مجموعه های فازی و استفاده از دانش

دانلود پایان نامه

4-1- مقدمه

  • انسان به عنوان یک موجود هوشمند، اغلب با استفاده از اطلاعات کیفی و ذهنی و تجربیات خود قادر به هدایت و راهبری سیستمهای پیچیده، به صورت موفقیت آمیزی می‌باشد. توانایی انسان در برخورد و مواجهه با این سیستمها و نحوه‌ی عملکرد او، باعث گردیده تا محققین رو به مدلسازی شیوه عملکرد انسان در حل اینگونه مسایل بیاورند. این تحقیقات در دو شاخه‌ی کاملآ مجزا آغاز شده و منجر به ایجاد دو زمینه‌ی تحقیقاتی جدید شبکه‌های عصبی و سیستمهای فازی گردید. در دیدگاه شبکه عصبی، سعی در الگوبرداری از نحوه‌ی عملکرد سیستم عصبی و مغز انسان شده است. این شیوه با تکیه بر قابلیت یادگیری و توانایی پردازش موازی در شبکه‌های عصبی طبیعی قادر به حل مسایل پیچیده می‌باشد [16 و 17].
    توانایی شبکه‌های عصبی در برخورد با مسایل مختلف پردازش سیگنال، الگوشناسی، مدلسازی، شناسایی، پیش‌بینی، کنترل و بهینه‌سازی با مثال‌های مختلف در چند دهه اخیر تایید شده است و امروزه این ساختارها با توجه به قابلیت یادگیری‌شان بعنوان یکی از روشهای متداول غیر وابسته به مدل مطرح و به وفور مورد استفاده قرار می‌گیرند.
    از اشکالات عمومی شبکه‌های عصبی می‌توان به غیر شفاف و مات بودن نحوه ی ذخیره شدن اطلاعات در آنها اشاره نمود، به این معنی که اطلاعات در مجموعه وسیعی از ضرایب نگهداری شده و رابطه مستقیم و قابل درکی با پارامترهای شبکه ندارند یا به عبارتی بسیار ساده تر رابطه منطقی برای چگونگی آموزش پارامترها وجود ندارد [18]. ولی خاصیت یادگیری در این شبکه ها می تواند به عنوان یک نقطه برتری مدنظر قرار گیرد.
    سیستمهای فازی بر پایه نحو‌ی تصمیم‌گیری تقریبی بر پایه تجربه فردی یا گروهی انسان بنا شده‌اند. در این سیستم‌ها به مدلسازی کمیتها به صورت کیفی و شهودی پرداخته (بجای استفاده از مقادیر کمی) و به این ترتیب در مواجهه با نامعینی‌ها تلاش می‌کنیم [19].
    از مزایای بزرگ سیستم‌های فازی، سادگی و قابلیت فهم آنها می‌باشد که استفاده و درک آنها را بسیار ساده می‌کند. قابلیت استنتاج تقریبی و دقت قابل تنظیم در برخورد با مسایل از دیگر مزایای این سیستم‌ها می‌باشد اما متاسفانه این سیستم‌ها دارای قابلیت یادگیری نمی‌باشند و در مواجهه با سیستم‌های پیچیده، مشکل تنظیم کردن زمانبر و طاقت‌فرسای توابع عضویت و قوانین لازم را دارند. اگرچه که توانایی سیستم‌های فازی نیز در حل مسایل پیچیده مدل‌سازی و پیش‌بینی، کنترل و هوش مصنوعی با استفاده از مثال‌های متعدد مورد تایید قرار گرفته است [20]. با توجه به قابلیت‌های مکمل (و نه رقابتی) این دو راهکار یعنی شبکه های عصبی و سیستم های فازی، با ترکیب آنها می‌توان تواماً از مزایایشان استفاده کرد. بدین صورت که با افزودن خاصیت یادگیری شبکه های عصبی به سیستم های فازی می توان مشکلات مربوط به چگونگی تنظیم توابع تعلق و قوانین را مرتفع ساخت. توسعه سیستم‌های فازی– عصبی گامی در همین راستا می‌باشد که با ترکیب این دو روش از قابلیت یادگیری و پردازش موازی شبکه‌های عصبی و استنتاج تقریبی فازی استفاده می‌کند و ماحصل آن یک سیستم هوشمند است که در برخورد با یک سیستم، بدون در دست داشتن معادلات دیفرانسیل حاکم و با داشتن حداقل امکانات ممکن (مثلاً داشتن توصیف تقریبی و زبانی و یا داشتن مقادیری خاص از یک متغیر) توانایی تجهیز و تحلیل دارد و قابلیت تطبیق‌پذیری آن مشکل ما را در مواجهه با سیستم‌های تغییر‌پذیر حل می‌نماید.
