In general, tuning a fuzzy expert s

In general, tuning a fuzzy expert system takes much more time and effort
than determining fuzzy sets and constructing fuzzy rules. Usually a reasonable
solution to the problem can be achieved from the first series of fuzzy sets and
fuzzy rules. This is an acknowledged advantage of fuzzy logic; however, improving
the system becomes rather an art than engineering.
Tuning fuzzy systems may involve executing a number of actions in the
following order:
1 Review model input and output variables, and if required redefine their
ranges. Pay particular attention to the variable units. Variables used in the
same domain must be measured in the same units on the universe of
discourse.
2 Review the fuzzy sets, and if required define additional sets on the universe
of discourse. The use of wide fuzzy sets may cause the fuzzy system to
perform roughly.
3 Provide sufficient overlap between neighbouring sets. Although there is no
precise method to determine the optimum amount of overlap, it is
suggested that triangle-to-triangle and trapezoid-to-triangle fuzzy sets
should overlap between 25 and 50 per cent of their bases (Cox, 1999).
4 Review the existing rules, and if required add new rules to the rule base.
5 Examine the rule base for opportunities to write hedge rules to capture the
pathological behaviour of the system.
6 Adjust the rule execution weights. Most fuzzy logic tools allow control of the
importance of rules by changing a weight multiplier.
In the Fuzzy Logic Toolbox, all rules have a default weight of (1.0), but
the user can reduce the force of any rule by adjusting its weight. For
example, if we specify
If (utilisation_factor is H) then (number_of_spares is L) (0.6)
then the rule’s force will be reduced by 40 per cent.
7 Revise shapes of the fuzzy sets. In most cases, fuzzy systems are highly
tolerant of a shape approximation, and thus a system can still behave well
even when the shapes of the fuzzy sets are not precisely defined.
But how about defuzzification methods? Should we try different
techniques to tune our system?
The centroid technique appears to provide consistent results. This is a wellbalanced
method sensitive to the height and width of the total fuzzy region as
well as to sparse singletons. Therefore, unless you have a strong reason to believe
that your fuzzy system will behave better under other defuzzification methods,
the centroid technique is recommended.
124 FUZZY EXPERT SYSTEMS
4.8 Summary
In this chapter, we introduced fuzzy logic and discussed the philosophical ideas
behind it. We presented the concept of fuzzy sets, considered how to represent a
fuzzy set in a computer, and examined operations of fuzzy sets. We also defined
linguistic variables and hedges. Then we presented fuzzy rules and explained the
main differences between classical and fuzzy rules. We explored two fuzzy
inference techniques – Mamdani and Sugeno – and suggested appropriate areas
for their application. Finally, we introduced the main steps in developing a fuzzy
expert system, and illustrated the theory through the actual process of building
and tuning a fuzzy system.
The most important lessons learned in this chapter are:
. Fuzzy logic is a logic that describes fuzziness. As fuzzy logic attempts to model
humans’ sense of words, decision making and common sense, it is leading to
more human intelligent machines.
. Fuzzy logic was introduced by Jan Lukasiewicz in the 1920s, scrutinised by
Max Black in the 1930s, and rediscovered, extended into a formal system of
mathematical logic and promoted by Lotfi Zadeh in the 1960s.
. Fuzzy logic is a set of mathematical principles for knowledge representation
based on degrees of membership rather than on the crisp membership of
classical binary logic. Unlike two-valued Boolean logic, fuzzy logic is multivalued.
. A fuzzy set is a set with fuzzy boundaries, such as short, average or tall for men’s
height. To represent a fuzzy set in a computer, we express it as a function
and then map the elements of the set to their degree of membership. Typical
membership functions used in fuzzy expert systems are triangles and
trapezoids.
. A linguistic variable is used to describe a term or concept with vague or fuzzy
values. These values are represented in fuzzy sets.
. Hedges are fuzzy set qualifiers used to modify the shape of fuzzy sets. They
include adverbs such as very, somewhat, quite, more or less and slightly. Hedges
perform mathematical operations of concentration by reducing the degree of
membership of fuzzy elements (e.g. very tall men), dilation by increasing the
degree of membership (e.g. more or less tall men) and intensification by
increasing the degree of membership above 0.5 and decreasing those below
0.5 (e.g. indeed tall men).
. Fuzzy sets can interact. These relations are called operations. The main
operations of fuzzy sets are: complement, containment, intersection and
union.
