Tutorial Fuzzy Logic: calități, arhitectură, aplicații, pro și contra, diferențe

Publicat: 2020-04-30

Când trebuie să iei o decizie, de câte ori este un simplu Da sau Nu? De multe ori, alegerile tale sunt o variație a întrebărilor Da sau Nu, unde aveți mai multe grade de opțiuni prezente între cele două.

Să presupunem că cineva te întreabă: „Vrei să mergi la acea petrecere în seara asta?” Răspunsul tău ar fi probabil „Poate da” sau „Cu siguranță nu”, în loc de un simplu Da sau Nu.

Luarea deciziilor umane se bazează mult pe astfel de alegeri vagi. Și în AI, acest concept se numește logica fuzzy.

În acest tutorial despre logica fuzzy , veți afla ce este logica fuzzy, cum funcționează și care sunt aplicațiile acesteia. Să începem.

Cuprins

Ce este logica fuzzy? Explicaţie

Fuzzy se referă la o lipsă de claritate. Există multe situații în care nu puteți lua o decizie simplă „Da sau Nu”. În aceste cazuri, va trebui să faceți o alegere dinamică. Logica fuzzy te ajută în acest sens.

Vă oferă o alegere flexibilă și vă permite să argumentați cu mai multe date și variabile. Există multe aplicații ale logicii fuzzy în AI, deoarece nu puteți folosi peste tot logica booleană sau similară. Seamănă cu raționamentul uman și ia în considerare toate posibilitățile care există între Da și Nu de alegere.

Logica obișnuită ia în considerare doar două posibilități: Da și Nu. Dar oamenii nu iau astfel de decizii. Au multe posibilități între Da și Nu, cum ar fi, Posibil Da și Posibil Nu. Logica fuzzy ia în considerare toate aceste posibilități.

Aflați mai multe: Top 5 modele de învățare automată explicate pentru începători

Puțină istorie

Lotfi Zadeh , un informatician și un matematician au venit cu o logică neclară când și-a dat seama că există o mare diferență între luarea deciziilor oamenilor și computerelor. El a subliniat că logica computerizată convențională nu poate manipula datele pentru a reprezenta idei neclare similare cu oamenii.

După cum am menționat mai devreme, există multe aplicații ale logicii fuzzy în AI . Dar îl puteți vedea și în multe alte domenii, deoarece permite inteligenței artificiale să utilizeze date distincte care nu se aliniază cu logica booleană. Aceasta înseamnă că datele nu sunt nici adevărate, nici false.

Calitățile logicii fuzzy

Logica fuzzy poate părea puțin complicată, dar este o tehnică flexibilă de învățare automată pe care o poți implementa foarte ușor. Vă permite să imitați gândirea umană. De asemenea, este perfect pentru rezolvarea problemelor în care incertitudinea este mare.

Vă permite să construiți funcții neliniare care posedă o complexitate arbitrară. Dar ar trebui să vă asigurați că îl construiți după ce aveți suficiente cunoștințe despre același lucru, deoarece este ușor să faceți greșeli în acest caz.

Când nu ar trebui să utilizați logica fuzzy

Există câteva cazuri când nu ar trebui să utilizați logica fuzzy. Aici sunt câțiva dintre ei:

  • Când poți folosi logica convențională pentru a ajunge la o soluție, nu trebuie să folosești logica fuzzy, deoarece ar complica totul prea mult
  • Controlerele nu necesită neapărat o logică neclară
  • Dacă nu puteți mapa intrarea la ieșire, nu ar trebui să utilizați logica fuzzy

Cum funcționează logica fuzzy? (Arhitectură)

Arhitectura logicii fuzzy are următoarele componente:

  • Reguli
  • Fuzzifier
  • Inferență (Intelligence)
  • Defuzzifier

Reguli: Toate regulile fuzzifier-ului rămân stocate în Rule Base. Toate condițiile DACĂ-Atunci pe care le introduceți în logică rămân și ele aici pentru ca acesta să poată lua decizii. Actualizările recente ale logicii neclare le permit experților AI să reducă numărul de reguli de care au nevoie.

Fuzzifier: Fuzzifier convertește intrarea (numerele clare) în seturi neclare. Senzorii săi măsoară intrările cripurilor și le transmit în sistemul de control, astfel încât logica să le poată procesa în continuare.

Inferență: După Fuzzifier vine Motorul de Inferență. Găsește cât de mult se potrivește intrarea neclară cu regulile. De asemenea, selectează regulile pe care trebuie să le aplice în funcție de câmpul de intrare pe care îl are.

Defuzzifier: în această etapă, defuzzifier-ul convertește seturile fuzzy pe care le primește în ieșire clară. Există multe forme de defuzzificare disponibile, așa că ar trebui să alegeți una în funcție de nevoile dvs.

Citiți: Aplicații AI în lumea reală

Diferențele dintre logica fuzzy și probabilitate

Pentru a înțelege corect conceptul acestui tutorial de logică fuzzy , va trebui să aruncați o privire la diferențele dintre logica fuzzy și probabilitate, deoarece derutează mulți oameni.

Prima diferență majoră dintre cele două este subiectul de care se ocupă. Logica fuzzy funcționează cu fapte, în timp ce probabilitatea funcționează cu evenimente care pot să apară sau nu. Logica neclară transmite adevăr parțial, în timp ce probabilitatea transmite cunoștințe parțiale.

De asemenea, logica neclară ia adevărul ca bază matematică, în timp ce probabilitatea construiește un model de ignoranță.

Diferențele dintre Fuzzy și Crisp

Există multe diferențe între cele două. În primul rând, un set de timp clar ar putea fi neclar, dar un set de timp neclar nu poate fi clar. Legea non-contradicției și a mijlocului exclus ar putea (sau nu) să fie valabilă în logica Crisp. Pe de altă parte, cu o logică neclară, aceste legi sunt valabile.

