منطق فازی
اسلاید 1: loading12%16%18%21%26%42%52%52%63%78%96%100%موضوع : ارائهمنطق فازی و کاربرد های آنارائه دهنده : یونس سلطانی
اسلاید 2: ...منطق فازی (به انگلیسی: fuzzy logic) اولین بار در پی تنظیم نظریه « مجموعههای فازی به وسیله پروفسور لطفی زاده (۱۹۶۵ م) در صحنه محاسبات نو ظاهر شد.کلمه fuzzy به معنای غیر دقیق، ناواضح و مبهم است.
اسلاید 3: فهرستدرباره پروفسور لطفی زادهمقدمهملاحضات آغازینمجموعه های قطعیمجموعه های فازیمتغیر های زبانیتوابع عضویتعدم قطعیتانگیزه ها و اهدافکاربرد های منطق فازینگاهی به نرم افزارهای فازیمنابع آموزشیمنابعتقدیر و تشکرپاسخ به سوالات
اسلاید 4: درباره پروفسور لطفی زادهشناخته شده با نام هایلطفی علی عسگرزاده، لطف الله عسگری زاده،لطفی عسکرزاده،لطفی ع. زاده و زاده متولد 1921 در باکو پایتخت آذربایجان مادرش پزشک و پدرش یک روزنامه نگار بود در سن 10 سالگی، بموجب حکومت دیکتاتوری استالین در اتحاد شوروی سابق، مچبور به مراجعت به ایران شد
اسلاید 5: درباره پروفسور لطفی زادهدر شهر تهران تحصیلات ابتدایی را ادامه داد و دوره متوسطه را در کالج البرز به پایان رسانید رتبه دوم در کنکور ورودی دانشگاه تهران را احراز نمود و از همان دانشگاه با مدرک مهندسی مهندسی برق در سال 1942 فارغ التحصیل شدفوق لیسانس مهندسی برق از انستیتوی تکنولوژی ماساچوست (MIT) بوستون آمریکا.فارغ التحصیل با درجه دکتری از دانشگاه کلمبیا در سال 1949
اسلاید 6: درباره پروفسور لطفی زادهتا سال 1965، تحقیقات پرفسور لطفی زاده عمدتا در زمینه تئوری سیستم ها و تجزیه و تحلیل تئوری تصمیمات بود. در آن سال، وی نظریه مجموعه فازی Fuzzy Logic را پایه گذاری کرد و سپس در زمینه کاربردهای این نظریه در حافظه مصنوعی، زبان شناسی، منطق، نظریه تصمیمات، نظریه کنترل، سیستمهای خبره و شبکه های اعصاب به تحقیقات گسترده ای پرداخت. در حال حاضر تحقیقات پرفسور لطفی زاده در زمینه منطق فازی نرم کامپیوتری Fuzzy Logic Computer Norm ) ( بر مبنای کلمات، نظریه رایانه ای ادراک و زبان طبیعی است.
اسلاید 7: مقدمهدانش مورد نیاز، برای بسیاری از مسائل مورد مطالعه به دو صورت متمایز ظاهر میشود:1. دانش عینی مثل مدلها، و معادلات، و فورمولهای ریاضی ، که از پیش تنظیم شده و برای حل و فصل مسائل معمولی فیزیک، شیمی، یا مهندسی مورد استفاده قرار میگیرد.۲. دانش شخصی مثل دانستنیهایی که تا حدودی قابل توصیف و بیان زبانشناختی بوده، ولی، امکان کمی کردن آنها با کمک ریاضیات سنتی معمولاً وجود ندارد. به این نوع دانش، دانش ضمنی یا دانش تلویحی (Tacit knowledge) گفته میشود.از آن جا که در عمل هر دو نوع دانش مورد نیاز است منطق فازی میکوشد آنها را به صورتی منظم، منطقی، و ریاضیاتی بایکدیگر هماهنگ گرداند.
اسلاید 8: ملاحضات آغازین منطق فازی از جمله منطقهای چندارزشی بوده، و بر نظریه مجموعههای فازی تکیه میکند. مجموعههای فازی خود از تعمیم و گسترش مجموعههای قطعی به صورتی طبیعی حاصل میآیند.
