STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI
Transkrypt
STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI
www.kwmimkm.polsl.pl INTELIGENTNE TECHNIKI KOMPUTEROWE www.kwmimkm.polsl.pl STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI wykład 110 1 www.kwmimkm.polsl.pl GAUSSOWSKA F. PRZYNALEŻNOŚCI ⎛ ⎛ x − x ' ⎞2 ⎞ ⎟ ⎟⎟ ⎝ ⎝ a ⎠ ⎠ 2 ⎧0 ⎪ 2 ⎪2 ⎛ x - a ⎞ ⎪⎪ ⎝⎜ c - a ⎠⎟ s( x; a, b, c ) = ⎨ 2 ⎛ x-c⎞ ⎪ ⎪1 − 2 ⎜⎝ c - a ⎟⎠ ⎪ ⎪⎩1 μ A ( x; x ', a ) = exp ⎜⎜ − ⎜ μ(x) 1 a=2 a=0.5 www.kwmimkm.polsl.pl F. PRZYNALEŻNOŚCI KLASY s dla x ≤ a dla b ≤ x ≤ a b= dla b ≤ x ≤ c a+c 2 dla x ≥ c 0.5 μ (x ) 1 0 x' 0 x 10 0.5 x’ – środek; a – określa szerokość krzywej 0 a 0 b c x 10 3 www.kwmimkm.polsl.pl F. PRZYNALEŻNOŚCI KLASY π (zdef. zdef. poprzez klasę s) 4 (alternatywa dla s) μ (x ) dla x ≤ a ⎧ s( x; c - b, c - b / 2, c ) ⎩1- s( x; c, c + b / 2, c + b) dla x ≥ c 1 π ( x; b, c ) = ⎨ 0.5 0 0 μ (x ) www.kwmimkm.polsl.pl F. PRZYNALEŻNOŚCI KLASY γ a b c x 10 dla x ≤ a ⎧0 ⎪⎪ x − a γ ( x; a , b ) = ⎨ ⎪b − a ⎩⎪1 dla a ≤ x ≤ b dla x ≥ b μ (x ) 1 1 0.5 0 0 c-b c-b/2 c c+b/2 c+b x 16 0 0 5 a b x 10 6 1 www.kwmimkm.polsl.pl F. PRZYNALEŻNOŚCI KLASY t (alternatywa dla π) μ (x ) 1 0.5 0 0 c-b c-b/2 c c+b/2 x c+b 16 ⎧ 0 ⎪x−a ⎪ ⎪b − a t ( x; a, b, c ) = ⎨ ⎪c − x ⎪c −b ⎪ 1 ⎩ dla x ≤ a dla x ≤ a ⎧1 ⎪⎪ b - x L( x; a, b)= ⎨ ⎪b - a ⎩⎪0 dla a ≤ x ≤ b dla b ≤ x ≤ c dla x ≥ c μ (x ) www.kwmimkm.polsl.pl F. PRZYNALEŻNOŚCI KLASY L dla a ≤ x ≤ b dla x ≥ b μ (x ) 1 1 0 0 a 0 b c x10 a 0 b x 10 7 www.kwmimkm.polsl.pl F. PRZYNALEŻNOŚCI KLASY singleton ⎧ 1 jeżeli x = x ' ⎩0 jeżeli x ≠ x ' 8 Np.: prędkość samochodu: www.kwmimkm.polsl.pl X: [0, xmax] • Mała prędkość samochodu (A) – typ L μ A ( x ) = δ ( x - x ')= ⎨ • Średnia prędkość samochodu (B) – typ t • Duża prędkość samochodu (C) – typ γ μ (x ) 1 1 μA(x) μB(x) μC(x) 0.5 0.5 0 0 x' x 10 Singleton charakteryzuje jednoelementowy zbió zbiór rozmyty. Funkcja ta jest wykorzystywana gł głównie do operacji rozmywania w systemach wnioskują wnioskujących. 40 x=55 9 www.kwmimkm.polsl.pl μ(x) α 0 Jądro 80 xmax ⇒ μA(x) =0.25, =0.25, μB(x)=0.7 )=0.75, μC(x)=0 x 10 www.kwmimkm.polsl.pl Np.: Np.: A= 1 60 0.1 0.3 0.7 0.6 0.3 + + + + 2 4 5 8 10 X={1, ..., 10} x α - przekrój α -przekroje: przekroje: Baza - Nośnik (baza) ZR A: zbiór elementów ZR, dla których μ (x) >0 supp A = {x ∈ X; μ A ( x ) > 0} Jądro ZR A: zbiór elementów ZR, dla których μ(x)=1 core( A) = { x ∈ X : μ A ( x ) = 1 } - α -przekrój ZR A: zbiór nierozmyty taki, że: Aα = { x ∈ X : μ A ( x ) ≥ α } ∀(α ∈ [0,1] 11 A0 = X = {1, ..., 10} 10}, A0.1 = {2, 4, 5, 8, 10}, A0.3 = {4, 5, 8, 10}, A0.6 = {5, 8}, A0.7 = {5}. 