. Fuzzy rules are us

ผลลัพธ์ (ไทย) 1:

ทั่วไป ปรับแต่งระบบผู้เชี่ยวชาญการเลือนใช้เวลาและความพยายามมากขึ้นกว่าชุดเลือนการกำหนด และสร้างกฎที่พร่าเลือน ปกติที่เหมาะสมแก้ไขปัญหาสามารถทำได้จากชุดแรกชุดเลือน และกฎการเลือน นี่คือข้อดีที่รับการยอมรับของตรรกศาสตร์ อย่างไรก็ตาม การปรับปรุงระบบจะ ค่อนข้างเป็นศิลปะมากกว่าวิศวกรรมปรับแต่งระบบเลือนอาจเกี่ยวข้องกับการดำเนินการจำนวนของการกระทำในการลำดับต่อไปนี้:1 รีวิวโมเดลตัวแปรอินพุท และเอาท์พุท และ หากต้องการสร้างนิยามใหม่ของพวกเขาช่วงนี้ ใส่ใจเป็นพิเศษกับหน่วยตัวแปร ตัวแปรที่ใช้ในการโดเมนเดียวกันต้องวัดเป็นหน่วยเดียวกันในจักรวาลของวาทกรรม2 ทบทวนชุดเลือน และ หากจำเป็นต้องกำหนดเพิ่มเติมชุดบนจักรวาลการสนทนา การใช้ชุดเลือนกว้างอาจทำให้ระบบ fuzzyทำประมาณ3 ให้เหลื่อมพอกันระหว่างชุดใกล้เคียง ถึงแม้จะมีไม่มีวิธีที่แม่นยำเพื่อกำหนดจำนวนสูงสุดของทับซ้อนกัน มันเป็นแนะนำว่า สามเหลี่ยมรูปสามเหลี่ยมและสี่เหลี่ยมคางหมูไปสามเหลี่ยมเลือนกำหนดควรทับซ้อนระหว่าง 25 และ 50 เปอร์เซ็นต์ของฐานของพวกเขา (Cox, 1999)4 ตรวจสอบกฎที่มีอยู่ และ หากต้องเพิ่มกฎใหม่ไปยังฐานกฎ5 ตรวจสอบกฎพื้นฐานสำหรับโอกาสที่จะเขียนกฎป้องกันการจับตัวลักษณะทางพยาธิวิทยาของระบบ6 ปรับน้ำหนักของการดำเนินการกฎ เครื่องมือเผาส่วนใหญ่อนุญาตให้ควบคุมการความสำคัญของกฎโดยการเปลี่ยนตัวคูณคูณกับน้ำหนักในกล่องเครื่องมือตรรกะคลุมเครือ กฎทั้งหมดมีน้ำหนักเริ่มต้น (1.0), แต่ผู้ใช้สามารถลดแรงของกฎใด ๆ โดยการปรับน้ำหนักของ สำหรับตัวอย่าง ถ้าเราระบุถ้า (utilisation_factor เป็น H) แล้ว (number_of_spares L) (0.6)แล้ว ของกฎแรงจะลดลงร้อยละ 40รูปร่างแก้ไข 7 ชุดเลือน ในกรณีส่วนใหญ่ เลือนมีระบบสูงอดทนกับการประมาณรูปร่าง และดังนั้น ระบบสามารถยังคงทำงานได้ดีแม้เมื่อรูปร่างของชุดเลือนไม่แม่นยำกำหนดไว้แต่วิธีการเกี่ยวกับ defuzzification วิธี เราควรแตกต่างกันเทคนิคการปรับแต่งระบบของเราเทคนิคเซนทรอยด์จะ ให้ผลลัพธ์ที่สอดคล้องกัน นี่คือ wellbalanced เป็นไวต่อความสูงและความกว้างของแถบเลือนรวมเป็นวิธีรวมถึง singletons ห่าง ดังนั้น ถ้าคุณไม่มีเหตุผลที่ดีที่จะเชื่อว่า ระบบของคุณเลือนจะทำงานได้ดีภายใต้วิธีการอื่น ๆ defuzzificationขอแนะนำเทคนิคเซนทรอยด์ระบบผู้เชี่ยวชาญเลือน 1244.8 สรุปในบทนี้ เรานำตรรกศาสตร์ และกล่าวถึงแนวคิดทางปรัชญาเบื้องหลังมัน เรานำเสนอแนวคิดของชุดเลือน ถือว่าเป็นวิธีการที่แสดงเป็นวิภัช คอมพิวเตอร์และตรวจสอบการดำเนินงานของชุดเลือน