Система нечеткого вывода: обзор, приложения, характеристики, структура и преимущества

Система нечеткого вывода является ключевым элементом системы нечеткой логики. Типичная структура системы нечеткого вывода состоит из различных функциональных блоков. Он использует новые методы для решения повседневных проблем.

Система нечеткого вывода может быть компьютерной парадигмой, поддерживаемой теорией нечетких множеств, нечеткими правилами «если-то» и нечеткими рассуждениями. Нелинейное отображение, вывод которого основан на нечетких рассуждениях и группе нечетких правил «если-то». Область отображения и диапазон могут быть многомерными разнесенными нечеткими множествами или точками.

Система нечеткого вывода — это система, использующая теорию нечетких множеств для сопоставления входных данных с выходными.

Приложения ФИС

Система нечеткого вывода используется в различных областях, например, в упорядочении информации, проверке выбора, мастер-системе, прогнозах распределения времени, продвинутой механике и подтверждении примеров. Ее иначе называют нечеткой системой, основанной на правилах, нечеткой моделью, нечетким логическим контроллером, нечеткой экспертной системой и нечеткой ассоциативной памятью.

Это жизненно важная единица системы нечеткой логики, которая занимается принятием решений и выбором основных задач. Он использует «ЕСЛИ… . В этот момент» ведет рядом с соединителями «И» «ИЛИ» к вычерчиванию основных стандартов выбора.

Характеристики системы нечеткого вывода

• Выход из FIS постоянно представляет собой нечеткое множество независимо от его входных данных, которые могут быть нечеткими или четкими.
• Необходимо иметь нечеткий выход, когда он используется в качестве контроллера.
• Блок дефаззификации будет сопровождать FIS для преобразования нечеткой переменной в четкую переменную.

Структура системы нечеткого вывода

Основная структура системы нечеткого вывода состоит из трех объектов:

• База правил, содержащая нечеткие правила
• База данных (или словарь), содержащая функции участия, используемые в нечетких правилах.
• Механизм рассуждения, выполняющий индукцию, основанную на руководящих принципах и фактах, чтобы сделать разумный вывод или вывод.

Источник

Что такое дефаззификация?

Дефаззификация — это извлечение значения, представляющего нечеткое множество.

Методы дефаззификации:

1. Центроид области
2. Биссектриса площади
3. Среднее макс.
4. Наименьший из макс.
5. Наибольшее из макс.

В некоторых случаях, когда мы используем интерференционную систему в качестве контроллера, необходимо иметь четкий выходной сигнал.

Читайте также: Идеи проекта машинного обучения

Входы и выходы системы нечеткого логического вывода

• Фундаментальная система нечеткого вывода может принимать либо нечеткие, либо четкие входные данные, но результат, который она дает, довольно часто представляет собой нечеткие множества.
• Иногда важно иметь четкий вывод, особенно в ситуации, когда в качестве контроллера используется система нечеткого вывода .
• Следовательно, нам нужна техника дефаззификации, чтобы выделить четкое значение для представления нечеткого множества.

Блок-схема системы нечеткого вывода с четким выводом

Популярные системы нечеткого вывода (нечеткие модели)

1. Нечеткие модели Мамдани
2. Нечеткие модели Сугено

Основное различие между этими системами нечеткого вывода заключается в следствиях их нечетких правил и их отличительных процедурах конгломерации и дефаззификации.

1. Нечеткая модель Эбрахима Мамдани

Это наиболее часто используемая система нечеткого вывода.

Профессор Мамдани изготовил одну из основных нечетких систем для управления смесью парового двигателя и котла. Он применил нечеткие правила, выдвинутые опытными людьми-операторами.

Шаги для вычисления вывода

Следующие достижения должны быть соблюдены, чтобы вычислить выходные данные из этой FIS.

