Universitatea Tehnic Ghe.

Asachi Iai Facultatea de Electronic i Telecomunicaii Catedra de Electronic Aplicat Curs: Sisteme Fuzzy i Reele Neuronale

CURSURILE NR.1,2 (SF) SISTEME FUZZY. NOTIUNI GENERALE

Teoria sistemelor fuzzy s-a dezvoltat o dat cu introducerea teoriei nuanate de ctre Grigore Moisil [Moisil, 1966] i Lofti Zadeh [Zadeh, 1965], ncepnd cu deceniul al VIIlea al acestui secol. Sistemele fuzzy reprezint o alternativ natural pentru modelarea proceselor complexe printr-o reprezentare lingvistic fa de o reprezentare matematic clasic (determinist). Teoria mulimilor i a sistemelor fuzzy a permis o nou abordare n multe probleme tiinifice si tehnice, legate n special de inteligen artificial, permindu-se o nelegere dintr-o perspectiva mai larg a proceselor de cunoatere uman. Teoria mulimilor fuzzy mpreun cu logica fuzzy formalizeaz un mod de gndire n care noiunile cu care se opereaz conin o anume nedeterminare i n care propoziiile i raionamentele au un anumit grad de imprecizie, putnd fi nici perfect adevarate, nici cu totul false, comparativ cu logica determinist, uzual (de tip crisp). Aceast teorie ncearc s modeleze mai aproape de realitate indeterminismul gndirii aproximative, intuitiv umane [Negoi, 1975]. Subordonarea teoriei probabilitaii (de exemplu) este evident n cazul n care realizarea unei statistici este imposibil practic sau principial de realizat. Multe evenimente reale sunt unice, irepetabile sau din motive practice nu pot fi repetate. n acest caz este mai corect s se vorbeasc de posibilitatea de realizare a respectivului eveniment, ori de ncrederea noastr ca evenimentul s se produc, dect de probabilitatea de realizare ce reprezint o extrapolare de la o populaie de evenimente ce se consider c au aceleai condiii. Se propune o analiz selectiv a aspectelor dinamice a dou mari clase de sisteme fuzzy sistemele fuzzy de tip Mamdani i sistemele fuzzy de tip Sugeno, precum i a 1

posibilitilor de aplicare a acestora n ingineria biomedical. Punerea n eviden a fenomenelor de auto-organizare la nivelul reelelor de sisteme fuzzy deschide direcia aplicaiilor de modelare a sistemelor biologice a cror principal caracteristic este tocmai adaptarea i auto-organizarea. Aplicaiile sistemelor fuzzy n ingineria biomedical sunt concretizate prin realizarea de modele fuzzy de tip predictiv pentru generarea unor clase de semnale biologice i prin realizarea de filtre cu sisteme fuzzy cu caracteristici performante.

1. MULIMI FUZZY
Raionamentele clasice opereaz cu mrimi precis determinate (de exemplu n limbajul tiintific - numere), iar rezultatul operatiilor sunt propoziii ale cror valori de adevr pot fi doar "adevrat" sau "fals". Modul de gndire uman este nuanat, inferenele (rezultatele) realizndu-se pe baza unor mrimi cunoscute doar aproximativ, sau care au un sens vag, imprecis. Dei la prima vedere acest mod de inferen cu mrimi vagi, imprecise ar trebui s determine o imprecizie mare n rezultate, s-a constatat c, de cele mai multe ori este mai eficient dect modul clasic (determinist) de inferen, n special n aplicaiile de complexitate ridicat.