12 2 www.kwmimkm.polsl.pl Wysokość zbioru rozmytego A: www.kwmimkm.polsl.pl Inkluzja (zawieranie sie ZR A w ZR B): μ B(x) μ (x) h( A) = sup μ A ( x ) x∈A Zbiór normalny: normalny: μ A(x) h( A) = 1 Normalizacja zbioru: μ AN ( x ) = x μA ( x) ∧ h ( A) ZR wypukły: wypukły: x∈ X ZR niewypukły: niewypukły: μ (x) Np. Np.: μ (x) 0.2 0.5 0.4 + + 3 5 7 - przed normalizacją: A= - po normalizacji: AN = 0.4 1.0 0.8 + + 3 5 7 x x 13 www.kwmimkm.polsl.pl Równość dwu ZR A i B: μA ( x ) = μB ( x ) ∀x ∈ X 14 www.kwmimkm.polsl.pl PRZECIĘCIE W literaturze istnieje wiele definicji przecięcia (iloczynu) zbiorów rozmytych pod wspólną nazwą T-norm. OPERACJE NA ZBIORACH ROZMYTYCH μ A ∩ B ( x ) = T (μ A ( x ), μ B ( x )) Najczęściej stosowana definicja przecięcia zbiorów A i B: μ A∩B ( x ) = min {μ A ( x ), μ B ( x )} 1 μ (x) μ A(x) μ B(x) μ A∩B(x) x 0 15 www.kwmimkm.polsl.pl lub (iloczyn algebraiczny): algebraiczny): μ (x) T : [0,1] × [0,1] → [0,1] nazywamy T -normą, jeżeli: jest nierosnąca względem obu argumentów: μ A(x) T ( a, c ) ≤ T (b, d ) dla μ B(x) a≤b c≤d spełnia warunek przemienności: μ A∩B(x) 0 www.kwmimkm.polsl.pl T-norma Funkcję 2 zmiennych T μ A∩B ( x ) = μ A ( x ) ⋅ μ B ( x ) 1 16 T (a, b) = T (b, a ) spełnia warunek łączności: x T (T ( a , b), c ) = T ( a , T (b, c) ) spełnia warunki brzegowe: T ( a , 0) = 0, T ( a ,1) = a 17 gdzie a, b, c, d ∈ [0,1]. 18 3 www.kwmimkm.polsl.pl SUMA Definicje sumy zbiorów rozmytych mają nazwę S-norm. www.kwmimkm.polsl.pl S-norma (T-konorma) konorma) S : [0,1] × [0,1] → [0,1] Funkcję 2 zmiennych S nazywamy S -normą, jeżeli: Np.: jest nierosnąca względem obu argumentów: μ A∪B ( x ) = max {μ A ( x ), μ B ( x )} S ( a, c ) ≤ S (b, d ) dla a≤b c≤d spełnia warunek przemienności: μ (x) 1 μ A(x) S ( a, b) = S (b, a ) μ B(x) spełnia warunek łączności: μ A∪B(x) S ( S ( a , b ), c ) = S ( a , S ( b, c) ) spełnia warunki brzegowe: x 0 S ( a , 0) = a , S ( a ,1) = 1 19 www.kwmimkm.polsl.pl Każdej T-normie odpowiada S-norma: gdzie a, b, c, d ∈ [0,1]. Przykład: S a * b = 1 − ⎡⎢ (1 − a ) *(1 − b ) ⎤⎥ ⎣ ⎦ Przykłady T-norm i S-norm: T Nr 1 2 3 T(a, b) min(a, b) ab max(a + b – 1, 0) 4 ⎧ a gdy b = 1 ⎪ ⎨ b gdy a = 1 ⎪ 0 gdy a, b ≠ 1 ⎩ A= S(a, b) max(a, b) a + b – ab min(a + b, 1) 20 www.kwmimkm.polsl.pl X = {1, 2, 3, 4, 5, 6, 7} 0.8 1 0.7 + + 3 5 7 Przecięcie: A∩ B = B= 0.5 0.8 1 + + 3 5 6 0.5 0.8 + 3 5 Suma: ⎧ a gdy b = 0 ⎪ ⎨ b gdy a = 0 ⎪ 1 gdy a,b ≠ 0 ⎩ A∪ B = 0.8 1 1 