Шаг 1: Определение набора нечетких принципов

Шаг 2: Фаззинг входных данных с элементами информационного участия

Шаг 3: Объединение нечетких входных данных в соответствии с нечеткими рекомендациями для определения стандартной силы.

Шаг 4: Нахождение последействия стандарта путем суммирования стандартной прочности с работой участия выхода

Шаг 5: Объединение результатов для получения дохода

Шаг 6: Выполнение дефаззификации выходной дисперсии

Два правила Мамдани с операторами Min и Max

FIS Мамдани использует минимальные и максимальные значения для T-норм и S-норм с учетом двух четких входных данных x и y.

Ворота исследований

Два правила Мамдани FIS с Максом и операторами продукта

FIS Мамдани использует произведение и максимум для T-норм и S-норм с учетом двух четких входных данных x и y.

Ворота исследований

Композиция Мамдани из трех нечетких выходных данных SISO

2. Нечеткая модель Сугено

Эта модель была предложена Такаги, Сугено и Кангом.

За разработку научного подхода к генерации нечетких правил из заданного набора входных-выходных данных.

Формат этого правила задается следующим образом:

ЕСЛИ х есть А, а у есть В; Z = f (х, у)

Здесь AB — нечеткие множества в антецедентах, а z = f(x, y) — четкая функция в консеквенте.

Наиболее часто используемая нечеткая модель Сугено нулевого порядка применяет нечеткие правила в следующей форме:

ЕСЛИ x есть A И y есть B; г это к

Где k - константа

В этом случае выходные данные каждого нечеткого правила постоянны, а каждая последующая функция принадлежности представлена ​​одноэлементными пиками.

Так,

• Нечеткая модель Сугено первого порядка: f(x, y) – многочлен первого порядка
• Нечеткая модель Сугено нулевого порядка: f – постоянная

Процедура нечетких рассуждений для нечеткой модели Сугено первого порядка

Система нечеткого вывода по методу Sugeno Fuzzy работает следующим образом:

Шаг 1: Нечеткость входных данных - входные данные системы делаются нечеткими.

Шаг 2: Применение нечеткого оператора — для получения результата необходимо применить нечеткие операторы.

Формат правила

Формат правила Sugeno form-

Если 7 = х и 9 = у; вывод z = ax+by+c

Система нечеткого вывода Сугено очень похожа на метод Мамдани.

Только изменение правила последовательное: вместо нечеткого множества использовалась математическая функция входной переменной.

Как решить, применять ли систему нечеткого вывода Мамдани или Сугено?

• Техника Мамдани широко известна тем, что позволяет собирать экспертные знания и информацию. Это позволяет нам изобразить навык более инстинктивно, более по-человечески.

Однако нечеткий вывод типа Мамдани влечет за собой значительную вычислительную нагрузку.

• С другой стороны, метод Сугено вычислительно осуществим. Он эффективно работает с продвинутыми и универсальными процедурами, что делает его исключительно привлекательным в универсальных задачах, особенно для динамических нелинейных структур.

Преимущества систем нечеткого вывода

Заключение

Система нечеткого вывода упрощает механизацию любой задачи. Вот почему система нечеткого вывода нашла успешное применение в различных областях, таких как робототехника, распознавание образов, предсказание серий и т. д.

Изучите системы нечетких выводов с upGrad

upGrad предлагает обширный курс магистра наук в области компьютерных наук, где вы можете отточить свои навыки и продвинуться по карьерной лестнице в разработке программного обеспечения.

Кандидат может выбрать одну из шести уникальных специализаций, соответствующих отрасли. Это влечет за собой потенциального кандидата:

• Будьте уверены в размещении
• Получите наставничество от экспертов отрасли
• Доступ к вакансиям по всему миру
• Работа над живыми проектами и заданиями
• Изучите предмет от и до

Изучите курс машинного обучения в лучших университетах мира. Заработайте программы Masters, Executive PGP или Advanced Certificate Programs, чтобы ускорить свою карьеру.