Bulanık Mantık ve Bulanık Sistemler

Yapay Zekâ ve Veri Dersleri Rehberi · Kısım II: Yapay Zekânın Dalları
Bulanık kümelerÜyelik fonksiyonuDilsel kurallarBulanık çıkarımBulanık denetimKomşu dersler
Sercan KÜLCÜ · Giresun Üniversitesi · Bilgisayar Mühendisliği

Giriş

Ders Hangi Soruyu Sorar?

"Sıcak", "hızlı" gibi keskin sınırı olmayan kavramlarla nasıl akıl yürütülür?

Bulanık mantık, bir ögenin bir kümeye ya ait olduğu ya da olmadığı keskin ayrımı bırakır; ögeye 0 ile 1 arasında bir üyelik derecesi verir. Böylece "sıcak", "biraz hızlı" gibi dilsel kavramlarla kurallar yazılır ve bu kurallardan sayısal bir karar ya da denetim sinyali üretilir.

Bir bakışta

Yaklaşım

kısmi üyelik ve dilsel kurallar

Girdi

keskin ölçümler ve uzman kuralları

Çıktı

denetim sinyali ya da karar

Başarı ölçütü

denetim başarımı, uzmanla uyum

Matematik yükü

düşük-orta: küme kuramı

Veri ihtiyacı

az; uzman bilgisi

Giriş

Kısa Tarihçe

1965

Zadeh "Fuzzy Sets" makalesini yayımlar: kısmi üyelikli küme kavramı doğar.

1973

Zadeh dilsel değişkenleri ve bulanık EĞER-İSE kurallarıyla yaklaşık akıl yürütmeyi tanıtır.

1975

Mamdani ve Assilian bir buhar makinesini ilk bulanık denetleyiciyle denetler.

1985

Takagi ve Sugeno, kural sonuçları fonksiyon olan bulanık modeli (TS modeli) önerir.

1987

Japonya'da Sendai metrosu bulanık denetimle hızlanıp durarak hizmete girer.

1993

Jang, bulanık kuralları sinir ağı gibi eğiten ANFIS'i yayımlar.

Ders

Temel Kavramlar

Bulanık küme

Her ögenin 0 ile 1 arasında bir üyelik derecesi var.

Üyelik fonksiyonu

Üçgen, yamuk, Gauss: değeri dereceye çevirir.

Dilsel değişken

Değerleri sözcük olan değişken: düşük, orta, yüksek.

Bulanık işlemler

VE için en küçük, VEYA için en büyük, DEĞİL için 1-µ.

Kural tabanı

EĞER sıcaklık yüksek İSE fan hızlı biçiminde kurallar.

Mamdani çıkarımı

Kural sonuçları bulanık küme; sonra durulaştırılır.

Sugeno çıkarımı

Kural sonuçları girdilerin fonksiyonu; hesabı hızlı.

Durulaştırma

Bulanık sonucu tek sayıya indirmek: ağırlık merkezi.

Ders

Tipik İş Akışı

Ölçkeskin girdiÜyeliğeçevirbulanıklaştırmaKurallarıuygulaEĞER-İSEtabanıBirleştirsonuç kümesiDurulaştırkeskin çıktı
Örnek: Bir klima odayı 27 °C ölçer; bu değer "sıcak" kümesine 0,7, "ılık" kümesine 0,3 derecesiyle üyedir. "Sıcaksa soğutma güçlü" ve "ılıksa soğutma orta" kuralları bu derecelerle çalışır, sonuçlar birleşir ve ağırlık merkezi kompresöre yüzde 72 gibi tek bir güç değeri verir.

Dene

Klimayı Bulanık Kurallar Yönetir

Klima, "hava sıcak ve nemliyse fanı hızlı çalıştır" gibi sözel kurallarla yönetiliyor. Sıcaklığı ve nemi değiştirin; hangi kuralların ne kadar tetiklendiğini ve çıkan fan hızını izleyin.

