Τι είναι η ασαφής λογική στο AI και ποιες είναι οι εφαρμογές της;

Στην καθημερινή μας ζωή, ενδέχεται να αντιμετωπίσουμε καταστάσεις όπου δεν μπορούμε να προσδιορίσουμε εάν το κράτος είναι αληθινό ή ψευδές. Το Fuzzy αναφέρεται σε κάτι που είναι ασαφές ή ασαφές. Το Fuzzy Logic in AI παρέχει πολύτιμη ευελιξία για συλλογισμό. Και σε αυτό το άρθρο, θα μάθουμε για αυτήν τη λογική και την εφαρμογή της το στην ακόλουθη ακολουθία:

• Τι είναι η ασαφής λογική;
• Γιατί χρησιμοποιούμε το Fuzzy Logic;
• Αρχιτεκτονική
• Λειτουργία μέλους
• Ασαφής λογική έναντι πιθανότητας
• Εφαρμογές της ασαφούς λογικής
• Πλεονεκτήματα μειονεκτήματα
• Ασαφής λογική στο AI: Παράδειγμα

Τι είναι η ασαφής λογική;

Ασαφής λογική (FL) είναι μια μέθοδος συλλογιστικής που μοιάζει ανθρώπινη συλλογιστική . Αυτή η προσέγγιση είναι παρόμοια με το πώς οι άνθρωποι εκτελούν τη λήψη αποφάσεων. Και περιλαμβάνει όλες τις ενδιάμεσες δυνατότητες μεταξύ ΝΑΙ και ΟΧΙ .

ο συμβατικό λογικό μπλοκ ότι ένας υπολογιστής κατανοεί παίρνει ακριβή είσοδο και παράγει μια συγκεκριμένη έξοδο ως ΑΛΗΘΕΙΑ ή ΛΑΘΟΣ, η οποία ισοδυναμεί με ΝΑΙ ή ΟΧΙ ενός ανθρώπου. Η ασαφής λογική εφευρέθηκε από Λόφι Ζαντέ ο οποίος παρατήρησε ότι σε αντίθεση με τους υπολογιστές, οι άνθρωποι έχουν διαφορετικό εύρος δυνατοτήτων μεταξύ ΝΑΙ και ΟΧΙ, όπως:

Η ασαφής λογική λειτουργεί στα επίπεδα των δυνατοτήτων εισόδου για να επιτύχει μια συγκεκριμένη έξοδο. Τώρα, μιλάμε για την εφαρμογή αυτής της λογικής:

• Μπορεί να εφαρμοστεί σε συστήματα με διαφορετικά μεγέθη και δυνατότητες όπως μικροελεγκτές, μεγάλοι δικτυωμένοι ή συστήματα που βασίζονται σε σταθμούς εργασίας.

  
  
  

• Επίσης, μπορεί να εφαρμοστεί σε υλικό, λογισμικό ή ένας συνδυασμός και τα δυο .

Γιατί χρησιμοποιούμε το Fuzzy Logic;

Γενικά, χρησιμοποιούμε το ασαφές λογικό σύστημα για εμπορικούς και πρακτικούς σκοπούς όπως:

• Το ελέγχει μηχανές και καταναλωτικά προιόντα

• Εάν δεν είναι ακριβής συλλογισμός, τουλάχιστον παρέχει αποδεκτή συλλογιστική

• Αυτό βοηθά στην αντιμετώπιση του αβεβαιότητα στη μηχανική

Λοιπόν, τώρα που γνωρίζετε για την ασαφή λογική στο AI και γιατί την χρησιμοποιούμε πραγματικά, ας προχωρήσουμε και κατανοήσουμε την αρχιτεκτονική αυτής της λογικής.

Αρχιτεκτονική ασαφούς λογικής

Η ασαφής λογική αρχιτεκτονική αποτελείται από τέσσερα κύρια μέρη:

• Κανόνες - Περιέχει όλους τους κανόνες και τους όρους εάν-τότε που προσφέρουν οι ειδικοί για τον έλεγχο του συστήματος λήψης αποφάσεων. Η πρόσφατη ενημέρωση της ασαφούς θεωρίας παρέχει διαφορετικές αποτελεσματικές μεθόδους για το σχεδιασμό και τη ρύθμιση ασαφείς ελεγκτές . Συνήθως, αυτές οι εξελίξεις μειώνουν τον αριθμό των ασαφών κανόνων.

