Sistem de inferență fuzzy: prezentare generală, aplicații, caracteristici, structură și avantaje

Un sistem de inferență fuzzy este unitatea cheie a unui sistem logic fuzzy. Structura tipică a unui sistem de inferență fuzzy constă din diferite blocuri funcționale. Folosește noi metode pentru a rezolva problemele de zi cu zi.

Un sistem de inferență neclar poate fi o paradigmă de computer susținută de teoria mulțimilor fuzzy, regulile dacă-atunci fuzzy și raționamentul fuzzy. O mapare neliniară care își derivă rezultatul din raționamentul fuzzy și un grup de reguli fuzzy dacă-atunci. Domeniul și intervalul de cartografiere pot fi seturi sau puncte neclare distanțate multidimensionale.

Un sistem de inferență fuzzy este un sistem care utilizează o teorie a mulțimilor fuzzy pentru a mapa intrările la ieșiri.

Aplicații ale FIS

Un sistem de inferență neclar este utilizat în diferite domenii, de exemplu, ordinea informațiilor, examinarea alegerii, sistemul principal, prognozele de aranjare a timpului, mecanica avansată și confirmarea exemplelor. Altfel se numește sistem fuzzy bazat pe reguli, model fuzzy, controler logic fuzzy, sistem expert fuzzy și memorie asociativă fuzzy.

Este unitatea vitală a unui sistem cu logică neclară care se ocupă de luarea deciziilor și alegerea sarcinilor esențiale. Utilizează „IF... . În acel moment,” conduce alături de conectorii „ȘI” „SAU” pentru a stabili standarde fundamentale de alegere.

Caracteristicile sistemului Fuzzy Inference

• Randamentul din FIS este în mod constant un set neclar, indiferent de intrarea sa, care poate fi fuzzy sau clară.
• Este necesar să aveți o ieșire fuzzy atunci când este folosit ca controler.
• O unitate de defuzzificare ar însoți FIS pentru a converti variabila fuzzy într-o variabilă clară.

Structura sistemului de inferență fuzzy

Structura esențială a unui sistem de inferență fuzzy cuprinde trei entități:

• O bază de reguli care conține reguli neclare
• O bază de date (sau dicționar), care conține funcțiile de participare utilizate în regulile fuzzy.
• Un mecanism de raționament care realizează inducția făcută pe baza liniilor directoare și a faptelor date pentru a deduce un rezultat sau o concluzie rezonabilă.

Sursă

Ce este defuzificarea?

Defuzificarea este extragerea unei valori reprezentând o mulțime neclară.

Metode de defuzificare:

1. Centroidul zonei
2. Bisectoare a zonei
3. Media de max
4. Cel mai mic dintre max
5. Cel mai mare dintre max

Este obligatoriu să avem o ieșire clară în unele cazuri în care folosim un sistem de interferență ca controler.

Citește și: Idei de proiecte de învățare automată

Intrări și ieșiri ale sistemului de inferență fuzzy

• Sistemul fundamental de inferență neclară poate lua fie intrări neclare, fie intrări clare, dar randamentul pe care îl produce este adesea seturi fuzzy.
• Uneori este important să aveți o ieșire clară, în special într-o situație în care un sistem de inferență neclar este utilizat ca controler.
• Prin urmare, avem nevoie de o tehnică de defuzzificare pentru a extrage o valoare clară pentru a reprezenta un set neclar.

Diagrama bloc pentru un sistem de inferență fuzzy cu ieșire clară

Sisteme de inferență fuzzy populare (modele fuzzy)

1. Mamdani Fuzzy Models
2. Modele Sugeno Fuzzy

Diferența de bază dintre aceste sisteme de inferență fuzzy constă în consecințele regulilor lor fuzzy și procedurile lor distinctive de conglomerare și defuzzificare.

1. Ebrahim Mamdani Fuzzy Model

Acesta este cel mai folosit sistem de inferență fuzzy.

Profesorul Mamdani a fabricat unul dintre sistemele fuzzy primare pentru a controla un amestec de motor cu abur și ceainic. El a aplicat reguli neclare propuse de operatori umani experimentați.