Uzman bilgisi sözel kurallar olarak yazıldı; bulanık mantık her kuralı kısmen tetikler, sonuçları birleştirip ağırlık merkeziyle tek bir sayıya çevirir. Matematik model gerekmez.

Konum

Ön Koşullar

Bu dersten önce bilinmesi yararlı olan dersler ve neden gerektikleri.

DersNeden gerekir
Yapay Zekâyaklaşık akıl yürütme
Ayrık Matematikkümeler, bağıntılar ve önermeler mantığı
Programlamafonksiyon yazma ve basit benzetim kurma
Denetim Sistemlerigeri besleme ve PID denetleyici kavramı

Konum

Dersin Komşuları

alt alantemel alıryöntem paylaşıruygulama

Örtüşme

Örtüştüğü Dersler

İlişkiDersOrtak konu
alt alanBu ders, Yapay Zekâ dersinin alt alanıdıryaklaşık akıl yürütme
yöntem paylaşırUzman Sistemler ve Bilgi Temsili ile yöntem paylaşırEĞER-İSE kural tabanı, çıkarım motoru
yöntem paylaşırRobotik ve Robot Görüsü ile yöntem paylaşırbulanık denetleyiciler

Ayrışma

Ayrıştığı Noktalar (1/2)

ÖlçütBulanık MantıkOlasılık ve İstatistikUzman Sistemler
Temel soru"Sıcak", "hızlı" gibi keskin sınırı olmayan kavramlarla nasıl akıl yürütülür?Belirsizlik nasıl ölçülür ve sınırlı veriden nasıl güvenilir sonuç çıkarılır?Bir uzmanın bilgisi nasıl yazıya dökülür ve çıkarım için kullanılır?
Yaklaşımkısmi üyelik ve dilsel kurallarolasılık modeli ve çıkarımsembolik mantık ve kurallar
Girdikeskin ölçümler ve uzman kurallarıörneklem verisiolgular ve uzman kuralları
Çıktıdenetim sinyali ya da kararkestirim, güven aralığı, test sonucusonuç ve gerekçesi
Başarı ölçütüdenetim başarımı, uzmanla uyumyansızlık, güç, anlamlılıkuzmanla uyum, açıklanabilirlik
Matematik yüküdüşük-orta: küme kuramıkuramın kendisidüşük: önerme ve yüklem mantığı
Veri ihtiyacıaz; uzman bilgisiörneklemaz; bilgi tabanı
  • Olasılık ve İstatistik: Olasılık bir olayın olup olmayacağındaki belirsizliği ölçer; bu ders bir kavramın ne ölçüde geçerli olduğunu, yani belirsiz sınırı ölçer.
  • Uzman Sistemler: Uzman sistemler kuralları çoğunlukla keskin mantıkla işletir; bu ders kuralların kısmen doğru olabildiği yaklaşık akıl yürütmeyi kurar.

Ayrışma

Ayrıştığı Noktalar (2/2)

ÖlçütBulanık MantıkRobotikYapay Sinir Ağları
Temel soru"Sıcak", "hızlı" gibi keskin sınırı olmayan kavramlarla nasıl akıl yürütülür?Bir makine fiziksel dünyayı nasıl algılar, konumunu nasıl bilir ve nasıl hareket eder?Basit birimlerden kurulan ağlar ağırlıklarını ayarlayarak nasıl öğrenir?
Yaklaşımkısmi üyelik ve dilsel kurallaralgıla, planla, eyle döngüsüağırlıklı basit birimlerden ağ
Girdikeskin ölçümler ve uzman kurallarıalgılayıcı ölçümlerisayısal öznitelik vektörü
Çıktıdenetim sinyali ya da kararmotor komutları, yolsınıf ya da sayı tahmini
Başarı ölçütüdenetim başarımı, uzmanla uyumgörev başarısı, güvenlikkayıp ve doğruluk
Matematik yüküdüşük-orta: küme kuramıyüksek: dönüşümler, denetimorta-yüksek: türev, matris
Veri ihtiyacıaz; uzman bilgisifiziksel deney ve benzetimorta
  • Robotik: Robotik denetimin tamamını ele alır; bu ders bulanık denetleyiciyi model gerektirmeyen bir seçenek olarak öğretir.
  • Yapay Sinir Ağları: YSA kuralları veriden ağırlık olarak öğrenir ve okunmaz; bulanık sistemin kuralları uzmandan gelir ve okunabilir.