Reprezentarea mrimilor fuzzy ca mulimi fuzzy O mrime fizic oarecare ce poate fi descris calitativ prin noiuni vagi cum ar fi mic, mediu, mare etc., se numete variabil lingvistic n teoria mulimilor fuzzy. Atributele utilizate pentru descrierea unei variabile lingvistice se numesc valori (grade) lingvistice. De exemplu mic, mediu, mare sunt grade lingvistice pentru variabila lingvistic temperatura unei camere. O mrime fizic msurabil, cu valori ntr-un interval real cunoscut, se poate transforma ntr-o variabil lingvistic prin definirea unor submulimi fuzzy care s joace rolul valorilor lingvistice. ntre mrimile de tip lingvistic i mrimi de aceeai natur fizic dar deterministe se stabilete o coresponden prin intermediul unei funcii specifice. Corespondena este realizat n sensul c unui grad lingvistic (de exemplu nalt) i se asociaz un interval dat de valori. Mrimea fuzzy determinat de gradul lingvistic mare poate lua orice valoare din 2

intervalul specificat cu observaia c unele dintre valori sunt "mai justificate" dect celelalte sau au un grad de adevr mai mare [Negoi, 1987]. Justificarea "mai mare", sau "mai mic" a unor seturi de valori din intervalul specificat poate fi de orice natur, uzual bazndu-se pe experiena celui care asociaz gradul de justificare. n aceeasi idee se convine ca justificrii maxime a valorii mrimii fuzzy s i se ataeze valoarea 1. n acest caz, oricarui grad de justificare i se ataeaz un numr n intervalul [0; 1]. Realizm astfel asocierea urmtoare:

x
unde A reprezint mulimea valorilor: posibile: (x) > 0, nejustificate: (x) = 0.

( x) A;

( x) : A

[0,1]

(1)

Gradul nostru de justificare, de a ne gndi la o anumit valoare numeric x a gradului lingvistic, variaz cu x dup o anumit alur, care poate fi exprimat printr-o funcie specific. Imprecizia din limbajul nostru este modelat de gradul de adevr pe care l stabilete funcia ce caracterizeaz alura corespondenei mrimii fuzzy cu valorile deterministe. Acest tip de funcie poart denumirea de funcie de apartenen. Evident, funcia (x) generalizeaz funcia caracteristic a unei mulimi clasice, n acest sens mulimea fuzzy extinznd sensul clasic de mulime determinist. Reuniunea intervalelor funciilor de apartenen ataate gradelor lingvistice ale unei aceleai variabile lingvistice determin universul de discurs caracteristic. Referitor la funciile de apartenen acestea sunt de mai multe tipuri, utilizatorul avnd libertatea de alegere funcie de aplicaia dat. Forma funciei de apartenen cel mai des utilizat este cea triunghiular, dar ntlnim n practic i alte tipuri (trapezoidal, sigmoidal, gaussian, "mai mare", etc..)

Operaii cu mulimi fuzzy Att operaiile cu mulimi fuzzy, ct i raionamentele n care intervin mrimi fuzzy se pot reprezenta prin operaii corespunzatoare mulimilor fuzzy, respectiv cu funciile lor de apartenen. Aceast afirmaie este justificat de reprezentarea mrimilor fuzzy prin mulimi fuzzy. Se sistematizeaz aceste operaii, exprimate prin intermediul funciilor de apartenen. Se extind n primul rnd operaiile i relaiile cunoscute n cadrul teoriei mulimilor uzuale. Se noteaz cu U mulimea total, determinist, precizat anterior i sub denumirea de univers de discurs, la care se raporteaz toate mulimile fuzzy considerate. Exemplificm operaia de reuniune a dou mulimi fuzzy A i B, care este o mulime fuzzy notat A B, definit prin: A B(x) = max ( A(x) ; B(x) ), x

pentru cazul operaiilor fuzzy obinute prin extrapolarea celor clasice i operaia de sum algebric, notat A + B, definit prin: A+B(x) = A(x) + B(x) -A(x) * B(x), x

pentru cazul operaiilor strict caracteristice operaiilor cu mulimi fuzzy. Un set extins al operaiilor cu mulimi fuzzy este descris n [Teodorescu, 1991-1].