0.7 + + + 3 5 6 7 21 www.kwmimkm.polsl.pl μ Aˆ ( x ) = 1 − μ A ( x ) DOPEŁNIENIE zbioru rozmytego: μ (x) 1 22 Przykład: Przykład: www.kwmimkm.polsl.pl X = {2, 3, 4,5, 6, 7} μ Â(x) μ A(x) A= 0.8 1 0.9 0.7 + + + 3 5 6 7 x 0 1 0.2 1 0.1 0.3 Aˆ = + + + + 2 3 4 6 7 Dla ZR nie są spełnione prawa dopełnienia: μ (x) A ∪ Aˆ ≠ X 1 μ A(x) μ Â(x) μ (x) 1 A ∩ Aˆ ≠ ∅ 0 0.2 0.1 0.3 + + ≠∅ Przecięcie: A ∩ Aˆ = x 0 μ A(x) 3 6 7 μ Â(x) ˆ 1 0.8 + 1 + 1 + 0.9 + 0.7 ≠ X Suma: A ∪ A = + 2 x 23 3 4 5 6 7 24 4 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl Liczby rozmyte to ZR zdefiniowane na osi liczb rzeczywistych. Wymagania: • zbiór normalny: h(A)=1; )=1; LICZBY ROZMYTE 11 μ (x) 0 • zbiór wypukły; • funkcja przynależności przedziałami ciągła. Liczby rozmyte: x x μ (x) • dodatnie 1 • ujemne; • ani dodatnie ani ujemne. x 0 x 25 www.kwmimkm.polsl.pl Dodawanie liczb rozmytych: rozmytych: μ 1 μ A+ B ( x ) = max {μ A ( y ), μB ( z ) x = y + z} μA(y) μB(z) 26 www.kwmimkm.polsl.pl Trójkątne liczby rozmyte: rozmyte: Opis: μ (x) - f. przynależności klasy t; - jako: A = ( a1 , a M , a2 ) μA+B(x) 1 0 x 0 Wyostrzanie trójkątnej liczby rozmytej: x Mnożenie liczb rozmytych: rozmytych: μ A⋅B ( x ) = min {μ A ( y ), μB ( z ) x = y ⋅ z} μ 1 y(1) = a M μA(y) μB(z) a1 + a M + a2 3 y(3) = a1 + 2a M + a2 4 aM y(4) = a2 x a1 + 4a M + a2 6 μ(x) μA·B(x) Płaskie liczby rozmyte: rozmyte: x 0 y(2) = x a1 27 x 1 0 www.kwmimkm.polsl.pl x 28 www.kwmimkm.polsl.pl Logika tradycyjna (dwuwartościowa): O prawdziwości zdań wnioskuje się na podstawie prawdziwości innych zdań. PRZYBLIŻONE WNIOSKOWANIE Schemat notowania: • Nad kreską zdania, na podstawie których się wnioskuje; • Pod kreską otrzymany wniosek. Jeśli prawdziwe są wszystkie zdania powyżej kreski to prawdziwy jest też wniosek. wniosek. Teraz: A, B – zdania. zdania. 29 30 5 www.kwmimkm.polsl.pl Zdanie logiczne o strukturze „jeśli p to q" (p (p⇒q) Funktory logiczne: logiczne: • p – poprzednik implikacji; Operacja logiczna Funktor Czyta się: negacja ~ lub ¬ nie jest prawdą, że... • q – następnik implikacji. koniunkcja ∧ i, oraz alternatywa implikacja ∨ ⇒ lub jeżeli... to ... równoważność ⇔ ≡ wtedy i tylko wtedy, gdy... kwantyfikator ogólny ∀ dla każdego... kwantyfikator szczególny ∃ istnieje takie... tożsamość www.kwmimkm.polsl.pl Implikacja (wynikanie): • A=1 : logiczną wartością zdania A jest prawda; prawda; • A=0 : logiczną wartością zdania A jest fałsz. fałsz. Implikacja jest prawdziwa: • gdy q jest prawdziwe; • gdy p i q są fałszywe. jest tożsame... 