Tutoriel de logique floue : qualités, architecture, applications, avantages et inconvénients, différences

Publié: 2020-04-30

Quand vous devez prendre une décision, combien de fois c'est un simple Oui ou Non ? Souvent, vos choix sont une variation de questions Oui ou Non, où vous avez plusieurs degrés d'options entre les deux.

Supposons que quelqu'un vous demande : « Irez-vous à cette fête ce soir ? Votre réponse serait probablement "Peut-être oui" ou "Certainement pas", au lieu d'un simple oui ou non.

La prise de décision humaine repose beaucoup sur des choix aussi vagues. Et en IA, ce concept s'appelle la logique floue.

Dans ce didacticiel sur la logique floue , vous apprendrez ce qu'est la logique floue, comment elle fonctionne et quelles sont ses applications. Commençons.

Table des matières

Qu'est-ce que la logique floue ? Explication

Fuzzy fait référence à un manque de clarté. Il existe de nombreux cas où vous ne pouvez pas prendre une simple décision « oui ou non ». Dans ces cas, vous devrez faire un choix dynamique. La logique floue vous aide à cet égard.

Il vous donne un choix flexible et vous permet de raisonner avec plus de données et de variables. Il existe de nombreuses applications de la logique floue dans l'IA car vous ne pouvez pas utiliser la logique booléenne ou similaire partout. Il ressemble au raisonnement humain et considère toutes les possibilités qui existent entre le Oui et le Non du choix.

La logique habituelle ne considère que deux possibilités : Oui et Non. Mais les humains ne prennent pas de telles décisions. Ils ont de nombreuses possibilités entre Oui et Non telles que, Peut-être Oui et Peut-être Non. La logique floue prend en compte toutes ces possibilités.

En savoir plus : Les 5 meilleurs modèles d'apprentissage automatique expliqués aux débutants

Un peu d'histoire

Lotfi Zadeh , informaticien et mathématicien, a inventé la logique floue lorsqu'il s'est rendu compte qu'il y avait une grande différence entre la prise de décision des humains et celle des ordinateurs. Il a souligné que la logique informatique conventionnelle ne pouvait pas manipuler les données pour représenter des idées peu claires similaires aux humains.

Comme nous l'avons mentionné précédemment, il existe de nombreuses applications de la logique floue en IA . Mais vous pouvez également le voir dans de nombreux autres domaines, car il permet à l'intelligence artificielle de distinguer les données qui ne correspondent pas à la logique booléenne. Cela signifie que les données ne sont ni vraies ni fausses.

Qualités de la logique floue

La logique floue peut sembler un peu compliquée, mais c'est une technique d'apprentissage automatique flexible que vous pouvez mettre en œuvre très facilement. Il vous permet d'imiter la pensée humaine. Il est également parfait pour résoudre des problèmes où l'incertitude est élevée.

Il vous permet de construire des fonctions non linéaires qui possèdent une complexité arbitraire. Mais vous devez vous assurer que vous le construisez après avoir une connaissance suffisante de celui-ci, car il est facile de faire des erreurs dans ce cas.

Quand ne devriez-vous pas utiliser la logique floue

Il y a quelques cas où vous ne devriez pas utiliser la logique floue. En voici quelques uns:

  • Lorsque vous pouvez utiliser la logique conventionnelle pour arriver à une solution, vous n'avez pas besoin d'utiliser la logique floue car cela compliquerait tout.
  • Les contrôleurs ne nécessitent pas nécessairement de logique floue
  • Si vous ne pouvez pas mapper l'entrée à la sortie, vous ne devez pas utiliser la logique floue

Comment fonctionne la logique floue ? (Architecture)

L'architecture de la logique floue comprend les composants suivants :

  • Des règles
  • Fuzzifier
  • Inférence (Intelligence)
  • Défuzzifier

Règles : Toutes les règles du fuzzifier restent stockées dans la Rule Base. Toutes les conditions SI-ALORS que vous entrez dans la logique restent également ici afin qu'elle puisse prendre les décisions. Les mises à jour récentes de la logique floue permettent aux experts en IA de réduire le nombre de règles dont ils ont besoin.

Fuzzifier : Fuzzifier convertit l'entrée (nombres nets) en ensembles flous. Ses capteurs mesurent les entrées de puces et les transmettent au système de contrôle afin que la logique puisse les traiter davantage.

Inférence : après le Fuzzifier vient le moteur d'inférence. Il trouve dans quelle mesure l'entrée floue correspond aux règles. Il sélectionne également les règles qu'il doit appliquer en fonction du champ de saisie dont il dispose.

Defuzzifier : dans cette étape, le défuzzifier convertit les ensembles flous qu'il reçoit en une sortie nette. Il existe de nombreuses formes de défuzzification disponibles, vous devrez donc en choisir une en fonction de vos besoins.

Lire : Applications d'IA dans le monde réel

Différences entre la logique floue et la probabilité

Pour bien comprendre le concept de ce didacticiel de logique floue , vous devrez jeter un œil aux différences entre la logique floue et la probabilité, car cela déroute beaucoup de gens.

La première différence majeure entre les deux est le sujet dont ils traitent. La logique floue fonctionne avec des faits, tandis que la probabilité fonctionne avec des événements qui peuvent ou non se produire. La logique floue transmet une vérité partielle, tandis que la probabilité transmet une connaissance partielle.

De plus, la logique floue prend la vérité comme base mathématique, tandis que la probabilité construit un modèle d'ignorance.

Différences entre flou et croustillant

Il existe de nombreuses différences entre les deux. Tout d'abord, un ensemble de temps net peut être flou, mais un ensemble de temps flou ne peut pas être net. La loi de non-contradiction et de tiers exclu pourrait (ou pourrait ne pas) tenir dans la logique de Crisp. En revanche, avec la logique floue, ces lois tiennent.