اسلاید 9: ملاحضات آغازین : مجموعه های قطعی Crisp setsدر واقع همان مجموعههای عادی و معمولی هستند که در ابتدای نظریه کلاسیک مجموعهها معرفی میشوند. افزودن صفت قطعی به واقع وجه تمایزی را ایجاد مینماید که به کمک آن میشود یکی از مفاهیم ابتکاری و حیاتی در منطق فازی موسوم به تابع عضویت را به آسانی در ذهن به وجود آورد.در حالت مجموعههای قطعی، تابع عضویت فقط دو مقدار در برد خود دارد (در ریاضیات، برد یک تابع برابر با مجموعه تمام خروجیهای تابع است).خیر و آری (صفر و یک) که همان دو مقدار ممکن در منطق دوارزشی کلاسیک هستند. بنابراین: که در اینجا تابع عضویت و X عنصری در مجموعه قطعی است.
اسلاید 10: ملاحضات آغازین : مجموعه های فازیبرد تابع عضویت از {1و0} در مورد مجموعههای قطعی به بازهٔ بستهٔ ]1و0[ برای مجموعههای فازی تبدیل میشود.
اسلاید 11: ملاحضات آغازین : متغیر های زبانیمقادیر مورد قبول برای آنها به جای اعداد، کلمات و جملات زبانهای انسانی یا ماشینی هستند. همانگونه که در محاسبات ریاضی از متغیرهای عددی استفاده میگردد، در منطق فازی نیز از متغیرهای زبانی (گفتاری یا غیر عددی) استفاده میگردد. متغیرهای زبانی بر اساس ارزشهای زبانی (گفتاری) که در مجموعه عبارت (کلمات/اصطلاحات) قرار دارند، بیان میشود. عبارت زبانی (Linguistic terms) صفاتی برای متغیرهای زبانی هستند. به عنوان مثال: متغیر زبانی «سن» بسته به تقسیمات مورد نظر شخصی و شرایط میتواند مجموعه عباراتی از قبیل «نوجوان»، «جوان»، «میان سال» و «سالمند» باشد.مجموعه عبارات (اصطلاحات) فازی (سن) = { «جوان»، «نه جوان»، «نه چندان جوان»، «خیلی جوان»،... ، «میان سال»، «نه چندان میان سال»،... ، «پیر»، «نه پیر»، «خیلی پیر»، «کم و بیش پیر»،... ، «نه خیلی جوان و نه خیلی پیر»، «نه جوان و نه پیر»...}
اسلاید 12: ادامهملاحضات آغازین : متغیر های زبانییا در مثالی دیگر، فشار(خون) را میتوان متغیری زبانی در نظر گرفت،که ارزشهایی (خصوصیتهایی) از قبیل پایین، بالا، ضعیف، متوسط و قوی را میتواند در خود جای دهد.به زبان ریاضی داریم (T = Terms){پایین، بالا، ضعیف، متوسط، قوی} = (فشار)T
اسلاید 13: ملاحضات آغازین : توابع عضویتدرجه عضویت بیانگر میزان عضویت عنصر به مجموعه فازی است. اگر درجه عضویت یک عنصر از مجموعه برابر با صفر باشد، آن عضو کاملاً از مجموعه خارج است و اگر درجه عضویت یک عضو برابر با یک باشد،آن عضو کاملاً در مجموعه قرار دارد. حال اگر درجه عضویت یک عضو مابین صفر و یک باشد،این عدد بیانگر درجه عضویت تدریجی میباشد.
اسلاید 14: عدم قطعیتمفاهیم نادقیق بسیاری در پیرامون ما وجود دارند که آنها را به صورت روزمره در قالب عبارتهای مختلف بیان میکنیم. به عنوان مثال: «هوا خوب است.» هیچ کمیتی برای خوب بودن هوا مطرح نیست تا آن را بطور دقیق اندازهگیری نماییم، بلکه این یک حس کیفی است. در واقع مغز انسان با در نظر گرفتن عوامل گوناگون و بر پایه تفکر استنتاجی جملات را تعریف و ارزش گذاری مینماید که الگوبندی آنها به زبان و فرمولهای ریاضی اگر غیر ممکن نباشد، کاری بسیار پیچیده خواهد بود. منطق فازی فناوری جدیدی است که شیوههایی را که برای طراحی و مدل سازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفتهاست، با استفاده از مقادیر زبانی و دانش فرد خبره جایگزین میسازد.
