Apakah Logik Fuzzy?
Fuzzy Logic didefinisikan sebagai bentuk logik bernilai banyak yang mungkin mempunyai nilai kebenaran pemboleh ubah dalam sebarang nombor nyata antara 0 dan 1. Ini adalah konsep pegangan kebenaran separa. Dalam kehidupan nyata, kita mungkin menghadapi situasi di mana kita tidak dapat memutuskan sama ada pernyataan itu benar atau salah. Pada masa itu, logik kabur menawarkan fleksibiliti yang sangat berharga untuk berfikir.
Algoritma logik kabur membantu menyelesaikan masalah setelah mempertimbangkan semua data yang ada. Maka diperlukan keputusan terbaik untuk input yang diberikan. Kaedah FL meniru cara membuat keputusan pada manusia yang mempertimbangkan semua kemungkinan antara nilai digital T dan F.
Dalam tutorial ini, anda akan belajar
- Apakah Logik Fuzzy?
- Sejarah Sistem Logik Fuzzy
- Ciri-ciri Logik Fuzzy
- Bila tidak menggunakan logik kabur
- Senibina Logik Fuzzy
- Logik kabur vs Kebarangkalian
- Renyah berbanding kabur
- Teori Set Klasik vs set kabur
- Contoh Logik Fuzzy
- Kawasan Aplikasi Logik Fuzzy
- Kelebihan Sistem Logik Fuzzy
- Kelemahan Sistem Logik Fuzzy
Sejarah Sistem Logik Fuzzy
Walaupun, konsep logik kabur telah dikaji sejak tahun 1920-an. Istilah logik kabur pertama kali digunakan pada tahun 1965 oleh Lotfi Zadeh seorang profesor UC Berkeley di California. Dia memerhatikan bahawa logik komputer konvensional tidak mampu memanipulasi data yang mewakili idea manusia subjektif atau tidak jelas.
Algoritma kabur telah diterapkan ke berbagai bidang, dari teori kawalan hingga AI. Ia dirancang untuk membolehkan komputer menentukan perbezaan antara data yang tidak benar atau tidak. Sesuatu yang serupa dengan proses penaakulan manusia. Seperti sedikit gelap, Beberapa kecerahan, dll.
Ciri-ciri Logik Fuzzy
Berikut adalah beberapa ciri penting logik kabur:
- Fleksibel dan mudah dilaksanakan teknik pembelajaran mesin
- Membantu anda meniru logik pemikiran manusia
- Logik mungkin mempunyai dua nilai yang mewakili dua kemungkinan penyelesaian
- Kaedah yang sangat sesuai untuk penaakulan yang tidak pasti atau hampir
- Logik kabur memandang kesimpulan sebagai proses menyebarkan kekangan elastik
- Logik kabur membolehkan anda membina fungsi tidak linear kerumitan sewenang-wenangnya.
- Logik kabur harus dibina dengan bimbingan pakar yang lengkap
Bila tidak menggunakan logik kabur
Namun, logik kabur tidak pernah menjadi penawar untuk semua. Oleh itu, adalah sama pentingnya untuk memahami bahawa di mana kita tidak boleh menggunakan logik kabur.
Berikut adalah situasi tertentu apabila anda lebih baik tidak menggunakan Fuzzy Logic:
- Sekiranya anda merasa tidak mudah memetakan ruang input ke ruang output
- Logik kabur tidak boleh digunakan ketika anda dapat menggunakan akal sehat
- Banyak pengawal dapat melakukan tugas dengan baik tanpa menggunakan logik kabur
Senibina Logik Fuzzy
Senibina Logik Fuzzy
Senibina Fuzzy Logic mempunyai empat bahagian utama seperti yang ditunjukkan dalam rajah:
Pangkalan Peraturan:
Ini berisi semua peraturan dan syarat jika-kemudian yang ditawarkan oleh para pakar untuk mengendalikan sistem pengambilan keputusan. Kemas kini terbaru dalam teori kabur menyediakan pelbagai kaedah untuk reka bentuk dan penalaan pengawal kabur. Kemas kini ini mengurangkan bilangan peraturan yang kabur.
