Uvod v mehko sistem logike
Fuzzy Logic je računalniški pristop, ki temelji na "stopnji resnice" in ni omejen na logično "resnično ali napačno". Izraz "neizrazito" pomeni nekaj, kar je nejasno ali ni zelo jasno. Sistem mehke logike se uporablja za scenarije, kjer je težko kategorizirati stanja kot binarni zapis »True ali False«. Mehka logika lahko vključuje vmesne vrednosti, kot so delno resnične in delno napačne. Izvajamo ga lahko v številnih napravah, od majhnih mikrokontrolerjev do velikih IT sistemov. Skuša posnemati človeško podobno odločanje, ki lahko vključi vse vrednote med True in False.
Arhitektura nejasnega logičnega sistema
Sistem Fuzzy Logic ima štiri glavne komponente, ki so pojasnjene s pomočjo spodnjega diagrama arhitekture:
- Pravila: Osnova pravila je sestavljena iz velikega nabora pravil, ki jih programirajo in hranijo strokovnjaki, ki urejajo odločanje v nejasnem sistemu. Pravila so sklopi stavkov "Če-potem", ki odločajo o dogodku glede na pogoj.
- Fuzifikacija: mehčanje pretvori surove vhode, merjene s senzorjev, v mehke sklope. Ti pretvorjeni vhodi se prenesejo v krmilni sistem za nadaljnjo obdelavo.
- Inference Engine: Pomaga pri preslikavi pravil za vhodni nabor podatkov in s tem odloči, katera pravila je treba uporabiti za določen vhod. To stori tako, da izračuna% ujemanje pravil za dani vhod.
- Defuzzification: je fuzzifikacija nasprotje. Tu se mehke množice pretvorijo v čiste vhode. Ti jasni vhodi so izhod Fuzzy Logic System.
Funkcija članstva
Funkcija članstva določa, kako se vhod v mehko sistem preslika na vrednosti med 0 in 1. Vnos se običajno imenuje kot vesolje (U), saj lahko vsebuje katero koli vrednost. Funkcija članstva je opredeljena kot:
μ A: X → (0, 1).
Tu X predstavlja vesolje in Y predstavlja katero koli vrednost med 0 in 1. Funkcija Trikotno članstvo je najpogosteje uporabljena funkcija članstva. Druge funkcije članstva vključujejo trapezno, Gaussovo in Singletonovo.
Zakaj in kdaj uporabljati mehko logiko?
Mehka logika je še posebej uporabna, če želite v nadzornem sistemu oponašati človeško podobno razmišljanje. Bolj kot točnost sklepanja se osredotoča na sprejemljivo sklepanje, ki je zelo blizu načinu delovanja resničnega sveta. Zasnovan je za spopadanje z negotovostmi in strokovno izhaja iz sklepa.
Algoritem mehkega logičnega sistema
- Določite vse spremenljivke in izraze, ki bodo delovali kot vhod v mehki sistem
- Ustvari funkcijo članstva v sistemu (Kot je opredeljeno zgoraj)
- Ustvari bazo pravil, ki bo preslikana na vsak vhod
- Pretvori običajni vhod v neizrazit vhod, ki se napaja s funkcijo članstva
- Rezultat ocenite na podlagi funkcije članstva
- Združite vse rezultate, dobljene s posamičnimi pravili
- Pretvori izhodno mehko nastavitev v vhod Crisp (defuzzification)
Uporaba sistema mehke logike
Mehka logika je sprejeta v vseh pomembnejših panogah, vendar je avtomobilska industrija še vedno glavna. Spodaj je navedenih nekaj njegovih aplikacij:
- Nissan za nadzor zavornega sistema v primeru nevarnosti uporablja Fuzzy Logic. Fuzzy Logic pri vnosu intenzivnosti zavor uporablja vhode, kot so hitrost, pospešek, zagon.
- Nissan tudi uporablja Fuzzy Logic za nadzor količine vbrizga goriva in vžiga na podlagi vhodov, kot so RPM motorja, temperatura in nosilnost.
- Uporablja se v satelitih in letalih za nadzor nadmorske višine.
- Mitsubishi uporablja Fuzzy Logic, da izboljša upravljanje z dvigali, če vstopi potniški promet.
- Nippon Steel uporablja mehko logiko za določanje deleža, v katerem je treba mešati različne vrste cementa, da dobimo trpežnejši cement.
- Fuzzy Logic najde svojo uporabo v kemični industriji za upravljanje različnih procesov, kot so nadzor pH, sušenje in destilacija.
- Mehko logiko je mogoče kombinirati z umetno nevronsko mrežo (ANN) in posnemati delovanje človeških možganov. Fuzzy Logic agregira podatke in jih pretvori v bolj smiselne informacije, ki se uporabljajo kot nanosi Fuzzy.
Prednosti Fuzzy Logic System
Spodaj je pet prednosti mehkega logičnega sistema:
- Fuzzy Logic lahko deluje s kakršnimi koli vhodi, tudi če je nestrukturiran, popačen, nenatančen ali vsebuje hrup.
- Fuzzy Logic Construction je zelo enostavno prebrati in razumeti, saj tesno posnema način, kako se človek odloči.
- Odtenki mehke logike vključujejo uporabo ključnega matematičnega koncepta, kot sta teorija in verjetnost nastavitev, zaradi česar je mogoče reševati vse vrste vsakodnevnih izzivov, s katerimi se sooča človeštvo.
- Fuzzy Logic lahko zagotovi učinkovite rešitve zelo zapletenega problema v različnih panogah.
- Fuzzy Logic System potrebuje zelo malo podatkov za pripravo robustnega modela. Zato za izvedbo potrebuje le omejeno količino pomnilnika.
Slabosti sistema Fuzzy Logic
Spodaj so zgornje štiri pomanjkljivosti mehkega logičnega sistema:
- Težave ni mogoče rešiti s pomočjo mehke logike, zato imajo različni strokovnjaki težave, ki vodijo do dvoumnosti.
- Ker Fuzzy Logic sistem deluje tako z natančnimi kot tudi z natančnimi podatki, je včasih njegova točnost lahko ogrožena.
- Mehki logični sistem se ne more učiti iz svojih preteklih napak ali neuspehov, saj nima sposobnosti samostojnega učenja, kot sta strojno učenje in nevronska mreža.
- Zaradi pomanjkanja standardizacije ni določenega načina za iskanje pravil in funkcij članstva za dani problem. Zato je včasih težko najti natančna pravila in funkcije članstva za nekatere težave.
Zaključek
Fuzzy Logic ponuja alternativni način za pristop k resničnim težavam v računalništvu. Z lahkoto ga je mogoče uporabiti v različnih aplikacijah in nadzornem sistemu, kar lahko prinese dolgoročne koristi. Glede na sposobnost, da dobro sodeluje z "stopnjo resnice", odpira veliko vrat sodobnemu računalništvu. Vendar pa ni vsakršna težava, saj ima resne omejitve, ko gre za natančnost in nezmožnost, da se uči iz svojega neuspeha, kot v primeru strojnega učenja.
Priporočeni članki
To je vodnik po sistemu neizrazite logike. Tukaj razpravljamo, zakaj in kdaj uporabljati mehko sistem, z arhitekturo, uporabo in nazadnje s prednostmi in slabostmi. Obiščite lahko tudi druge naše sorodne članke, če želite izvedeti več -
- Kaj je mehka logika?
- Preizkušanje mehkosti
- Podjetja IoT
- R Okvir podatkov
- Naprava senzorjev
- Najboljših 12 vrst senzorjev in njihove uporabe