Was ist Fuzzy-Logik?
Fuzzy-Logik ist definiert als eine vielwertige Logikform, die Wahrheitswerte von Variablen in einer beliebigen reellen Zahl zwischen 0 und 1 haben kann. Es ist das Handle-Konzept der partiellen Wahrheit. Im wirklichen Leben können wir auf eine Situation stoßen, in der wir nicht entscheiden können, ob die Aussage wahr oder falsch ist. Zu dieser Zeit bietet die Fuzzy-Logik eine sehr wertvolle Flexibilität für das Denken.
Der Fuzzy-Logik-Algorithmus hilft bei der Lösung eines Problems, nachdem alle verfügbaren Daten berücksichtigt wurden. Dann trifft es die bestmögliche Entscheidung für die gegebene Eingabe. Die FL-Methode imitiert die Art und Weise der Entscheidungsfindung bei einem Menschen, die alle Möglichkeiten zwischen den digitalen Werten T und F berücksichtigt.
In diesem Tutorial lernen Sie
- Was ist Fuzzy-Logik?
- Geschichte der Fuzzy-Logik-Systeme
- Eigenschaften der Fuzzy-Logik
- Wann sollte keine Fuzzy-Logik verwendet werden?
- Fuzzy-Logik-Architektur
- Fuzzy Logic vs. Wahrscheinlichkeit
- Knackig gegen Fuzzy
- Klassische Set vs. Fuzzy Set Theorie
- Beispiele für Fuzzy-Logik
- Anwendungsbereiche von Fuzzy Logic
- Vorteile des Fuzzy Logic Systems
- Nachteile von Fuzzy-Logik-Systemen
Geschichte der Fuzzy-Logik-Systeme
Das Konzept der Fuzzy-Logik wurde jedoch seit den 1920er Jahren untersucht. Der Begriff Fuzzy-Logik wurde erstmals 1965 von Lotfi Zadeh, Professor an der UC Berkeley in Kalifornien, verwendet. Er stellte fest, dass die konventionelle Computerlogik nicht in der Lage war, Daten zu manipulieren, die subjektive oder unklare menschliche Ideen darstellen.
Der Fuzzy-Algorithmus wurde auf verschiedene Bereiche angewendet, von der Steuerungstheorie bis zur KI. Es wurde entwickelt, um es dem Computer zu ermöglichen, die Unterscheidung zwischen Daten zu bestimmen, die weder wahr noch falsch sind. Ähnlich wie beim menschlichen Denken. Wie wenig Dunkelheit, etwas Helligkeit usw.
Eigenschaften der Fuzzy-Logik
Hier sind einige wichtige Merkmale der Fuzzy-Logik:
- Flexible und einfach zu implementierende maschinelle Lerntechnik
- Hilft Ihnen, die Logik des menschlichen Denkens nachzuahmen
- Die Logik kann zwei Werte haben, die zwei mögliche Lösungen darstellen
- Sehr geeignete Methode für unsicheres oder ungefähres Denken
- Fuzzy-Logik betrachtet Inferenz als einen Prozess der Ausbreitung elastischer Beschränkungen
- Mit der Fuzzy-Logik können Sie nichtlineare Funktionen beliebiger Komplexität erstellen.
- Fuzzy-Logik sollte unter vollständiger Anleitung von Experten erstellt werden
Wann sollte keine Fuzzy-Logik verwendet werden?
Fuzzy-Logik ist jedoch niemals ein Heilmittel für alle. Daher ist es ebenso wichtig zu verstehen, wo wir keine Fuzzy-Logik verwenden sollten.
In bestimmten Situationen sollten Sie Fuzzy Logic besser nicht verwenden:
- Wenn Sie es nicht bequem finden, einen Eingabebereich einem Ausgabebereich zuzuordnen
- Fuzzy-Logik sollte nicht verwendet werden, wenn Sie den gesunden Menschenverstand verwenden können
- Viele Controller können die gute Arbeit ohne die Verwendung von Fuzzy-Logik erledigen
Fuzzy-Logik-Architektur
Fuzzy-Logik-Architektur
Die Fuzzy Logic-Architektur besteht aus vier Hauptteilen, wie in der Abbildung dargestellt:
Regelbasis:
Es enthält alle Regeln und Wenn-Dann-Bedingungen, die von den Experten zur Kontrolle des Entscheidungsfindungssystems angeboten werden. Das jüngste Update in der Fuzzy-Theorie bietet verschiedene Methoden für das Design und die Abstimmung von Fuzzy-Controllern. Diese Aktualisierungen reduzieren die Anzahl der unscharfen Regeln erheblich.
