模糊逻辑教程:质量、架构、应用、优缺点、差异
已发表: 2020-04-30当您必须做出决定时,有多少次是简单的“是”或“否”? 很多时候,您的选择是“是”或“否”问题的变体,在这两个问题之间存在多种选择。
假设有人问你:“今晚你会去参加那个聚会吗?” 您的回答可能是“也许是”或“当然不是”,而不是直接的“是”或“否”。
人类决策很大程度上依赖于这种模糊的选择。 而在人工智能中,这个概念被称为模糊逻辑。
在这个模糊逻辑教程中,您将了解什么是模糊逻辑、它是如何工作的以及它的应用。 让我们开始吧。
目录
什么是模糊逻辑? 解释
模糊是指缺乏清晰度。 在很多情况下,您无法做出简单的“是或否”决定。 在这些情况下,您需要做出动态选择。 模糊逻辑在这方面可以帮助您。
它为您提供了灵活的选择,并使您能够使用更多数据和变量进行推理。 模糊逻辑在 AI 中有很多应用,因为你不能到处使用布尔或类似的逻辑。 它类似于人类推理,并考虑了选择是与否之间存在的所有可能性。

通常的逻辑只考虑两种可能性:是和否。但人类不会做出这样的决定。 它们在“是”和“否”之间有许多可能性,例如“可能是”和“可能不是”。模糊逻辑考虑了所有这些可能性。
了解更多:为初学者解释的 5 大机器学习模型
一点历史
计算机科学家和数学家Lotfi Zadeh在意识到人类和计算机的决策制定存在很大差异时提出了模糊逻辑。 他指出,传统的计算机逻辑无法操纵数据来表示类似于人类的不清楚的想法。
正如我们前面提到的,模糊逻辑在人工智能中有很多应用。 但是您也可以在许多其他领域看到它,因为它使人工智能能够区分不符合布尔逻辑的数据。 这意味着数据既不是真的也不是假的。
模糊逻辑的性质
模糊逻辑可能看起来有点复杂,但它是一种灵活的机器学习技术,您可以很容易地实现。 它可以让你模仿人类的思想。 它也非常适合解决不确定性很高的问题。
它使您能够构建具有任意复杂性的非线性函数。 但是你应该确保在对它有足够的了解之后构建它,因为在这种情况下很容易出错。
什么时候不应该使用模糊逻辑
在某些情况下,您不应该使用模糊逻辑。 这里是其中的一些:
- 当您可以使用常规逻辑得出解决方案时,您不需要使用模糊逻辑,因为它会使一切变得过于复杂
- 控制器不一定需要模糊逻辑
- 如果您无法将输入映射到输出,则不应使用模糊逻辑
模糊逻辑如何工作? (建筑学)
模糊逻辑的体系结构具有以下组件:
- 规则
- 模糊器
- 推理(智能)
- 去模糊器
规则:模糊器的所有规则都保存在规则库中。 您在逻辑中输入的所有 IF-THEN 条件也保留在此处,以便它可以做出决定。 模糊逻辑的最新更新使 AI 专家能够减少他们需要的规则数量。
模糊器:模糊器将输入(清晰的数字)转换为模糊集。 它的传感器测量 crips 输入并将它们传递到控制系统,以便逻辑可以进一步处理它们。
推理:在模糊器之后是推理引擎。 它找出模糊输入与规则的匹配程度。 它还根据其拥有的输入字段选择它必须应用的规则。
去模糊器:在这个阶段,去模糊器将它接收到的模糊集转换为清晰的输出。 有多种形式的去模糊化可用,因此您需要根据需要选择一种。

