Bulanık Mantık ve Bulanık Sistemler
Giriş
Ders Hangi Soruyu Sorar?
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
kısmi üyelik ve dilsel kurallar
keskin ölçümler ve uzman kuralları
denetim sinyali ya da karar
denetim başarımı, uzmanla uyum
düşük-orta: küme kuramı
az; uzman bilgisi
Giriş
Kısa Tarihçe
Zadeh "Fuzzy Sets" makalesini yayımlar: kısmi üyelikli küme kavramı doğar.
Zadeh dilsel değişkenleri ve bulanık EĞER-İSE kurallarıyla yaklaşık akıl yürütmeyi tanıtır.
Mamdani ve Assilian bir buhar makinesini ilk bulanık denetleyiciyle denetler.
Takagi ve Sugeno, kural sonuçları fonksiyon olan bulanık modeli (TS modeli) önerir.
Japonya'da Sendai metrosu bulanık denetimle hızlanıp durarak hizmete girer.
Jang, bulanık kuralları sinir ağı gibi eğiten ANFIS'i yayımlar.
Ders
Temel Kavramlar
Her ögenin 0 ile 1 arasında bir üyelik derecesi var.
Üçgen, yamuk, Gauss: değeri dereceye çevirir.
Değerleri sözcük olan değişken: düşük, orta, yüksek.
VE için en küçük, VEYA için en büyük, DEĞİL için 1-µ.
EĞER sıcaklık yüksek İSE fan hızlı biçiminde kurallar.
Kural sonuçları bulanık küme; sonra durulaştırılır.
Kural sonuçları girdilerin fonksiyonu; hesabı hızlı.
Bulanık sonucu tek sayıya indirmek: ağırlık merkezi.
Ders
Tipik İş Akışı
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.
Konum
Ön Koşullar
Bu dersten önce bilinmesi yararlı olan dersler ve neden gerektikleri.
| Ders | Neden gerekir |
|---|---|
| Yapay Zekâ | yaklaşık akıl yürütme |
| Ayrık Matematik | kümeler, bağıntılar ve önermeler mantığı |
| Programlama | fonksiyon yazma ve basit benzetim kurma |
| Denetim Sistemleri | geri besleme ve PID denetleyici kavramı |
Konum
Dersin Komşuları
Örtüşme
Örtüştüğü Dersler
| İlişki | Ders | Ortak konu |
|---|---|---|
| alt alan | Bu ders, Yapay Zekâ dersinin alt alanıdır | yaklaşık akıl yürütme |
| yöntem paylaşır | Uzman Sistemler ve Bilgi Temsili ile yöntem paylaşır | EĞER-İSE kural tabanı, çıkarım motoru |
| yöntem paylaşır | Robotik ve Robot Görüsü ile yöntem paylaşır | bulanık denetleyiciler |
Ayrışma
Ayrıştığı Noktalar (1/2)
| Ölçüt | Bulanık Mantık | Olasılık ve İstatistik | Uzman 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? |
| Yaklaşım | kısmi üyelik ve dilsel kurallar | olasılık modeli ve çıkarım | sembolik mantık ve kurallar |
| Girdi | keskin ölçümler ve uzman kuralları | örneklem verisi | olgular ve uzman kuralları |
| Çıktı | denetim sinyali ya da karar | kestirim, güven aralığı, test sonucu | sonuç ve gerekçesi |
| Başarı ölçütü | denetim başarımı, uzmanla uyum | yansızlık, güç, anlamlılık | uzmanla uyum, açıklanabilirlik |
| Matematik yükü | düşük-orta: küme kuramı | kuramın kendisi | düşük: önerme ve yüklem mantığı |
| Veri ihtiyacı | az; uzman bilgisi | örneklem | az; 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)
| Ölçüt | Bulanık Mantık | Robotik | Yapay 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? |
| Yaklaşım | kısmi üyelik ve dilsel kurallar | algıla, planla, eyle döngüsü | ağırlıklı basit birimlerden ağ |
| Girdi | keskin ölçümler ve uzman kuralları | algılayıcı ölçümleri | sayısal öznitelik vektörü |
| Çıktı | denetim sinyali ya da karar | motor komutları, yol | sınıf ya da sayı tahmini |
| Başarı ölçütü | denetim başarımı, uzmanla uyum | görev başarısı, güvenlik | kayıp ve doğruluk |
| Matematik yükü | düşük-orta: küme kuramı | yüksek: dönüşümler, denetim | orta-yüksek: türev, matris |
| Veri ihtiyacı | az; uzman bilgisi | fiziksel deney ve benzetim | orta |
- 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
Çamaşır makinesi, klima, pirinç pişirici.
Metro hızlanıp durma, otomatik vites.
Fırın sıcaklığı, çimento ve kimya süreçleri.
Otomatik odaklama ve görüntü sabitleme.
Risk değerlendirme, tedarikçi seçimi.
Belirtilerden yaklaşık tanı ve doz önerisi.
Uygulama
Araçlar ve Örnek Veriler
Araçlar ve kütüphaneler
Klasik örnek problemler
Uygulama
Sık Karıştırılanlar
| Yaygın düşünce | Doğrusu |
|---|---|
| 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
İlgili meslekler
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.