Uygulama

Uygulama Alanları

Ev aletleri

Çamaşır makinesi, klima, pirinç pişirici.

Ulaşım

Metro hızlanıp durma, otomatik vites.

Endüstriyel denetim

Fırın sıcaklığı, çimento ve kimya süreçleri.

Fotoğraf makinesi

Otomatik odaklama ve görüntü sabitleme.

Karar destek

Risk değerlendirme, tedarikçi seçimi.

Tıp

Belirtilerden yaklaşık tanı ve doz önerisi.

Uygulama

Araçlar ve Örnek Veriler

Araçlar ve kütüphaneler

MATLAB Fuzzy Logic Toolboxscikit-fuzzyjFuzzyLogicfuzzyliteSimpful

Klasik örnek problemler

Bahşiş problemiTers sarkaçKamyonu geri park etmeÇamaşır makinesi denetimiSu deposu düzeyiMackey-Glass zaman serisi
Bulanık sistemler çoğunlukla veriyle değil uzman bilgisiyle kurulur; veri, ANFIS gibi yöntemlerde kuralları ince ayarlamak için kullanılır.

Uygulama

Sık Karıştırılanlar

Yaygın düşünceDoğrusu
Bulanık mantık kesin olmayan, özensiz mantıktır.Kurallar bulanık kavramlarla yazılır ama hesap kesindir; aynı girdi her zaman aynı çıktıyı verir.
Üyelik derecesi bir olasılıktır.0,7 "sıcak" olmanın derecesidir, sıcak olma şansı değildir; dereceler toplamı 1 olmak zorunda da değildir.
Bulanık mantık eski ve terk edilmiş bir alandır.Ev aletlerinde ve endüstriyel denetimde yaygın kullanılır; sinir ağlarıyla birleşimi de sürer.
Bulanık sistem veriden öğrenir.Temel bulanık sistem kurallarını uzmandan alır; öğrenme ANFIS gibi melez yöntemlerle eklenir.

Sonrası

Bu Dersten Sonra

Bu dersi temel alan ya da genişleten dersler

Bu ders çoğunlukla uç noktadır; öteki dersleri temel alır.

İlgili meslekler

Denetim sistemleri mühendisiGömülü yazılım mühendisiOtomasyon mühendisiKarar destek analisti
Bulanık mantık, uzman sistemlerle kural tabanını, robotikle denetimi paylaşır. Bu dersten sonra kuralları veriden öğrenmek için sinir-bulanık sistemlere, belirsizliği olasılıkla ele almak için olasılıksal grafik modellere geçilebilir.

Sonrası

Kaynaklar

  • Zadeh, "Fuzzy Sets", Information and Control 8(3), 1965.
  • Klir ve Yuan, Fuzzy Sets and Fuzzy Logic: Theory and Applications, Prentice Hall, 1995.
  • Ross, Fuzzy Logic with Engineering Applications, 4. baskı, Wiley, 2017.
  • Jang, Sun ve Mizutani, Neuro-Fuzzy and Soft Computing, Prentice Hall, 1997.

Son

Bölüm 9: Bulanık Mantık ve Bulanık Sistemler
← Önceki bölüm · Alanın haritası · Sonraki bölüm →
1 / 1 Sercan KÜLCÜ, Tüm hakları saklıdır.