• Συγκολλήσεις - Αυτό το βήμα μετατρέπει τις εισόδους ή τους ευκρινείς αριθμούς σε ασαφή σύνολα. Μπορείτε να μετρήσετε τις ευκρινείς εισόδους από τους αισθητήρες και να τις περάσετε στο σύστημα ελέγχου για περαιτέρω επεξεργασία. Χωρίζει το σήμα εισόδου σε πέντε βήματα όπως:

• Κινητήρας συμπερασμάτων - Καθορίζει τον βαθμό αντιστοίχισης μεταξύ της ασαφούς εισόδου και των κανόνων. Σύμφωνα με το πεδίο εισαγωγής, θα αποφασίσει τους κανόνες που θα απολυθούν. Συνδυάζοντας τους ενεργοποιημένους κανόνες, διαμορφώστε τις ενέργειες ελέγχου.

• Αδιαφορία - Η διαδικασία Defuzzification μετατρέπει τα ασαφή σύνολα σε ευκρινή τιμή. Υπάρχουν διάφοροι τύποι τεχνικών διαθέσιμων και πρέπει να επιλέξετε την καταλληλότερη με ένα ειδικό σύστημα.

Έτσι, αυτό αφορούσε την αρχιτεκτονική της ασαφούς λογικής στο AI. Τώρα, ας κατανοήσουμε τη λειτουργία ιδιότητας μέλους.

Λειτουργία μέλους

Η συνδρομή μέλους είναι ένα γραφική παράσταση που καθορίζει πώς κάθε σημείο στο χώρος εισόδου αντιστοιχίζεται στην τιμή ιδιότητας μέλους μεταξύ 0 και 1. Σας επιτρέπει ποσοτικοποιήστε τους γλωσσικούς όρους και αντιπροσωπεύουν ένα ασαφές σύνολο γραφικά. Μια συνάρτηση μέλους για ένα ασαφές σύνολο Α στο σύμπαν του λόγου Χ ορίζεται ως & muA: X → [0.1]

Ποσοποιεί τον βαθμό συμμετοχής του στοιχείου στο Χ στο ασαφές σύνολο Α.

• άξονας x αντιπροσωπεύει το σύμπαν του λόγου.

• γ-άξονας αντιπροσωπεύει τους βαθμούς συμμετοχής στο διάστημα [0, 1].

Μπορεί να υπάρχουν πολλές συναρτήσεις συνδρομής που ισχύουν για την ασαφή αριθμητική τιμή. Οι απλές λειτουργίες συμμετοχής χρησιμοποιούνται καθώς οι σύνθετες λειτουργίες δεν προσθέτουν ακρίβεια στην έξοδο. Η ιδιότητα μέλους είναι για LP, MP, S, MN και LN είναι:

Τα σχήματα τριγωνικής συνάρτησης μέλους είναι πιο κοινά μεταξύ διαφόρων άλλων σχημάτων συνάρτησης μέλους. Εδώ, η είσοδος στο 5-επίπεδο fuzzifier διαφέρει από -10 βολτ έως +10 βολτ . Εξ ου και η αντίστοιχη έξοδος αλλάζει επίσης.

Ασαφής λογική έναντι πιθανότητας

Έτσι, αυτές ήταν μερικές από τις διαφορές μεταξύ της ασαφούς λογικής στο AI και της πιθανότητας. Τώρα, ας ρίξουμε μια ματιά σε μερικές από τις εφαρμογές αυτής της λογικής.

Εφαρμογές της ασαφούς λογικής

Η λογική Fuzzy χρησιμοποιείται σε διάφορους τομείς όπως συστήματα αυτοκινήτων, οικιακά είδη, έλεγχος περιβάλλοντος κ.λπ. Μερικές από τις κοινές εφαρμογές είναι:

• Χρησιμοποιείται στο αεροδιαστημικό πεδίο Για έλεγχος υψομέτρου διαστημικού σκάφους και δορυφόρου.