Pengaburan:
Langkah Fuzzification membantu menukar input. Ia membolehkan anda menukar nombor yang tajam menjadi set kabur. Input tajam diukur oleh sensor dan dimasukkan ke dalam sistem kawalan untuk pemprosesan selanjutnya. Seperti suhu bilik, tekanan, dll.
Enjin Inferens:
Ini membantu anda menentukan tahap kesesuaian antara input kabur dan peraturan. Berdasarkan% match, ia menentukan peraturan mana yang perlu dilaksanakan mengikut medan input yang diberikan. Selepas ini, peraturan yang digunakan digabungkan untuk mengembangkan tindakan kawalan.
Defuzzification:
Akhirnya proses Defuzzification dilakukan untuk mengubah set kabur menjadi nilai yang tajam. Terdapat banyak jenis teknik yang tersedia, jadi anda perlu memilihnya yang paling sesuai ketika digunakan dengan sistem pakar.
Logik kabur vs Kebarangkalian
| Logik kabur | Kebarangkalian |
|---|---|
| Fuzzy: Tahap keahlian Tom dalam kumpulan orang tua adalah 0.90. | Kebarangkalian: Ada kemungkinan 90% bahawa Tom sudah tua. |
| Logik kabur mengambil darjah kebenaran sebagai asas matematik pada model fenomena kekaburan. | Kebarangkalian adalah model kebodohan matematik. |
Renyah berbanding kabur
| Garing | Keliru |
|---|---|
| Ia mempunyai sempadan T atau F yang ketat | Batasan kabur dengan tahap keahlian |
| Beberapa masa yang ditentukan boleh menjadi kabur | Tidak boleh renyah |
| Betul / Salah {0,1} | Nilai keahlian pada [0,1] |
| Dalam undang-undang logik yang tajam mengenai Pengecualian Tengah dan Tidak Bercanggah mungkin berlaku atau mungkin tidak berlaku | Dalam undang-undang logik kabur dari Pengecualian Tengah dan Non-Kontradiksi |
Teori Set Klasik vs set kabur
| Set Klasik | Teori Set Fuzzy |
|---|---|
| Kelas objek dengan sempadan tajam. | Kelas objek tidak mempunyai sempadan yang tajam. |
| Satu set klasik didefinisikan oleh sempadan yang tajam, iaitu, terdapat kejelasan mengenai lokasi batas yang ditetapkan. | Satu set kabur selalu mempunyai batas yang samar-samar, iaitu, mungkin ada ketidakpastian mengenai lokasi batas yang ditetapkan. |
| Digunakan secara meluas dalam reka bentuk sistem digital | Digunakan hanya dalam pengawal kabur. |
Contoh Logik Fuzzy
Lihat gambar rajah di bawah. Ini menunjukkan bahawa dalam sistem Fuzzy, nilainya dilambangkan dengan nombor 0 hingga 1. Dalam contoh ini, 1.0 bermaksud kebenaran mutlak dan 0.0 bermaksud kepalsuan mutlak.
Logik kabur dengan Contoh
Kawasan Aplikasi Logik Fuzzy
Jadual yang diberikan Blow menunjukkan penerapan logik Fuzzy oleh syarikat terkenal dalam produk mereka.
