuzzy prende i gradi di verità come base matematica sul modello della vaghezza mentre la probabilità è un modello matematico dell'ignoranza
- Il set nitido ha un confine stretto T o F mentre il confine fuzzy con un grado di appartenenza
- Un set classico è ampiamente utilizzato nella progettazione di sistemi digitali mentre un set fuzzy Utilizzato solo nei controller fuzzy
- Trasmissione automatica, gestione fitness, sistema diagnostico golf, lavastoviglie, fotocopiatrice sono alcune aree delle applicazioni Fuzzy Logic
- La logica fuzzy in Soft Computing ti aiuta a controllare macchine e prodotti di consumo