• Αυτό ελέγχει το ταχύτητα και κίνηση στο συστήματα αυτοκινήτων.

  sql διακομιστές ενοποίησης υπηρεσιών ssis βήμα προς βήμα φροντιστήριο

• Χρησιμοποιείται για συστήματα υποστήριξης λήψης αποφάσεων και προσωπική αξιολόγηση στη μεγάλη εταιρεία.

• Ελέγχει επίσης το pH, την ξήρανση, τη χημική διαδικασία απόσταξης στο χημική βιομηχανία .

• Χρησιμοποιείται ασαφής λογική στο Επεξεργασία φυσικής γλώσσας και διάφορα εντατικά .

• Χρησιμοποιείται ευρέως στο σύγχρονα συστήματα ελέγχου όπως συστήματα εμπειρογνωμόνων.

• Η ασαφής λογική μιμείται τον τρόπο λήψης αποφάσεων ενός ατόμου, πολύ πιο γρήγορα. Έτσι, μπορείτε να το χρησιμοποιήσετε με Νευρωνικά δίκτυα .

Αυτές ήταν μερικές από τις κοινές εφαρμογές της Fuzzy Logic. Τώρα, ας ρίξουμε μια ματιά στα πλεονεκτήματα και τα μειονεκτήματα της χρήσης Fuzzy Logic στο AI.

Πλεονεκτήματα και μειονεκτήματα της ασαφούς λογικής

Η ασαφής λογική παρέχει απλή συλλογιστική παρόμοια με την ανθρώπινη συλλογιστική. Υπάρχουν περισσότερα τέτοια πλεονεκτήματα της χρήσης αυτής της λογικής, όπως:

• Η δομή των Fuzzy Logic Systems είναι εύκολο και κατανοητό

• Η ασαφής λογική χρησιμοποιείται ευρέως για εμπορικός και πρακτικούς σκοπούς

• Σας βοηθά να μηχανήματα ελέγχου και καταναλωτικά προϊόντα

• Σας βοηθά να αντιμετωπίσετε το αβεβαιότητα στη μηχανική

• Ως επί το πλείστον εύρωστος καθώς δεν απαιτούνται ακριβείς είσοδοι

• Εάν ο αισθητήρας ανάδρασης σταματήσει να λειτουργεί, μπορείτε προγραμματίστε το στην κατάσταση

• Μπορείς εύκολα να τροποποιήσετε να βελτιώσει ή να αλλάξει την απόδοση του συστήματος

• Φθηνοί αισθητήρες μπορεί να χρησιμοποιηθεί που σας βοηθά να διατηρήσετε το συνολικό κόστος και την πολυπλοκότητα του συστήματος χαμηλά

Αυτά ήταν τα διαφορετικά πλεονεκτήματα της ασαφούς λογικής. Αλλά, έχει μερικά μειονεκτήματα επισης:

• Η ασαφής λογική είναι όχι πάντα ακριβές . Επομένως, τα αποτελέσματα γίνονται αντιληπτά βάσει παραδοχών και ενδέχεται να μην είναι ευρέως αποδεκτά

• Το δεν μπορεί να αναγνωρίσει καθώς τύπος μοτίβων

• Επικύρωση και επαλήθευση των ασαφών αναγκών του συστήματος που βασίζονται στη γνώση εκτεταμένες δοκιμές με υλικό

• Ο καθορισμός ακριβών, ασαφών κανόνων και, συναρτήσεων μελών είναι δύσκολη εργασία

• Μερικές φορές, η ασαφής λογική είναι ταραγμένος με θεωρία πιθανότητας

Έτσι, αυτά ήταν μερικά από τα πλεονεκτήματα και τα μειονεκτήματα της χρήσης ασαφούς λογικής στο AI. Τώρα, ας πάρουμε ένα πραγματικό παράδειγμα και να κατανοήσουμε τη λειτουργία αυτής της λογικής.

Ασαφής λογική στο AI: Παράδειγμα

Ο σχεδιασμός ενός ασαφούς λογικού συστήματος ξεκινά με ένα σύνολο συναρτήσεων μελών για κάθε είσοδο και ένα σύνολο για κάθε έξοδο. Στη συνέχεια εφαρμόζεται ένα σύνολο κανόνων στις συναρτήσεις μελών για να αποδώσει μια ευκρινή τιμή εξόδου. Ας πάρουμε ένα παράδειγμα ελέγχου διαδικασίας και κατανοήσουμε την ασαφή λογική.

