Искусственный интеллект — системы нечеткой логики

Системы нечеткой логики (FLS) выдают приемлемый, но определенный результат в ответ на неполный, двусмысленный, искаженный или неточный (нечеткий) ввод.

Что такое нечеткая логика?

Нечеткая логика (FL) — это метод рассуждений, напоминающий человеческое рассуждение. Подход FL имитирует способ принятия решений людьми, который включает в себя все промежуточные возможности между цифровыми значениями ДА и НЕТ.

Обычный логический блок, понятный компьютеру, принимает точные входные данные и выдает определенный вывод как ИСТИНА или ЛОЖЬ, что эквивалентно человеческому ДА или НЕТ.

Изобретатель нечеткой логики Лотфи Заде заметил, что, в отличие от компьютеров, принятие решений человеком включает в себя ряд возможностей от ДА до НЕТ, например:

Нечеткая логика работает на уровнях возможностей ввода для достижения определенного результата.

Реализация

• Он может быть реализован в системах различных размеров и возможностей, начиная от небольших микроконтроллеров и заканчивая большими сетевыми системами управления на базе рабочих станций.
• Он может быть реализован аппаратно, программно или их комбинацией.

Почему нечеткая логика?

Нечеткая логика полезна в коммерческих и практических целях.

• Он может управлять машинами и потребительскими товарами.
• Это может не дать точных рассуждений, но приемлемых рассуждений.
• Нечеткая логика помогает справиться с неопределенностью в технике.

Архитектура систем нечеткой логики

Как показано на рисунке, он состоит из четырех основных частей —

• Модуль фаззификации − Он преобразует входные данные системы, которые представляют собой четкие числа, в нечеткие множества. Он разбивает входной сигнал на пять шагов, таких как —

• База знаний − В нем хранятся правила ЕСЛИ-ТО, предоставленные экспертами.
• Механизм логического вывода − Он имитирует процесс человеческого мышления, делая нечеткие выводы на основе входных данных и правил ЕСЛИ-ТО.
• Модуль дефаззификации − Он преобразует нечеткое множество, полученное механизмом логического вывода, в четкое значение.

функции принадлежности работают на нечеткие множества переменных.

Функция членства

Функции принадлежности позволяют количественно определить лингвистический термин и представить нечеткое множество графически. А функция принадлежности для нечеткого установить А во вселенной дискурса X определяется как μ_А:Х → [0,1].

Здесь каждый элемент Икс сопоставляется со значением от 0 до 1. Он называется ценность членства или же степень членства. Он определяет степень принадлежности элемента к Икс к нечеткому множеству А.

• ось x представляет собой вселенную дискурса.
• Ось y представляет степени принадлежности к интервалу [0, 1].

Может быть несколько функций принадлежности, применимых для фаззификации числового значения. Простые функции принадлежности используются, поскольку использование сложных функций не увеличивает точность вывода.

Все функции принадлежности для ЛП, МП, С, МН, а также ЛН показаны ниже —

Треугольные формы функции принадлежности наиболее распространены среди различных других форм функции принадлежности, таких как трапецеидальная, одноэлементная и гауссова.

Здесь вход 5-уровневого фаззификатора изменяется от -10 вольт до +10 вольт. Следовательно, соответствующий выход также изменяется.

Пример системы нечеткой логики

Рассмотрим систему кондиционирования воздуха с 5-уровневой системой нечеткой логики. Эта система регулирует температуру кондиционера, сравнивая температуру в помещении и заданное значение температуры.

Алгоритм

• Определение лингвистических переменных и терминов (начало)
• Построить для них функции принадлежности. (Начало)
• Построить базу знаний правил (начало)
• Преобразуйте четкие данные в нечеткие наборы данных, используя функции принадлежности. (фаззификация)
• Оцените правила в базе правил. (Механизм логического вывода)
• Объедините результаты каждого правила. (Механизм логического вывода)
• Преобразуйте выходные данные в нечеткие значения. (дефаззификация)

Разработка

Шаг 1 — Определите лингвистические переменные и термины

Лингвистические переменные — это входные и выходные переменные в виде простых слов или предложений. Для комнатной температуры холодный, теплый, горячий и т. д. являются лингвистическими терминами.

Каждый член этого набора является лингвистическим термином и может охватывать некоторую часть общих значений температуры.

Шаг 2 — Постройте для них функции принадлежности

Функции принадлежности переменной температуры следующие:

Шаг 3 — Создайте правила базы знаний

Создайте матрицу значений комнатной температуры по сравнению со значениями целевой температуры, которые, как ожидается, будет обеспечивать система кондиционирования воздуха.

Создайте набор правил в базе знаний в виде структур IF-THEN-ELSE.

Шаг 4 — Получить нечеткое значение

Операции с нечеткими множествами выполняют оценку правил. Операции, используемые для ИЛИ и И, являются Макс и Мин соответственно. Объедините все результаты оценки, чтобы сформировать окончательный результат. Этот результат является нечетким значением.

Шаг 5 — Выполните дефаззификацию

Затем выполняется дефаззификация в соответствии с функцией принадлежности для выходной переменной.

Области применения нечеткой логики

Ключевые области применения нечеткой логики следующие:

Автомобильные системы

• Автоматические коробки передач
• Четырехколесное рулевое управление
• Контроль окружающей среды автомобиля

Потребительские электронные товары

• Hi-Fi системы
• Копировальные аппараты
• Фото- и видеокамеры
• Телевидение

Отечественные товары

• Микроволновые печи
• Холодильники
• Тостеры
• Пылесосы
• Стиральные машины

Контроль окружающей среды

• Кондиционеры/осушители/обогреватели
• Увлажнители

Преимущества ДУТ

• Математические концепции в рамках нечетких рассуждений очень просты.
• Вы можете изменить FLS, просто добавив или удалив правила благодаря гибкости нечеткой логики.
• Системы нечеткой логики могут принимать неточную, искаженную, зашумленную входную информацию.
• FLS легко построить и понять.
• Нечеткая логика — это решение сложных проблем во всех сферах жизни, включая медицину, поскольку она напоминает человеческое рассуждение и принятие решений.

Недостатки ДУТ

• Не существует системного подхода к проектированию нечетких систем.
• Они понятны только тогда, когда просты.
• Они подходят для задач, не требующих высокой точности.