الذكاء الاصطناعي - أنظمة المنطق الضبابي
الذكاء الاصطناعي - أنظمة المنطق الضبابي
تنتج أنظمة المنطق الضبابي (FLS) مخرجات مقبولة ولكن محددة استجابة لمدخلات غير مكتملة أو غامضة أو مشوهة أو غير دقيقة (غامضة).
ما هو المنطق الضبابي؟
المنطق الضبابي (FL) هو طريقة تفكير تشبه التفكير البشري. نهج FL يحاكي طريقة صنع القرار لدى البشر والتي تتضمن جميع الاحتمالات الوسيطة بين القيم الرقمية نعم ولا.
تأخذ الكتلة المنطقية التقليدية التي يمكن للكمبيوتر فهمها مدخلات دقيقة وتنتج مخرجات محددة مثل TRUE أو FALSE ، وهو ما يعادل YES أو NO للإنسان.
لاحظ مخترع المنطق الضبابي ، لطفي زاده ، أنه على عكس أجهزة الكمبيوتر ، فإن اتخاذ القرار البشري يتضمن مجموعة من الاحتمالات بين YES و NO ، مثل -
نعم بكل تأكيد |
ممكن نعم |
لا أستطيع أن أقول |
ربما لا |
بالتأكيد لا |
يعمل المنطق الضبابي على مستويات إمكانيات المدخلات لتحقيق المخرجات المحددة.
التنفيذ
يمكن تنفيذه في أنظمة ذات أحجام وإمكانيات مختلفة تتراوح من وحدات التحكم الصغيرة الصغيرة إلى أنظمة التحكم الكبيرة المتصلة بالشبكة والقائمة على محطات العمل.
يمكن تنفيذه في الأجهزة أو البرامج أو كليهما.
لماذا المنطق الضبابي؟
المنطق الضبابي مفيد للأغراض التجارية والعملية.
- يمكنه التحكم في الآلات والمنتجات الاستهلاكية.
- قد لا يعطي تفكيرًا دقيقًا ، ولكنه قد يعطي تفكيرًا مقبولًا.
- يساعد المنطق الضبابي في التعامل مع عدم اليقين في الهندسة.
هندسة النظم المنطقية الضبابية
يتكون من أربعة أجزاء رئيسية كما هو موضح -
وحدة Fuzzification Module - تقوم بتحويل مدخلات النظام ، وهي أرقام واضحة ، إلى مجموعات ضبابية. يقسم إشارة الإدخال إلى خمس خطوات مثل -
LP | x موجب كبير |
النائب | x موجب متوسط |
س | x صغير |
MN | x هو متوسط سلبي |
LN | x هو سلبي كبير |
قاعدة المعرفة - تقوم بتخزين قواعد IF-THEN المقدمة من قبل الخبراء.
محرك الاستدلال - يحاكي عملية التفكير البشري من خلال عمل استدلال غامض على المدخلات وقواعد IF-THEN.
وحدة Defuzzification Module - تقوم بتحويل المجموعة الضبابية التي حصل عليها محرك الاستدلال إلى قيمة واضحة.
و تعمل وظائف الأعضاء في مجموعة ضبابية من المتغيرات.
وظيفة عضوية
تسمح لك وظائف العضوية بتحديد المصطلح اللغوي وتمثيل مجموعة ضبابية بيانياً. و ظيفة عضوية لغامض مجموعة A تعرف على الكون من X الخطاب كما ميكرون A : X → [0،1].
هنا ، يتم تعيين كل عنصر من عناصر X إلى قيمة بين 0 و 1. وتسمى قيمة العضوية أو درجة العضوية . ومن الكمي درجة عضوية العنصر في X إلى مجموعة ضبابية و .
- يمثل المحور س عالم الخطاب.
- يمثل المحور y درجات العضوية في الفترة [0 ، 1].
يمكن أن تكون هناك وظائف عضوية متعددة قابلة للتطبيق لتشويه القيمة العددية. تُستخدم وظائف العضوية البسيطة لأن استخدام الوظائف المعقدة لا يضيف مزيدًا من الدقة في الإخراج.
يتم عرض جميع وظائف العضوية لـ LP و MP و S و MN و LN على النحو التالي -
تعد أشكال وظيفة العضوية المثلثية أكثر شيوعًا بين أشكال وظائف العضوية المختلفة الأخرى مثل شبه منحرف ، مفرد ، و Gaussian.
هنا ، يختلف الإدخال إلى fuzzifier ذو المستوى 5 من -10 فولت إلى +10 فولت. ومن ثم يتغير الناتج المقابل أيضًا.
مثال على نظام المنطق الضبابي
دعونا نفكر في نظام تكييف الهواء مع نظام منطق ضبابي من 5 مستويات. يقوم هذا النظام بضبط درجة حرارة مكيف الهواء من خلال مقارنة درجة حرارة الغرفة وقيمة درجة الحرارة المستهدفة.