| Produk | Syarikat | Logik kabur |
|---|---|---|
| Brek anti-kunci | Nissan | Gunakan logik kabur untuk mengawal brek dalam kes berbahaya bergantung pada kelajuan kereta, pecutan, kelajuan roda, dan percepatan |
| Penghantaran automatik | NOK / Nissan | Logik kabur digunakan untuk mengendalikan suntikan dan penyalaan bahan bakar berdasarkan pengaturan pendikit, suhu air pendingin, RPM, dll. |
| Enjin automatik | Honda, Nissan | Gunakan untuk memilih geat berdasarkan beban mesin, gaya pemanduan, dan keadaan jalan. |
| Mesin salinan | Canon | Menggunakan untuk menyesuaikan voltan drum berdasarkan kepadatan gambar, kelembapan, dan suhu. |
| Kawalan pelayaran | Nissan, Isuzu, Mitsubishi | Gunakan untuk menyesuaikan pengaturan pendikit untuk mengatur kelajuan dan pecutan kereta |
| Mesin basuh pinggan mangkuk | Matsushita | Penggunaan untuk menyesuaikan kitaran pembersihan, strategi membilas dan mencuci bergantung pada jumlah pinggan dan jumlah makanan yang disajikan di pinggan. |
| Kawalan lif | Fujitec, Mitsubishi Electric, Toshiba | Gunakan untuk mengurangkan menunggu berdasarkan masa lalu lintas penumpang |
| Sistem diagnostik golf | Golf Maruman | Memilih kelab golf berdasarkan ayunan dan fizikal pemain golf. |
| Pengurusan kecergasan | Omron | Peraturan kabur yang tersirat oleh mereka untuk memeriksa kesesuaian pekerja mereka. |
| Kawalan kiln | Keluli Nippon | Campurkan simen |
| Ketuhar gelombang mikro | Kimia Mitsubishi | Menetapkan kekuatan dan strategi memasak |
| Komputer Palmtop | Hitachi, Sharp, Sanyo, Toshiba | Mengecam watak Kanji tulisan tangan |
| Pengukiran plasma | Mitsubishi Electric | Menetapkan masa dan strategi |
Kelebihan Sistem Logik Fuzzy
- Struktur Sistem Logik Fuzzy mudah dan difahami
- Logik kabur digunakan secara meluas untuk tujuan komersial dan praktikal
- Logik kabur dalam AI membantu anda mengawal mesin dan produk pengguna
- Ini mungkin tidak memberikan pertimbangan yang tepat, tetapi satu-satunya alasan yang boleh diterima
- Logik kabur dalam Perlombongan Data membantu anda menangani ketidaktentuan dalam bidang kejuruteraan
- Sebilangan besar kuat kerana tidak memerlukan input yang tepat
- Ia dapat diprogram dalam situasi ketika sensor maklum balas berhenti berfungsi
- Ia dapat diubahsuai dengan mudah untuk meningkatkan atau mengubah prestasi sistem
- sensor yang murah boleh digunakan yang membantu anda memastikan kos dan kerumitan sistem keseluruhan rendah
- Ini memberikan penyelesaian yang paling berkesan untuk masalah yang kompleks
Kelemahan Sistem Logik Fuzzy
- Logik kabur tidak selalu tepat, jadi Hasilnya dirasakan berdasarkan andaian, jadi mungkin tidak diterima secara meluas.
- Sistem kabur tidak mempunyai kemampuan pembelajaran mesin dan juga pengenalan corak jenis rangkaian neural
- Pengesahan dan Pengesahan sistem berasaskan pengetahuan kabur memerlukan ujian yang luas dengan perkakasan
- Menetapkan peraturan yang tepat, kabur dan, fungsi keahlian adalah tugas yang sukar
- Beberapa logik masa kabur dikelirukan dengan teori kebarangkalian dan istilah
Ringkasan
- Istilah kabur bermaksud perkara yang tidak begitu jelas atau tidak jelas
- Istilah logik kabur pertama kali digunakan pada tahun 1965 oleh Lotfi Zadeh seorang profesor UC Berkeley di California
- Logik kabur adalah teknik pembelajaran mesin yang fleksibel dan mudah dilaksanakan
- Logik kabur tidak boleh digunakan ketika anda dapat menggunakan akal sehat
- Senibina Fuzzy Logic mempunyai empat bahagian utama 1) Basse Peraturan 2) Fuzzification 3) Inference Engine 4) Defuzzification
- Logik kabur mengambil darjah kebenaran sebagai asas matematik pada model kekaburan sementara kebarangkalian adalah model kebodohan matematik
- Crisp set mempunyai batas T atau F yang ketat sementara batas Fuzzy dengan tahap keahlian
- Satu set klasik banyak digunakan dalam reka bentuk sistem digital sementara set kabur Digunakan hanya pada pengawal kabur
- Transmisi automatik, Pengurusan kecergasan, Sistem diagnostik golf, Mesin pencuci pinggan, Mesin fotokopi adalah beberapa bidang aplikasi Fuzzy Logic
- Logik kabur dalam Pengkomputeran Lembut membantu anda mengawal mesin dan produk pengguna