Академический Документы
Профессиональный Документы
Культура Документы
una solucin lgica difusa es, en realidad, una traduccin de una solucin
humana en FDCL.
Este tema le gua a travs del proceso paso a paso la lgica difusa,
proporcionando una introduccin a la teora y prctica de la lgica difusa.
Funciones de Pertenencia
Una funcin de pertenencia (MF) es una curva que define la forma en cada
punto en el espacio de entrada se asigna a un valor de pertenencia (o grado
de pertenencia) entre 0 y 1. El espacio de entrada se refiere a veces como
el universo de discurso, una fantasa nombrar a un concepto simple.
Hay una muy amplia seleccin para elegir cuando usted est seleccionando
una funcin de pertenencia. Tambin puede crear sus propias funciones de
pertenencia con la caja de herramientas. Sin embargo, si una lista basada en
funciones de pertenencia ampliadas parece demasiado complicado, slo
recuerde que usted probablemente podra llevarse muy bien con slo uno o dos
tipos de funciones de pertenencia, por ejemplo las funciones triangulares y
trapezoidales. La seleccin es amplia para aquellos que desean explorar las
posibilidades, pero las funciones de pertenencia caros no son necesarios para
un buen sistema de inferencia difusa. Por ltimo, recuerde que ms detalles se
encuentran disponibles en todas estas funciones en la seccin de referencia.
Resumen de las funciones de membresa
Los conjuntos difusos describen conceptos vagos (por ejemplo, corredor rpido,
clima caliente, da de fin de semana).
Un conjunto difuso admite la posibilidad de la afiliacin parcial en ella. (por
ejemplo, el viernes es una especie de da de fin de semana, el clima es
bastante caliente).
El grado un objeto pertenece a un conjunto difuso se denota por un valor de
pertenencia entre 0 y 1. (por ejemplo, el viernes es un da de fin de semana
con el grado 0,8).
Una funcin de pertenencia asociado con un conjunto difuso dado los mapas de
un valor de entrada a su valor de pertenencia apropiado.
Operaciones lgicas
Ahora que usted entiende la inferencia difusa, es necesario ver cmo difusa
inferencia conecta con operaciones lgicas.
Por otra parte, debido a que es una funcin de detrs de la tabla de verdad en
lugar de la tabla de verdad en s, ahora se puede considerar valores distintos
de 1 y 0.
Si-Entonces Reglas
Los conjuntos difusos y los operadores difusos son los sujetos y los verbos de la
lgica difusa. Estos si-entonces sentencias de normas se utilizan para formular
las declaraciones condicionales que componen la lgica difusa.
if x is A then y is B
Por lo tanto:
En cuyo caso todas las partes del antecedente se calculan de forma simultnea
y se resolvieron a un nico nmero con los operadores lgicos descritos en el
apartado anterior. La consecuente de una regla puede tener varias partes.
en cuyo caso todas las consecuencias se ven afectados por igual por el
resultado de la antecedente. Cmo se ve afectada por la consiguiente el
antecedente? La consiguiente especifica un conjunto difuso se asigna a la
salida. La funcin de implicacin entonces modifica ese conjunto difuso en la
medida especificada por el antecedente. Las formas ms comunes para
modificar la salida de conjuntos difusos son truncamiento utilizando la funcin
min (donde se trunca el conjunto difuso como se muestra en la siguiente
figura) o escalar utilizando la funcin de prod (donde se aplasta la salida de
conjuntos difusos). Ambos se apoyan en la caja de herramientas, pero utilizar
el truncamiento de los ejemplos de esta seccin.
En general, una regla por s sola no es eficaz. Dos o ms reglas que pueden
jugar fuera mutuamente se necesitan. La salida de cada regla es un conjunto
difuso. La salida de los conjuntos difusos para cada regla se agregan en un
conjunto difuso de salida nica. Finalmente, el conjunto resultante se
defuzzificado o resolver en un solo nmero. Construir sistemas Mamdani (GUI)
muestra cmo funciona todo el proceso de principio a fin para un tipo particular
de sistema de inferencia difuso llamado un tipo Mamdani
Este ejemplo se basa en tres reglas, y cada una de las normas depende de la
resolucin de las entradas en un nmero de diferentes conjuntos lingsticos
difusos: el servicio es malo, el servicio es bueno, la comida es rancia, la comida
es deliciosa, y as sucesivamente. Antes de las reglas pueden ser evaluadas,
las entradas deben ser fuzzificadas de acuerdo a cada uno de estos conjuntos
lingsticos. Por ejemplo, en qu medida es la comida realmente deliciosa? La
siguiente figura muestra lo bien que la comida en el restaurante hipottica
(puntuacin en una escala de 0 a 10) califica, (a travs de su funcin de
pertenencia), como la variable lingstica deliciosa. En este caso, nos
clasificado la comida como un 8, que, dada su definicin grfica de delicioso,
corresponde a = 0.7 para la funcin de pertenencia delicioso.
probor(a,b) = a + b ab
Adems de estos mtodos incorporados, puede crear sus propios mtodos para
Y y O por escrito cualquier funcin y establecer que para ser el mtodo de
eleccin.
Dado que las decisiones se basan en las pruebas de todas las reglas en una de
esqu alpino, las reglas se deben combinar de alguna manera con el fin de
tomar una decisin. La agregacin es el proceso por el cual los conjuntos
difusos que representan las salidas de cada regla se combinan en un nico
conjunto difuso. La agregacin se produce slo una vez para cada variable de
salida, justo antes de la quinta y ltima etapa, defuzzification. La entrada del
proceso de agregacin es la lista de las funciones de salida truncados
devueltos por el proceso de implicacin de cada regla. La salida del proceso de
agregacin es un conjunto difuso para cada variable de salida.
max (mximo)
probor (probabilstica OR)
sum (simplemente la suma de conjunto de salida de cada regla)
En el siguiente diagrama, las tres reglas han sido colocados juntos para
mostrar cmo se combina la salida de cada regla, o agregada, en un solo
conjunto difuso cuya funcin de pertenencia asigna una ponderacin para cada
salida (punta) de valor.
Paso 5. Defuzzify
La entrada para el proceso defuzzificacin es un conjunto difuso (la salida de
conjunto difuso agregado) y la salida es un solo nmero. Por mucho que la
borrosidad ayuda a la evaluacin de las reglas durante las etapas intermedias,
la salida deseada final para cada variable es generalmente un solo nmero. Sin
embargo, la suma de un conjunto difuso abarca una gama de valores de salida,
y as debe ser defuzzificado con el fin de resolver un nico valor de salida del
conjunto.
ejemplo
Una arista es un lmite entre dos regiones uniformes. Puede detectar un borde
comparando la intensidad de los pxeles vecinos. Sin embargo, porque las
regiones uniformes no estn definidos quebradizo, pequeas diferencias de
intensidad entre dos pxeles vecinos no siempre representan una ventaja. En
cambio, la diferencia en la intensidad podra representar un efecto de
sombreado.