La logique nette a des limites strictes; c'est-à-dire qu'il peut être vrai ou faux. Et la logique floue a plusieurs degrés d'appartenance.

Lisez aussi : Idées de projets d'apprentissage automatique pour les débutants

Quelles sont les applications de la logique floue ?

Voici les principales applications de la logique floue dans différentes industries :

Secteur automobile

Les constructeurs automobiles utilisent la logique floue dans l'IA pour créer des freins antiblocage. La logique floue peut déterminer quand il est nécessaire d'appliquer les freins antiblocage en fonction de l'accélération et de la vitesse de la voiture pour éviter un accident.

Une autre utilisation de la logique floue dans les voitures est la transmission automatique. Dans ces cas, la logique floue contrôle l'allumage et l'injection de carburant en fonction du régime et du réglage de l'accélérateur. Le régulateur de vitesse est une fonction dans laquelle la voiture maintient une vitesse spécifique et permet au conducteur de faire une pause en appuyant sur l'accélérateur.

La logique floue aide à ajuster le réglage de l'accélérateur pour maintenir la vitesse de la voiture désignée.

Aptitude

Omron utilise des règles de logique floue pour vérifier les niveaux de forme physique de ses employés. Ils ont ajouté leur ensemble de règles spécifiques à cet effet. Avec son aide, de nombreuses entreprises peuvent surveiller la condition physique de leurs employés et fournir des installations en conséquence.

Autres applications

  • Les fours à micro-ondes utilisent la logique floue pour choisir la bonne option de cuisson.
  • Les systèmes de diagnostic de golf appliquent des règles floues pour recommander le club de golf le plus approprié en fonction du physique du golfeur et d'autres facteurs
  • Les systèmes de contrôle des ascenseurs déterminent le temps d'attente en fonction du nombre de passagers qu'ils ont. Ils implémentent la logique floue à cet effet.
  • Les lave-vaisselle utilisent la logique floue pour choisir les bons paramètres de nettoyage (cycles, temps de rinçage et de lavage, etc.) en fonction de la vaisselle dont ils disposent.

Avantages et inconvénients de la logique floue ?

Avantages

  • La logique floue a une structure simple qui est très facile à comprendre
  • Il a des applications dans de nombreuses industries, y compris les automobiles et les appareils ménagers
  • Il résout les problèmes d'incertitude avec une meilleure efficacité que les autres algorithmes
  • Utilisation polyvalente car elle n'a pas besoin d'entrées précises pour son fonctionnement
  • Grâce à sa structure simple, vous pouvez le modifier facilement et améliorer ses performances
  • Si les capteurs de rétroaction ne fonctionnent pas, vous pouvez utiliser la logique floue pour résoudre ces problèmes

Désavantages

  • Il n'est pas capable d'effectuer une reconnaissance de formes similaire aux réseaux de neurones
  • Vérifier et valider un système basé sur la logique floue nécessite de nombreux tests matériels
  • La mise en place de règles floues est une tâche assez difficile
  • La sortie de la logique floue n'est pas toujours précise. Cela peut causer des problèmes dans certains cas, car le résultat peut ne pas être acceptable.

Dernières pensées

Nous avons maintenant atteint la fin de notre tutoriel sur la logique floue . Nous espérons que vous avez trouvé cet article utile. La logique floue est sûrement l'un des concepts les plus populaires et les plus simples de l'intelligence artificielle.

Si vous souhaitez en savoir plus sur la logique floue et d'autres concepts d'IA, nous vous recommandons de vous rendre sur notre blog. Vous y trouverez de nombreux articles utiles.

Et si vous voulez une expérience d'apprentissage plus détaillée et structurée, vous devriez suivre un cours d'IA et commencer par là. Un cours d'intelligence artificielle vous donnera toutes les connaissances dont vous avez besoin sur ce sujet avec beaucoup de facilité.

Si vous souhaitez en savoir plus sur l'apprentissage automatique, consultez le diplôme PG en apprentissage automatique et IA de IIIT-B & upGrad, conçu pour les professionnels en activité et offrant plus de 450 heures de formation rigoureuse, plus de 30 études de cas et missions, IIIT- Statut B Alumni, plus de 5 projets de synthèse pratiques et aide à l'emploi avec les meilleures entreprises.

En quoi les haies linguistiques sont-elles utiles dans un système d'inférence floue ?

Quelle est l'approche Mamdani de la logique floue ?

L'approche Mamdani a été présentée comme la première tentative de contrôle d'un moteur à vapeur et d'un système de chaudière à l'aide de règles de contrôle du langage recueillies auprès d'opérateurs humains expérimentés. Chaque règle d'un système Mamdani produit un ensemble flou en sortie. Les systèmes Mamdani sont bien adaptés aux applications de systèmes experts où les règles sont développées à partir de connaissances expertes humaines, telles que les diagnostics médicaux, car leurs bases de règles sont plus intuitives et plus simples à saisir.

Qu'est-ce que le théorème d'approximation floue (FAT) et son raisonnement ?

Selon Bart Kosko, l'approximation floue (FAT) indique qu'un système flou peut imiter n'importe quel système continu. Chaque règle fonctionne comme un patch flou que le système applique à la réponse afin de la faire ressembler à la réponse du système continu. Alors que le raisonnement approximatif flou fait référence à la méthode utilisée pour tirer une conclusion imprécise probable à partir d'un ensemble de prémisses imprécises. Dans le raisonnement approximatif, la logique floue est capable de traiter de nombreuses sortes d'incertitudes.