اسلاید 15: انگیزه و اهدافبرای مقابله مؤثر با پیچیدگی روزافزون در بررسی، مطالعه، مدلسازی و حل مسائل جدید در فیزیک، مهندسی، پزشکی، زیست شناسی و بسیاری از امور گوناگون دیگر ایجاد و ابداع روشهای محاسباتی جدیدی مورد نیاز شدهاست که بیشتر از پیش به شیوههای تفکر و تعلم خود انسان نزدیک باشد. هدف اصلی آنست که تا حد امکان، رایانهها بتوانند مسائل و مشکلات بسیار پیچیده علمی را با همان سهولت و شیوایی بررسی و حل و فصل کنند که ذهن انسان قادر به ادراک و اخذ تصمیمات سریع و مناسب است.
اسلاید 16: ادامه انگیزه و اهدافدر جهان واقعیات، بسیاری از مفاهیم را آدمی به صورت فازی (به معنای غیر دقیق، ناواضح و مبهم) درک میکند و به کار میبندد. به عنوان نمونه، هر چند کلمات و مفاهیمی همچون گرم، سرد، بلند، کوتاه، پیر، جوان و نظائر اینها به عدد خاص و دقیقی اشاره ندارند، اما ذهن انسان با سرعت و با انعطاف پذیری شگفتآوری همه را میفهمد و در تصمیمات و نتیجهگیریهای خود به کار میگیرد. این، در حالی ست که ماشین فقط اعداد را میفهمد و اهل دقّت است. اهداف شیوههای نو در علوم کامپیوتر آن است که اولاً رمز و راز اینگونه تواناییها را از انسان بیاموزد و سپس آنها را تا حد امکان به ماشین یاد بدهد.
اسلاید 17: ادامه انگیزه و اهدافقوانین علمی گذشته در فیزیک و مکانیک نیوتونی همه بر اساس منطق قدیم استوار گردیدهاند. در منطق قدیم فقط دو حالت داریم: سفید و سیاه، آری و خیر، روشن و تاریک، یک و صفر و درست و غلط.متغیرها در طبیعت یا در محاسبات بر دو نوعند: ارزشهای کمی که میتوان با یک عدد معین بیان نمود و ارزشهای کیفی که براساس یک ویژگی بیان میشود. این دو ارزش قابل تبدیلاند.
اسلاید 18: ادامه انگیزه و اهدافمثلاً در مورد قد افراد، اگر آنها با ارزش عددی (سانتیمتر) اندازهگیری نماییم و افراد را به دستههای قدکوتاه و قدبلند تقسیمبندی کنیم و در این دستهبندی، حد آستانه ۱۸۰ سانتیمتر برای بلندی قد مدنظر باشد، در اینصورت تمامی افراد زیر ۱۸۰ سانتی متر براساس منطق قدیم قد کوتاهاند. حتی اگر قد فرد ۱۷۹ سانتیمتر باشد. ولی در مجموعه فازی هر یک از این صفات براساس تابع عضویت تعریف و بین صفر تا یک ارزشگذاری میشود.از آن جا که ذهن ما با منطق دیگری کارهایش را انجام میدهد و تصمیماتش را اتّخاذ میکند، جهت شروع، ایجاد و ابداع منطقهای تازه و چندارزشی مورد نیاز است که منطق فازی یکی از آنها میباشد.
اسلاید 19: کاربرد های منطق فازیاز منطق فازی برای ساخت کنترل کننده های لوازم خانگی از قبیل ماشین رختشویی رای تشخیص حداکثر ظرفیت ماشین، مقدار مواد شوینده،تنظیم چرخهای شوینده و یخچال استفاده می شود. کاربرد اساسی آن تشخیص حوزه متغیرهای پیوسته است.
اسلاید 20: کاربرد های منطق فازیبرای مثال یک وسیله اندازه گیری دما برای جلوگیری از قفل شدن یک عایق ممکن است چندین عضو مجزا تابعی داشته باشد تا بتواند حوزه دماهایی را که نیاز به کنترل دارد به طور صحیح تعریف نماید.هر تابع، یک ارزش دمایی مشابه که حوزه آن بین 0 و 1 است را اختیار می کند. از این ارزشهای داده شده برای تعیین چگونگی کنترل یک عایق استفاده می شود. سرد بودن، گرم بودن و داغ بودن، توابعی برای مقایسه درجه حرارت هستند و هر نقطه ای روی این خطوط می تواند دارای یکی از سه ارزش بالا باشد. به عنوان مثال برای یک درجه حرارت خاص که در شکل با یک خط نشان داده شده است، می توان گفت: «مقداری سرد است»،«اندکی گرم است» یا «اصلاً داغ نیست».