Βήμα 1

Εδώ, Θερμοκρασία είναι η είσοδος και Ταχύτητα του ανεμιστήρα είναι η έξοδος. Πρέπει να δημιουργήσετε ένα σύνολο συναρτήσεων μελών για κάθε είσοδο. Μια συνάρτηση μέλους είναι απλώς μια γραφική αναπαράσταση των ασαφών συνόλων μεταβλητών. Για αυτό το παράδειγμα, θα χρησιμοποιήσουμε τρία ασαφή σύνολα, Κρύο ζεστό και Ζεστό . Στη συνέχεια, θα δημιουργήσουμε μια συνάρτηση μέλους για καθένα από τα τρία σύνολα θερμοκρασίας:

Βήμα 2

Στο επόμενο βήμα, θα χρησιμοποιήσουμε τρία ασαφή σύνολα για την έξοδο, Αργή, μεσαία και Γρήγορα . Δημιουργείται ένα σύνολο λειτουργιών για κάθε σύνολο εξόδου όπως και για τα σύνολα εισόδου.

Βήμα 3

Τώρα που έχουμε ορίσει τις λειτουργίες των μελών μας, μπορούμε να δημιουργήσουμε τους κανόνες που θα καθορίσουν πώς θα εφαρμοστούν οι λειτουργίες μελών στο τελικό σύστημα. Θα δημιουργήσουμε τρεις κανόνες για αυτό το σύστημα.

• Αν είναι ζεστό τότε γρήγορα
• Εάν είναι ζεστό τότε Μεσαίο
• Και, αν είναι κρύο τότε αργό

Αυτοί οι κανόνες ισχύουν για τις λειτουργίες ιδιότητας μέλους για να παράγουν την ευκρινή τιμή εξόδου για την οδήγηση του συστήματος. Έτσι, για μια τιμή εισόδου 52 μοίρες , τέμνουμε τις συναρτήσεις μελών. Εδώ, εφαρμόζουμε δύο κανόνες καθώς η τομή συμβαίνει και στις δύο λειτουργίες. Μπορείτε να επεκτείνετε τα σημεία τομής στις συναρτήσεις εξόδου για να δημιουργήσετε ένα σημείο τομής. Στη συνέχεια, μπορείτε να περικόψετε τις λειτουργίες εξόδου στο ύψος των τεμνόμενων σημείων.

Αυτή ήταν μια πολύ απλή εξήγηση για το πώς λειτουργούν τα ασαφή λογικά συστήματα. Σε ένα πραγματικό σύστημα εργασίας, θα υπήρχαν πολλές εισόδους και η δυνατότητα πολλών εξόδων. Αυτό θα είχε ως αποτέλεσμα ένα αρκετά περίπλοκο σύνολο λειτουργιών και πολλών ακόμη κανόνων.

Με αυτό, φτάσαμε στο τέλος του άρθρου μας Fuzzy Logic in AI. Ελπίζω να καταλάβετε τι είναι ασαφής λογική και πώς λειτουργεί.

πώς να φτιάξετε έναν δυναμικό πίνακα στο java

Επίσης, δείτε το Το μάθημα επιμελείται από επαγγελματίες του κλάδου σύμφωνα με τις απαιτήσεις και τις απαιτήσεις του κλάδου. Θα κυριαρχήσετε τις έννοιες όπως η λειτουργία SoftMax, το Autoencoder Neural Networks, το Restricted Boltzmann Machine (RBM) και θα συνεργαστείτε με βιβλιοθήκες όπως το Keras & TFLearn. Το μάθημα έχει επιμεληθεί ειδικά από ειδικούς του κλάδου με μελέτες περιπτώσεων σε πραγματικό χρόνο.

Έχετε μια ερώτηση για εμάς; Παρακαλώ αναφέρετέ το στην ενότητα σχολίων του 'Fuzzy Logic in AI' και θα επικοινωνήσουμε μαζί σας.