Implicaie i inferen fuzzy Exist un numr mare de definiii ale implicaiei fuzzy, fiecare n parte fiind util n aplicaii specifice. Considerm implicaia definit n modul urmtor:

Daca x este mare, x x0

Atunci y este mic,

(2)

Considerm gradul lingvistic "mare" al variabilei lingvistice x cu funcia de apartenen A(u) : A [0,1], iar gradul lingvistic "mic" avnd funcia de apartenen B(v) : B [0,1]. Concluzia rezultat din cele dou antecedente enunate este: y este mic cu y(v) = mare -> mic(xo;v) In acest caz x = xo va corespunde unei valori de adevr A(u = xo) a premizei "x este mare", iar gradul de adevr al concluziei "y este mic" va fi o funcie de A(u = xo) i B(v). Definirea implicaiei revine la precizarea urmtoarei funcii: f : [0,1] x [0,1] [0,1]; A -> B(u = xo,v) = f(A(u = xo); B(v)), Folosind implicaie in sensul lui Mamdani relaia de definiie este: A -> B(u = xo,v) = A(u = xo) B(v) ,

unde operatorul " " este folosit n sens de minim. Obinem: A -> B(u = xo,v) = min (xo ; B(v)) Folosind implicaie n sens Boolean relaia de definiie este urmtoarea: A -> B(u,v) = (1 - A(u = xo)) B(v) = A(u = xo) B(v)

unde operatorul " " este utilizat n sens de maxim. n cazul acestui tip de implicaie obinem: A -> B(u = xo,v) = max (1 - xo; B(v)) Se observa diferena rezultatului implicaiei fuzzy funcie de tipul de implicaie folosit ceea ce explic adoptarea unui anume tip de implicaie funcie de aplicaie. Cazul uzual de inferen fuzzy este cel n care intervin mai multe implicaii, numite reguli elementare, legate ntre ele prin conectivul De Asemenea. 5

Sensul acestui conectiv se definete pentru fiecare aplicaie n parte. Nu putem vorbi de un criteriu global de alegere al conectivului, alegerea sa justificndu-se numai experimental, prin utilitatea sa n aplicaia respectiv. Facem observaia c o alegere a unui anume conectiv definete automat si o anume logic fuzzy, ceea ce implic cutarea unui conectiv optim pentru fiecare aplicaie n parte. Considerm cazul unei inferene cu dou reguli elementare:

R1 : Daca x este A1 , De asemenea R 2 : Daca x este A2 ,

Atunci y este C1 ,
(3)

Atunci y este C 2

Notam cu X, respectiv Y universul de discurs pentru variabilele x, respectiv y. Funciile de apartenen corespunztoare sunt: 1(x) : A1 [0,1]; 2(x) : A2 [0,1]; 3(y) : C1 [0,1]; 4(y) : C2 [0,1] Gradul de adevr al regulilor R1, R2 sunt date respectiv de relaiile urmtoare: 1(x,y): X x Y [0,1]; 2(x,y): X x Y [0,1]; Notm prin " " operaia definit de conectivul De asemenea, iar rezultatul inferenei este caracterizat de funcia de apartenen r(x,y) dat de: r(x,y) = 1(x,y) care ne precizeaz gradul de adevr al rezultatului. Definiiile uzuale ale operatorului " " sunt: intersecie: r(x,y) = (1 reuniune: r(x,y) = (1 2)(x,y) = MIN (1(x,y) ; 2(x,y)) 2)(x,y) = MAX (1(x,y) ; 2(x,y)) 2(x,y)

produs algebric: r(x,y) = 1(x,y) * 2(x,y)

sum algebric: r(x,y) = 1(x,y) + 2(x,y) - 1(x,y) * 2(x,y) produs legat: r(x,y) = MAX (0 ; 1(x,y) + 2(x,y) - 1) sum legat: r(x,y) = MIN (1 ; 1(x,y) + 2(x,y))

Rezultatul inferenei difer funcie de tipul conectivului ales.