    4-2- فازی
    4-2-1- مجموعه های فازی
    مجموعه فازی مشابه مجموعه کلاسیک است که هر عضو علاوه بر عضویت دارای میزان وابستگی در محدوده]1 0[ به مجموعه نیز هست.
    (4-1)
    مجموعه فازی دارای سه ویزگی مهم است ]21[:
    1- توابع تعلق، که میزان وابستگی هر عضو به مجموعه را نشان می دهند، توابعی ریاضی هستند همانند توابع گوسین و مثلثی.
    2- توابع تعلق را می توان با استفاده از دانش انسان خبره و یا با مجموعه های فازی جمع آوری شده بطور دقیق تنظیم کرد.
    3- مجموعه فازی متناظر با تابع تعلق است، زیرا هر مجموعه فازی با تابع تعلق خود رابطه یک به یک دارد.
    4-2-2- منطق فازی
    منطق ، مطالعه روش ها و اصول استدلال می باشد و استدلال به معنای به دست آوردن گزاره هاو نتایج جدید از گزاره ها و عبارت های موجود است. در منطق فازی بر خلاف منطق کلاسیک طیفی از درستی در محدوده ]1 0[ داریم. این تعمیم امکان استدلال تقریبی را از نتایج نادقیق و تقریبی از شرایط نادقیق می دهد. منطق فازی بر سه اصل اساسی وضع مقدم تعمیم یافته ، رفع تالی تعمیم یافته و قیاس فرضی تعمیم یافته استوار است. این سه اصل تعمیم یافته قواعد استنتاج منطق کلاسیک است ]21[.
    4-2-3- سیستم فازی
    سیستم فازی همانطور که در شکل (4-1) نشان داده شده است، از پنج بخش پایگاه داده، پایگاه قواعد ، موتور استنتاج فازی ، فازی ساز و غیرفازی ساز تشکیل شده است ]21[. فازی ساز نگاشتی از یک نقطه به یک مجموعه فازی است، متداول ترین فازی ساز، فازی ساز گوسین است. پایگاه قواعد فازی، مجموعه دانش ما در مورد مساله تعریف شده است و پایگاه داده شامل اطلاعاتی از تعداد و نوع توابع تعلق و تکیه گاه آنها می باشد. موتور استنتاج فازی با استفاده از پایگاه دانش که همان قواعد فازی است از مجموعه های فازی ورودی، خروجی متناسبی را استنتاج می نماید. حال باید مجموعه های فازی خروجی را با یک نگاشت به نام غیرفازی ساز به نقطه قطعی منتسب نماییم. سیستم فازی را می توان به عنوان کنترل کننده در سیستم حلقه باز و حلقه بسته استفاده نمود.

      درمان و پیشگیری و اکسیداسیون چربی

    4-3- کنترل کننده فازی بازوی انعطاف پذیر
    کنترل کننده فازی که طراحی می شود دارای چهار ورودی، شامل خطای جابجایی زاویه مفصل، خطای انحراف انتهای بازوی انعطاف پذیر و مقادیر مشتق آنها و یک خروجی، ولتاژ اعمالی به موتور، می باشد. برای هرمتغیر ورودی و خروجی، 3 تابع تعلق با نام های مثبت، صفر و منفی تعریف شده است.
    ساختار کنترل کننده فازی در شکل (4-2) نشان داده شده است.

    برای چنین کنترل کننده ای پایگاه قواعدی با 34 قانون می توان متصور شد ولی علاوه بر اینکه تعداد زیاد قوانین باعث افزایش حجم محاسبات و ایجاد مشکل درپیاده سازی می شود، وجود قوانین چهار بعدی باعث افزایش پیچیدگی در تعبیر پذیری و وجود قانون های معادل تکراری یا متناقض در کنار یکدیگر است.

    این نوشته در مقالات و پایان نامه ها ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.