Trí tuệ nhân tạo - Hệ thống logic mờ

Hệ thống logic mờ (FLS) tạo ra đầu ra có thể chấp nhận được nhưng xác định để đáp ứng với đầu vào không đầy đủ, không rõ ràng, bị bóp méo hoặc không chính xác (mờ).

Logic mờ là gì?

Logic mờ (FL) là một phương pháp lập luận giống với suy luận của con người. Cách tiếp cận của FL bắt chước cách ra quyết định của con người liên quan đến tất cả các khả năng trung gian giữa các giá trị kỹ thuật số CÓ và KHÔNG.

Khối logic thông thường mà máy tính có thể hiểu được nhận đầu vào chính xác và tạo ra đầu ra xác định là TRUE hoặc FALSE, tương đương với YES hoặc NO của con người.

Người phát minh ra logic mờ, Lotfi Zadeh, đã nhận xét rằng không giống như máy tính, việc ra quyết định của con người bao gồm một loạt các khả năng giữa CÓ và KHÔNG, chẳng hạn như -

CHẮC CHẮN CÓ
CÓ THỂ CÓ
KHÔNG THỂ NÓI
CÓ THỂ KHÔNG
CHẮC CHẮN LÀ KHÔNG

Logic mờ hoạt động trên các mức khả năng của đầu vào để đạt được đầu ra xác định.

Thực hiện

Nó có thể được thực hiện trong các hệ thống với nhiều kích thước và khả năng khác nhau, từ các bộ điều khiển vi mô nhỏ đến các hệ thống điều khiển máy trạm lớn, được nối mạng.
Nó có thể được thực hiện trong phần cứng, phần mềm hoặc kết hợp cả hai.

Tại sao Logic mờ?

Logic mờ rất hữu ích cho các mục đích thương mại và thực tế.

Nó có thể kiểm soát máy móc và các sản phẩm tiêu dùng.
Nó có thể không đưa ra lý do chính xác, nhưng có thể chấp nhận được.
Logic mờ giúp đối phó với sự không chắc chắn trong kỹ thuật.

Kiến trúc hệ thống logic mờ

Nó có bốn phần chính như hình:

Fuzzification Module- Nó biến đổi các đầu vào của hệ thống, là các số rõ nét, thành các tập mờ. Nó chia tín hiệu đầu vào thành năm bước như -

LP	x là Dương tính lớn
MP	x là Trung bình Tích cực
S	x là nhỏ
MN	x là Âm trung bình
LN	x là âm lớn

Knowledge Base - Nó lưu trữ các quy tắc IF-THEN do các chuyên gia cung cấp.
Inference Engine - Nó mô phỏng quá trình suy luận của con người bằng cách đưa ra suy luận mờ trên các đầu vào và các quy tắc IF-THEN.
Defuzzification Module - Nó biến đổi tập mờ thu được bởi công cụ suy luận thành một giá trị rõ nét.

Các membership functions work on tập mờ của các biến.

Chức năng thành viên

Các hàm thành viên cho phép bạn định lượng thuật ngữ ngôn ngữ và biểu diễn một tập mờ bằng đồ thị. Amembership functionđối với một tập mờ A trên vũ trụ của diễn ngôn X được định nghĩa là μ _A : X → [0,1].

Ở đây, mỗi phần tử của X được ánh xạ tới một giá trị từ 0 đến 1. Nó được gọi làmembership value hoặc là degree of membership. Nó định lượng mức độ thành viên của phần tử trong X vào tập mờ A .

trục x đại diện cho vũ trụ của diễn ngôn.
trục y đại diện cho các bậc thành viên trong khoảng [0, 1].

Có thể có nhiều hàm thành viên áp dụng để làm mờ một giá trị số. Các hàm thành viên đơn giản được sử dụng vì việc sử dụng các hàm phức tạp không làm tăng thêm độ chính xác trong đầu ra.

Tất cả các chức năng thành viên cho LP, MP, S, MN, và LN được hiển thị như dưới đây -

Các hình dạng hàm liên thuộc tam giác là phổ biến nhất trong số các hình dạng hàm liên thuộc khác như hình thang, singleton và Gaussian.

Ở đây, đầu vào cho bộ tạo sóng 5 mức thay đổi từ -10 volt đến +10 volt. Do đó đầu ra tương ứng cũng thay đổi.

Ví dụ về một hệ thống lôgic mờ

Chúng ta hãy xem xét một hệ thống điều hòa không khí với hệ thống logic mờ 5 cấp. Hệ thống này điều chỉnh nhiệt độ của máy điều hòa không khí bằng cách so sánh nhiệt độ phòng và giá trị nhiệt độ mục tiêu.

