في حياتنا اليومية ، قد نواجه مواقف يتعذر علينا فيها تحديد ما إذا كانت الحالة صحيحة أم خاطئة. يشير Fuzzy إلى شيء غير واضح أو غامض. يوفر Fuzzy Logic in AI مرونة قيمة للتفكير. وفي هذه المقالة سنتعرف على هذا المنطق وتنفيذه في بالتسلسل التالي:
- ما هو المنطق الضبابي؟
- لماذا نستخدم المنطق الضبابي؟
- هندسة معمارية
- وظيفة عضوية
- المنطق الضبابي مقابل الاحتمال
- تطبيقات المنطق الضبابي
- إيجابيات - سلبيات
- المنطق الضبابي في الذكاء الاصطناعي: مثال
ما هو المنطق الضبابي؟
المنطق الضبابي (FL) هي طريقة منطقية تشبه التفكير البشري . هذا النهج مشابه لكيفية أداء البشر لصنع القرار. ويشمل جميع الاحتمالات الوسيطة بين نعم و لا .
ال كتلة المنطق التقليدي أن الكمبيوتر يفهمه يأخذ مدخلات دقيقة وينتج مخرجات محددة مثل TRUE أو FALSE ، وهو ما يعادل نعم أو لا للإنسان. تم اختراع المنطق الضبابي بواسطة Lotfi Zadeh من لاحظ أنه على عكس أجهزة الكمبيوتر ، لدى البشر مجموعة مختلفة من الاحتمالات بين YES و NO ، مثل:
يعمل المنطق الضبابي على مستويات إمكانيات المدخلات لتحقيق مخرجات محددة. الآن نتحدث عن تنفيذ هذا المنطق:
ما هو داكس في باور بي
يمكن تنفيذه في أنظمة ذات أحجام وقدرات مختلفة مثل أجهزة تحكم صغيرة ، كبيرة متصلة بالشبكة أو أنظمة قائمة على محطات العمل.
أيضًا ، يمكن تنفيذه بتنسيق البرمجيات الأجهزة أو مزيج من على حد سواء .
لماذا نستخدم المنطق الضبابي؟
بشكل عام ، نستخدم نظام المنطق الضبابي للأغراض التجارية والعملية مثل:
ذلك يتحكم في الآلات و منتجات المستهلك
إذا لم يكن هناك تفكير دقيق ، فإنه يوفر على الأقل المنطق المقبول
هذا يساعد في التعامل مع عدم اليقين في الهندسة
الآن ، بعد أن تعرفت على المنطق الضبابي في الذكاء الاصطناعي ولماذا نستخدمه بالفعل ، دعنا ننتقل ونفهم بنية هذا المنطق.
العمارة المنطقية الضبابية
تتكون العمارة المنطقية الضبابية من أربعة أجزاء رئيسية:
قواعد - يحتوي على جميع القواعد والشروط الشرطية التي يقدمها الخبراء لمراقبة نظام اتخاذ القرار. يوفر التحديث الأخير في النظرية الضبابية طرقًا فعالة مختلفة لتصميم وضبط تحكم غامض . عادة ، تقلل هذه التطورات من عدد القواعد الغامضة.
التشويش - تحول هذه الخطوة المدخلات أو الأرقام الواضحة إلى مجموعات غير واضحة. يمكنك قياس المدخلات الواضحة بواسطة المستشعرات وتمريرها إلى ملف نظام التحكم لمزيد من المعالجة. يقسم إشارة الإدخال إلى خمس خطوات مثل-
محرك الاستدلال - يحدد درجة التطابق بين المدخلات الغامضة والقواعد. وفقًا لحقل الإدخال ، سيقرر القواعد التي سيتم إطلاقها. الجمع بين القواعد التي تم إطلاقها ، وشكل إجراءات التحكم.
التشويه - تحول عملية Defuzzification المجموعات الغامضة إلى قيمة هشة. هناك أنواع مختلفة من التقنيات المتاحة ، وتحتاج إلى اختيار الأنسب منها بنظام خبير.
لذلك ، كان هذا عن هندسة المنطق الضبابي في الذكاء الاصطناعي. الآن ، دعونا نفهم وظيفة العضوية.
