Sztuczna inteligencja - systemy logiki rozmytej

Systemy logiki rozmytej (FLS) dają akceptowalne, ale określone dane wyjściowe w odpowiedzi na niepełne, niejednoznaczne, zniekształcone lub niedokładne (rozmyte) dane wejściowe.

Co to jest Fuzzy Logic?

Logika rozmyta (FL) to metoda rozumowania przypominająca rozumowanie ludzkie. Podejście FL naśladuje sposób podejmowania decyzji u ludzi, który obejmuje wszystkie pośrednie możliwości między wartościami cyfrowymi TAK i NIE.

Konwencjonalny blok logiczny, który komputer może zrozumieć, pobiera precyzyjne dane wejściowe i generuje określone wyjście jako PRAWDA lub FAŁSZ, co jest równoważne ludzkiemu TAK lub NIE.

Wynalazca logiki rozmytej, Lotfi Zadeh, zauważył, że w przeciwieństwie do komputerów podejmowanie decyzji przez człowieka obejmuje szereg możliwości od TAK do NIE, takich jak:

Z PEWNOŚCIĄ TAK
MOŻLIWE TAK
TRUDNO POWIEDZIEĆ
MOŻLIWE NIE
NA PEWNO NIE

Logika rozmyta działa na poziomach możliwości wejścia w celu uzyskania określonego wyjścia.

Realizacja

  • Może być wdrażany w systemach o różnych rozmiarach i możliwościach, od małych mikrokontrolerów po duże, sieciowe systemy sterowania oparte na stacjach roboczych.

  • Można go zaimplementować sprzętowo, programowo lub kombinację obu.

Dlaczego Fuzzy Logic?

Logika rozmyta jest przydatna do celów komercyjnych i praktycznych.

  • Może sterować maszynami i produktami konsumenckimi.
  • Może nie zawierać dokładnego uzasadnienia, ale uzasadnienie do przyjęcia.
  • Logika rozmyta pomaga radzić sobie z niepewnością w inżynierii.

Architektura systemów logiki rozmytej

Ma cztery główne części, jak pokazano -

  • Fuzzification Module- Przekształca dane wejściowe systemu, które są wyraźnymi liczbami, w rozmyte zbiory. Dzieli sygnał wejściowy na pięć etapów, takich jak -

LP x jest dużym dodatnim
MP x jest średnio pozytywna
S x jest mały
MN x jest średnio ujemnym
LN x jest dużym ujemnym
  • Knowledge Base - Przechowuje reguły IF-THEN dostarczone przez ekspertów.

  • Inference Engine - Symuluje ludzki proces rozumowania poprzez wnioskowanie rozmyte na podstawie danych wejściowych i reguł IF-THEN.

  • Defuzzification Module - Przekształca rozmyty zbiór uzyskany przez silnik wnioskowania w wyraźną wartość.

Plik membership functions work on rozmyte zbiory zmiennych.

Członkostwo

Funkcje członkostwa umożliwiają kwantyfikację terminu językowego i graficzną reprezentację rozmytego zbioru. ZAmembership functiondla rozmytego zbioru A we wszechświecie dyskursu X definiuje się jako μ A : X → [0,1].

Tutaj każdy element X jest mapowany na wartość z zakresu od 0 do 1. Nazywa sięmembership value lub degree of membership. To ilościowo stopień przynależności elementu w X do zbiorów rozmytych A .

  • Oś x reprezentuje wszechświat dyskursu.
  • Oś y reprezentuje stopnie członkostwa w przedziale [0, 1].

Może istnieć wiele funkcji członkostwa mających zastosowanie do fuzzify wartości liczbowej. Proste funkcje członkostwa są używane, ponieważ użycie złożonych funkcji nie zwiększa precyzji wyników.

Wszystkie funkcje członkostwa dla LP, MP, S, MN, i LN pokazano poniżej -

Trójkątne kształty funkcji przynależności są najczęściej spotykane wśród różnych innych kształtów funkcji przynależności, takich jak trapezoid, singleton i Gaussian.

Tutaj sygnał wejściowy do 5-poziomowego fuzzifier zmienia się od -10 woltów do +10 woltów. W związku z tym zmienia się również odpowiedni wynik.

Przykład systemu Fuzzy Logic

Rozważmy system klimatyzacji z 5-poziomowym systemem logiki rozmytej. Ten system reguluje temperaturę klimatyzatora, porównując temperaturę w pomieszczeniu i docelową wartość temperatury.

