Yapay Zeka - Bulanık Mantık Sistemleri

Bulanık Mantık Sistemleri (FLS), eksik, belirsiz, bozuk veya yanlış (bulanık) girdiye yanıt olarak kabul edilebilir ancak kesin çıktı üretir.

Bulanık Mantık nedir?

Bulanık Mantık (FL), insan muhakemesine benzeyen bir akıl yürütme yöntemidir. FL yaklaşımı, insanlarda, EVET ve HAYIR dijital değerler arasındaki tüm ara olasılıkları içeren karar verme yöntemini taklit eder.

Bir bilgisayarın anlayabileceği geleneksel mantık bloğu, kesin girdi alır ve insanın EVET veya HAYIR'a eşdeğer olan DOĞRU veya YANLIŞ olarak kesin bir çıktı üretir.

Bulanık mantığın mucidi Lotfi Zadeh, bilgisayarların aksine, insan karar verme sürecinin EVET ve HAYIR arasında bir dizi olasılık içerdiğini gözlemledi, örneğin:

KESİNLİKLE EVET

MUHTEMELEN EVET

SÖYLEYEMEM

MUHTEMELEN HAYIR

KESİNLİKLE HAYIR

Bulanık mantık, kesin çıktıyı elde etmek için girdi olasılıklarının seviyeleri üzerinde çalışır.

Uygulama

• Küçük mikro denetleyicilerden büyük, ağa bağlı, iş istasyonu tabanlı denetim sistemlerine kadar çeşitli boyut ve yeteneklere sahip sistemlerde uygulanabilir.

• Donanım, yazılım veya her ikisinin bir kombinasyonunda uygulanabilir.

Neden Bulanık Mantık?

Bulanık mantık ticari ve pratik amaçlar için kullanışlıdır.

• Makineleri ve tüketici ürünlerini kontrol edebilir.
• Doğru akıl yürütmeyebilir, ancak kabul edilebilir mantık yürütebilir.
• Bulanık mantık, mühendislikteki belirsizlikle başa çıkmaya yardımcı olur.

Bulanık Mantık Sistemleri Mimarisi

Gösterildiği gibi dört ana bölümü vardır -

• Fuzzification Module- Net sayılar olan sistem girişlerini bulanık setlere dönüştürür. Giriş sinyalini aşağıdaki gibi beş adıma böler:

LP	x Büyük Pozitif
MP	x Orta Olumlu
S	x Küçüktür
MN	x Orta Negatiftir
LN	x Büyük Negatiftir

• Knowledge Base - Uzmanlar tarafından sağlanan IF-THEN kurallarını saklar.

• Inference Engine - Girdiler ve IF-THEN kuralları üzerinde bulanık çıkarımlar yaparak insan muhakeme sürecini simüle eder.

• Defuzzification Module - Çıkarım motoru ile elde edilen bulanık kümeyi net bir değere dönüştürür.

membership functions work on bulanık değişken kümeleri.

Üyelik fonksiyonu

Üyelik işlevleri, dil terimini ölçmenize ve bulanık bir kümeyi grafiksel olarak göstermenize olanak tanır. Birmembership functionX söyleminin evrenindeki bulanık bir A kümesi için μ _A : X → [0,1] olarak tanımlanır .

Burada, X'in her bir elemanı 0 ile 1 arasında bir değere eşlenir.membership value veya degree of membership. X'teki elemanın bulanık A kümesine üyelik derecesini ölçer .

• x ekseni söylemin evrenini temsil eder.
• y ekseni, [0, 1] aralığındaki üyelik derecelerini temsil eder.

Sayısal bir değeri bulanıklaştırmak için uygulanabilen birden fazla üyelik işlevi olabilir. Basit üyelik işlevleri, karmaşık işlevlerin kullanımı çıktıya daha fazla hassasiyet katmadığından kullanılır.

İçin tüm üyelik fonksiyonları LP, MP, S, MN, ve LN aşağıdaki gibi gösterilmiştir -

Üçgen üyelik işlevi şekilleri, yamuk, tekli ve Gauss gibi çeşitli diğer üyelik işlevi şekilleri arasında en yaygın olanıdır.

Burada, 5 seviyeli fuzzifier için giriş -10 volt ile +10 volt arasında değişmektedir. Dolayısıyla ilgili çıktı da değişir.

Bulanık Mantık Sistemi Örneği

5 seviyeli bulanık mantık sistemine sahip bir iklimlendirme sistemini düşünelim. Bu sistem, oda sıcaklığı ile hedef sıcaklık değerini karşılaştırarak klimanın sıcaklığını ayarlar.

