Obiettivi - PowerPoint PPT Presentation

About This Presentation
Title:

Obiettivi

Description:

Title: Presentazione di PowerPoint Author: Mantovani Last modified by: Mantovani Created Date: 9/29/2002 2:41:16 PM Document presentation format: Presentazione su schermo – PowerPoint PPT presentation

Number of Views:64
Avg rating:3.0/5.0
Slides: 34
Provided by: Mant164
Category:

less

Transcript and Presenter's Notes

Title: Obiettivi


1
Obiettivi
Conoscere strumento della Fuzzy Logica
Analisi di un progetto
2
Argomenti, obiettivi
  • Antefatto contraddizioni logica classica
  • Inquadramento storico
  • Sistemi Fuzzy
  • Settori (Fisica / Aerodinamica) nei quali tale
    strumento
  • può essere applicato con successo
  • Rivedere concetti fondamentali alla base di
    questo metodo

3
Cosa non è e cosa è la Logica Fuzzy
  • La Logica Fuzzy non si pone lobiettivo di
    modificare
  • Il modo di ragionare di un uomo
  • la metodologia usata da un uomo per
  • - affrontare un problema
  • - per prendere delle decisioni
  • La Logica Fuzzy si pone lobiettivo di trovare
  • un metodo semplice e funzionale per
    codificare(tradurre in un codice utilizzabile da
    una macchina) il modo di ragionare di un uomo.
  • un metodo per codificare la conoscenza,
  • un metodo per catturare lesperienza

4
Il concetto di verità nella Logica Aristotelica
  • Verità logica gli enunciati che descrivono
    relazioni
  • logiche o matematiche, come
  • 6-33 (vero)
  • 856 (non vero)
  • sono vere o falso in ogni contesto
  • Verità fattuali enunciati che descrivono fatti
    o eventi possibili
  • si deve azionare il postbruciatore
  • fa freddo
  • sono vere o false a seconda dei casi

5
Verità fattuali
  • La natura delle cose è molto più
  • complessa
  • - cosa è una montagna? Cosè una collina?
  • esiste un passaggio brusco da collina
  • a montagna?
  • Levento misurato è una temperatura?
  • Che peso ha la temperatura nel modello
  • matematico che descrive il sistema?

6
Fuzzy Sets
L.A. Zadeh (1965), Dep. Of Ingeneering and
Electronics Research Laboratory - Berkeley
Teoria classica
Teoria fuzzy
1
X appartiene ad A
f(x)1
X
0
Il grado di appartenenza Di x ad A è definito da
una membership function fA(x) numero reale 0,1
X non appartiene ad A
f(x)0
X
7
Granularizzazione delle variabili nella logica
fuzzy
8
Osservazione
9
Ragionamenti basati sulla logica
  • Ogni ragionamento prevede delle relazioni
    logiche, regole, costituite da
  • una premessa e una conclusione(conseguenza)
  • la premessa di una regola è un
    enunciato,proposizione (semplice o composta)
  • - definisce le condizioni in cui la conclusione
    deve essere applicata
  • la conclusione (conseguenza) di una regola
  • - definisce lazione che deve essere attivata
    quando
  • la condizione della premessa è verificata

10
I ragionamenti nelle due logiche
11
Logica aristotelica esempio nella matematica
  • Se la premessa è vera allora La conclusione
    (conseguenza) è attivata
  • Se la premessa non è vera allora La conclusione
    (conseguenza) non è attivata
  • Esempio EQ. di II grado
  • Se il ? gt 0 allora abbiamo 2 sol. reali distinte
  • Se il ? 0 allora abbiamo 2 sol. reali
    coincidenti
  • Se il ? lt 0 allora abbiamo 2 sol. complesse
    coniugate

X1, x2
X1 x2
X1 aib X2a-ib
12
I ragionamenti nel mondo reale
Tutta la nostra vita si basa su
decisioni, azioni legate a dei
ragionamenti(consci o inconsci) Nel mondo
reale gli enunciati che definiscono le premesse
sono sempre o veri o falsi ? - Se è caldo
accendo il condizionatore. Ma Cosa vuol dire è
caldo ? Ha senso introdurre una soglia per
decidere se è caldo ? Non è forse più sensato
attivare il condizionatore proporzionalmente
alla sensazione di caldo che proviamo. Detto in
modo Fuzzy proporzionalmente a quanto è vera (al
grado di verità) la proposizione è caldo. Si
intuisce allora lopportunità di implementare
sulle macchine un modus operandi più simile a
quello umano. Per far ciò dobbiamo rendere fuzzy
i concetti su cui si basano il loro modo di
ragionare.
13
Un altro confronto
Logica binaria
  • If (V is L) then
  • If (V is M) then
  • If (V is H) then Cons.H

Cons. L
1
M
  • Cons.M

L
H
V
0
49.9
50.1
Logica fuzzy
  • If (V is L) then
  • If (V is M) then
  • If (V is H) then Cons.H

