Vad är fuzzy expertsystem?
Det fuzzy expertsystemet är en form av problemlösning som används av ett datorsystem, som ofta används för att skapa konstgjord intelligens. Expertsystem är typer av beslutsfattande datorprogramvara baserad på Boolean logik, vilket innebär att systemet använder en serie ja eller nej svar för att försöka lösa ett problem. Fuzzy expertsystem expanderar på det traditionella expertsystemet och är baserade på fuzzy logik istället för Boolean logik. Fuzzy logik, som namnet antyder, betyder att svaret inte är ett tydligt ja eller nej. Det faller någonstans i mitten, och datorn måste försöka beräkna ett svar baserat på svar som kanske inte är helt sanna men kanske inte är helt falska heller.
Känd som "fuzzy logics far" introducerade Dr. Lotfi Zadeh begreppet fuzzy logic på 1960-talet medan han var anställd vid University of California i Berkeley. Han publicerade ett papper 1965 som täckte fuzzy uppsättningar. Han förklarade inte bara idén om fuzzy uppsättningar och logik, utan också en ram för att integrera denna nya logik i ingenjörsvärlden. Han myntade också termen "fuzzy", med hänvisning till denna logiska stil, och namnet fastnat.
För att förstå teorin bakom fuzzy expertsystem är det nödvändigt att förstå de grundläggande begreppen booleska logik och fuzzy logik. Även om båda litar på avancerade matematiska algoritmer är kärnkonceptet enkelt. Båda använder svar på en serie frågor eller uttalanden för att formulera ett nytt svar. I den booleska logiken är svaren antingen sanna eller falska, medan i fuzzy logik kan ett svar vara sant, delvis sant, falskt, delvis falskt och flera värden däremellan, beroende på vilka termer programmeraren matar in i programmet.
Till exempel, om ett expertsystem ville fatta ett beslut med hjälp av booleska logik, skulle det i slutändan svara sant eller falskt, även kallad ja eller nej. Ett expertsystem som använder fuzzy logik kan dock svara ja, nej, kanske eller någon annan kombination. Det gör detta genom att dra slutsatser från sin nuvarande kunskapsbas av information.
Kunskapsbaser är hjärtat i fuzzy expertsystem. Om en dator inte kan komma med rätt svar antas det att kunskapsbasen inte innehåller tillräckligt med information snarare än att antaga att själva programmet är fel. Kunskapsbasen kan innehålla ett uttalande som "När x = ja och y = nej då z = kanske." Från detta uttalande kan fuzzy expertsystem dra slutsatsen att när "x = ja" och "y = ja" att "z" måste vara lika med "ja" också, eller att när "x = nej" och "y = ja" att "z" "är fortfarande lika med" kanske. " Om det inte är det svar som programmeraren ville ha, betyder det att kunskapsbasen behöver mer information för att komma med rätt svar.
Fuzzy expertsystem gör dessa beräkningar baserade på matematiska värden. "Ja", "nej" och "kanske" tilldelas vissa värden. Datorn ser på vad värdena på termerna i uttalanden som "x = ja och y = nej" är lika och lägger till deras värden. Den lägger sedan till alla andra relevanta värden och matchar det slutliga värdet med ett svar som "kanske", "ja" eller "nej." Således lägger till de matematiska värdena för "x = nej" och "y = ja" till datorn att det matematiska värdet för "z" är lika med "kanske."