Algoritma

• Dilsel Değişkenleri ve terimleri tanımlayın (başlangıç)
• Onlar için üyelik fonksiyonları oluşturun. (Başlat)
• Kuralların bilgi tabanını oluşturun (başlangıç)
• Üyelik işlevlerini kullanarak net verileri bulanık veri kümelerine dönüştürün. (bulanıklaştırma)
• Kural tabanındaki kuralları değerlendirin. (Çıkarım Motoru)
• Her kuralın sonuçlarını birleştirin. (Çıkarım Motoru)
• Çıktı verilerini belirsiz olmayan değerlere dönüştürün. (bulanıklaştırma)

Geliştirme

Step 1 − Define linguistic variables and terms

Dil değişkenleri, basit kelimeler veya cümleler biçimindeki girdi ve çıktı değişkenleridir. Oda sıcaklığı için soğuk, ılık, sıcak vb. Dilsel terimlerdir.

Sıcaklık (t) = {çok soğuk, soğuk, ılık, çok ılık, sıcak}

Bu setin her üyesi dilbilimsel bir terimdir ve genel sıcaklık değerlerinin bir kısmını kapsayabilir.

Step 2 − Construct membership functions for them

Sıcaklık değişkeninin üyelik fonksiyonları gösterildiği gibidir -

Step3 − Construct knowledge base rules

Bir klima sisteminin sağlaması beklenen hedef sıcaklık değerlerine karşı oda sıcaklığı değerleri matrisi oluşturun.

Oda ısısı. /Hedef	Çok soğuk	Soğuk	Ilık, hafif sıcak	Sıcak	Çok sıcak
Çok soğuk	Değişiklik yok	Sıcaklık	Sıcaklık	Sıcaklık	Sıcaklık
Soğuk	Güzel	Değişiklik yok	Sıcaklık	Sıcaklık	Sıcaklık
Ilık, hafif sıcak	Güzel	Güzel	Değişiklik yok	Sıcaklık	Sıcaklık
Sıcak	Güzel	Güzel	Güzel	Değişiklik yok	Sıcaklık
Çok sıcak	Güzel	Güzel	Güzel	Güzel	Değişiklik yok

IF-THEN-ELSE yapıları biçiminde bilgi tabanına bir dizi kural oluşturun.

Sr. No.	Durum	Aksiyon
1	EĞER sıcaklık = (Soğuk VEYA Çok_Soğuk) VE hedef = SONRA Sıcak	Sıcaklık
2	EĞER sıcaklık = (Sıcak VEYA Çok_Sıcak) VE hedef = BU DURUMDA Sıcak	Güzel
3	EĞER (sıcaklık = Ilık) VE (hedef = Ilık) SONRA	Değişiklik yok

Step 4 − Obtain fuzzy value

Bulanık küme işlemleri, kuralların değerlendirmesini gerçekleştirir. VEYA ve AND için kullanılan işlemler sırasıyla Maks ve Min'dir. Nihai bir sonuç oluşturmak için tüm değerlendirme sonuçlarını birleştirin. Bu sonuç belirsiz bir değerdir.

Step 5 − Perform defuzzification

Daha sonra, çıktı değişkeni için üyelik fonksiyonuna göre bulanıklaştırma gerçekleştirilir.

Bulanık Mantığın Uygulama Alanları

Bulanık mantığın temel uygulama alanları aşağıdaki gibidir -

Automotive Systems

• Otomatik Şanzımanlar
• Dört Tekerli Direksiyon
• Araç ortam kontrolü

Consumer Electronic Goods

• Hi-Fi Sistemleri
• Photocopiers
• Fotoğraf ve Video Kameralar
• Television

Domestic Goods

• Mikrodalga fırınlar
• Refrigerators
• Toasters
• Elektrikli süpürgeler
• Çamaşır makineleri

Environment Control

• Klimalar / Kurutucular / Isıtıcılar
• Humidifiers

FLS'lerin avantajları

• Bulanık akıl yürütme içindeki matematiksel kavramlar çok basittir.

• Bulanık mantığın esnekliğinden dolayı, sadece kurallar ekleyerek veya silerek bir FLS'yi değiştirebilirsiniz.

• Bulanık mantık Sistemleri kesin olmayan, bozuk, gürültülü giriş bilgileri alabilir.

• FLS'lerin oluşturulması ve anlaşılması kolaydır.

• Bulanık mantık, tıp da dahil olmak üzere yaşamın tüm alanlarındaki karmaşık sorunlara bir çözümdür, çünkü insan muhakemesine ve karar vermeye benzer.

FLS'lerin dezavantajları

• Bulanık sistem tasarımına yönelik sistematik bir yaklaşım yoktur.
• Sadece basit olduklarında anlaşılabilirler.
• Yüksek doğruluk gerektirmeyen problemler için uygundurlar.