Pași pentru calcularea ieșirii

Următoarele progrese ar trebui urmate pentru a calcula rezultatul din acest FIS

Pasul 1: Decizi o grămadă de principii neclare

Pasul 2: Fuzificarea intrărilor cu elementele de participare la informații

Pasul 3: Amalgamarea intrărilor fuzzificate conform liniilor directoare fuzzy pentru a descoperi o putere standard

Pasul 4: Găsirea efectelor secundare ale standardului prin rezumarea puterii standardului cu munca de participare la randament

Pasul 5: Combinarea rezultatelor pentru a obține transportul de randament

Pasul 6: Efectuarea defuzzificării dispersiei de ieșire

Două Reguli Mamdani cu Operatori Min și Max

Mamdani FIS utilizează min și max pentru normele T și normele S, sub rezerva a două intrări clare x și y.

Poarta de cercetare

Două Reguli Mamdani FIS cu Operatori Max și Produs

Mamdani FIS folosește produsul și max pentru normele T și normele S, sub rezerva a două intrări clare x și y.

Poarta de cercetare

Compoziția Mamdani a trei ieșiri fuzzy SISO

2. Sugeno Fuzzy Model

Acest model a fost propus de Takagi, Sugeno și Kang.

Pentru dezvoltarea unei abordări științifice pentru a genera reguli neclare dintr-un set dat de date de intrare-ieșire.

Formatul acestei reguli este dat după cum urmează:

DACĂ x este A și y este B; Z= f(x,y)

Aici, AB este mulțimi neclare în antecedente, iar z= f(x, y) este o funcție clară în cadrul consecventului.

Cel mai frecvent utilizat model Sugeno fuzzy de ordinul zero aplică reguli fuzzy în următoarea formă:

DACĂ x este A ȘI y este B; z este k

Unde k este o constantă

În acest caz, rezultatul fiecărei reguli fuzzy este constantă și fiecare funcție de membru consecventă este reprezentată de vârfuri singleton.

Asa de,

• Modelul fuzzy Sugeno de ordinul întâi: f(x, y) – polinom de ordinul întâi
• Modelul fuzzy Sugeno de ordinul zero: f – constantă

Procedura de raționament fuzzy pentru un model Sugeno Fuzzy de ordinul întâi

Sistemul de inferență fuzzy conform metodei Sugeno Fuzzy funcționează în următorul mod:

Pasul 1: Fuzificarea intrărilor - intrările sistemului devin neclare.

Pasul 2: Aplicarea operatorului fuzzy - operatorii fuzzy trebuie aplicați pentru a obține rezultatul.

Formatul regulilor

Formatul de reguli al Sugeno form-

Dacă 7 = x și 9 = y; ieșirea este z = ax+by+c

Sistemul de inferență fuzzy Sugeno este foarte asemănător cu metoda Mamdani.

Schimbați doar o regulă în consecință: în loc de o mulțime neclară, a folosit o funcție matematică a variabilei de intrare.

Cum să decizi dacă să aplici - Mamdani sau Sugeno Fuzzy Inference System?

• Tehnica Mamdani este larg recunoscută pentru captarea cunoștințelor și informațiilor de specialitate. Ne permite să descriem abilitatea într-un mod mai instinctiv, mai asemănător uman.

Cu toate acestea, inferența fuzzy de tip Mamdani implică o sarcină de calcul considerabilă.

• Pe de altă parte, metoda Sugeno este fezabilă din punct de vedere computațional. Funcționează eficient cu proceduri avansate și versatile, ceea ce îl face excepțional de atrăgător în probleme versatile, în special pentru cadrele dinamice neliniare.

Avantajele sistemelor de inferență fuzzy

Concluzie

Un sistem de inferență neclar facilitează mecanizarea oricărei sarcini. Acesta este motivul pentru care sistemul de inferență fuzzy a găsit aplicații de succes în diverse domenii precum robotica, recunoașterea modelelor, predicția seriei etc.

Aflați sisteme de inferențe fuzzy cu upGrad

upGrad oferă un curs extins de Master în Științe în Informatică, unde vă puteți perfecționa abilitățile și vă puteți propulsa cariera în dezvoltarea de software.

Un candidat poate alege una dintre cele șase specializări unice care sunt relevante pentru industrie. Aceasta implică candidatul potențial să:

• Fii sigur de plasare
• Fii îndrumat de experți din industrie
• Accesați oportunități de angajare la nivel global
• Lucrați la proiecte și misiuni live
• Învață subiectul de la capăt la capăt

Învață cursul ML de la cele mai bune universități din lume. Câștigă programe de master, Executive PGP sau Advanced Certificate pentru a-ți accelera cariera.