Thuật toán

Xác định các biến và thuật ngữ ngôn ngữ (bắt đầu)
Xây dựng các hàm thành viên cho chúng. (khởi đầu)
Xây dựng cơ sở kiến thức về các quy tắc (bắt đầu)
Chuyển đổi dữ liệu rõ nét thành các tập dữ liệu mờ bằng cách sử dụng các hàm thành viên. (làm mờ)
Đánh giá các quy tắc trong cơ sở quy tắc. (Động cơ suy diễn)
Kết hợp các kết quả từ mỗi quy tắc. (Động cơ suy diễn)
Chuyển đổi dữ liệu đầu ra thành các giá trị không mờ. (giải mờ)

Phát triển

Step 1 − Define linguistic variables and terms

Biến ngôn ngữ là các biến đầu vào và đầu ra dưới dạng các từ hoặc câu đơn giản. Đối với nhiệt độ phòng, lạnh, ấm, nóng, v.v., là các thuật ngữ ngôn ngữ.

Nhiệt độ (t) = {rất lạnh, lạnh, ấm, rất ấm, nóng}

Mọi thành viên của tập hợp này là một thuật ngữ ngôn ngữ và nó có thể bao hàm một số phần của các giá trị nhiệt độ tổng thể.

Step 2 − Construct membership functions for them

Các hàm liên thuộc của biến nhiệt độ như được hiển thị:

Step3 − Construct knowledge base rules

Tạo ma trận giá trị nhiệt độ phòng so với giá trị nhiệt độ mục tiêu mà hệ thống điều hòa không khí dự kiến cung cấp.

PhòngTemp. /Mục tiêu	Rất lạnh	Lạnh	Ấm áp	Nóng bức	Rất nóng
Rất lạnh	Không thay đổi	Nhiệt	Nhiệt	Nhiệt	Nhiệt
Lạnh	Mát mẻ	Không thay đổi	Nhiệt	Nhiệt	Nhiệt
Ấm áp	Mát mẻ	Mát mẻ	Không thay đổi	Nhiệt	Nhiệt
Nóng bức	Mát mẻ	Mát mẻ	Mát mẻ	Không thay đổi	Nhiệt
Rất nóng	Mát mẻ	Mát mẻ	Mát mẻ	Mát mẻ	Không thay đổi

Xây dựng bộ quy tắc thành cơ sở tri thức dưới dạng cấu trúc IF-THEN-ELSE.

Sr không.	Tình trạng	Hoạt động
1	NẾU nhiệt độ = (Lạnh HOẶC Rất lạnh) VÀ mục tiêu = Ấm THEN	Nhiệt
2	NẾU nhiệt độ = (Nóng HOẶC Rất_Hốt) VÀ mục tiêu = Ấm THEN	Mát mẻ
3	NẾU (nhiệt độ = Ấm) VÀ (mục tiêu = Ấm) THÌ	Không thay đổi

Step 4 − Obtain fuzzy value

Các phép toán tập mờ thực hiện đánh giá các luật. Các phép toán được sử dụng cho OR và AND tương ứng là Max và Min. Kết hợp tất cả các kết quả đánh giá để tạo thành kết quả cuối cùng. Kết quả này là một giá trị mờ.

Step 5 − Perform defuzzification

Sau đó, khử mờ được thực hiện theo hàm liên thuộc cho biến đầu ra.

Các lĩnh vực ứng dụng của Logic mờ

Các lĩnh vực ứng dụng chính của logic mờ như đã cho:

Automotive Systems

Hộp số tự động
Tay lái bốn bánh
Kiểm soát môi trường phương tiện

Consumer Electronic Goods

Hệ thống Hi-Fi
Photocopiers
Máy ảnh tĩnh và máy quay video
Television

Domestic Goods

Nhiều lò vi sóng
Refrigerators
Toasters
Máy hút bụi
Máy giặt

Environment Control

Máy lạnh / Máy sấy / Máy sưởi
Humidifiers

Ưu điểm của FLSs

Các khái niệm toán học trong suy luận mờ rất đơn giản.
Bạn có thể sửa đổi một FLS chỉ bằng cách thêm hoặc xóa các quy tắc do tính linh hoạt của logic mờ.
Các hệ thống logic mờ có thể lấy thông tin đầu vào không chính xác, bị bóp méo, nhiễu.
FLS rất dễ xây dựng và dễ hiểu.
Logic mờ là một giải pháp cho các vấn đề phức tạp trong tất cả các lĩnh vực của cuộc sống, bao gồm cả y học, vì nó giống với suy luận và ra quyết định của con người.

Nhược điểm của FLSs

Không có cách tiếp cận hệ thống để thiết kế hệ thống mờ.
Chúng chỉ dễ hiểu khi đơn giản.
Chúng phù hợp với các bài toán không cần độ chính xác cao.