31 REGUŁY WNIOSKOWANIA www.kwmimkm.polsl.pl Wniosek: www.kwmimkm.polsl.pl MODUS TOLLENS Modus tollendo tollens– tollens– sposób wnioskowania prowadzący przez przeczenie do przeczenia. MODUS PONENS Modus ponendo ponens – sposób wnioskowania przez twierdzenie p do twierdzenia q. Przesł Przesłanka: Implikacja: 32 Przesł Przesłanka: Implikacja: A A →B Wniosek: B ~B A →B ~A Z prawdziwości przesłanki i implikacji również wynika prawdziwość wniosku. wniosku. Np.: Np.: • B=0 (~B =1) „Jacek nie ma prawa jazdy” (~B=1) • A=0 (~A=1) ~A=1) „Jacek nie jest kierowcą” • Jeśli B=0 to A=0 Z prawdziwości przesłanki i implikacji wynika prawdziwość wniosku. wniosku. Np.: Np.: • A=1 „Jacek jest kierowcą” • B=1 „Jacek ma prawo jazdy” • Jeśli A=1 to B=1 33 34 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl REGUŁY WNIOSKOWANIA W LOGICE ROZMYTEJ Reguły, których przesłanki lub wnioski wyrażone są w języku zbiorów rozmytych. rozmytych. Reguły mają postać IF...AND...THEN. IF...AND...THEN. np.: np.: IF a is A1 AND b is B1 THEN c is C1 IF a is A2 AND b is NOT B2 THEN c is C2 • Reguły pochodzące od ekspertów zwykle wyrażone są w języku nieprecyzyjnym. nieprecyzyjnym. gdzie: a, b, c – zmienne lingwistyczne, A1, ..., C2 – zbiory rozmyte. • Zbiory rozmyte pozwalają przełożyć ten język na konkretne wartości liczbowe. liczbowe. Praca systemu decyzyjnego opartego na logice rozmyrozmytej zależy od definicji reguł rozmytych w bazie reguł. reguł. 35 Zmienne lingwistyczne: zmienne, które przyjmują jako wartości słowa lub zdania wypowiedziane w języku naturalnym. (również wartości liczbowe). 36 6 www.kwmimkm.polsl.pl Różnice w porównaniu z klasycznymi regułami IFIF-THEN: THEN: • Wykorzystanie zmiennych opisujących zbiory rozmyte; Implikacja: • Występowanie mechanizmu określającego stopień przynależności elementu do zbioru; www.kwmimkm.polsl.pl Przesł Przesłanka: Wniosek: Prędkość samochodu jest duża Jeś Jeśli prę prędkość dkość samochodu jest bardzo duż duża → poziom hał hałasu jest wysoki Poziom hałasu jest średniowysoki • Wykorzystanie operacji na zbiorach rozmytych. Np.: Schemat wnioskowania, w którym przesłanka, przesłanka, implikacja i wniosek są nieprecyzyjne: nieprecyzyjne: Przes Przesłanka: anka: Implikacja: Wniosek: Prędkość samochodu jest duża Rozmyta reguła wnioskowania modus ponens : Przesł Przesłanka: x jest A’ Implikacja: Jeś Jeśli x jest A→ y jest B y jest B’ Wniosek: Jeś Jeśli prę prędkość dkość samochodu jest bardzo duż duża → poziom hał hałasu jest wysoki Poziom hałasu jest średniowysoki 37 www.kwmimkm.polsl.pl