1. Trang chủ
  2. » Luận Văn - Báo Cáo

Báo cáo: Fuzzy logic

97 1 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Nội dung

Fuzzy logic Phần GV: Lê Hoài Long Fuzzy?  Những hình có màu gì? GV: Lê Hồi Long Fuzzy?  Các gái đẹp? GV: Lê Hồi Long Fuzzy?  Tơi bạn, cao? GV: Lê Hoài Long Fuzzy logic  Khái niệm fuzzy logic thai nghén giáo sư Lotfi Zadeh đại học UC Berkeley vào năm 1965  Cho phép giải vấn đề thông tin không xác (imprecision) hay khơng chắn (uncertain)  Lý thuyết fuzzy cung cấp chế xử lý thơng tin có tính ngơn ngữ (linguistic) ‘nhiều’, ‘thấp’, ‘trung bình’, ‘rất’…  Cung cấp cấu trúc suy luận tương tự khả lập luận người GV: Lê Hồi Long Sự xác có xác?  Precision is not truth (Henri Matisse)  Sometimes the more measurable drives out the most important (Rene Dubos)  So far as the laws of mathematics refer to reality, they are not certain And so far as they are certain, they not refer to reality (Albert Einstein) GV: Lê Hoài Long Fuzzy logic  Lý luận xác trường hợp giới hạn lý luận xấp xỉ (approximate reasoning)  Mọi thứ vấn đề mức độ (matter of degree)  Kiến thức tập hợp ràng buộc mờ có ‘tính đàn hồi’ tập hợp biến  Suy luận trình lan truyền ràng buộc ‘đàn hồi’  Bất hệ luận lý (logic) làm mờ (fuzzify) GV: Lê Hồi Long Fuzzy set  Gọi X tập không rỗng (nonempty set)  Một tập fuzzy A X đặc trưng hàm thành viên (membership function) A (hay A)  A : X  [0,1] GV: Lê Hồi Long Fuzzy set  Ví dụ: Nếu gọi chiều cao từ 1,7m cao tập crisp (cứng nhắc), tập fuzzy người coi cao đặc trưng hàm thành viên sau  1,5 1,7 GV: Lê Hoài Long Chiều cao Bài tập  Với điều kiện chấp nhận, vẽ hàm thành viên tập fuzzy thể giá bán xe ô tô rẻ  Giá tiền GV: Lê Hoài Long 10 Sugeno’s  Ngun lý mơ hình Sugeno’s GV: Lê Hồi Long 83 Sugeno’s (ví dụ) GV: Lê Hồi Long 84 Sugeno’s (ví dụ)  Mơ hình single–input IFx is small THEN y  0.1x  6.4  IF x is medium THEN y  -0.5x  IF x is large THEN y  x -   Mơ hình 2-input single-output IFx is small AND y is small THEN z  x  y  IF x is small AND y is large THEN z  -y    IF x is large AND y is small THEN z   x  IF x is large AND y is large THEN z  x  y  GV: Lê Hoài Long 85 Bài tập 10  Hãy vẽ minh họa mơ hình Sugeno’s cho mơ hình single-input slide trước Hãy tự thêm thông tin cần thiết  Hãy vẽ minh họa mơ hình Sugeno’s cho mơ hình 2-input single-output slide trước Hãy tự thêm thông tin cần thiết GV: Lê Hoài Long 86 Tsukamoto’s  Tập fuzzy phát biểu THEN đại diện hàm thành viên đơn điệu  Mỗi luật mô hình có đầu crisp giá trị hàm thành viên  Kết đầu cuối bình quân trọng số (weighted average) đầu luật  Trọng số kết toán tử áp dụng lên hàm thành viên luật IF  Ít sử dụng GV: Lê Hồi Long 87 Tsukamoto’s  Ví dụ: 2-input single-output  A1 B1 C1 w1 x A2 x z z1 B2 C2 y y w2 z GV: Lê Hoài Long z2 z w1 z1  w2 z2 w1  w2 88 So sánh mơ hình Mamdani’s Sugeno’s  Sự khác hàm thành viên đầu Sugeno’s tuyến tính hay số  Kết luật fuzzy cách tổng hợp phá mờ mô hình khác  Mamdani’s dễ thực … GV: Lê Hồi Long 89 Thuận lợi mơ hình Mamdani’s  Trực quan  Được ứng dụng rộng rãi  Rất phù hợp sử dụng liệu dánh giá của người GV: Lê Hoài Long 90 Thuận lợi mơ hình Sugeno’s  Hữu hiệu tính tốn  Rất phù hợp với mơ hình có tính tuyến tính  Phù hợp với kỹ thuật tối ưu thích nghi  Đảm bảo tính liên tục khơng gian đầu  Phù hợp với phân tích tốn học GV: Lê Hồi Long 91 Tại lại sử dụng fuzzy  Khá dễ hiểu mặt khái niệm  Khá mềm dẻo  Xử lý tốt thơng tin khơng xác  Có thể mơ hình hàm số có tính phi tuyến GV: Lê Hoài Long 92 Tại lại sử dụng fuzzy  Mơ hình tốt thơng tin kinh nghiệm  Áp dụng kết hợp với kỹ thuật điều khiển truyền thống  Dựa ngôn ngữ mang tính tự nhiên, giao tiếp người GV: Lê Hồi Long 93 Khi khơng nên sử dụng fuzzy  Fuzzy vị thần vạn  Đôi cách hay phương pháp xử lý đơn giản hiệu  Đôi việc thiết lập ánh xạ từ không gian đầu vào đến khơng gian đầu gặp khó khăn => chọn cách khác GV: Lê Hoài Long 94 Sự tương tự fuzzy ANN          Ước tính hàm số từ liệu mẫu Khơng u cầu mơ hình tốn Là hệ động Chuyển đầu vào số thành đầu số Xử lý thơng tin khơng xác Cùng khơng gian trạng thái Tạo tín hiệu bị chặn Hoạt động nhớ có tính liên kết … GV: Lê Hoài Long 95 Sự khác fuzzy ANN  Fuzzy sử dụng kiến thức ‘tự tìm tịi’ để tạo nên luật làm cho chúng phù hợp sử dụng liệu mẫu  ANN tạo nên ‘luật’ dựa hoàn toàn liệu mẫu GV: Lê Hồi Long 96 Chúc thành cơng GV: Lê Hoài Long 97

Ngày đăng: 14/07/2023, 09:41

w