Cons. L, M
1
L
M
H
V
0
51.1
14
I/O
  • Punto di partenza osservare che nel mondo reale,
  • i processi decisionali, o ragionamenti, hanno
    sempre
  • lo stesso obiettivo
  • TROVARE UNA RELAZIONE TRA INGRESSO E USCITA
  • Per un fisico equivale a trovare un modello
  • In generale, il processo decisionale che ci porta
    a prendere ogni decisione.
  • Es. se fa freddo allora mi copro.
  • ma QUANTO freddo io stia provando è soggettivo,
    e come mi coprirò è strettamente legato
    allingresso, ossia alla percezione.
  • Luscita sarà quindi proporzionale al grado di
    verità
  • dellaffermazione in ingresso

15
Lalgoritmo Fuzzy
Lalgoritmo descrive come rendere computabile un
ragionamento basato su un set di regole Fuzzy
Fenomeno reale
  • OBIETTIVO
  • Individuare le variabili che lo regolano
  • Stabilire relazione I/O

Input
Relazioni deterministiche di tipo IfThen
OUTPUT
16
Come costruire lAlgoritmo Fuzzy ?
  • Definire gli insiemi Fuzzy delle variabili di
    ingresso e uscita (granularizzazione delle
    variabili)
  • Definire le regole che correlano le variabili di
    ingresso e uscita
  • (IF ..THEN rules)
  • Precisare come calcolare
  • - il grado di verità della premessa di ogni
    regola
  • - linferenza delle singole regole
  • - il contributo di tutte le regole

17
Come calcolare il grado di verità (T) della
Premessa
  • La premessa di una regola (If Premessa THEN
    Conseguenza)
  • può essere una proposizione
  • semplice (x is L)
  • Composta (x is L) and (y is M) (x is L) or
    (y is M)

18
Calcolo del grado di verità (T) della premessa
(secondo Zadeh)
  • Proposizione semplice
  • x is L T aL 0.6
  • x is M T aM 0.4
  • Proposizione composta
  • (x is L) and (y is H) T min (aL , aH ) 0.4
  • (x is L) or (y is H) T max (aL , aH ) 0.6

1
0.6
L
M
H
0.4
V
0
X
1
L
M
H
0.4
V
0
X
1
L
M
H
0.6
V
0
Y
19
Inferenza di un sistema fuzzy(Aggregazione di
tre regole)
20
Il ragionamento fuzzy si basa su
  • Uso di variabili linguistiche
  • variabili che utilizzano parole( aggettivi
    descritti da insiemi fuzzy) al
  • posto dei numeri
  • Uso di regole fuzzy
  • IF premise THEN conclusion
  • Aggregazione dei contributi delle regole
    (inferenza)
  • Se richiesta, defuzzificazione

21
Conclusioni
Ragionamento fuzzy, logica fuzzy
Metodo tradizionale, logica aristotelica
  • Variabili numeriche
  • Relazioni matematiche
  • (esigenza di un modello)
  • -La conseguenza di una
  • relazione logica è o non è
  • attivata, nella misura in cui
  • la premessa è o non è vera
  • variabili linguistiche
  • regole fuzzy
  • (conoscenza tramite esperto)
  • -la conseguenza di una regola
  • è attivata proporzionalmente
  • al grado di verità della premessa

SEMPLICE E FUNZIONALE
RIGOROSO MA COMPLESSO
22
Esempi
  • Pendolo inverso
  • Approssimazione di funzioni
  • (modello fuzzy)

23
Pendolo Inverso
  • La soluzione classica
  • richiede una equazione differenziale del 4
    ordine
  • Sono state pubblicate diverse soluzioni fuzzy che
    richiedono da 9 a 15 regole coinvolgendo ? e
    d?/dt

2L
?
24
Pendolo Inverso con liquido(Yamakawa)
2r
2L
?2
?1
m
v
M
0
Y
25
Confronto tra le regolazioni
26
Risultati
2r
  • Il bicchiere è stabilizzato
  • indipendentemente
  • - dalla quantità di liquido contenuto
  • - dalla lunghezza del supporto (2L)
  • Le regole non cambiano al variare di
  • m, r, L ed h

?1
2L
?2
m
v
M
0
Y
27
Il controllo fuzzy è model-free
  • La presenza del liquido nel
  • bicchiere può essere modellizzata
  • Il topo si muove a caso e non
  • può essere modellizzato

IL SISTEMA E COMUNQUE STABILE
28
Approssimazione di funzioni
Approccio classico
Ricerca di un MODELLO, ovvero di un funzione di
una relazione matematica del tipo Y f(X)
29
Approccio fuzzy
Scrive le regole IF (x is L) THEN (y is L) IF
(x is M) THEN (y is M) IF (x is H) THEN (y is L)
H
30
Gradi di verità
31
(No Transcript)
32
(No Transcript)
33
(No Transcript)
Write a Comment
User Comments (0)
About PowerShow.com