وظيفة عضوية
وظيفة العضوية هي أ رسم بياني التي تحدد كيفية كل نقطة في مساحة الإدخال تم تعيينه إلى قيمة العضوية بين 0 و 1. يسمح لك بذلك تحديد المصطلحات اللغوية وتمثل مجموعة ضبابية بيانيا. يتم تعريف وظيفة العضوية لمجموعة ضبابية A في عالم الخطاب X على أنها & muA: X → [0.1]
تحدد درجة عضوية العنصر في X إلى المجموعة الغامضة A.
المحور السيني يمثل عالم الخطاب.
المحور ص تمثل درجات العضوية في الفترة [0 ، 1].
يمكن أن تكون هناك وظائف عضوية متعددة قابلة للتطبيق لتشويه القيمة العددية. تُستخدم وظائف العضوية البسيطة لأن الوظائف المعقدة لا تضيف الدقة في الإخراج. وظائف العضوية ل LP و MP و S و MN و LN هي:
تعد أشكال وظيفة العضوية المثلثية أكثر شيوعًا بين أشكال وظائف العضوية المختلفة. هنا ، يختلف الإدخال إلى fuzzifier ذي المستوى 5 من -10 فولت حتى +10 فولت . ومن ثم يتغير الناتج المقابل أيضًا.
المنطق الضبابي مقابل الاحتمال
| المنطق الضبابي | احتمالا |
| في المنطق الضبابي ، نحاول أساسًا التقاط المفهوم الأساسي للغموض. | يرتبط الاحتمال بالأحداث وليس الوقائع ، وهذه الأحداث إما أن تحدث أو لا تحدث |
| يجسد المنطق الضبابي معنى الحقيقة الجزئية | نظرية الاحتمالية تجسد المعرفة الجزئية |
| يأخذ المنطق الضبابي درجات الحقيقة كأساس رياضي | الاحتمال هو نموذج رياضي للجهل |
إذن ، كانت هذه بعض الاختلافات بين المنطق الضبابي في الذكاء الاصطناعي والاحتمال. الآن ، دعونا نلقي نظرة على بعض تطبيقات هذا المنطق.
تطبيقات المنطق الضبابي
يستخدم المنطق الضبابي في العديد من المجالات مثل أنظمة السيارات ، والسلع المحلية ، والتحكم في البيئة ، وما إلى ذلك. بعض التطبيقات الشائعة هي:
يتم استخدامه في مجال الطيران إلى عن على التحكم في الارتفاع المركبات الفضائية والأقمار الصناعية.
هذا يتحكم في السرعة وحركة المرور في ال أنظمة السيارات.
يتم استخدامه ل أنظمة دعم اتخاذ القرار والتقييم الشخصي في أعمال الشركة الكبيرة.
كما أنه يتحكم في درجة الحموضة والتجفيف وعملية التقطير الكيميائي في صناعة كيميائية .
يستخدم المنطق الضبابي في معالجة اللغة الطبيعية ومختلفة مكثفة .
يتم استخدامه على نطاق واسع في أنظمة التحكم الحديثة مثل الأنظمة الخبيرة.
يحاكي المنطق الضبابي الطريقة التي يتخذ بها الشخص القرارات ، ولكن بشكل أسرع. وبالتالي ، يمكنك استخدامه مع ملفات الشبكات العصبية .
كانت هذه بعض التطبيقات الشائعة لـ Fuzzy Logic. الآن ، دعنا نلقي نظرة على مزايا وعيوب استخدام Fuzzy Logic في الذكاء الاصطناعي.
انفورماتيكا powercenter التعليمي للمبتدئين
مزايا وعيوب المنطق الضبابي
يوفر المنطق الضبابي منطقًا بسيطًا مشابهًا للتفكير البشري. هناك المزيد من هذا القبيل مزايا لاستخدام هذا المنطق ، مثل:
هيكل Fuzzy Logic Systems هو سهل ومفهوم
يستخدم المنطق الضبابي على نطاق واسع لـ تجاري و اهداف عملية
يساعدك على آلات التحكم والمنتجات الاستهلاكية
يساعدك على التعامل مع عدم اليقين في الهندسة
خاصة قوي حيث لا توجد مدخلات دقيقة مطلوبة
إذا توقف مستشعر الملاحظات عن العمل ، يمكنك ذلك برمجته في الموقف
تستطيع تعديلها بسهولة لتحسين أداء النظام أو تغييره
مجسات غير مكلفة يمكن استخدامه مما يساعدك في الحفاظ على تكلفة النظام الإجمالية والتعقيد منخفضين
كانت هذه المزايا المختلفة للمنطق الضبابي. ولكن ، لديها بعض سلبيات كذلك:
المنطق الضبابي ليست دقيقة دائما . لذلك يُنظر إلى النتائج على أساس الافتراضات وقد لا يتم قبولها على نطاق واسع
طرق فئة الماسح الضوئي في جافا
ذلك لا يمكن التعرف عليه طالما اكتب الأنماط
المصادقة والتحقق يحتاج نظام غامض قائم على المعرفة اختبارات مكثفة مع الأجهزة
يعد وضع قواعد دقيقة ومبهمة ووظائف العضوية أ مهمة صعبة
في بعض الأحيان ، يكون المنطق الضبابي مشوش مع نظرية الاحتمالات
إذن ، كانت هذه بعض مزايا وعيوب استخدام المنطق الضبابي في الذكاء الاصطناعي. الآن ، دعونا نأخذ مثالاً من العالم الحقيقي ونفهم طريقة عمل هذا المنطق.
