Нечеткая логика

Содержание

Слайд 2

Неклассические логики

Нечеткая логика
Временная логика
Алгоритмическая логика
Модальная логика

Неклассические логики Нечеткая логика Временная логика Алгоритмическая логика Модальная логика

Слайд 3

Нечёткая логика

Нечёткая логика

Слайд 4

Предпосылки

Возникла необходимость в аппарате, способном моделировать рассуждения на основе сложных причинно-следственных связей.

«Почти

Предпосылки Возникла необходимость в аппарате, способном моделировать рассуждения на основе сложных причинно-следственных
всегда можно сделать такой же самый продукт без нечеткой логики, но с нечеткой будет быстрее и дешевле»
Лотфи Заде
«Бинарная логика – не более чем роковая ошибка античной цивилизации»
Барт Коско

Слайд 5

Нечеткие множества

Лотфи Заде (Lotfi Zadeh)

Характеристикой нечеткого множества выступает функция принадлежности.

ности к

Нечеткие множества Лотфи Заде (Lotfi Zadeh) Характеристикой нечеткого множества выступает функция принадлежности.
нечеткому множеству F, представляющая собой обобщение понятия характеристической функции обычного множества.

– степень принадлеж-

Zadeh L.A. Fuzzy Sets // Information and control. – 1965. Vol.8. – P.338-353.

В классической теории множеств принадлежность объекта x множеству С определяется характеристической функцией вида:

Слайд 6

Нечеткое множество – это подмножество А некоторого четкого множества-носителя, каждому элементу которого

Нечеткое множество – это подмножество А некоторого четкого множества-носителя, каждому элементу которого
сопоставлена степень его принадлежности множеству A.

Нечеткое множество полностью определяется заданием функции принадлежности μА(x), μА(x) ∈ [0,1].

Слайд 7

Типовые формы функций принадлежности

Треугольная

Трапецеидальная

Гауссова

Типовые формы функций принадлежности Треугольная Трапецеидальная Гауссова

Слайд 8

Операции над нечеткими множествами

Объединением нечетких множеств A и B называется нечеткое множество

Операции над нечеткими множествами Объединением нечетких множеств A и B называется нечеткое
A∪B с функцией принадлежности:

Пересечением нечетких множеств A и B в X называется нечеткое множество A∩B с функцией принадлежности:

Дополнением нечеткого множества A называется нечеткое множество

с функцией принадлежности:

Слайд 10

Операции над нечеткими множествами
(пример)

Исходные множества

объединение

пересечение

отрицание

μC(x) = min(μА(x), μB(x))

μC(x) = max(μА(x), μB(x))

μC(x) =

Операции над нечеткими множествами (пример) Исходные множества объединение пересечение отрицание μC(x) =
1 - μА(x)

Слайд 11

Алгебраические операции

На основе операции алгебраического произведения определяется операция возведения в степень a

Алгебраические операции На основе операции алгебраического произведения определяется операция возведения в степень
нечёткого множества А, где a – положительное число

Частные случаи

Слайд 12

Нечеткая переменная описывается набором (N, X, F) , где

N – это

Нечеткая переменная описывается набором (N, X, F) , где N – это
название переменной,
X – универсальное множество,
F – нечеткое множество на X, представляющее собой нечеткое ограничение на значения x нечеткой переменной N.

Нечёткая переменная = наименование переменной + область определения A + функция принадлежности μА.

Нечёткая переменная – именованное нечеткое множество: например, нечеткая переменная «высокий рост».

Нечёткая переменная

Слайд 13

Лингвистическая переменная

N – название переменной;
T – множество значений (базовое терм-множество), его элементы

Лингвистическая переменная N – название переменной; T – множество значений (базовое терм-множество),
представляют собой названия нечетких переменных;
X – универсальное множество;
G – синтаксическое правило, по которому генерируются новые термы с применением слов естественного или формального языка;
P – семантическое правило каждому значению лингвистической переменной ставит в соответствие нечеткое подмножество множества X.

Лингвистическая переменная (N, Т, X , G, P) состоит из:

Слайд 14

Примеры лингвистических переменных

Бизнес = {«малый», «средний»}
Температура в комнате = {«холодно», «комфортно», «жарко»}
Процентная

Примеры лингвистических переменных Бизнес = {«малый», «средний»} Температура в комнате = {«холодно»,
ставка = {«высокая», «низкая»}

Термы –
наименования
нечетких переменных

Лингвистическая
переменная

Слайд 15

Лингвистическая переменная
«температура в комнате»

N = «температура в комнате» – это название

Лингвистическая переменная «температура в комнате» N = «температура в комнате» – это
переменной;

X = [10, 35] – универсальное множество;

T = {«холодно», «комфортно», «жарко»} – базовое терм-множество;

