Recomandat, 2020

Alegerea Editorului

Diferența dintre Setul Fuzzy și setul Crisp

Setul fuzzy și setul clar sunt parte a teoriilor distincte, în care setul fuzzy implementează logica cu valoare infinită, în timp ce setul clar utilizează logica bi-evaluată. Anterior, principiile sistemului de experți au fost formulate pe baza logicii booleene în care sunt utilizate seturi clare. Dar oamenii de stiinta au sustinut ca gandirea umana nu are mereu logica clare "da" / "nu" si ar putea fi vaga, calitativa, nesigura, imprecisa sau fuzzy in natura. Acest lucru a dat naștere dezvoltării teoriei setului fuzzy pentru a imita gândirea umană.

Pentru un element dintr-un univers, care cuprinde seturi fuzzy poate avea o tranziție progresivă printre mai multe grade de membru. În timp ce se află în seturi clare, tranziția pentru un element din univers între apartenența și neparticiparea într-un set dat este bruscă și bine definită.

Diagramă de comparație

Bazele de comparațieSet FuzzySet Crisp
De bază
Prescrise de proprietăți vagi sau ambigue.Definit prin caracteristici precise și anumite.
Proprietate
Elementele pot fi incluse parțial în set.Elementul este fie un membru al unui set, fie nu.
AplicațiiFolosit în controlerele fuzzyDesign digital
LogicăInfinit-evaluatebi-evaluate

Definiția Fuzzy Set

Un set fuzzy este o combinație a elementelor care au un grad de apartenență în set. Aici, "fuzzy" înseamnă vagă, cu alte cuvinte, tranziția între diferitele grade ale apartenenței respectă faptul că limitele seturilor fuzzy sunt vagi și ambigue. Prin urmare, apartenența elementelor din universul din set este măsurată pe baza unei funcții pentru a identifica incertitudinea și ambiguitatea.

Un set fuzzy este marcat de un text care are tilda sub grevă. Acum, un set fuzzy X ar conține toate rezultatele posibile din intervalul 0 la 1. Să presupunem că a este un element în univers este un element al setului fuzzy X, funcția dă cartografia cu X (a) = [0, 1] . Conceptul de noțiune utilizat pentru seturi fuzzy atunci când universul discursului U (set de valori de intrare pentru setul fuzzy X) este discret și finit, pentru setul fuzzy X este dat de:

Teoria setului fuzzy a fost inițial propusă de un om de știință de calculator Lotfi A. Zadeh în anul 1965. După ce lotul de dezvoltare teoretică a fost făcut într-un domeniu similar. Anterior, teoria seturilor clare bazate pe logica duală este folosită în calculul și raționamentul formal care implică soluțiile în oricare dintre cele două forme, cum ar fi "da sau nu" și "adevărat sau fals".

Fizica logică

Spre deosebire de logica clară, în logica fuzzy, se adaugă capacități aproximative de gândire umană pentru a fi aplicate sistemelor bazate pe cunoaștere. Dar, care a fost nevoia de a dezvolta o astfel de teorie? Teoria logicii fuzzy oferă o metodă matematică pentru a înțelege incertitudinile legate de procesul cognitiv uman, de exemplu gândirea și raționamentul, și poate, de asemenea, să se ocupe de problema incertitudinii și impreciziei lexicale.

Exemplu

Să luăm un exemplu pentru a înțelege logica fuzzy. Să presupunem că trebuie să aflăm dacă culoarea obiectului este albastră sau nu. Dar obiectul poate avea orice nuanță de albastru în funcție de intensitatea culorii primare. Deci, răspunsul ar varia în mod corespunzător, cum ar fi albastru regal, albastru marin, albastru deschis, albastru turcoaz, albastru azur și așa mai departe. Se atribuie cea mai întunecată nuanță de albastru a valorii 1 și 0 la culoarea albă la capătul inferior al spectrului de valori. Apoi celelalte nuanțe vor varia între 0 și 1 în funcție de intensități. Prin urmare, acest tip de situație în care oricare dintre valori poate fi acceptată într-un interval de la 0 la 1 este denumită fuzzy.

Definiția Crisp Set

Setul clare este o colecție de obiecte (de exemplu, U) având proprietăți identice, cum ar fi numărarea și finitudinea. Un set "B" clar poate fi definit ca un grup de elemente peste mulțimea universală U, unde un element aleatoriu poate face parte din B sau nu. Ceea ce înseamnă că există doar două căi posibile, mai întâi elementul ar putea să aparțină setului B sau nu aparține setului B. Notația de a defini setul de crisp B care conține un grup de elemente din U având aceeași proprietate P este prezentate mai jos.

Poate să efectueze operații precum unire, intersecție, compliment și diferență. Proprietățile expuse în setul clare includ comutativitatea, distributivitatea, idempotența, asociativitatea, identitatea, tranzitivitatea și involuția. Deși seturile fuzzy au aceleași proprietăți de mai sus.

Crisp Logic

Abordarea tradițională (logica clară) a reprezentării cunoștințelor nu oferă o modalitate adecvată de a interpreta datele imprecise și non-categorice. Deoarece funcțiile sale se bazează pe logica primei ordini și pe teoria probabilității clasice. În alt mod, nu se poate ocupa de reprezentarea inteligenței umane.

Exemplu

Acum, să înțelegem o logică clară printr-un exemplu. Trebuie să găsim răspunsul la întrebarea: Are un stilou? Răspunsul întrebării de mai sus este clar Da sau Nu, în funcție de situație. Dacă da este atribuită o valoare 1 și No este atribuită a 0, rezultatul instrucțiunii ar putea avea 0 sau 1. Deci, o logică care necesită un tip de manipulare binar (0/1) este cunoscută sub denumirea de logică Crisp în câmp din teoria seturilor fuzzy.

Diferențele cheie între setul fuzzy și setul Crisp

  1. Un set fuzzy este determinat de limitele sale nedeterminate, există o incertitudine cu privire la limitele stabilite. Pe de altă parte, un set clar este definit de limitele clare și conține locația exactă a limitelor stabilite.
  2. Elementele setului fuzzy sunt permise să fie parțial găzduite de set (prezentând grade graduale de membru). Dimpotrivă, elementele de setare clare pot avea un număr total de membri sau nu pot fi membri.
  3. Există mai multe aplicații ale teoriei setului clar și fuzzy, dar ambele sunt conduse spre dezvoltarea sistemelor eficiente de experți.
  4. Setul fuzzy urmează logica infinită, în timp ce un set clar se bazează pe logica bi-evaluată.

Concluzie

Teoria setului fuzzy este menită să introducă imprecizia și neclaritatea pentru a încerca să modeleze creierul uman în inteligența artificială, iar semnificația unei astfel de teorii crește zilnic în domeniul sistemelor expert. Cu toate acestea, teoria seturilor clare a fost foarte eficientă ca concept inițial de modelare a sistemelor digitale și expert care lucrează pe logica binară.

Top