المنطق الضبابي في الذكاء الاصطناعي: مثال
يبدأ تصميم نظام المنطق الضبابي بمجموعة من وظائف العضوية لكل إدخال ومجموعة لكل مخرجات. ثم يتم تطبيق مجموعة من القواعد على وظائف العضوية للحصول على قيمة إخراج واضحة. لنأخذ مثالاً على التحكم في العملية ونفهم المنطق الضبابي.
الخطوة 1
هنا، درجة الحرارة هو المدخلات و سرعة المروحة هو الإخراج. يجب عليك إنشاء مجموعة من وظائف العضوية لكل إدخال. وظيفة العضوية هي مجرد تمثيل رسومي لمجموعات المتغيرات الضبابية. في هذا المثال ، سنستخدم ثلاث مجموعات ضبابية ، البرد دافئة و الحار . سننشئ بعد ذلك دالة عضوية لكل مجموعة من ثلاث مجموعات من درجات الحرارة:
الخطوة 2
في الخطوة التالية ، سنستخدم ثلاث مجموعات ضبابية للإخراج ، بطيئة ومتوسطة و بسرعة . يتم إنشاء مجموعة من الوظائف لكل مجموعة إخراج تمامًا كما هو الحال بالنسبة لمجموعات الإدخال.
الخطوه 3
الآن بعد أن تم تحديد وظائف العضوية الخاصة بنا ، يمكننا إنشاء القواعد التي ستحدد كيفية تطبيق وظائف العضوية على النظام النهائي. سننشئ ثلاث قواعد لهذا النظام.
- إذا كانت ساخنة ثم سريعة
- إذا كانت دافئة ثم متوسطة
- وإذا كانت باردة ثم بطيئة
تنطبق هذه القواعد على وظائف العضوية لإنتاج قيمة إخراج واضحة لدفع النظام. وبالتالي ، لقيمة إدخال 52 درجة ، نحن نتقاطع مع وظائف العضوية. هنا ، نطبق قاعدتين حيث يحدث التقاطع في كلتا الوظيفتين. يمكنك تمديد نقاط التقاطع إلى وظائف الإخراج لإنتاج نقطة تقاطع. يمكنك بعد ذلك اقتطاع وظائف الإخراج عند ارتفاع النقاط المتقاطعة.
كان هذا شرحًا بسيطًا جدًا لكيفية عمل أنظمة المنطق الضبابي. في نظام العمل الحقيقي ، سيكون هناك العديد من المدخلات وإمكانية وجود العديد من المخرجات. سيؤدي ذلك إلى مجموعة معقدة من الوظائف والعديد من القواعد الأخرى.
بهذا نكون قد وصلنا إلى نهاية مقالنا Fuzzy Logic in AI. أرجو أن تفهم ما هو المنطق الضبابي وكيف يعمل.
أيضا ، تحقق من يتم تنسيق الدورة من قبل متخصصين في هذا المجال وفقًا لمتطلبات ومتطلبات الصناعة. سوف تتقن مفاهيم مثل وظيفة SoftMax ، والشبكات العصبية التلقائية ، وآلة بولتزمان المقيدة (RBM) وتعمل مع مكتبات مثل Keras & TFLearn. تم تنسيق الدورة بشكل خاص من قبل خبراء الصناعة مع دراسات الحالة في الوقت الفعلي.
لديك سؤال لنا؟ يرجى ذكر ذلك في قسم التعليقات في 'Fuzzy Logic in AI' وسنعاود الاتصال بك.