G – синтаксическое правило, порождающее новые термы с использованием квантификаторов "и","или", "не", "очень", "более-менее";

P – семантическое правило, ставящее в соответствие каждому новому терму функцию принадлежности (т.е. нечеткое множество) по правилам: если термы А и В имели функции принадлежности μА(x) и μB(x) соответственно, то новые термы будут иметь функции принадлежности:

Слайд 16

Нечёткие отношения

Нечёткие отношения

Слайд 18

Нечеткие правила

Нечеткие знания формулируются в виде нечетких продукционных правил вывода в форме

Нечеткие правила Нечеткие знания формулируются в виде нечетких продукционных правил вывода в
«если-то» (if-then rule):

ЕСЛИ x это A, ТО y это B

где A и B – это лингвистические переменные и соответствующие им функции принадлежности

Левая часть правила называется условием, или предпосылкой, правая часть – следствием, или заключением.

Для n переменных правило Ri примет вид нечеткого рассуждения:

Ri: ЕСЛИ (x1 это Ai1) … И … (xn это Ain), ТО (y это Bi).

Уровни представления нечетких правил:
уровень поверхностной структуры – правила сформулированы только в лингвистической форме;
уровень глубинной структуры – поверхностная структура правила вместе со значениями функций принадлежности для каждого терма лингвистической переменной.

Слайд 19

Модели нечеткого вывода

Пусть в базе правил системы нечеткого вывода, имеется m правил

Модели нечеткого вывода Пусть в базе правил системы нечеткого вывода, имеется m
вида:

R1: ЕСЛИ (x1 это A11) … И … (xn это A1n), ТО (y это B1)

Ri: ЕСЛИ (x1 это Ai1) … И … (xn это Ain), ТО (y это Bi)

Rm: ЕСЛИ (x1 это Am1) … И … (xn это Amn), ТО (y это Bm)

… … …

… … …

где

– имена входных переменных;

– имя выходной переменной;

– определенные функции принадлежности.

y

Результатом нечеткого вывода является четкое значение переменной

на основе заданных четких значений

.

Слайд 20

Этапы нечёткого логического вывода

Формирование базы правил
2. Фаззификация входных параметров – введение нечеткости

Этапы нечёткого логического вывода Формирование базы правил 2. Фаззификация входных параметров –
– процесс нахождения функции принадлежности нечетких множеств. Устанавливается соответствие между численным значением входной переменной системы нечеткого вывода и значением функции принадлежности соответствующей ей лингвистической переменной.
3. Агрегирование – определение степени истинности каждого из подзаключений по каждому из правил
4. Активизация подусловий в нечетких правилах – нечеткие подмножества, назначенные для каждой выходной переменной, объединяются вместе
5. Дефаззификация – определение четких значений выходных переменных

Слайд 21

Правило Мамдани (Mamdani)

Импликации

соответствует нечёткое отношение c функцией
принадлежности:

Правило Мамдани (Mamdani) Импликации соответствует нечёткое отношение c функцией принадлежности:

Слайд 22

Нечеткий вывод по способу Мамдани (Mamdani)

Определяются степени истинности, т.е. значения функций принадлежности

Нечеткий вывод по способу Мамдани (Mamdani) Определяются степени истинности, т.е. значения функций
для левых частей каждого правила (предпосылок):

Определяются уровни «отсечения» для левой части каждого из правил:

Находятся «усеченные» функции принадлежности

Композиция полученных усеченных функций

Приведение к четкости, центроидный метод:

Первый нечеткий контроллер для управления паровым двигателем
E.H. Mamdani, S. Assilian. An experiment in linguistic synthesis with a fuzzy logic controller. 1975.

Слайд 23

Метод центра тяжести

Метод центра тяжести

Слайд 24

Схема нечёткого вывода по Мамдани

max

µ

µ

µ

µ

µ

µ

or

or

then

if

if

then

min

max

Если (x1 это A11) ИЛИ (x2 это

Схема нечёткого вывода по Мамдани max µ µ µ µ µ µ
A12) ТО (y это B1)
Если (x1 это A21) ИЛИ (x2 это A22) ТО (y это B2)

Слайд 25

Нечеткий вывод по Сугено (Sugeno)

Определяются степени истинности.

Определяются уровни «отсечения» предпосылок правил αi

Нечеткий вывод по Сугено (Sugeno) Определяются степени истинности. Определяются уровни «отсечения» предпосылок
и рассчитываются индивидуальные выходы правил

Итоговая четкая величина вычисляется как средневзвешенное:

где pi0, [pij] – коэффициенты полинома или цифровые веса. В адаптивных системах подбираются в процессе обучения.