2. SISTEME FUZZY
Un sistem fuzzy logic cu o intrare i o ieire - SISO (single input / single output) este un triplet (I, R, O) n care: I reprezint clasa mulimilor fuzzy corespunztoare intrrii (caracterizate de O reprezint clasa mulimilor fuzzy corespunztoare ieirii (caracterizate i R reprezint mulimea regulilor fuzzy care descriu n termeni lingvistici

asemenea de etichete lingvistice); -

de etichete lingvistice); dependenele intrare - ieire. Regulile fuzzy au la baz o implicaie fuzzy, de tipul Dac-Atunci (IF-THEN), legate ntre ele prin conectivul De asemenea: {1M}, k {1L} (4)

Rk: Dac intrarea x este Ii, Atunci ieirea y este Oj i

{1..N}, j

unde N reprezint numrul mulimilor fuzzy (etichetelor lingvistice) corespunztoare intrrii, M corespunde numrului mulimilor fuzzy a ieirii iar L este numrul de reguli fuzzy. Se precizeaz c intrri diferite (grade lingvistice), pot corespunde la aceai ieire (grad lingvistic). Aceast definiie poate fi uor extins i pentru sisteme fuzzy cu intrri i ieiri multiple. Pentru a face util n aplicaii o astfel de reprezentare se impune corelarea gradelor lingvistice cu numere sau mulimi de numere, astfel noiunea de mulime fuzzy reprezentnd o generalizare a conceptului clasic de mulime. Un sistem fuzzy este complet determinat cnd cunoatem tabelul de reguli care l descrie, semnificaia valorilor lingvistice pentru variabilele care intervin n tabel (mai exact

funciile de apartenen ataate respectiv gradelor lingvistice), tipul de implicaie fuzzy folosit precum i valoarea particular a conectivului De Asemenea folosit pentru compunerea regulilor. Sistemul fuzzy, privit ca sistem ce lucreaz cu variabile lingvistice nu este compatibil cu sistemele deterministe, fiind imposibil s primeasc mrimi de intrare uzuale (deterministe) i n acelai timp s genereze semnale deterministe, necesare conectrii sistemului fuzzy cu alte sisteme obinuite. Interfaarea sistemului fuzzy cu variabilele deterministe se relizeaz prin "fuzzificare" pentru variabilele de intrare i prin "defuzzificare" pentru variabilele de ieire. Fuzzificarea unei mrimi deterministe reprezint atribuirea valorilor funciilor de apartenen ale mrimii respective la unul sau mai multe grade lingvistice. Defuzzificarea reprezint atribuirea (n mod convenional) unei valori deterministe mulimii fuzzy rezultat n urma operaiilor fuzzy. Ca observaie, nu se poate defini o aplicaie bijectiv ntre clasele de mulimi fuzzy i clase de numere reale. Un sistem fuzzy, asemantor unui sistem determinist este descris de mrimi de intrare n sistem, de mrimi de ieire, precum i de dependenele existente ntre aceste mrimi. Caracteristic unui sistem fuzzy este faptul c mrimile de intrare i de ieire sunt variabile de tip lingvistic iar dependena intrare - ieire este descris de un set de reguli corespondentul funciei de transfer a sistemelor deterministe.

Sisteme fuzzy Mamdani Considernd un sistem fuzzy cu dou variabile de intrare x1 i x2 i cu variabila de ieire y (variabile de tip lingvistic) setul de reguli ce caracterizeaz sistemul fiind de forma:

R1 : Daca x1 este A1 si x 2 este B1 , De asemenea R2 : Daca x1 este A2 si x 2 este B2 , De asemenea Rk : Daca x1 este Ai si x 2 este B p ,
n care simbolurile au urmtoarea semnificaie:

Atunci y este C1 Atunci y este C 2

(5)

Atunci y este C j

Ai, i = 1N sunt gradele lingvistivtice ale intrrii x1; Bp, p = 1P sunt gradele lingvistivtice ale intrrii x2; Cj, j = 1M sunt gradele lingvistivtice ale ieirii y; Rk, k = 1L sunt regulile lingvistice.

