Fuzzy Logic - Penalaran Perkiraan
Berikut adalah mode yang berbeda dari perkiraan alasan -
Penalaran Kategoris
Dalam mode penalaran perkiraan ini, anteseden, yang tidak mengandung bilangan fuzzy dan probabilitas fuzzy, diasumsikan dalam bentuk kanonik.
Penalaran Kualitatif
Dalam mode penalaran perkiraan ini, anteseden dan konsekuensi memiliki variabel linguistik fuzzy; hubungan input-output dari suatu sistem dinyatakan sebagai kumpulan aturan IF-THEN fuzzy. Penalaran ini terutama digunakan dalam analisis sistem kontrol.
Penalaran Silogistik
Dalam mode penalaran aproksimasi ini, anteseden dengan bilangan fuzzy terkait dengan aturan inferensi. Ini dinyatakan sebagai -
x = S 1 A adalah B
y = S 2 C adalah D
------------------------
z = S 3 E adalah F
Di sini A, B, C, D, E, F adalah predikat fuzzy.
S 1 dan S 2 diberi bilangan fuzzy.
S 3 adalah pembilang fuzzy yang harus ditentukan.
Penalaran Disposisional
Dalam mode penalaran aproksimasi ini, anteseden adalah disposisi yang mungkin berisi pengukur fuzzy "biasanya". PenghitungUsuallymenghubungkan bersama penalaran disposisional dan silogistik; karena itu ia memainkan peran penting.
Misalnya, aturan proyeksi inferensi dalam penalaran disposisional dapat diberikan sebagai berikut -
biasanya ((L, M) adalah R) ⇒ biasanya (L adalah [R ↓ L])
Sini [R ↓ L] adalah proyeksi relasi fuzzy R di L
Basis Aturan Logika Fuzzy
Sudah menjadi fakta umum bahwa manusia selalu nyaman melakukan percakapan dalam bahasa alami. Representasi pengetahuan manusia dapat dilakukan dengan bantuan ekspresi bahasa alami berikut -
IF mendahului THEN akibat
Ekspresi seperti yang disebutkan di atas disebut sebagai basis aturan Fuzzy IF-THEN.
Bentuk Kanonis
Berikut adalah bentuk kanonik dari Fuzzy Logic Rule Base -
Rule 1 - Jika kondisi C1, maka batasi R1
Rule 2 - Jika kondisi C1, maka batasi R2
.
.
.
Rule n - Jika kondisi C1, maka batasi Rn
Interpretasi Aturan Fuzzy IF-THEN
Aturan Fuzzy IF-THEN dapat diinterpretasikan dalam empat bentuk berikut -
Pernyataan Penugasan
Jenis pernyataan ini menggunakan "=" (sama dengan tanda) untuk tujuan penugasan. Mereka adalah dari bentuk berikut -
a = halo
iklim = musim panas
Pernyataan bersyarat
Jenis pernyataan ini menggunakan bentuk dasar aturan "IF-THEN" untuk tujuan kondisi. Mereka adalah dari bentuk berikut -
JIKA suhu tinggi MAKA Iklim panas
JIKA makanan segar MAKA makan.
Pernyataan Tanpa Syarat
Mereka adalah dari bentuk berikut -
GOTO 10
matikan Fan
Variabel Linguistik
Kami telah mempelajari bahwa logika fuzzy menggunakan variabel linguistik yang merupakan kata atau kalimat dalam bahasa alami. Misalnya, jika kita mengatakan suhu, itu adalah variabel linguistik; nilai yang sangat panas atau dingin, sedikit panas atau dingin, sangat hangat, sedikit hangat, dll. Kata sangat, sedikit adalah linguistik pagar.
Karakterisasi Variabel Linguistik
Berikut empat istilah yang mencirikan variabel linguistik -
- Nama variabel, umumnya diwakili oleh x.
- Kumpulan suku variabel, umumnya diwakili oleh t (x).
- Aturan sintaksis untuk menghasilkan nilai variabel x.
- Aturan semantik untuk menghubungkan setiap nilai x dan signifikansinya.
Proposisi dalam Fuzzy Logic
Seperti yang kita ketahui bahwa proposisi adalah kalimat yang diekspresikan dalam bahasa apa pun yang umumnya diekspresikan dalam bentuk kanonik berikut -
s sebagai P
Di sini, s adalah Subjek dan P adalah Predikat.
Misalnya, “ Delhi adalah ibu kota India ”, ini adalah proposisi di mana “ Delhi ” adalah subjeknya dan “ adalah ibu kota India ” adalah predikat yang menunjukkan properti subjek.
Kita tahu bahwa logika adalah dasar dari penalaran dan logika fuzzy memperluas kemampuan penalaran dengan menggunakan predikat fuzzy, pengubah predikat fuzzy, pengukur fuzzy dan kualifikasi fuzzy dalam proposisi fuzzy yang menciptakan perbedaan dari logika klasik.
Proposisi dalam logika fuzzy meliputi:
Predikat Fuzzy
Hampir setiap predikat dalam bahasa natural bersifat fuzzy sehingga logika fuzzy memiliki predikat tinggi, pendek, hangat, panas, cepat, dll.
Pengubah predikat fuzzy
Kami membahas linguistic hedges di atas; kami juga memiliki banyak pengubah predikat fuzzy yang bertindak sebagai lindung nilai. Mereka sangat penting untuk menghasilkan nilai variabel linguistik. Misalnya, kata sangat, sedikit adalah pengubah dan proposisinya bisa seperti " air agak panas ".
Pengukur Fuzzy
Ini dapat didefinisikan sebagai bilangan fuzzy yang memberikan klasifikasi samar-samar dari kardinalitas dari satu atau lebih himpunan fuzzy atau non-fuzzy. Ini dapat digunakan untuk mempengaruhi probabilitas dalam logika fuzzy. Misalnya, kata many, most, sering digunakan sebagai bilangan fuzzy dan proposisinya bisa seperti " kebanyakan orang alergi terhadapnya ".
Kualifikasi Fuzzy
Mari kita sekarang memahami Kualifikasi Fuzzy. Fuzzy Qualifier juga merupakan proposisi dari Fuzzy Logic. Kualifikasi fuzzy memiliki bentuk sebagai berikut -
Kualifikasi Fuzzy Berdasarkan Kebenaran
Ini mengklaim tingkat kebenaran proposisi fuzzy.
Expression- Dinyatakan sebagai x adalah t . Di sini, t adalah nilai kebenaran fuzzy.
Example - (Mobil berwarna hitam) TIDAK SANGAT Benar.
Kualifikasi Fuzzy Berdasarkan Probabilitas
Ini mengklaim probabilitas, baik numerik atau interval, proposisi fuzzy.
Expression- Dinyatakan sebagai x adalah λ . Di sini, λ adalah probabilitas fuzzy.
Example - (Mobil hitam) adalah Kemungkinan.
Kualifikasi Fuzzy Berdasarkan Kemungkinan
Ia mengklaim kemungkinan proposisi fuzzy.
Expression- Dinyatakan sebagai x adalah π . Di sini, π adalah kemungkinan kabur.
Example - (Mobil berwarna hitam) Hampir Tidak Mungkin.