اسلاید 21: کاربرد های منطق فازیحال با مثال دیگری اهمیت این علم را بیشتر درک مینمائیم: یک انسان در نور کافی قادر به درک میلیونها رنگ میباشد.ولی یک روبوت چگونه میتواند این تعداد رنگ را تشخیص دهد؟ حال اگر بخواهیم روباتی طراحی کنیم که قادر به تشخیص رنگها باشد از منطق فازی کمک میگیریم و با اختصاص اعدادی به هر رنگ آن را برای روبوت طراحی شده تعریف میکنیم. از کاربردهای دیگر منطق فازی میتوان به کاربرد این علم در صنعت اتومبیل سازی(در طراحی سیستم ترمز ABS و کنترل موتور برای بدست آوردن بالاترین راندمان قدرت)،در طراحی بعضی از ریزپردازنده ها و طراحی دوربینهای دیجیتال اشاره کرد.
اسلاید 22: کاربرد های منطق فازی در فیلم های ارباب حلقه ها I.Robot و King Kong در فیلم سینمایی ارباب حلقه ها از نرم افزار Massive استفاده شده است.نرم افزار در بسیاری از صحنه های فیلم برای تولید حرکات لشکر موجودات متخاصم استفاده شده بود.در این برنامه متخصصان کامپیوتر و انیمیشن ابتدا موجوداتی را به صورت الگو ایجاد کرده بودند و سپس به کمک منطق فازی مصداق هایی تصادفی از این موجودات خیالی پدیدآورده بودند که حرکات تصادفی - اما از پیش تعریف شده ای - در اعضای بدن خود داشتند.
اسلاید 23: نرم افزارهای منطق فازی•Peach محاسبات هوشمند در پایتون•DotFuzzy کتابخانه متن باز منطق فازی سی شارپ•JFuzzyLogicبسته نرم ابزاری متن باز منطق فازی برای جاوا•بسته pyFuzzyLib کتابخانه منطق فازی در پایتون•بسته pyfuzzy کتابخانه منطق فازی در پایتون•FisPro سیستم استنتاج فازی حرفهایابزار پیکربندی پایگاه اطلاعات•KBCT (Knowledge Base Configuration Tool)
اسلاید 24: منابع آموزشی مورد استفادهمنطق فازی و کاربردها•کلاس آموزشی منطق فازی•سیستمهای منطق فازی مهندسی - خودآموز•طراحی سیستم استنتاج فازی در جاوا متن باز•دروس آموزشی دانشگاه NPTEL: مهندسی برق: سیستمهای هوشمند و کنترل توسط پرفسور بهِِرا Prof. Laxmidhar Behera•دروس آموزشی دانشگاه NPTEL: علوم کامپیوتر و مهندسی:: هوش مصنوعی (مجموعه ویدئو)•عارف، رضا، مغالطه پژوهی نزد فیلسوفان مسلمان، انتشارات حکمت، ۱۳۸۹.
اسلاید 25: منابع و ماخذ•منطق فازی، دائرةالمعارف فلسفهٔ استانفورد•مقدمهای بر منطق فازی•عارف، رضا، مغالطه پژوهی نزد فیلسوفان مسلمان، انتشارات حکمت، ۱۳۸۹.•محاسبات نرم با مجموعههای فازی و شبکههای عصبی مولف: رضا حسینقلی زاده انتشارات مهر ایمان ۱۳۸۶http://main.mehriman.com/default.aspx1. Zadeh L.A. , 1965, Fuzzy sets. Information and Control 8: 338–353•Mendel, J. M. , Uncertain Rule-Based Fuzzy Logic Systems: Introduction and New Directions, Prentice Hall PTR, ۲۰۰۱. ISBN 0-13-040969-3•Kasabov, N. K. , Foundations of Neural Networks, Fuzzy Systems, and nowledge Engineering, The MIT Press 1998. ISBN 0-262-11212-4
اسلاید 26: با تشکر از توجه شما
اسلاید 27: پاسخ به سوالات
نقد و بررسی ها
هیچ نظری برای این پاورپوینت نوشته نشده است.