Conectivul De asemenea folosit are sens general, valoarea lui concret fiind stabilit funcie de aplicaie. Uzual setul de reguli caracteristice unui sistem fuzzy se exprim sub forma unui tabel de reguli. Dac intrarea x1 a sistemului este caracterizat de N valori lingvistice, iar intrarea x2 este caracterizat de P valori lingvistice, sistemul poate avea N x P reguli, de forma din relaiei (5). Valorilor lingvistice Ai, Bp, Cj ale intrrilor i ieirii le corespund funcii de apartenen notate cu Ai, Bp i respectiv Cj. ntr-o implementare clasic a unui sistem logic fuzzy cu reguli de forma (5) se efectueaz urmtoarele operaii: - calcularea gradului de adevr al afirmaiilor (x1 este Ai), (x2 este Bp), proces denumit fuzzificarea intrrilor x1, x2, i care const n calcularea valorilor funciilor de apartenen ale valorilor lingvistice Ai, respectiv Bp, pentru oricare dou valori de intrare x1, respectiv x2; pentru fiecare regul se obin valorile funciilor de apartenen Ai(x1) i respectiv, Bp(x2). - calcularea gradului de adevr al condiiei regulii, adic a gradului de adevr t r al premizei regulii, cu relaia:

MIN (

Ai

( x1),

Bp

( x 2))

(6)

unde MIN denot funcia de minim dintre numerele Ai(x1) Bp(x2).. - calcularea implicaiei regulilor care const n determinarea, pentru fiecare regul, a unui set fuzzy descris de funcia de apartenen:

(y )

MIN (

Ck

( y ), t ( y )); t ( y ) r r

(7)

- cuplarea tuturor regulilor sistemului fuzzy, care const n calcularea unei mulimi fuzzy de ieire cu funcia de apartenen:

(y )

MAX ( ( y )) r r

(8)

unde operaia de maximum, notat prin MAX, se realizeaz dup indexul r al regulilor. - calcularea ieirii y ca fiind centrul de greutate al poligonului descris de funcia de apartenen a ieirii Y(y). Operaia de calculare a valorii crisp a ieirii, din funcia de apartenen a setului fuzzy de la ieire, se numete defuzzificare. Referitor la operaia de defuzzificare, aceasta este mai puin natural dect operaia de fuzzificare, n acest caz (al defuzzificrii) modalitatea de ataare a unei valori deterministe pentru un rezultat de tip fuzzy este convenional. Existnd cteva metode aa-zise clasice de defuzzificare, alegerea uneia sau a alteia n aplicaii se bazeaz strinct pe criterii empirice, nnd de aprecierea rezultatelor obinute n fiecare aplicaie dat, n acelai timp posibilitatea implementrii unor noi metode de defuzzificare rmnnd deschis. Prezentm cteva dintre metodele mai des utilizate: metoda centrului de greutate; metoda mediei maximelor; metoda punctului mediu; metoda nlimii; metoda ariei maxime.

Cea mai utilizat metod de defuzzificare este aceea a centrului de greutate care genereaz ca valoare crisp centrul de greutate a suprafeei funciei de apartenen a ieirii, rezultat n urma operaiunilor fuzzy, relaia de calcul a centrului de greutate (n variant discret) fiind:

y y

( y)
(9)

( y)

n care (y) reprezint valoarea funciei de aparten corepsunztoare unei valori y.

10

Pentru cazul sistemelor fuzzy care utilizeaz funcii de apartenen triunghiulare i centru de greutate ca metod de defuzzificare, funcia caracteristic a sistemului este descris pe intervale de funcii raionale [Teodorescu, 1990] ntre un polinom de grad trei P(y) i un polinom de grad doi Q(y):

P( y ) Q( y )

(10)

Acest tip de sistem fuzzy, numit i sistem fuzzy de tip Mamdani, este utilizat pe larg n aceasta tez. Schematic operaiile unui sistem fuzzy pot fi reprezentate ca n Figura 1.