Fuzzifizierung:
Der Fuzzifizierungsschritt hilft beim Konvertieren von Eingaben. Sie können damit knackige Zahlen in unscharfe Mengen umwandeln. Knackige Eingaben werden von Sensoren gemessen und zur weiteren Verarbeitung an das Steuerungssystem weitergeleitet. Wie Raumtemperatur, Druck usw.
Inferenz-Engine:
Es hilft Ihnen, den Übereinstimmungsgrad zwischen der Fuzzy-Eingabe und den Regeln zu bestimmen. Basierend auf der% Übereinstimmung wird bestimmt, welche Regeln gemäß dem angegebenen Eingabefeld implementiert werden müssen. Danach werden die angewendeten Regeln kombiniert, um die Steueraktionen zu entwickeln.
Defuzzifizierung:
Zuletzt wird der Defuzzifizierungsprozess durchgeführt, um die Fuzzy-Sets in einen gestochen scharfen Wert umzuwandeln. Es gibt viele Arten von Techniken, daher müssen Sie diese auswählen, die am besten für die Verwendung mit einem Expertensystem geeignet ist.
Fuzzy Logic vs. Wahrscheinlichkeit
| Fuzzy Logic | Wahrscheinlichkeit |
|---|---|
| Fuzzy: Toms Zugehörigkeitsgrad innerhalb der Gruppe der alten Leute beträgt 0,90. | Wahrscheinlichkeit: Es besteht eine 90% ige Wahrscheinlichkeit, dass Tom alt ist. |
| Die Fuzzy-Logik verwendet Wahrheitsgrade als mathematische Grundlage für das Modell des Unbestimmtheitsphänomens. | Wahrscheinlichkeit ist ein mathematisches Modell der Unwissenheit. |
Knackig gegen Fuzzy
| Knackig | Fuzzy |
|---|---|
| Es hat eine strenge Grenze T oder F. | Fuzzy-Grenze mit einem gewissen Grad an Zugehörigkeit |
| Einige knackige Zeiteinstellungen können unscharf sein | Es kann nicht knusprig sein |
| Richtig / Falsch {0,1} | Mitgliedschaftswerte auf [0,1] |
| In der knackigen Logik kann das Gesetz des ausgeschlossenen Mittel- und Widerspruchs gelten oder nicht | Im Fuzzy-Logik-Gesetz gelten Ausgeschlossene Mittel- und Widerspruchsfreiheit |
Klassische Set vs. Fuzzy Set Theorie
| Klassisches Set | Fuzzy-Set-Theorie |
|---|---|
| Klassen von Objekten mit scharfen Grenzen. | Klassen von Objekten haben keine scharfen Grenzen. |
| Eine klassische Menge wird durch scharfe Grenzen definiert, dh es besteht Klarheit über die Position der Mengengrenzen. | Eine Fuzzy-Menge hat immer mehrdeutige Grenzen, dh es kann Unsicherheit über die Position der Mengengrenzen geben. |
| Weit verbreitet im digitalen Systemdesign | Wird nur in Fuzzy-Controllern verwendet. |
Beispiele für Fuzzy-Logik
Siehe das unten angegebene Diagramm. Es zeigt, dass in einem Fuzzy-System die Werte durch eine Zahl von 0 bis 1 gekennzeichnet sind. In diesem Beispiel bedeutet 1,0 absolute Wahrheit und 0,0 absolute Falschheit.
Fuzzy Logic mit Beispiel
Anwendungsbereiche von Fuzzy Logic
Die Tabelle "Schlag" zeigt die Anwendung der Fuzzy-Logik durch berühmte Unternehmen in ihren Produkten.