เรายังกำหนดตัวแปรภาษาและป้องกันความเสี่ยง จาก นั้นเรานำเสนอกฎพร่าเลือน และอธิบายการความแตกต่างหลักระหว่างกฎคลาสสิก และพร่าเลือน เราสำรวจสองพร่าเลือนสรุปเทคนิค – Mamdani และ Sugeno – และพื้นที่ที่เหมาะสมที่แนะนำสำหรับโปรแกรมของพวกเขา ในที่สุด เราแนะนำขั้นตอนหลักในการพัฒนาที่พร่าเลือนระบบผู้เชี่ยวชาญ และทฤษฎีได้จริงของอาคารที่มีภาพประกอบและการปรับแต่งระบบ fuzzyเรียนสำคัญที่สุดในบทนี้คือ:. ตรรกศาสตร์เป็นตรรกะที่อธิบาย fuzziness เป็นตรรกศาสตร์คลุมเครือพยายามรุ่นความรู้สึกของมนุษย์ของคำ การตัดสินใจ และสามัญสำนึก มันนำไปสู่เครื่องอัจฉริยะมนุษย์เพิ่มเติม. แนะนำตรรกศาสตร์ โดย Jan Lukasiewicz ในปีค.ศ. 1920 พิจารณาโดยแม็กซ์ดำในปี 1930 ค้นพบ ขยายเป็นระบบอย่างเป็นทางการของตรรกศาสตร์เชิงคณิตศาสตร์ และส่งเสริม โดย Lotfi Zadeh ในปี 1960. ตรรกศาสตร์เป็นชุดของหลักการทางคณิตศาสตร์สำหรับการแสดงความรู้คะแนน จากองศาของสมาชิก มากกว่าสมาชิกคมของตรรกะ binary คลาสสิก ซึ่งแตกต่างจากมูลค่าสองตรรกะบูลีน ตรรกศาสตร์จะมีหลายค่า. ชุดเลือนเป็นชุดที่ มีขอบเขตไม่ชัดเจน เช่นสั้น ค่าเฉลี่ย หรือสูงสำหรับผู้ชายสูง การแสดงชุดเลือนในคอมพิวเตอร์ เราแสดงเป็นฟังก์ชันและจากนั้น แมปองค์ประกอบของการตั้งค่าระดับของสมาชิก โดยทั่วไปฟังก์ชันสมาชิกที่ใช้ในระบบผู้เชี่ยวชาญเลือนเป็นรูปสามเหลี่ยม และtrapezoids. ตัวแปรภาษาใช้อธิบายคำหรือแนวคิดที่คลุมเครือ หรือไม่ชัดเจนค่า ค่าเหล่านี้จะแสดงในชุดเลือน. ประเมินค่าเฮดจ์พร่าเลือนตัวบ่งคุณลักษณะชุดที่ใช้ในการปรับเปลี่ยนรูปทรงของชุดเลือน พวกเขารวมกริยาวิเศษณ์เช่นมาก ค่อนข้าง มาก มากหรือน้อย และเล็กน้อย ป้องกันความเสี่ยงดำเนินการทางคณิตศาสตร์ของความเข้มข้น โดยการลดระดับของสมาชิกขององค์ประกอบเลือน (สูงมากเช่นผู้ชาย), ขยาย โดยการเพิ่มการระดับของสมาชิก (เช่นสูงมากหรือน้อยชาย) และแรงด้วยเพิ่มระดับความเป็นสมาชิกข้างต้น 0.5 และลดลงที่ด้านล่าง0.5 (ชายเช่นสูงแน่นอน). ชุดเลือนสามารถโต้ตอบ ความสัมพันธ์เหล่านี้จะเรียกว่าการดำเนินงาน หลักมีการดำเนินงานของชุดเลือน: ส่วนเติมเต็ม บรรจุ แยก และสหภาพ. กฎที่พร่าเลือนเรา

ผลลัพธ์ (ไทย) 2:

โดยทั่วไปการปรับแต่งระบบผู้เชี่ยวชาญเลือนต้องใช้เวลามากขึ้นและความพยายาม
กว่ากำหนดชุดเลือนและสร้างกฎฟัซซี่ มักจะเป็นที่เหมาะสม
วิธีการแก้ปัญหาสามารถทำได้จากชุดแรกของชุดเลือนและ
กฎฟัซซี่ นี่คือข้อได้เปรียบที่ได้รับการยอมรับของตรรกศาสตร์; อย่างไรก็ตามการปรับปรุง
ระบบจะค่อนข้างเป็นศิลปะมากกว่าวิศวกรรม.