阅读:现实世界中的人工智能应用
模糊逻辑与概率之间的差异
为了正确理解这个模糊逻辑教程的概念,你必须看看模糊逻辑与概率之间的区别,因为它让很多人感到困惑。
两者之间的第一个主要区别是它们处理的主题。 模糊逻辑适用于事实,而概率适用于可能发生或不发生的事件。 模糊逻辑传达部分真理,而概率传达部分知识。
同样,模糊逻辑以真理为数学基础,而概率则建立了无知模型。
模糊和清晰的区别
两者之间有很多不同之处。 首先,清晰的时间集可能是模糊的,但模糊的时间集不可能是清晰的。 非矛盾律和排中律可能(或可能不)在 Crisp 逻辑中成立。 另一方面,对于模糊逻辑,这些定律成立。
清晰的逻辑有严格的界限; 也就是说,它可能是 True 或 False。 并且模糊逻辑具有多个隶属度。
另请阅读:面向初学者的机器学习项目创意
模糊逻辑有哪些应用?
以下是模糊逻辑在不同行业的主要应用:
汽车行业
汽车公司在人工智能中使用模糊逻辑来创建防抱死刹车。 模糊逻辑可以根据加速度和车速判断何时需要应用防抱死制动,以避免发生事故。
模糊逻辑在汽车中的另一个用途是自动变速器。 在这些情况下,模糊逻辑根据转速和节气门设置控制点火和燃油喷射。 巡航控制是汽车保持特定速度并允许驾驶员在踩下油门时休息一下的功能。
模糊逻辑有助于调整油门设置以保持指定的车速。

健康
欧姆龙使用模糊逻辑规则来检查员工的健康水平。 为此,他们添加了特定的规则集。 在它的帮助下,许多公司可以监控员工的健康状况并提供相应的设施。
其他应用
- 微波炉使用模糊逻辑来选择正确的烹饪选项。
- 高尔夫诊断系统应用模糊规则,根据高尔夫球手的体质和其他因素推荐最合适的高尔夫球杆
- 电梯控制系统根据乘客人数确定等待时间。 他们为此实施了模糊逻辑。
- 洗碗机使用模糊逻辑根据他们拥有的餐具选择正确的清洁设置(周期、漂洗和洗涤时间等)。
模糊逻辑的优缺点?
优点
- 模糊逻辑结构简单,很容易理解
- 应用于汽车、家电等多个行业
- 它比其他算法更有效地解决了不确定性问题
- 用途广泛,因为它的操作不需要精确的输入
- 由于其结构简单,您可以轻松地对其进行修改并提高其性能
- 如果反馈传感器不起作用,您可以使用模糊逻辑来解决这些问题
缺点
- 它无法执行类似于神经网络的模式识别
- 基于模糊逻辑验证和验证系统需要大量硬件测试
- 设置模糊规则是一项相当艰巨的任务
- 模糊逻辑的输出并不总是准确的。 在某些情况下,这可能会导致问题,因为结果可能不可接受。
最后的想法
现在我们已经完成了我们的模糊逻辑教程。 我们希望您发现这篇文章很有用。 模糊逻辑无疑是人工智能中最流行和最简单的概念之一。
如果您想了解更多关于模糊逻辑和其他 AI 概念的信息,那么我们建议您访问我们的博客。 您会在那里找到许多有用的文章。
如果您想要更详细和结构化的学习体验,那么您应该参加 AI 课程并从该课程开始。 人工智能课程将轻松地为您提供有关该主题所需的所有知识。
如果您有兴趣了解有关机器学习的更多信息,请查看 IIIT-B 和 upGrad 的机器学习和人工智能 PG 文凭,该文凭专为工作专业人士设计,提供 450 多个小时的严格培训、30 多个案例研究和作业、IIIT- B 校友身份、5 个以上实用的实践顶点项目和顶级公司的工作协助。
语言学对冲在模糊推理系统中有何用处?
什么是模糊逻辑的 Mamdani 方法?
Mamdani 方法是首次尝试使用从经验丰富的人类操作员那里收集的语言控制规则来控制蒸汽机和锅炉系统。 Mamdani 系统中的每条规则都会产生一个模糊集作为其输出。 Mamdani 系统非常适合专家系统应用程序,其中规则是从人类专家知识开发的,例如医学诊断,因为它们的规则库更直观且更易于掌握。
什么是模糊逼近定理 (FAT) 及其推理?
根据 Bart Kosko 的说法,模糊近似 (FAT) 表明模糊系统可以模拟任何连续系统。 每个规则都作为系统应用于响应的模糊补丁,以使其看起来像连续系统的响应。 而模糊近似推理是指用于从一组不精确的前提中得出可能的不精确结论的方法。 在近似推理中,模糊逻辑能够处理多种不确定性。