Набор правил следующего вида:

Ri: ЕСЛИ (x1 это Ai1) … И … (xn это Ain), ТО y = f (X),

f (X) – некоторая четкая функция, полином первого порядка:

Первый нечеткий контроллер в Японии для очистки воды
M.Sugeno and T. Takagi . A new approach to design of fuzzy controller. 1983.

Слайд 27

Нечеткий вывод по способу Tsukamoto

Определяются степени истинности, т.е. значения функций принадлежности для

Нечеткий вывод по способу Tsukamoto Определяются степени истинности, т.е. значения функций принадлежности
левых частей каждого правила (предпосылок):

Определяются уровни «отсечения» для левой части каждого из правил:

Находятся чёткие значения для каждого из исходных правил

Определяется чёткое значение переменной вывода

Слайд 29

Алгоритм Larsen

Алгоритм Larsen

Слайд 30

Fuzzy Approximation Theorem

Бартоломей Коско
(Bart Kosko)

FAT- Теорема:

Любая математическая система может быть с

Fuzzy Approximation Theorem Бартоломей Коско (Bart Kosko) FAT- Теорема: Любая математическая система
необходимой точностью аппроксимирована системой на нечеткой логике.

Kosko B. Fuzzy systems as universal approximators
// IEEE Transactions on Computers, vol. 43, No. 11,
November 1994. – P. 1329-1333.

Слайд 31

Схема нечёткого управления

Схема нечёткого управления

Слайд 32

Практическое применение

1970-е – Мамдани и Ассилиан построили первый нечеткий контроллер для лабораторной

Практическое применение 1970-е – Мамдани и Ассилиан построили первый нечеткий контроллер для
модели парового двигателя
1982 – в Дании Холмблад и Остергард внедрили нечеткую логику в управление процессом обжига цемента
1987 – фирма Hitachi разработала нечеткую систему управления движением электропоезда в метро города Сендай
1990 – в Японии зарегистрировано около 30 патентов. Серийное производство бытовых приборов с нечетким управлением:
камеры с автоматической фокусировкой (Canon)
кондиционеры воздуха (Mitsubishi)
стиральные машины (Panasonic и Matshushita)
автоматическая трансмиссия (Honda и Nissan)
нечеткий контроллер лифта (Toshiba )

Слайд 33

Практическое применение (продолжение)

1993 – Барт Коско доказал теорему о нечеткой аппроксимации (Fuzzy

Практическое применение (продолжение) 1993 – Барт Коско доказал теорему о нечеткой аппроксимации
Approximation Theorem)
1997 – язык нечеткого управления Fuzzy Control Language внесен в Международный стандарт программируемых контроллеров IEC 1131-7
Наши дни – Области применения: медицинская диагностика, техническая диагностика, финансовый менеджмент, управление персоналом, биржевое прогнозирование, распознавание образов, разведка ископаемых, выявление мошенничества, управление компьютерными сетями, управление технологическими процессами, управление транспортом, поиск информации в Интернете, радиосвязь и телевидение. Спектр приложений от бытовых видеокамер, пылесосов и стиральных машин до средств наведения ракет ПВО и управления боевыми вертолетами.

Слайд 34

Пример

После рабочего дня Вы проголодались и решили зайти поужинать в незнакомое кафе.

Пример После рабочего дня Вы проголодались и решили зайти поужинать в незнакомое
Предположим, что степень своей удовлетворенности от кафе Вы будете выражать в размере чаевых, которые колеблются в интервале от 0 до 25% от счета заказа. Щедрость чаевых будет зависеть от двух факторов:
качество еды, которое будет оцениваться, как:
вкусно
невкусно
качество обслуживания, оцениваемое по шкале:
отличное
среднее
плохое
Еда была достаточно хорошей, а вот сервис был на низком уровне

Слайд 35

База правил

Если «Сервис» = «плохой» или «Еда» = «невкусная», то «Чаевые» =

База правил Если «Сервис» = «плохой» или «Еда» = «невкусная», то «Чаевые»
«маленькие»
Если «Сервис» = «средний», то «Чаевые» = «средние»
Если «Сервис» = «отличный» и «Еда» = «вкусная», то «Чаевые» = «высокие»
«Сервис» и «Еда» – входные переменные,
«Чаевые» – выходная переменная

Слайд 36

Лингвистическая переменна «Еда»

Лингвистическая переменна «Еда»

Слайд 37

Лингвистическая переменна «Сервис»

Лингвистическая переменна «Сервис»

Слайд 38

Лингвистическая переменна «Чаевые»

Лингвистическая переменна «Чаевые»

Слайд 39

Логический вывод

«Чаевые» = «средние»

Логический вывод «Чаевые» = «средние»

Слайд 40

Дефаззификация

Дефаззификация
Имя файла: Нечеткая-логика.pptx
Количество просмотров: 51
Количество скачиваний: 3