ปรับระบบเลือนอาจเกี่ยวข้องกับการดำเนินการจำนวนของการกระทำใน
ลำดับต่อไปนี้:
1 ความคิดเห็นการป้อนข้อมูลและการส่งออกรูปแบบตัวแปรและถ้าจำเป็นต้องใช้ของพวกเขา redefine
ช่วง ความสนใจโดยเฉพาะหน่วยตัวแปร ตัวแปรที่ใช้ใน
โดเมนเดียวกันจะต้องมีการวัดในหน่วยเดียวกันในจักรวาลของ
วาทกรรม.
2 Review ชุดฟัซซี่และถ้าจำเป็นต้องกำหนดชุดเพิ่มเติมเกี่ยวกับจักรวาล
ของวาทกรรม การใช้งานของชุดเลือนกว้างอาจจะทำให้ระบบเลือนที่จะ
ดำเนินการประมาณ.
3 ให้เพียงพอที่ทับซ้อนกันระหว่างชุดที่อยู่ใกล้เคียง แม้ว่าจะไม่มี
วิธีการที่ถูกต้องในการกำหนดจำนวนเงินที่เหมาะสมของการทับซ้อนก็จะ
ชี้ให้เห็นว่ารูปสามเหลี่ยมเพื่อสามเหลี่ยมและรูปสี่เหลี่ยมคางหมูไปสามเหลี่ยมชุดเลือน
ควรทับซ้อนระหว่าง 25 และร้อยละ 50 ของฐานของพวกเขา (Cox, 1999) ต่อ.
4 รีวิว กฎที่มีอยู่และหากจำเป็นต้องเพิ่มกฎใหม่ไปยังฐานกฎ.
5 ตรวจสอบฐานกฎสำหรับโอกาสที่จะเขียนกฎการป้องกันความเสี่ยงในการจับภาพ
พฤติกรรมทางพยาธิวิทยาของระบบ.
6 ปรับน้ำหนักการทำงานของกฎ เครื่องมือตรรกศาสตร์ส่วนใหญ่ให้การควบคุมของ
ความสำคัญของกฎระเบียบโดยการเปลี่ยนคูณน้ำหนัก.
ในการกล่องตรรกศาสตร์กฎทั้งหมดมีน้ำหนักเริ่มต้นของ (1.0) แต่
ผู้ใช้สามารถลดความแรงของการปกครองใด ๆ โดยการปรับน้ำหนักของมัน สำหรับ
ตัวอย่างเช่นถ้าเราระบุ
IF (utilisation_factor คือ H) แล้ว (number_of_spares เป็น L) (0.6)
แล้วมีผลบังคับใช้กฎดังกล่าวจะลดลงร้อยละ 40.
7 รูปทรงแก้ไขในชุดเลือน ในกรณีส่วนใหญ่ระบบฟัซซี่เป็นอย่างสูงที่
ทนประมาณรูปร่างและทำให้ระบบยังสามารถทำตัวได้ดี
แม้ในขณะที่รูปทรงของชุดเลือนไม่ได้กำหนดไว้อย่างแม่นยำ.
แต่วิธีการเกี่ยวกับวิธีการ defuzzification? เราควรพยายามที่แตกต่างกัน
เทคนิคการปรับแต่งระบบของเรา?
เทคนิค centroid ปรากฏขึ้นเพื่อให้ผลที่สอดคล้องกัน นี่คือ wellbalanced
วิธีความไวต่อความสูงและความกว้างของภูมิภาคเลือนรวม
ทั้งเพื่อ singletons เบาบาง ดังนั้นถ้าคุณมีเหตุผลที่ดีที่จะเชื่อ
ว่าระบบเลือนของคุณจะทำงานดีขึ้นภายใต้วิธีการ defuzzification อื่น ๆ
เทคนิคเซนทรอยด์ขอแนะนำ.