Przesł Przesłanka: Prędkość samochodu jest duża Implikacja: Jeś Jeśli prę prędkość dkość samochodu jest bardzo duż duża → poziom hał hałasu jest wysoki Wniosek: 38 www.kwmimkm.polsl.pl Do każdego elementu zbiorów T1 i T2 można przyporządkować zbiór rozmyty o założonej przez nas funkcji przynależności. Tu: A – „prędkość samochodu jest bardzo duża”; A’ – „prędkość samochodu jest duża”; B – „poziom hałasu jest wysoki”; B’ – „poziom hałasu jest średniowysoki”. średniowysoki”. Poziom hałasu jest średniowysoki Zmienne lingwistyczne: • x – prędkość samochodu • y – poziom hałasu • Implikacja ma tą samą postać (A→B) w regule rozmytej jak i w nierozmytej. nierozmytej. Zbiór wartości zmiennych lingwistycznych: • x: T1={„mała ”, „średnia ”, „duża ”, „bardzo T1={„mała”, „średnia”, „duża”, „bardzo duża”} duża”} • y: T2={„mały ”, „średni ”, „średniowysoki ”, „wysoki ”} T2={„mały”, „średni”, „średniowysoki”, „wysoki”} 39 www.kwmimkm.polsl.pl Do każdego elementu zbiorów T1 i T2 można przyporządkować zbiór rozmyty o założonej przez nas funkcji przynależności. Tu: A – „prędkość samochodu jest bardzo duża”; A’ – „prędkość samochodu jest duża”; B – „poziom hałasu jest wysoki”; B’ – „poziom hałasu jest średniowysoki”. średniowysoki”. • Implikacja ma tą samą postać (A→B) w regule rozmytej jak i w nierozmytej. nierozmytej. • W regule rozmytej jej przesłanka nie dotyczy zb. zb. rozmytego A lecz A’, A’, który może być zbliżony do A, ale niekoniecznie A=A’. A’. 41 • W regule rozmytej jej przesłanka nie dotyczy zb. zb. rozmytego A lecz A’, A’, który może być zbliżony do A, ale niekoniecznie A=A’. A’. 40 www.kwmimkm.polsl.pl • Ponieważ A≠A’ - wniosek jest inny niż byłby w przypadku reguły nierozmytej. nierozmytej. • Zbiór rozmyty B’ jest określony przez złożenie zbioru rozmytego A’ oraz implikacji A⇒B: B ' = A ' °( A → B ) Rozmyta reguła wnioskowania modus tollens : Przesł Przesłanka: y jest B’ Implikacja: Jeś Jeśli x jest A→ y jest B x jest A’ Wniosek: 42 7 www.kwmimkm.polsl.pl www.kwmimkm.polsl.pl Wyznaczanie funkcji μA→B(x,y) gdy μA(x) oraz μB(y) są znane: 1. Reguła Mamdaniego: Mamdaniego: μA→B ( x, y ) = min[ μA ( x ), μB ( y )] STEROWNIKI ROZMYTE 2. Reguła Larsena: Larsena: μ A→ B ( x, y ) = μ A ( x ) ⋅ μB ( y ) 3. Reguła Łukasiewicza: μ A→ B ( x, y ) = min [1,1- μ A ( x ) + μB ( y )] 4. Reguła Zadeha: Zadeha: ... μ A→ B ( x, y ) = max {min [ μ A ( x ), μ B ( y ) ] ,1 − μ A ( x )} 43 www.kwmimkm.polsl.pl Zastosowania praktyczne: • sprzęt AGD (pralki, lodówki, odkurzacze); • kamery (autofokus ); (autofokus); • nadzór wentylacji w tunelach; • sterowanie światłami na wjeździe na autostradę; • klimatyzacja; • automatyka przemysłowa; • sterowanie robotów; • ... 