Учебное пособие по нечеткой логике: качества, архитектура, приложения, плюсы и минусы, различия

Когда вам нужно принять решение, сколько раз это просто да или нет? Во многих случаях ваш выбор представляет собой вариант вопросов «Да» или «Нет», где у вас есть несколько степеней выбора между ними.

Предположим, кто-то спрашивает вас: «Ты пойдешь сегодня на вечеринку?» Ваш ответ, вероятно, будет «Возможно, да» или «Конечно, нет», а не прямое «Да» или «Нет».

Принятие решений человеком во многом зависит от такого расплывчатого выбора. А в ИИ это понятие называется Нечеткой логикой.

В этом руководстве по нечеткой логике вы узнаете, что такое нечеткая логика, как она работает и каковы ее приложения. Давайте начнем.

Что такое нечеткая логика? Объяснение

Нечеткость означает отсутствие ясности. Есть много случаев, когда вы не можете принять простое решение «Да или Нет». В этих случаях вам нужно будет сделать динамический выбор. В этом вам поможет нечеткая логика.

Это дает вам гибкий выбор и позволяет вам рассуждать с большим количеством данных и переменных. Есть много применений нечеткой логики в ИИ, потому что вы не можете везде использовать булеву или аналогичную логику. Он напоминает человеческое рассуждение и рассматривает все возможности, которые существуют между Да и Нет выбора.

Обычная логика рассматривает только две возможности: Да и Нет. Но люди не принимают таких решений. У них есть много возможностей между «Да» и «Нет», например, «Возможно, да» и «Возможно, нет». Нечеткая логика учитывает все эти возможности.

Узнать больше: 5 лучших моделей машинного обучения для начинающих

Немного истории

Лотфи Заде , ученый-компьютерщик и математик, придумал нечеткую логику, когда понял, что существует большая разница между принятием решений людьми и компьютерами. Он указал, что обычная компьютерная логика не может манипулировать данными для представления неясных идей, подобных человеческим.

Как мы упоминали ранее, нечеткая логика имеет множество применений в ИИ . Но вы можете увидеть это и во многих других областях, поскольку это позволяет искусственному интеллекту различать данные, которые не согласуются с булевой логикой. Это означает, что данные не являются ни истинными, ни ложными.

Качества нечеткой логики

Нечеткая логика может показаться немного сложной, но это гибкий метод машинного обучения, который можно очень легко реализовать. Он позволяет имитировать человеческое мышление. Он также идеально подходит для решения проблем с высокой степенью неопределенности.

Он позволяет создавать нелинейные функции произвольной сложности. Но вы должны убедиться, что вы строите его, имея достаточные знания о том же, потому что в этом случае легко сделать ошибки.

Когда не следует использовать нечеткую логику

Есть несколько случаев, когда вам не следует использовать нечеткую логику. Вот некоторые из них:

• Когда вы можете использовать обычную логику, чтобы прийти к решению, вам не нужно использовать нечеткую логику, потому что она слишком все усложнит.
• Контроллеры не обязательно требуют нечеткой логики
• Если вы не можете сопоставить ввод с выводом, вам не следует использовать нечеткую логику.

Как работает нечеткая логика? (Архитектура)

Архитектура нечеткой логики имеет следующие компоненты:

• Правила
• фаззификатор
• Вывод (Интеллект)
• Дефаззификатор

Правила: Все правила фаззификатора сохраняются в базе правил. Все условия IF-THEN, которые вы вводите в логику, также остаются здесь, чтобы она могла принимать решения. Недавние обновления в области нечеткой логики позволяют экспертам по ИИ сократить количество необходимых им правил.

Fuzzifier: Fuzzifier преобразует ввод (четкие числа) в нечеткие множества. Его датчики измеряют входные данные crips и передают их в систему управления, чтобы логика могла их обрабатывать дальше.

Вывод: после фаззификатора идет механизм вывода. Он находит, насколько нечеткий ввод соответствует правилам. Он также выбирает, какие правила он должен применять в соответствии с имеющимся у него полем ввода.

Дефаззификатор: на этом этапе дефаззификатор преобразует полученные нечеткие наборы в четкие выходные данные. Доступно множество форм дефаззификации, поэтому вам нужно будет выбрать одну из них в соответствии с вашими потребностями.

Читайте: Приложения ИИ в реальном мире

Различия между нечеткой логикой и вероятностью

Чтобы правильно понять концепцию этого учебника по нечеткой логике , вам нужно взглянуть на различия между нечеткой логикой и вероятностью, потому что это сбивает с толку многих людей.