124 ระบบผู้เชี่ยวชาญเลือน
4.8 สรุป
ในบทนี้เราได้นำตรรกศาสตร์และกล่าวถึงปรัชญาความคิด
ที่อยู่เบื้องหลังมัน เรานำเสนอแนวคิดของชุดเลือนการพิจารณาวิธีการที่จะเป็นตัวแทนของการให้
ชุดคลุมเครือในคอมพิวเตอร์และตรวจสอบการปฏิบัติงานของชุดเลือน นอกจากนี้เรายังกำหนด
ตัวแปรทางภาษาและการป้องกันความเสี่ยง จากนั้นเราก็นำเสนอกฎฟัซซี่และอธิบาย
ความแตกต่างที่สำคัญระหว่างกฎคลาสสิกและเลือน เราสำรวจสองเลือน
เทคนิคการอนุมาน - Mamdani และ Sugeno - และแนะนำพื้นที่ที่เหมาะสม
สำหรับการใช้งานของพวกเขา สุดท้ายเราแนะนำขั้นตอนหลักในการพัฒนาเลือน
ระบบผู้เชี่ยวชาญและภาพประกอบทฤษฎีผ่านกระบวนการที่เกิดขึ้นจริงของอาคาร
. และการปรับแต่งระบบเลือนบทเรียนที่สำคัญที่สุดที่ได้เรียนรู้ในบทนี้คือ:

ตรรกศาสตร์เป็นตรรกะที่อธิบายเลือน ในฐานะที่เป็นตรรกะคลุมเครือพยายามที่จะจำลอง
ความรู้สึกของมนุษย์ของคำการตัดสินใจและความรู้สึกร่วมกันก็จะนำไปสู่
เครื่องที่ชาญฉลาดของมนุษย์มากขึ้น.
. ตรรกศาสตร์ได้รับการแนะนำโดยแจ Lukasiewicz ในปี ค.ศ. 1920 การพิจารณาโดย
แม็กซ์สีดำในช่วงทศวรรษที่ 1930 และค้นพบ ยื่นออกไปในระบบอย่างเป็นทางการของ
ตรรกะทางคณิตศาสตร์และการส่งเสริมโดย Lotfi Zadeh ในปี 1960.
. ตรรกศาสตร์คือชุดของหลักการทางคณิตศาสตร์สำหรับการแสดงความรู้
ขึ้นอยู่กับองศาของการเป็นสมาชิกมากกว่าในการเป็นสมาชิกที่คมชัดของ
ตรรกะไบนารีคลาสสิก ซึ่งแตกต่างจากสองมูลค่าตรรกะบูลีนตรรกศาสตร์เป็นหลายค่า.
. ชุดเลือนเป็นชุดที่มีรอยเลือนเช่นระยะสั้นค่าเฉลี่ยหรือสูงสำหรับผู้ชาย
สูง เพื่อเป็นตัวแทนของชุดเลือนในเครื่องคอมพิวเตอร์ของเราแสดงมันเป็นฟังก์ชั่น
และจากนั้นแมองค์ประกอบของชุดในระดับของการเป็นสมาชิกของพวกเขา ทั่วไป
ฟังก์ชั่นสมาชิกที่ใช้ในระบบผู้เชี่ยวชาญเลือนเป็นรูปสามเหลี่ยมและ
trapezoids.
. ตัวแปรภาษาที่ใช้ในการอธิบายคำหรือแนวคิดที่คลุมเครือหรือเลือน
ค่า ค่าเหล่านี้จะแสดงในชุดเลือน.
. พุ่มไม้เป็นชุดบ่นเลือนใช้เพื่อปรับเปลี่ยนรูปทรงของชุดเลือน พวกเขา
รวมถึงคำวิเศษณ์เช่นมากค่อนข้างมากขึ้นหรือน้อยลงเล็กน้อย การป้องกันความเสี่ยง
ในการดำเนินการทางคณิตศาสตร์ของความเข้มข้นโดยการลดระดับของ
การเป็นสมาชิกขององค์ประกอบเลือน (เช่นผู้ชายสูงมาก) การขยายโดยการเพิ่ม
ระดับของสมาชิก (เช่นผู้ชายมากขึ้นหรือน้อยสูง) และแรงขึ้นโดย
การเพิ่มระดับของสมาชิกดังกล่าวข้างต้น 0.5 และลดผู้ ดังต่อไปนี้
0.5 (เช่นแน่นอนผู้ชายสูง).
. ชุดฟัซซี่สามารถโต้ตอบ ความสัมพันธ์เหล่านี้เรียกว่าการดำเนินงาน หลัก
ปฏิบัติงานของชุดเลือนคือ: ส่วนประกอบบรรจุแยกและ
. ยูเนี่ยน
. กฎฟัซซี่คือบริการของเรา