Fuzzy Logic - การใช้เหตุผลโดยประมาณ

ต่อไปนี้เป็นโหมดต่างๆของการให้เหตุผลโดยประมาณ -

การให้เหตุผลตามหมวดหมู่

ในรูปแบบของการให้เหตุผลโดยประมาณนี้จะถือว่าสิ่งก่อนหน้าซึ่งไม่มีตัวระบุจำนวนที่คลุมเครือและความน่าจะเป็นแบบคลุมเครือจะถือว่าอยู่ในรูปแบบบัญญัติ

การใช้เหตุผลเชิงคุณภาพ

ในรูปแบบของการให้เหตุผลโดยประมาณนี้เนื้อหาก่อนหน้าและผลที่ตามมามีตัวแปรทางภาษาที่คลุมเครือ ความสัมพันธ์อินพุต - เอาต์พุตของระบบจะแสดงเป็นชุดของกฎ IF-THEN ที่คลุมเครือ การให้เหตุผลนี้ส่วนใหญ่ใช้ในการวิเคราะห์ระบบควบคุม

การให้เหตุผลเชิงพยางค์

ในรูปแบบของการให้เหตุผลโดยประมาณนี้เนื้อหาก่อนหน้าที่มีตัวระบุจำนวนที่คลุมเครือเกี่ยวข้องกับกฎการอนุมาน สิ่งนี้แสดงเป็น -

x = S 1 A เป็น B′s

y = S 2 C คือ D

------------------------

z = S 3 E คือ F

ที่นี่ A, B, C, D, E, F เป็นเพรดิเคตที่คลุมเครือ

  • S 1และS 2ได้รับตัวระบุจำนวนที่คลุมเครือ

  • S 3เป็นตัวระบุจำนวนที่ไม่ชัดเจนซึ่งต้องตัดสินใจ

เหตุผลในการจัดการ

ในรูปแบบของการให้เหตุผลโดยประมาณนี้คำก่อนหน้าคือการจัดการที่อาจมีตัวระบุจำนวนที่คลุมเครือ“ โดยปกติ” ตัวบ่งชี้Usuallyเชื่อมโยงการให้เหตุผลเชิงการจัดการและการอ้างเหตุผลเข้าด้วยกัน ด้วยเหตุนี้จึงมีบทบาทสำคัญ

ตัวอย่างเช่นกฎการคาดการณ์ของการอนุมานในการให้เหตุผลเชิงการตลาดสามารถระบุได้ดังนี้ -

โดยปกติ ((L, M) คือ R) ⇒โดยปกติ (L คือ [R ↓ L])

ที่นี่ [R ↓ L] คือการฉายภาพของความสัมพันธ์ที่คลุมเครือ R บน L

Fuzzy Logic Rule Base

เป็นที่ทราบกันดีอยู่แล้วว่ามนุษย์มักจะรู้สึกสบายใจในการสนทนาด้วยภาษาที่เป็นธรรมชาติ การแสดงความรู้ของมนุษย์สามารถทำได้ด้วยความช่วยเหลือของการแสดงออกทางภาษาธรรมชาติดังต่อไปนี้ -

IF ก่อนหน้านี้ THEN ตามมา

นิพจน์ตามที่ระบุไว้ข้างต้นเรียกว่าฐานของกฎ IF-THEN ที่คลุมเครือ

รูปแบบบัญญัติ

ต่อไปนี้เป็นรูปแบบบัญญัติของ Fuzzy Logic Rule Base -

Rule 1 - ถ้าเงื่อนไข C1 ข้อ จำกัด R1

Rule 2 - ถ้าเงื่อนไข C1 ข้อ จำกัด R2

.

.

.

Rule n - ถ้าเงื่อนไข C1 ข้อ จำกัด Rn

การตีความกฎ IF-THEN ที่คลุมเครือ

กฎ IF-THEN ที่คลุมเครือสามารถตีความได้ในสี่รูปแบบต่อไปนี้ -

งบการมอบหมายงาน

ข้อความประเภทนี้ใช้“ =” (เท่ากับเครื่องหมาย) เพื่อวัตถุประสงค์ในการมอบหมายงาน มีรูปแบบดังต่อไปนี้ -

a = สวัสดี

ภูมิอากาศ = ฤดูร้อน

งบเงื่อนไข

ข้อความประเภทนี้ใช้รูปแบบฐานของกฎ "IF-THEN" เพื่อจุดประสงค์ของเงื่อนไข มีรูปแบบดังต่อไปนี้ -

ถ้าอุณหภูมิสูงแล้วภูมิอากาศจะร้อน

ถ้าอาหารสดก็กิน

ข้อความที่ไม่มีเงื่อนไข

มีรูปแบบดังต่อไปนี้ -

ก๊อต 10

ปิดพัดลม

ตัวแปรทางภาษา

เราได้ศึกษาว่าฟัซซี่ลอจิกใช้ตัวแปรทางภาษาซึ่งเป็นคำหรือประโยคในภาษาธรรมชาติ ตัวอย่างเช่นถ้าเราพูดว่าอุณหภูมิก็เป็นตัวแปรทางภาษา ค่าที่ร้อนมากหรือเย็นมากร้อนหรือเย็นเล็กน้อยอบอุ่นมากอบอุ่นเล็กน้อย ฯลฯ คำมากเล็กน้อยเป็นการป้องกันความเสี่ยงทางภาษา