Первое существенное различие между ними заключается в предмете, с которым они имеют дело. Нечеткая логика работает с фактами, тогда как вероятность работает с событиями, которые могут произойти или не произойти. Нечеткая логика передает частичную правду, а вероятность передает частичное знание.

Кроме того, нечеткая логика принимает за математическую основу истину, тогда как вероятность строит модель невежества.

Различия между нечетким и четким

Между ними много различий. Во-первых, четкий набор времени может быть нечетким, но нечеткий набор времени не может быть четким. Закон непротиворечия и исключенного третьего может (или не может) выполняться в логике Криспа. С другой стороны, при нечеткой логике эти законы выполняются.

Четкая логика имеет строгие границы; то есть это может быть либо Истина, либо Ложь. И нечеткая логика имеет несколько степеней принадлежности.

Читайте также: Идеи проектов машинного обучения для начинающих

Каковы приложения нечеткой логики?

Ниже приведены основные области применения нечеткой логики в различных отраслях:

Автомобильный сектор

Автомобильные компании используют нечеткую логику в ИИ для создания антиблокировочной системы тормозов. Нечеткая логика может определить, когда необходимо применить антиблокировочную систему тормозов в зависимости от ускорения и скорости автомобиля, чтобы избежать аварии.

Еще одним применением нечеткой логики в автомобилях является автоматическая трансмиссия. В этих случаях нечеткая логика управляет зажиганием и впрыском топлива в соответствии с числом оборотов в минуту и ​​настройкой дроссельной заслонки. Круиз-контроль — это функция, при которой автомобиль поддерживает определенную скорость и позволяет водителю отдохнуть от нажатия на педаль акселератора.

Нечеткая логика помогает регулировать положение дроссельной заслонки для поддержания заданной скорости автомобиля.

Фитнес

Omron использует правила нечеткой логики для проверки уровня физической подготовки своих сотрудников. Они добавили свой особый набор правил для этой цели. С его помощью многие компании могут контролировать физическую форму своих сотрудников и соответствующим образом предоставлять помещения.

Другие приложения

• Микроволновые печи используют нечеткую логику для выбора правильного варианта приготовления.
• Системы диагностики гольфа применяют нечеткие правила, чтобы рекомендовать наиболее подходящую клюшку для гольфа в соответствии с телосложением игрока в гольф и другими факторами.
• Системы управления лифтом определяют время ожидания в зависимости от количества пассажиров. Для этого они реализуют нечеткую логику.
• Посудомоечные машины используют нечеткую логику для выбора правильных параметров очистки (циклов, времени полоскания и мытья и т. д.) в соответствии с имеющейся у них посудой.

Преимущества и недостатки нечеткой логики?

Преимущества

• Нечеткая логика имеет простую структуру, которую очень легко понять.
• Он применяется во многих отраслях, включая автомобили и бытовую технику.
• Он решает проблемы неопределенности с большей эффективностью, чем другие алгоритмы.
• Универсален в использовании, поскольку для его работы не требуются точные входные данные.
• Благодаря простой структуре вы можете легко модифицировать его и повысить его производительность.
• Если датчики обратной связи не работают, вы можете использовать нечеткую логику для решения этих проблем.

Недостатки

• Он не способен выполнять распознавание образов подобно нейронным сетям.
• Проверка и проверка системы на основе нечеткой логики требует большого количества аппаратных испытаний.
• Настройка нечетких правил — довольно сложная задача
• Вывод нечеткой логики не всегда точен. В некоторых случаях это может вызвать проблемы, так как результат может оказаться неприемлемым.

Последние мысли

Вот мы и подошли к концу нашего урока по нечеткой логике . Мы надеемся, что вы нашли эту статью полезной. Нечеткая логика, безусловно, является одной из самых популярных и простых концепций искусственного интеллекта.

Если вы хотите узнать больше о нечеткой логике и других концепциях ИИ, рекомендуем посетить наш блог. Там вы найдете много полезных статей.

И если вы хотите получить более подробный и структурированный опыт обучения, вам следует пройти курс ИИ и начать с него. Курс по искусственному интеллекту с легкостью даст вам все необходимые знания по этой теме.

Если вам интересно узнать больше о машинном обучении, ознакомьтесь с дипломом PG IIIT-B и upGrad в области машинного обучения и искусственного интеллекта, который предназначен для работающих профессионалов и предлагает более 450 часов тщательного обучения, более 30 тематических исследований и заданий, IIIT- Статус B Alumni, более 5 практических практических проектов и помощь в трудоустройстве в ведущих фирмах.