Logica clară are limite stricte; adică ar putea fi fie adevărat, fie fals. Și logica fuzzy are mai multe grade de apartenență.

Citește și: Idei de proiecte de învățare automată pentru începători

Care sunt aplicațiile logicii fuzzy?

Următoarele sunt principalele aplicații ale logicii fuzzy în diferite industrii:

Sectorul Auto

Companiile de automobile folosesc logica neclară în AI pentru a crea frâne antiblocare. Logica neclară poate da seama când este necesar să aplicați frâne antiblocare în funcție de accelerație și viteza mașinii, pentru a evita un accident.

O altă utilizare a logicii fuzzy în mașini este transmisia automată. În aceste cazuri, logica fuzzy controlează aprinderea și injecția de combustibil în funcție de RPM și de setarea clapetei de accelerație. Cruise control este o caracteristică în care mașina menține o anumită viteză și permite șoferului să ia o pauză de la apăsarea accelerației.

Logica fuzzy ajută la reglarea setării accelerației pentru a menține viteza desemnată a mașinii.

Fitness

Omron folosește reguli de logică neclară pentru a verifica nivelurile de fitness ale angajaților săi. Ei și-au adăugat setul lor specific de reguli în acest scop. Cu ajutorul acestuia, multe companii își pot monitoriza starea de fitness a angajaților și pot oferi facilități în consecință.

Alte aplicații

  • Cuptoarele cu microunde folosesc o logică neclară pentru a alege opțiunea de gătit potrivită.
  • Sistemele de diagnosticare pentru golf aplică reguli neclare pentru a recomanda cea mai potrivită crosă de golf în funcție de fizicul jucătorului de golf și de alți factori
  • Sistemele de control al liftului determină timpul de așteptare în funcție de numărul de pasageri pe care îi au. Ei implementează logica fuzzy în acest scop.
  • Mașinile de spălat vase folosesc o logică neclară pentru a alege setările potrivite de curățare (cicluri, timp de clătire și spălare etc.) în funcție de vasele pe care le au.

Avantajele și dezavantajele logicii fuzzy?

Avantaje

  • Logica fuzzy are o structură simplă care este foarte ușor de înțeles
  • Are aplicații în multe industrii, inclusiv automobile și electrocasnice
  • Rezolvă problemele de incertitudine cu o eficiență mai bună decât alți algoritmi
  • Versatil în utilizare, deoarece nu are nevoie de intrări precise pentru funcționarea sa
  • Datorită structurii sale simple, îl puteți modifica cu ușurință și îi puteți îmbunătăți performanța
  • Dacă senzorii de feedback nu funcționează, puteți utiliza logica neclară pentru a rezolva aceste probleme

Dezavantaje

  • Nu este capabil să realizeze recunoașterea modelelor similare rețelelor neuronale
  • Verificarea și validarea unui sistem bazat pe logica fuzzy necesită multe teste hardware
  • Stabilirea unor reguli neclare este o sarcină destul de dificilă
  • Ieșirea logicii fuzzy nu este întotdeauna exactă. Acest lucru poate cauza probleme în unele cazuri, deoarece rezultatul ar putea să nu fie acceptabil.

Gânduri finale

Acum am ajuns la sfârșitul tutorialului nostru de logică neclară . Sperăm că ați găsit acest articol util. Logica fuzzy este cu siguranță unul dintre cele mai populare și simple concepte ale inteligenței artificiale.

Dacă doriți să aflați mai multe despre logica neclară și alte concepte de AI, atunci vă recomandăm să accesați blogul nostru. Veți găsi acolo multe articole utile.

Și dacă doriți o experiență de învățare mai detaliată și mai structurată, atunci ar trebui să urmați un curs AI și să începeți cu asta. Un curs de inteligență artificială vă va oferi cu multă ușurință toate cunoștințele de care aveți nevoie pe această temă.

Dacă sunteți interesat să aflați mai multe despre învățarea automată, consultați Diploma PG de la IIIT-B și upGrad în Învățare automată și AI, care este concepută pentru profesioniști care lucrează și oferă peste 450 de ore de pregătire riguroasă, peste 30 de studii de caz și sarcini, IIIT- B Statut de absolvenți, peste 5 proiecte practice practice și asistență pentru locuri de muncă cu firme de top.

Cum sunt utile gardurile lingvistice într-un sistem de inferență neclar?

Care este abordarea lui Mamdani a logicii fuzzy?

Abordarea Mamdani a fost prezentată ca prima încercare de a controla o mașină cu abur și un sistem de cazan folosind reguli de control lingvistice adunate de la operatori umani experimentați. Fiecare regulă dintr-un sistem Mamdani produce un set neclar ca rezultat. Sistemele Mamdani sunt potrivite pentru aplicațiile de sisteme expert în care regulile sunt dezvoltate din cunoștințele expertului uman, cum ar fi diagnosticarea medicală, deoarece bazele lor de reguli sunt mai intuitive și mai ușor de înțeles.

Ce este teorema de aproximare fuzzy (FAT) și raționamentul ei?

Potrivit lui Bart Kosko, aproximarea fuzzy (FAT) indică faptul că un sistem fuzzy poate imita orice sistem continuu. Fiecare regulă funcționează ca un patch neclar pe care sistemul îl aplică răspunsului pentru a-l face să arate ca răspunsul sistemului continuu. În timp ce raționamentul aproximativ fuzzy se referă la metoda folosită pentru a deduce o concluzie probabilă imprecisă dintr-un set de premise imprecise. În raționamentul aproximativ, logica fuzzy este capabilă să se ocupe de multe feluri de incertitudine.