Figura 1. Reprezentarea operaiilor unui sistem fuzzy Exist numeroase posibiliti de implementare a regulilor unui sistem fuzzy carcaterizate din o relaie de tipul cei descrise de ecuaia (5). O tratare general a relaiilor (6) - (10) se poate face prin intermediul normelor triunghiulare t-norme i co-normelor snorme [Negoi, 1987].

Sisteme fuzzy Sugeno Ca alternativ la sistemele fuzzy de tip Mamdani sunt utilizate n aceast tez i sisteme fuzzy de tip Sugeno. Acest tip de sistem fuzzy (Sugeno) este caracterizat de reguli care prezint valori deterministe (numere) n partea de ieire, n locul variabilelor fuzzy (gradelor lingvistice) utilizate n consecventul regulilor care caracterizeaz un sistem de tip Mamdani. Un sistem fuzzy de tip Sugeno este caracterizat dup cum urmeaz:

Rk: Dac x1 esteAki1, x2 este Aki2, xN este AkiN , Atunci yk = fk(x1, x2,,xN)

11

i1

{1..N1}, i2

{1..N2},, iN

{1..NN}, k

{1L}

reductibil n cazul unui dependee funcionale polinomial la expresia urmtoare: Rk: Dac x1 esteAki1, x2 este Aki2 ,., xN este AkiN , Atunci yk = ak0 + ak1 * x1 + + akN * xN) i1 {1..N1}, i2 {1..N2},, iN {1..NN}, k {1L} . . (11)

n care x1, x2, , xN sunt intrrile, Akij sunt gradele lingvistice cu funciile de apartenten ataate respectiv fiecarei intrri, iar yk reprezint ieirea pentru fiecare regul k n parte. Considernd intrarea (x1, x2, , xN) ieirea unui sistem fuzzy de tip Sugeno se calculeaz cu urmtoarea relaie:

wk y k y
k 1 L

(12)

wk
k 1

unde yk reprezint ieirea calculat utiliznd dependena funcional a consecventului regulei k. Valoarea wk reprezint gradul de ncredere al premisei regulei k pentru intrarea dat, calculat cu expresia:

wk

i 1

k Aij

( xi )

(13)

unde operatorul " " poate fi folosit n sens de minim sau n sens de produs. Considernd cazul cel mai simplu al unui sistem fuzzy Sugeno, cu 1 intrare 1 ieire, regulile sistemului Sugeno se reduc la expresia:

Rk: Daca x este Ak, Atunci y = iar ieirea se calculeaz cu relaia:

k:

k = 1. ..L,

(14)

12

wk y
k 1 L

(15)

wk
k 1

unde gradul de ncredere wk este calculat ca valoarea fuzzificat a intrrii x: wk = Ak(x). Sinteza unui sistem fuzzy Sugeno se face prin definirea funciilor de apartenen a valorilor lingvistice ale intrrilor i a coeficienilor consecventului regulilor. Acest tip de sistem fuzzy prezint avantajul unui calcul mai simplu i mai rapid al ieirii, precum i eliminarea operaiei de defuzzificare n sensul descris pentru metoda centrului de greutate, de exemplu. Sistemele fuzzy de tip Sugeno sunt utilizate n aceast tez n studiul reelelelor de sisteme fuzzy cu topologie complex, ca urmare a reducerii timpului de calcul necesar unei defuzzificri prin metoda centrului de greutate i pentru studiul sistemelor fuzzy adaptive. Din punct de vedere al teoriei sistemelor neliniare diferenele ntre sistemele fuzzy de tip Mandani i sistemele fuzzy de tip Sugeno sunt nesemnificative, ambele tipuri de sisteme avnd funcii caracteristice exprimabile prin funcii raionale pe poriuni (pentru cazul utilizrii de funcii de apartenen de tip triunghiular). Fa de cazul sistemelor Mamdani, sistemele Sugeno nu mai permit introducerea n ieire a informaiei de tip lingvistic, extras de la experi umani.