ลักษณะเฉพาะของตัวแปรทางภาษา

คำศัพท์สี่คำตามลักษณะของตัวแปรทางภาษา -

  • ชื่อของตัวแปรโดยทั่วไปแสดงด้วย x
  • ชุดคำของตัวแปรโดยทั่วไปแสดงด้วย t (x)
  • กฎไวยากรณ์สำหรับสร้างค่าของตัวแปร x
  • กฎความหมายสำหรับการเชื่อมโยงทุกค่าของ x และนัยสำคัญ

ข้อเสนอใน Fuzzy Logic

ดังที่เราทราบว่าประพจน์เป็นประโยคที่แสดงในภาษาใด ๆ ซึ่งโดยทั่วไปจะแสดงในรูปแบบบัญญัติต่อไปนี้ -

s เป็น P

นี่sเป็นเรื่องและPเป็นคำกริยา

ตัวอย่างเช่น“ เดลีเป็นเมืองหลวงของอินเดีย ” นี่คือโจทย์ที่“ เดลี ” เป็นหัวเรื่องและ“ เป็นเมืองหลวงของอินเดีย ” คือคำกริยาที่แสดงคุณสมบัติของหัวเรื่อง

เราทราบดีว่าตรรกะเป็นพื้นฐานของการให้เหตุผลและตรรกะที่คลุมเครือช่วยเพิ่มความสามารถในการให้เหตุผลโดยการใช้เพรดิเคตแบบฟัซซีตัวดัดแปลงฟัซซีเพรดิเคตตัวระบุจำนวนที่คลุมเครือและคุณสมบัติเชิงลบในข้อเสนอที่คลุมเครือซึ่งสร้างความแตกต่างจากตรรกะคลาสสิก

ข้อเสนอในตรรกะฟัซซีมีดังต่อไปนี้ -

พร่าเลือน

เกือบทุกคำกริยาในภาษาธรรมชาตินั้นคลุมเครือในธรรมชาติดังนั้นตรรกะที่คลุมเครือจึงมีเพรดิเคตเช่นสูงสั้นอบอุ่นร้อนเร็ว ฯลฯ

ตัวดัดแปลงฟัซซีเพรดิเคต

เราได้กล่าวถึงการป้องกันความเสี่ยงทางภาษาข้างต้น เรายังมีตัวดัดแปลงฟัซซีเพรดิเคตจำนวนมากซึ่งทำหน้าที่เป็นตัวป้องกันความเสี่ยง สิ่งเหล่านี้มีความสำคัญมากในการสร้างค่าของตัวแปรทางภาษา ตัวอย่างเช่นคำว่า very เล็กน้อยเป็นตัวปรับแต่งและประพจน์อาจเป็นเช่น " น้ำร้อนเล็กน้อย "

Fuzzy Quantifiers

สามารถกำหนดให้เป็นจำนวนที่คลุมเครือซึ่งให้การจำแนกประเภทที่คลุมเครือของจำนวนคาร์ดินาลลิตี้ของชุดคลุมเครือหรือไม่คลุมเครือหนึ่งชุดขึ้นไป สามารถใช้เพื่อส่งผลต่อความน่าจะเป็นภายในตรรกะที่คลุมเครือ ตัวอย่างเช่นคำที่หลายคนมักใช้เป็นตัวระบุจำนวนที่คลุมเครือและประพจน์อาจเป็นเช่น " คนส่วนใหญ่แพ้ "

รอบคัดเลือกที่คลุมเครือ

ตอนนี้ให้เราเข้าใจ Fuzzy Qualifiers Fuzzy Qualifier เป็นโจทย์ของ Fuzzy Logic คุณสมบัติฟัซซีมีรูปแบบดังต่อไปนี้ -

คุณสมบัติที่คลุมเครืออยู่บนพื้นฐานของความจริง

มันอ้างระดับความจริงของเรื่องที่คลุมเครือ

Expression- โดยจะแสดงเป็นX เป็นเสื้อ นี่tคือค่าความจริงที่คลุมเครือ

Example - (รถเป็นสีดำ) ไม่เป็นความจริง

คุณสมบัติคลุมเครือขึ้นอยู่กับความน่าจะเป็น

มันอ้างถึงความน่าจะเป็นทั้งตัวเลขหรือช่วงเวลาของประพจน์ที่คลุมเครือ

Expression- โดยจะแสดงเป็นX คือλ ที่นี่λคือความน่าจะเป็นที่คลุมเครือ

Example - (รถเป็นสีดำ) มีแนวโน้ม

คุณสมบัติที่คลุมเครือขึ้นอยู่กับความเป็นไปได้

มันอ้างถึงความเป็นไปได้ของเรื่องที่คลุมเครือ

Expression- โดยจะแสดงเป็นX คือπ ที่นี่πเป็นไปได้ที่คลุมเครือ

Example - (รถเป็นสีดำ) เกือบจะเป็นไปไม่ได้