Нечеткая логика была разработана чтобы позволить компьютеру определять различия между данными, которые являются ни истинными, ни ложными. Что-то похожее на процесс человеческого рассуждения.
В системе, основанной на нечеткой логике, переменная может принимать любое истинное значение из близкого набора [0, 1] действительных чисел, таким образом обобщая логические значения истинности. Но нечеткие факты истинны только в некоторой степени между 0 и 1, и в некоторой степени они ложны. Соответствие между числовым значением определяет дефаззификация и фаззификация.
Человеческий мозг работает с нечеткой логикой
Человеческий мозг работает с нечеткими шаблонами. Но компьютеры не могут этого делать, потому что их логика основана на приближенных рассуждениях в более знакомых булевых формах логики, используемых в обычной теории множеств. Нечеткая логика позволяет использовать такие обозначения, как «незначительно», «умеренно», «средний», «много», так что утверждения могут быть сделаны с различной степенью точности. Такая гибкость полезна при решении проблем неточности в реальных ситуациях, таких как проектирование высокоточных систем контроля.
Человеческий мозг обладает неточным способом рассуждения и, следовательно, обладает высокоадаптивным подходом к управлению. Он рассуждает не так, как компьютеры. Компьютеры рассуждают четким утверждением, в котором используется значение «правда» или «ложь» (0 или 1) — элемент является либо числом из заданного набора. Существует много сложных систем, которые не вписываются в точные категории традиционной теории множеств. Это связано с тем фактом, что нет способа определить точный порог для представления их сложной границы, и, как таковая, их система управления сложна.
Нейронная сеть работает с нечеткой логикой
С другой стороны, нейронная сеть — это серия алгоритмов, которые пытаются идентифицировать лежащие в основе взаимосвязи в наборе данных, используя процесс, имитирующий работу человеческого мозга. Нейронные сети обладают способностью адаптироваться к изменяющимся входным данным таким образом, что сеть выдает наилучший возможный результат без необходимости перепроектировать выходные критерии.
Концепция нейронных сетей быстро набирает популярность в области разработки различных систем. В какой-то момент казалось невозможным создать систему, которая была бы способна адаптироваться к меняющимся рынкам, но последние достижения в области технологий теперь сделали наличие систем такого типа реальностью.
Нечеткая логика была — и в какой то степени остается объектом споров. Но, что более важно, нечеткая логика терпима к неточностям и частичной истине. Именно эта терпимость вступает в противоречие с глубоко укоренившейся традицией «правда» или «ложь», без каких-либо оттенков серого.
Существует много неправильных представлений о нечеткой логике. В значительной степени неправильные представления отражают тот факт, что термин “нечеткая логика” имеет две различные интерпретации.
- В узком смысле нечеткая логика — это логика приближенных рассуждений.
- В более широком смысле нечеткая логика является смежной с теорией анализа неопределенных данных.
Фактически, большинство применений включают способы анализа, которые по своей природе являются вычислительными, а не логическими. Один из способов представления неточных данных и знаний, более близкий к человеческому мышлению, заключается в использовании нечетких правил вместо точных правил при представлении знаний.
Нечеткие системы
Нечеткие системы — это основанные на правилах экспертные системы, основанные на нечетких правилах и нечетком логическом выводе.
Нечеткие правила представляют простым способом знания и навыки, основанные на «здравом смысле», или знания, которые являются субъективными, двусмысленными, расплывчатыми или противоречивыми. Эти знания могли быть получены из множества различных источников. Знания, основанные на здравом смысле, могут быть получены из многолетнего опыта, из опыта многих людей, на протяжении многих лет. Это делает логику не подлежащей прямой обработке на компьютерах, но подлежащей эмуляции с помощью специальных кодов.
Система управления проектированием на основе нечеткой логики обеспечивает гибкость при проектировании и внедрении системы, поскольку при ее реализации используется логика вместо сложных дифференциальных уравнений. Ее технология предоставляет возможности для графического пользовательского интерфейса, что делает ее понятной людям, не имеющим опыта управления технологическими процессами. Другим ключевым значением системы управления, основанной на нечеткой логике, является возможность автоматической и плавной настройки приоритетов ряда управляемых переменных.
Работа нечетких систем на основе правил может обработать любое разумное количество входных данных и сгенерировать множество выходных данных. Определение базы правил быстро становятся сложным, если для одной реализации выбрано слишком много входных и выходных данных, поскольку правила, определяющие их взаимосвязи, также должны быть определены.
Применение нечеткой логики
Существует бесчисленное множество применений нечеткой логики.
Фактически, многие исследователи по-прежнему утверждают, что нечеткая логика является всеобъемлющей теорией для всех типов логики. Нечеткая логика может управлять нелинейными системами, которые было бы трудно или невозможно смоделировать математически. Это открывает двери для систем управления, которые обычно считаются неосуществимыми для автоматизации.
Существует множество подходов к реализации систем нечеткой логики. Они могут быть только программными, только аппаратными или комбинацией программного и аппаратного обеспечения.
В последние годы нечеткая логика была реализована с использованием нескольких технологий для решения реальных задач, таких как обработка изображений, робототехника/управление движением, распознавание образов, нечеткие базы данных и приложения для промышленного проектирования.
В настоящее время на рынке существует множество применений нечеткой логики. К ним относятся управление автоматическими стиральными машинами, автоматическая фокусировка камер, управление системами трансмиссии в новых моделях автомобилей, системы автоматической посадки самолетов, автоматическое управление вертолетами, автоматические системы кондиционирования воздуха, автоматическое управление цементными печами, автоматическое управление метрополитенами, нечеткое принятие решений, нечеткие базы данных и т.д. Многие другие приложения нечеткой логики в таких областях, как управление, принятие решений и прогнозирование, взаимодействие человека и компьютера, медицина, сельское хозяйство, загрязнение окружающей среды, кооперативные роботы и так далее, находятся в исследовательских лабораториях и, как ожидается, выйдут на рынок. Наиболее отличительным свойством нечеткой логики является то, что она имеет дело с нечеткими предложениями, то есть предложениями, которые содержат нечеткие переменные и нечеткие значения, например, «температура высокая», «высота низкая».
Значения истинности для нечетких высказываний не являются только ИСТИННЫМИ/ЛОЖНЫМИ, как это имеет место в логике высказываний, но включают в себя всю неопределенность между двумя крайними значениями.