44 www.kwmimkm.polsl.pl STEROWNIK ROZMYTY: ROZMYTY: BAZA REGUŁ x BLOK BLOK A' ⊆X ROZMYWANIA WNIOSKOWANIA B' BLOK WYOSTRZANIA Baza reguł (model lingwistyczny): zbiór rozmytych reguł w postaci: R ( k ) : IF ( x1 is A1k AND x2 is A2k K AND xn is Ank ) THEN (y1 is B1k AND y2 is B2k K AND ym is Bmk ) 45 Np. Sterowanie ogrzewaniem: www.kwmimkm.polsl.pl mróz zimno chłodno tanio mocno mocno średnio średnio mocno średnio słabo drogo średnio słabo wcale 46 1 R www.kwmimkm.polsl.pl ROZMYWANIE (fuzzyfikacja) fuzzyfikacja) • Przejście od pomiarów (konkretna wartość x 1) do funkcji przynależności przez określenie stopni przynaprzynależności zmiennych lingwistycznych do każdego ze zbiorów rozmytych. • Temperatura: T =15° =15°C Np.: • Cena_ogrz: p =48zł/MBTU R (3) : IF (Temperatura is chłodno AND Cena _ ogrz is tanio) THEN (Grzać is średnio) Temperatura Cena ogrzewania R (1) : IF (Temperatura is mróz AND Cena _ ogrz is tanio) THEN (Grzać is mocno) (2) y : IF (Temperatura is chłodno AND Cena _ ogrz is drogo) THEN (Grzać is wcale) μchłodno(T) 0.5 μtanio(p) 0.3 0 47 1 15°C T 0 48zł/MBtu p 48 8 www.kwmimkm.polsl.pl 1 μchłodno(T)=0.5 1 0.5 μtanio(p)=0.3 Obliczanie stopnia prawdziwości wniosku: • Wnioskowanie MIN: MIN: 0.3 0 0 T 15°C www.kwmimkm.polsl.pl WNIOSKOWANIE μwniosku = min{ μcałe , μśrednio} p 48zł/MBtu Stopień spełnienia reguły dla wszystkich przesłanek: μcałe ( x) = min{ μchłodno (T ), μtanio ( p)} μśrednio(h) 1 μcałe=0.3 = min{0.5,0.3} = 0.3 μwniosku(h) 0 „poziom zapłonu reguły” reguły” h 49 www.kwmimkm.polsl.pl 50 Jeżeli więcej niż jedna reguła ma niezerowy poziom zapłonu, wyniki (zbiory rozmyte) sumuje się. się. • Wnioskowanie • (iloczyn alg.): alg.): THEN Grzać is słabo THEN Grzać is średnio THEN Grzać is mocno μwniosku = μcałe μśrednio 1 μśrednio(h) μwniosku 1 μcałe=0.3 słabo μwniosku(h) 0 www.kwmimkm.polsl.pl AGREGACJA średnio mocno h 0 h 51 WYOSTRZANIE (defuzzyfikacja) defuzzyfikacja) www.kwmimkm.polsl.pl Jeżeli na wyjściu wymagana jest wartość liczbowa, liczbowa, stosuje się jedną z metod wyostrzania: 52 Tu: www.kwmimkm.polsl.pl μwniosku 1 • Metoda pierwszego maksimum: słabo COG 0 • Metoda środka maksimum: średnio mocno h 57° COG dla zbiorów ciągłych: h= ∑μ Ac ∑μ A i i i i i Ai – powierzchnia zbioru i i i μi – stopień przynależności do zbioru i • Metoda środka ciężkości (COG): 53 ci – środek ciężkości zbioru i. 54 9