Clase derivate de sisteme fuzzy Sistemele fuzzy care utilizeaz defuzzificare prin metoda centrului de greutate i inferen de tip produs pot fi descrise n forma urmtoare [Wang, 1994], [Klement, 1991]:

yl ( f ( x)
l =1 M i =1 n

Fil

( x i ))
(16)

(
l =1 i =1

Fil

( x i ))

unde yl este ieirea sistemului datorat regulii Rl , l = 1... M, iar funciile de apartenen corepsunztoare regulii R .
l

l Fi (xi),

i=1..n, reprezint

Sistemele fuzzy care utilizeaz defuzzificare prin metoda centrului de greutate i inferen de tip MIN, pot fi descrise n forma urmtoare: 13

y (MIN( f ( x)
l=1 M

F1

(x1 ),...,

Fn

(x n )))

(17)

( (MIN(
l=1

F1

(x1 ),...,

Fn

(x n )))

Sisteme fuzzy care uitilizeaz defuzzificare prin metoda centrului de greutate, inferen de tip produs i funcii de apartenen de tip Gaussian pot fi descrise n forma urmtoare:
l

y ( f ( x)
l=1 M i=1 n

a i exp( (
l ai

xi
l i

xi xi
l i l

) ))

(18)
) ))
2

(
l=1 i=1

exp( (

xi

unde funciile de apartenen de tip gaussian au parametri ail, xil,

l i.

In acelai mod n care este descris sistemul fuzzy cu funcii de apartenen de tip gaussian din (18), pot fi utilizate i funcii de apartenen triunghiulare descrise de:

Fil

(xi )

1 0,

xi bil

c il

, xi

[c il

bil ; c il

bil ]

(19)

in rest

unde cil i bil reprezint parametri ajustabili. Formalizrile precizate anterior pentru diferite tipuri de sisteme fuzzy sunt necesare pentru utilizarea lor n procese de adaptare. O descriere exhaustiv a altor tipuri de sisteme fuzzy este prezentat n [Zadeh, 1988], [Pedrycz, 1989], [Kosko, 1992], [Cox, 1994], [Wang, 1994] n aceast seciune fiind prezentate doar clasele de sisteme fuzzy de tip Mamdani i Sugeno utilizate n aceast tez.

14

Sisteme fuzzy - aproximatori universali Teorema prezentat arat c sistemele fuzzy descrise de relaii de tipul (16) sunt capabile s aproximeze uniform orice funcie neliniar pe spaiul de intrare U, la orice grad de precizie impus, n condiia n care spaiul de intrare U este compact.

Teorema aproximatorului universal [Wang, 1994] Pentru orice funcie real g definit pe un spaiu compact U >0, exist un sistem fuzzy f, descris de relaia (16) pentru care supx
U

Rn i orice valoare f(x) - g(x) < .

C1: Aceast teorem justific aplicarea sistemelor fuzzy n problemele de modelare de funcii neliniare. C2: Deoarece sistemele fuzzy descrise de (17), (18) reprezint cazuri particulare ale sistemelor fuzzy descrise de (16), rezult c i acestea sunt aproximatori universali. C3: Teorema descris este o teorem de existen i nu una constructiv, ceea ce nseamn c este asigurat existena unui sistem fuzzy care s aproximeze uniform cu o precizie dat o funcie neliniar, teorema nu spune nimic despre cum poate fi determinat (construit) sistemul fuzzy respectiv. C4: Importana acestei teoreme nu trebuie vzut numai n proprietatea de aproximator universal a sistemlor fuzzy - aceeai proprietate fiind caracteristic reelelor neuronale, funciilor B-spline, [Brown, 1994], ct n aceea c aceast proprietate este valabil n condiiile n care sistemul fuzzy poate ncorpora informaie lingvistic, aspect suplimentar fa de celelalte cazuri de aproximatori universali.

15