Algorytm

  • Zdefiniuj zmienne językowe i terminy (początek)
  • Skonstruuj dla nich funkcje członkostwa. (początek)
  • Zbuduj bazę wiedzy o regułach (początek)
  • Konwertuj wyraźne dane na rozmyte zestawy danych za pomocą funkcji członkostwa. (fuzzyfikacja)
  • Oceń reguły w podstawie reguł. (Silnik wnioskowania)
  • Połącz wyniki z każdej reguły. (Silnik wnioskowania)
  • Konwertuj dane wyjściowe na wartości nierozmyte. (defuzyfikacja)

Rozwój

Step 1 − Define linguistic variables and terms

Zmienne językowe to zmienne wejściowe i wyjściowe w postaci prostych słów lub zdań. W przypadku temperatury pokojowej termin „zimno”, „ciepło”, „gorąco” itp. To terminy językowe.

Temperatura (t) = {bardzo zimno, zimno, ciepło, bardzo ciepło, gorąco}

Każdy element tego zestawu jest terminem językowym i może obejmować pewną część ogólnych wartości temperatury.

Step 2 − Construct membership functions for them

Funkcje przynależności zmiennej temperatury są pokazane -

Step3 − Construct knowledge base rules

Utwórz macierz między wartościami temperatury pokojowej a docelowymi wartościami temperatury, które ma zapewnić system klimatyzacji.

Temperatura pokojowa. /Cel Bardzo zimno Zimno Ciepły Gorąco Bardzo gorący
Bardzo zimno Bez zmiany Ciepło Ciepło Ciepło Ciepło
Zimno Fajne Bez zmiany Ciepło Ciepło Ciepło
Ciepły Fajne Fajne Bez zmiany Ciepło Ciepło
Gorąco Fajne Fajne Fajne Bez zmiany Ciepło
Bardzo gorący Fajne Fajne Fajne Fajne Bez zmiany

Zbuduj zestaw reguł w bazie wiedzy w postaci struktur IF-THEN-ELSE.

Sr. No. Stan: schorzenie Akcja
1 JEŻELI temperatura = (Zimno LUB Bardzo_Zimno) ORAZ docelowa = Ciepło TO Ciepło
2 JEŻELI temperatura = (gorąca LUB bardzo_ gorąca) ORAZ docelowa = ciepła WTEDY Fajne
3 JEŻELI (temperatura = Ciepło) ORAZ (docelowa = Ciepła) WTEDY Bez zmiany

Step 4 − Obtain fuzzy value

Operacje na zbiorach rozmytych wykonują ocenę reguł. Operacje używane dla OR i AND to odpowiednio Max i Min. Połącz wszystkie wyniki oceny, aby uzyskać ostateczny wynik. Ten wynik jest rozmytą wartością.

Step 5 − Perform defuzzification

Defuzzyfikacja jest następnie wykonywana zgodnie z funkcją przynależności do zmiennej wyjściowej.

Obszary zastosowań Fuzzy Logic

Kluczowe obszary zastosowań logiki rozmytej są następujące:

Automotive Systems

  • Automatyczne skrzynie biegów
  • Sterowanie na cztery koła
  • Kontrola otoczenia pojazdu

Consumer Electronic Goods

  • Systemy Hi-Fi
  • Photocopiers
  • Kamery fotograficzne i wideo
  • Television

Domestic Goods

  • Kuchenka mikrofalowa
  • Refrigerators
  • Toasters
  • Odkurzacze
  • Pralki

Environment Control

  • Klimatyzatory / suszarki / grzejniki
  • Humidifiers

Zalety FLS

  • Pojęcia matematyczne w ramach rozumowania rozmytego są bardzo proste.

  • Możesz zmodyfikować FLS, po prostu dodając lub usuwając reguły ze względu na elastyczność logiki rozmytej.

  • Systemy logiki rozmytej mogą przyjmować nieprecyzyjne, zniekształcone i zaszumione informacje wejściowe.

  • Pliki FLS są łatwe do skonstruowania i zrozumienia.

  • Logika rozmyta jest rozwiązaniem złożonych problemów we wszystkich dziedzinach życia, w tym w medycynie, ponieważ przypomina ludzkie rozumowanie i podejmowanie decyzji.

Wady FLS

  • Nie ma systematycznego podejścia do projektowania systemów rozmytych.
  • Są zrozumiałe tylko wtedy, gdy są proste.
  • Nadają się do problemów, które nie wymagają dużej dokładności.