منطق فازی به عنوان یک شکل منطقی با ارزش زیاد تعریف می شود که می تواند مقادیر متغیرها را در هر عدد واقعی بین 0 و 1 داشته باشد. در زندگی واقعی، ممکن است با موقعیتی مواجه شویم که نتوانیم درست یا نادرست این جمله را تشخیص دهیم. در آن زمان، منطق فازی انعطاف پذیری بسیار ارزشمندی را برای استدلال ارائه می دهد.
الگوریتم منطق فازی به حل یک مشکل پس از در نظر گرفتن تمام داده های موجود کمک می کند. سپس بهترین تصمیم ممکن را برای ورودی داده شده می گیرد. روش منطق فازی روش تصمیم گیری در انسان را تقلید می کند که تمام احتمالات بین مقادیر دیجیتال True و False را در نظر می گیرد.
در اینجا برخی از ویژگی های مهم منطق فازی آورده شده است:
- انعطاف پذیر و آسان برای پیاده سازی تکنیک یادگیری ماشین
- به شما کمک می کند تا از منطق تفکر انسان تقلید کنید
- یک روش بسیار مناسب برای استدلال نامطمئن یا تقریبی
- منطق فازی به شما امکان می دهد توابع غیرخطی با پیچیدگی دلخواه بسازید.
معماری منطق فازی دارای چهار بخش اصلی است که در نمودار نشان داده شده است:
قوانین فازی:
این بلوک شامل کلیه قوانین و شرایط if then ارائه شده توسط کارشناسان برای کنترل سیستم تصمیم گیری می باشد.
فازی ساز:
مرحله فازی سازی به تبدیل ورودی ها کمک می کند. این بلوک به شما این امکان می دهد اعداد crisp را به مجموعه های فازی تبدیل کنید. ورودی های crisp توسط سنسورها اندازه گیری شده و برای پردازش بیشتر به سیستم کنترل منتقل می شود. مانند دمای اتاق، فشار و غیره.
موتور استنتاج:
این به شما کمک می کند تا درجه تطابق بین ورودی فازی و قوانین را تعیین کنید. بر اساس
در صد تطابق، تعیین میکند که کدام قواعد با توجه به فیلد ورودی داده شده نیاز به پیادهسازی دارند. پس از این، قوانین اعمال شده برای توسعه اقدامات کنترلی ترکیب می شوند.
غیرفازی سازی: در نهایت فرآیند غیرفازی سازی برای تبدیل مجموعه های فازی به یک مقدار crisp انجام می شود. انواع مختلفی از تکنیک ها در دسترس است، بنابراین باید روشی را انتخاب کنید که زمان استفاده از یک سیستم خبره ، مناسب تر است.