Sunteți pe pagina 1din 31

Sisteme Fuzzy

Echipa: Ipate Oana-Simona


Loghin Maria Mdlina
Polizu Georgiana Loredana
Teodor Elena-Mdlina

Cuprins
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

Ce este un sistem fuzzy?


Logica fuzzy
Logica fuzzy vs logica natural
Teoria mulumilor fuzzy
Avantajele i dezavantajele sistemelor fuzzy
Comparaie sisteme fuzzy - reele neuronale
Etapele implementarii unei aplicaii cu logic fuzzy
Structura unui sistem cu logic fuzzy
Domenii de utilizare a logicii fuzzy
Aplicaie a logicii fuzzy

Ce este un sistem fuzzy?

Fuzzy: vag, neclar, imprecis, scmos, pufos, nuanat


Lofti Zadeh(n.1921)
matematician, om de tiin, profesor
inginer electrician, cercettor al inteligenei artificiale

Importana relativ a preciziei


Ct de important este precizia cnd este mulumitor i un rspuns
aproximativ, dar semnificativ?

Sistem expert bazat pe logica fuzzy

Logica fuzzy
Pe msur ce crete complexitatea, formulrile precise pierd din neles i
formulrile pline de neles pierd din precizie.

Trsturi specifice logicii fuzzy

Raionamentul exact este privit ca un caz limit al raionamentului aproximativ;

Orice situaie este exprimat gradual;

Orice sistem logic poate fi reprezentat n logica fuzzy(fuzzyficare);

Cunoaterea este interpretat ca o colecie de restricii fuzzy elastice sau de

echivalen pe o colecie de variabile;

Mulimea fuzzy are asociat o funcie caracteristic care ia valori n intervalul [0,1],

valorile acesteia descriind gradul de apartenen al unui element la acea mulime.

Diferene dintre logica natural i logica fuzzy

Teoria mulimilor fuzzy se utilizeaz pentru:

modelarea incertitudinilor - n funcie de cauzele incertitudinii, de tipul i de


cantitatea informaiilor disponibile;

generalizarea modelelor i metodelor clasice, de caracterul gradual;

simplificare n scopul reduceri complexitii datelor;

procesarea cunotinelor - motorul de inferen proceseaz expresii lingvistice cu


un anume sens.

Fa de structurile de reglare clasice, sistemele fuzzy prezint dou mari diferene:

n modul de descriere al procesului inexactitatea sau chiar lipsa unui model al


procesului nu constituie un impediment;
n modul de proiectare parametrii acestuia au coresponden clar cu
cunotinele exprimate lingvistic de experi.

Avantaje:

Principalul avantaj al utilizrii unor regulatoare fuzzy este faptul c nu este necesar
cunoaterea modelului matematic;
Utilizarea acestora va conduce la scdere semnificativ a timpului de dezvoltare i
proiectare i a implementrii;

Dezavantaje:

Sistemele fuzzy nu pot achiziiona automat regulile pe care le utilizeaz pentru luarea
deciziilor;
Datorit incompletitudinii cunoaterii, sistemele fuzzy se dovedesc a fi insuficiente.

Sisteme hibride inteligente


Sisteme neuro-fuzzy

Reele neuronale
( trsturi neuronale )
omogenitate,
capacitate de nvare,
efectuarea de sarcini distribuite

Sisteme cu logic fuzzy


( trsturi simbolice )
interpretare uman,
control explicit,
abstractizarea cunotiinelor

Sisteme fuzzy

Sisteme neuronale
Avantaje

ncorporeaz cunotiine predefinite bazate pe


reguli;
Sunt interpretabile (reguli dac-atunci);
Ofer o implementare simpl;
Cunotiinele sunt disponibile n orice moment.

Pot nva fr nicio informaie iniial;


Exist mai multe paradigme de nvare, potrivite
diverselor situaii;
Exist o multitudine de algoritmi de nvare
disponibili n literatura de specialitate.

Dezavantaje

Nu pot nva;
Trebuie s dispun de reguli stabilite apriori;
Nu exist metode formale pentru ajustarea regulilor;
Numrul variabilelor de intrare este relativ mic.

Sunt cutii negre simbolice;


Necesit algoritmi de nvare compleci;
Nu exist garania c nvarea converge spre
soluie;
Prezint dificulti n extragerea cunotiinelor
structurale.

Dosoftei, C., Utilizarea inteligenei computaionale n conducerea proceselor, Tez de doctorat, pag. 35
http://www.ace.tuiasi.ro/users/103/2009-Dosoftei%20Catalin%20PhD%202009.pdf

Etapele implementrii unei aplicaii cu logic fuzzy

1.

Identificare intrri, ieiri

2.

Stabilire univers discuie, variabile/valori lingvistice, funcii de apartenen

3.

Stabilire metode de inferen, defuzzificare

4.

Implementare efectiv

5.

Testare, evaluare performane

6.

Revenire la etapele anterioare, dac este cazul

Structura unui sistem cu logic fuzzy

Sursa: http://www.bel.utcluj.ro/dce/didactic

Baza de cunotine a SLF

Servete pentru stocarea tuturor elementelor cunoaterii (fapte, reguli, metode


de rezolvare, euristici) specifice domeniului de aplicaie, preluate de la experii
umani sau din alte surse.