الخوارزمية
- تحديد المتغيرات والمصطلحات اللغوية (البداية)
- بناء وظائف العضوية لهم. (بداية)
- بناء قاعدة معرفية من القواعد (البداية)
- تحويل البيانات الواضحة إلى مجموعات بيانات غير واضحة باستخدام وظائف العضوية. (تشويش)
- تقييم القواعد في قاعدة القاعدة. (محرك الاستدلال)
- اجمع النتائج من كل قاعدة. (محرك الاستدلال)
- تحويل بيانات الإخراج إلى قيم غير غامضة. (التشكيك)
تطوير
الخطوة 1 - تحديد المتغيرات والمصطلحات اللغوية
المتغيرات اللغوية هي متغيرات الإدخال والإخراج في شكل كلمات أو جمل بسيطة. بالنسبة لدرجة حرارة الغرفة ، فإن البرودة ، والدافئ ، والساخنة ، إلخ ، هي مصطلحات لغوية.
درجة الحرارة (ر) = {شديدة البرودة ، باردة ، دافئة ، دافئة جدًا ، ساخنة}
كل عضو في هذه المجموعة هو مصطلح لغوي ويمكن أن يغطي جزءًا من قيم درجة الحرارة الإجمالية.
الخطوة 2 - بناء وظائف العضوية لهم
تظهر وظائف عضوية متغير درجة الحرارة -
الخطوة 3 - بناء قواعد قاعدة المعرفة
قم بإنشاء مصفوفة لقيم درجة حرارة الغرفة مقابل قيم درجة الحرارة المستهدفة التي من المتوقع أن يوفرها نظام تكييف الهواء.
درجة حرارة الغرفة. /استهداف | بارد جدا | البرد | دافئ | الحار | حار جدا |
---|---|---|---|---|---|
بارد جدا | لا تغيير | الحرارة | الحرارة | الحرارة | الحرارة |
البرد | رائع | لا تغيير | الحرارة | الحرارة | الحرارة |
دافئ | رائع | رائع | لا تغيير | الحرارة | الحرارة |
الحار | رائع | رائع | رائع | لا تغيير | الحرارة |
حار جدا | رائع | رائع | رائع | رائع | لا تغيير |
قم ببناء مجموعة من القواعد في قاعدة المعرفة في شكل هياكل IF-THEN-ELSE.
الأب رقم. | شرط | عمل |
---|---|---|
1 | إذا كانت درجة الحرارة = (باردة أو باردة جدًا) والهدف = دافئ إذن | الحرارة |
2 | إذا كانت درجة الحرارة = (ساخنة أو ساخنة جدًا) والهدف = دافئ إذن | رائع |
3 | إذا كانت (درجة الحرارة = دافئة) AND (الهدف = دافئ) ثم | لا تغيير |
الخطوة 4 - الحصول على قيمة غامضة
تقوم عمليات المجموعة الضبابية بتقييم القواعد. العمليات المستخدمة لـ OR و AND هي Max و Min على التوالي. اجمع جميع نتائج التقييم لتشكيل نتيجة نهائية. هذه النتيجة هي قيمة غامضة.
الخطوة 5 - قم بإزالة الضرب
ثم يتم تنفيذ Defuzzification وفقًا لوظيفة العضوية لمتغير الإخراج.
مجالات تطبيق المنطق الضبابي
مجالات التطبيق الرئيسية للمنطق الضبابي معطاة -
أنظمة السيارات
- علب التروس الأوتوماتيكية
- التوجيه الرباعي
- مراقبة بيئة السيارة
السلع الإلكترونية الاستهلاكية
- أنظمة هاي فاي
- آلات التصوير
- الكاميرات الثابتة وكاميرات الفيديو
- التلفاز
البضائع المحلية
- أفران الميكروويف
- ثلاجات
- محمصات
- مكنسة كهربائية
- غسالة ملابس
مراقبة البيئة
- مكيفات / مجففات / سخانات
- المرطبات
مزايا FLSs
المفاهيم الرياضية في التفكير الغامض بسيطة للغاية.
يمكنك تعديل FLS بمجرد إضافة القواعد أو حذفها بسبب مرونة المنطق الضبابي.
يمكن أن تأخذ أنظمة المنطق الضبابي معلومات إدخال غير دقيقة ومشوهة وصاخبة.
FLSs سهلة البناء والفهم.
المنطق الضبابي هو حل للمشاكل المعقدة في جميع مجالات الحياة ، بما في ذلك الطب ، لأنه يشبه التفكير البشري واتخاذ القرار.
عيوب FLSs
- لا يوجد نهج منظم لتصميم النظام الضبابي.
- تكون مفهومة فقط عندما تكون بسيطة.
- إنها مناسبة للمشكلات التي لا تحتاج إلى دقة عالية.
التسميات: الذكاء الاصطناعي artificial intelligence
<< الصفحة الرئيسية