| Produkt | Unternehmen | Fuzzy Logic |
|---|---|---|
| Antiblockiersystem | Nissan | Verwenden Sie die Fuzzy-Logik, um die Bremsen in gefährlichen Fällen zu steuern. Dies hängt von der Fahrzeuggeschwindigkeit, der Beschleunigung, der Radgeschwindigkeit und der Beschleunigung ab |
| Automatikgetriebe | NOK / Nissan | Die Fuzzy-Logik wird verwendet, um die Kraftstoffeinspritzung und -zündung basierend auf der Drosselklappeneinstellung, der Kühlwassertemperatur, der Drehzahl usw. zu steuern. |
| Automotor | Honda, Nissan | Verwenden Sie diese Option, um die Leistung anhand der Motorlast, des Fahrstils und der Straßenverhältnisse auszuwählen. |
| Kopierer | Kanon | Verwendung zum Einstellen der Trommelspannung basierend auf Bilddichte, Luftfeuchtigkeit und Temperatur. |
| Tempomat | Nissan, Isuzu, Mitsubishi | Verwenden Sie diese Option, um die Drosselklappeneinstellung anzupassen und die Geschwindigkeit und Beschleunigung des Fahrzeugs einzustellen |
| Geschirrspüler | Matsushita | Die Verwendung zum Einstellen des Reinigungszyklus sowie der Spül- und Waschstrategien hängt von der Anzahl der Gerichte und der Menge der auf dem Geschirr servierten Speisen ab. |
| Aufzugssteuerung | Fujitec, Mitsubishi Electric, Toshiba | Verwenden Sie es, um das Warten auf die Zeit basierend auf dem Passagierverkehr zu reduzieren |
| Golf-Diagnosesystem | Maruman Golf | Wählt den Golfschläger basierend auf dem Schwung und dem Körperbau des Golfers aus. |
| Fitness-Management | Omron | Von ihnen implizierte Fuzzy-Regeln zur Überprüfung der Fitness ihrer Mitarbeiter. |
| Ofensteuerung | Nippon Steel | Mischt Zement |
| Mikrowelle | Mitsubishi Chemical | Legt die Lunes-Power und die Kochstrategie fest |
| Palmtop-Computer | Hitachi, Sharp, Sanyo, Toshiba | Erkennt handgeschriebene Kanji-Zeichen |
| Plasmaätzen | Mitsubishi Electric | Legt die Ätzzeit und -strategie fest |
Vorteile des Fuzzy Logic Systems
- Die Struktur von Fuzzy Logic Systems ist einfach und verständlich
- Fuzzy-Logik wird häufig für kommerzielle und praktische Zwecke verwendet
- Die Fuzzy-Logik in AI hilft Ihnen bei der Steuerung von Maschinen und Konsumgütern
- Es bietet möglicherweise keine genaue Argumentation, aber die einzig akzeptable Argumentation
- Die Fuzzy-Logik in Data Mining hilft Ihnen, mit der Unsicherheit im Engineering umzugehen
- Meistens robust, da keine präzisen Eingaben erforderlich sind
- Es kann in Situationen programmiert werden, in denen der Rückkopplungssensor nicht mehr funktioniert
- Es kann leicht geändert werden, um die Systemleistung zu verbessern oder zu ändern
- Es können kostengünstige Sensoren verwendet werden, mit denen Sie die Gesamtsystemkosten und die Komplexität niedrig halten können
- Es bietet eine äußerst effektive Lösung für komplexe Probleme
Nachteile von Fuzzy-Logik-Systemen
- Die Fuzzy-Logik ist nicht immer genau, daher werden die Ergebnisse auf der Grundlage von Annahmen wahrgenommen, sodass sie möglicherweise nicht allgemein akzeptiert werden.
- Fuzzy-Systeme verfügen nicht über die Fähigkeit zum maschinellen Lernen sowie zur Mustererkennung für neuronale Netzwerktypen
- Die Validierung und Überprüfung eines wissensbasierten Fuzzy-Systems erfordert umfangreiche Tests mit Hardware
- Das Festlegen genauer, unscharfer Regeln und Zugehörigkeitsfunktionen ist eine schwierige Aufgabe
- Einige Fuzzy-Zeitlogiken werden mit der Wahrscheinlichkeitstheorie und den Begriffen verwechselt
Zusammenfassung
- Der Begriff Fuzzy bedeutet Dinge, die nicht sehr klar oder vage sind
- Der Begriff Fuzzy-Logik wurde erstmals 1965 von Lotfi Zadeh, Professor an der UC Berkeley in Kalifornien, verwendet
- Fuzzy-Logik ist eine flexible und einfach zu implementierende maschinelle Lerntechnik
- Fuzzy-Logik sollte nicht verwendet werden, wenn Sie den gesunden Menschenverstand verwenden können
- Die Fuzzy-Logik-Architektur besteht aus vier Hauptteilen: 1) Regel-Basse 2) Fuzzifizierung 3) Inferenz-Engine 4) Defuzzifizierung
- Die Fuzzy-Logik verwendet Wahrheitsgrade als mathematische Grundlage für das Modell der Unbestimmtheit, während die Wahrscheinlichkeit ein mathematisches Modell der Unwissenheit ist
- Knackige Menge hat strenge Grenze T oder F, während Fuzzy-Grenze mit einem Grad der Zugehörigkeit
- Ein klassisches Set wird häufig im Entwurf digitaler Systeme verwendet, während ein Fuzzy-Set nur in Fuzzy-Controllern verwendet wird
- Automatikgetriebe, Fitnessmanagement, Golf-Diagnosesystem, Geschirrspüler, Kopiergerät sind einige Bereiche von Fuzzy Logic-Anwendungen
- Mithilfe der Fuzzy-Logik in Soft Computing können Sie Maschinen und Verbraucherprodukte steuern