Regulile fuzzy sunt obtinute cu ajutorul operatiilor.


Reguli n logica clasic

Reguli n logica fuzzy

Dac temperatura este -5 atunci vremea este rece;

Dac temperatura este joas atunci vremea este rece;

Dac temperatura este 15 atunci vremea este cldu;

Dac temperatura este medie atunci vremea este cldu;

Dac temperatura este 35 atunci vremea este canicular;

Dac temperatura este ridicat atunci vremea este canicular;

Operaiile/operatorii SLF
1. Fuzzificare
Se transform fiecare dat brut de intrare ntr-o variabil lingvistic.
Cum?
Pentru o valoare brut dat a unei variabile (care poate aparine uneia sau mai multor
mulimi fuzzy) se calculeaz valoarea asociat funciei caracteristice corespunztoare
pentru fiecare dintre mulimile de apartenen (folosind funcia de apartenen).
Exemplu:
Variabil brut: temperatura T
Variabile lingvistice asociate: redus A1, medie A2, nalt A3

Operaiile/operatorii SLF
2. Inferen
- cea mai complex operaie dintr-un SLF;
- utilizeaz mulimile fuzzy de intrare i ieire ale SLF;
- transforma intrrile fuzzy n ieiri fuzzy prin aplicarea regulilor din baza de cunotine.
Inferena trebuie s:
deduc pe baza valorii fuzzy de intrare i pe baza fiecrei reguli fuzzy, rezultatul fuzzy
de ieire al regulii Ri.
combine toate rezultatele pariale fuzzy de ieire, Yi*, i=1,, M, ntr-o singur mulime
fuzzy de ieire Y* - agregarea rezultatelor pariale.

Operaiile/operatorii SLF

3. Compoziie - reprezint procesul n care toate subseturile fuzzy corespunztoare cte


unei ieiri, sunt combinate ntre ele, rezultnd un singur subset fuzzy pentru ieire.

4. Defuzzificare
-

operaie invers fuzzificrii;


fiecare regiune de ieire trebuie defuzzificat pentru a produce valori crisp.

Cea mai des folosit metod de defuzzificare COA (center of area/centroid)

n ce se utilizeaz logica Fuzzy?


1. Business
- Luarea de decizii
- Sisteme de data mining

4. Armata
- Determinarea intei
- Sisteme de ghidare

2. Chimie
- Dozarea substanelor in reacii
- Reglarea condiiilor de reactie

5. Transporturi
- Sisteme de transport fr pilot
- Controlul sistemelor de trafic

3. Comunicaii
- QoS
- Filtre adaptative

6. Finane
- Managementul fondurilor
- Previziuni la bursa

n ce se utilizeaz logica Fuzzy?


7. Medical
- Controlul presiunii arteriale n timpul operaiei
- Diagnosticarea cancerului, bolii Alzheimer, diabetului

9. Robotic
- Controlul efectoarelor
- Determinarea poziiei

8. Industrie
- Controlul temperaturii n furnale
- Controlul tratamentului apelor curate/uzate
- Controlul calitaii

10. Electronica
- Sisteme de climatizare
- Sisteme de temporizare:
cuptoare, maini de splat

Instrumente de modelare
Fuzzy Knowledge Builder: este un editor de reguli i seturi fuzzy n mod grafic.
Judgement Maker: este un soft de asistare a deciziei care descompune un scenariu n pri
uor de analizat (i de descris pentru expertul uman), dup care nregistreaz respectivele
componente i alege alternativa optim.
Fuzzy Engine este un program open source realizat n Java, ofer o serie de clase i metode
permind evaluarea regulilor fuzzy (integrarea raionamentului fuzzy (evaluri) n software
Java (operaii de intrare-ieire).
Fuzzy Logic Toolbox suport proiectarea i analiza sistemelor bazate pe logica fuzzy
(dezvoltare, documentare, proiectare, simulare, implementare).

Modulul fuzzy toolbox


Implementarea tehnicilor bazate pe logica fuzzy toolbox
Permite:
introducerea,
organizarea,
prezentarea informaiilor.
Exemplu:
analiza riscului proiectelor de investiie

FIS Editor

Adugare variabile

Funciile de apartenen

Incrementarea numrului de
apartenen

Schimbarea formei funciei de


Configurarea parametrilor
apartenen
pentru funciile de apartenen

Ajustarea profilului funciei


de apartenen

Definirea funciilor de
apartenen pentru ieire

Editarea bazei de cunotine

Vizualizarea regulilor

Exemplul 3D- pentru aplicaie cu maina de splat

CONCLUZII
De ce s utilizm logica fuzzy?
1. uor de nteles i utilizat (intuitiv, concepte matematice simple)
2. flexibilitate
3. toleran la date imprecise
4. poate modela funcii complexe, cu nivel ridicat de precizie
5. poate utiliza cunotinele experilor
6. se poate combina cu tehnici convenionale de control
7. se bazeaz pe limbaj natural
Nu vom utiliza logica fuzzy dac...
1. exist deja o soluie simpl
2. exist controllere care funcioneaz foarte bine
3. nu este convenabil din diferite motive

V mulumim!
ntrebri?