【人工智能】模糊推理

模糊推理:交叉的隶属函数,方法如模糊规则中推理方法一致,step3中的每一个格子都有所应的隶属关系函数

    • 引言:“生活中的模糊关系”
    • 模糊集合
      • 模糊集合的定义
      • 模糊集合的表示法
        • 模糊集合表示法示例
      • 隶属函数
    • 模糊规则
    • 模糊计算的流程

引言:“生活中的模糊关系”

如果说,我们简单的将 温度<10度 的天气称为 10度>温度> 25度 的天气称为温暖,将 温度>25度的天气称为,这种模糊性就消除了,这在数学上没有任何问题,然而就这1度之差,就将“冷”变为“温暖”,“温暖”变为“热”,这又不符合我们日常的生活习惯
在企图用数学处理生活中的问题时,精确的数学语言和模糊的思维习惯产生了矛盾。 模糊逻辑就是用来解决这一矛盾的工具之一

模糊集合

模糊集合(fuzzy set)是对经典集合的扩充。下面先介绍集合论中的几个名词。

  1. 论域:要讨论的全体对象,常用U、E等大写字母表示。
  2. 元素:论域中的每个对象,常用a,b,c,x,y,z等小写字母表示。
  3. 集合:论域中具有某种相同属性的确定的,可以彼此区别的元素的全体,常用A,B,C,X,Y,Z等表示,例如 A = { x ∣ f ( x ) > 0 } A=\{x|f(x)>0\} A={xf(x)>0}

模糊集合的定义

 设存在一个普通论域 U U U U U U [ 0 , 1 ] [0,1] [0,1]区间的任一映射 f f f都可以确定 U U U的一个模糊集合,称为 U U U上的模糊集合 A A A。其中映射 f f f叫做模糊集的隶属度函数,对于 U U U上一个元素 u u u f ( u ) f(u) f(u)叫做 u u u对于模糊集的隶属度,也可写作 A ( u ) A(u) A(u)

模糊集合的表示法

模糊集合 : A ( u ) = { u ∣ f ( u ) } 模糊集合:A (u)= \{ u|f(u)\} 模糊集合:A(u)={uf(u)}

  1. Zadeh表示法

    • 当论域为离散集合时,一个模糊集合可以表示为:
      A = ∑ u ∈ U f A ( u ) u A = \sum_{u\in U}\frac{f_A(u)}{u} A=uUufA(u)
    • 当论域为连续集合时,一个模糊集合可以表示为: A = ∫ u f A ( u ) u A=\smallint_u\frac{f_A(u)}{u} A=uufA(u)

    注意:这里仅仅是借用了求和与积分的符号,并不表示求和与积分,仅仅代表集合

  2. 序数表示法

    • 对于一个模糊集合来说,如果给出了论域上所有的元素以及其对应的隶属度,就等于表示出了该集合。所以,序对表示法出现了。 A = { ( u , f a ( u ) ) ∣ u ∈ U } A = \{(u,f_a(u)) | u\in U\} A={(u,fa(u))uU}

U U U:论域、 u A ( u ) u_A(u) uA(u):隶属函数、 u u u:元素

模糊集合表示法示例

如果加上,这篇文章篇幅过长了,劳烦看客移步:模糊集合表示法示例

隶属函数

本节多有借鉴:隶属函数的确定–Evanism_小风铃

隶属度函数: A u ( u ) 隶属度函数:A_u(u) 隶属度函数:Au(u)
 :若对论域(研究的范围)U中的任一元素x,都有一个数A(x)∈[0,1]与之对应,则称A为U上的模糊集,A(x)称为x对A的隶属度。当x在U中变动时,A(x)就是一个函数,称为A的隶属函数。

常见的隶属度函数

确定隶属函数常用的方法有以下三种:

  • 模糊统计法
  • 指派法
  • 借用已有的客观尺度

模糊统计法


指派法
指派法通过已有的函数模型,将自己的实例放入对应的函数模型中完成隶属函数的确定。

  • 偏大型的f(x)常常为增函数,而偏小型的为减函数

借用已有的客观尺度

以上隶属函数选用,可以参照指派法

为了不让此篇博客篇幅过长,以上所有出现的隶属函数的JAVA实现和具体的使用方法,劳烦移步:【人工智能】模糊隶属函数

模糊规则

回到最初的问题:
step1:找出语言变量(冷,温暖,热,多,少,随性)的所对应区间(模糊集合)、论域(取值范围)

  • (模糊规则): 如果天气冷,所以多穿衣服。
  • (变量 u A u_A uA取值范围):温度[-∞,+∞] ,但可以做出<10,[10,25],>25三个区间
  • (变量 u B u_B uB取值范围):穿衣指数[1,10],可以做出,[1,3],[3,6],[6,10]三个区间

这里穿衣指数仅仅是为了解题而假设出来,并没有实际含义
温度:<10:冷的区间; [10,25]:温暖的区间;>25:热的区间
穿衣指数:[1,3]:少的区间;[3,6]:随性区间;[6,10]:多的区间

step2:依据经验,使用合适的模糊隶属函数将模糊集合表示出来

我所采用的是三角模糊隶属函数、和梯型模糊隶属函数,将其表示出来
可以得到,各自的隶属函数

这样,就可以得到任意一个温度,或者穿衣指数对其模糊集合的隶属度,

例如, A ( 23 ) A(23) A(23){冷“”–0,“温暖”–0.267,“热”–0} B ( 4 ) B(4) B(4){“少”–0 ,“随性”–0.67,“多”–0}

step3:将所得到的隶属函数,组合成模糊关系矩阵

那么我们将规则做一个矩阵化处理,得到模糊关系

例如, A ( 23 ) A(23) A(23){冷“”–0,“温暖”–0.267,“热”–0} B ( 4 ) B(4) B(4){“少”–0 ,“随性”–0.67,“多”–0}
A ( 23 ) → B ( 4 ) A(23)→B(4) A(23)B(4) ={0 0 0;0 0.267 0;0 0 0} ,
也就是说
大前提:如果温暖,则舒适随性
小前提:23,则4,
结论:置信度是0.267

模糊计算的流程

模糊计算的过程可以分为四个模块:
模糊规则库、模糊化、推理方法和去模糊化

模糊规则库是专家提供的模糊规则。模糊化是根据隶属度函数从具体的输入得到对模糊集隶属度的过程。推理方法是从模糊规则和输入对相关模糊集的隶属度得到模糊结论的方法。去模糊化就是将模糊结论转化为具体的、精确的输出的过程。

示例:如果加上篇幅过长,劳烦移步:模糊推理附录(2)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/225657.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

RT-DETR 目标过线计数

使用 Ultralytics RT-DETR 进行目标计数 🚀 实际应用场景 物流水产养殖使用 Ultralytics RT-DETR 进行传送带包裹计数使用 Ultralytics RT-DETR 在海中进行鱼类计数请使用最新代码(2023年12月8日后),旧版本不支持! 示例 “目标计数示例” 目标计数 from ultralytics

初识Redis缓存,一文掌握Redis重要知识文集。

&#x1f3c6;作者简介&#xff0c;普修罗双战士&#xff0c;一直追求不断学习和成长&#xff0c;在技术的道路上持续探索和实践。 &#x1f3c6;多年互联网行业从业经验&#xff0c;历任核心研发工程师&#xff0c;项目技术负责人。 &#x1f389;欢迎 &#x1f44d;点赞✍评论…

存储拆分后,如何解决唯一主键问题?

之前我们讲到了分库分表&#xff0c;现在考虑这样一个问题&#xff1a;在单库单表时&#xff0c;业务 ID 可以依赖数据库的自增主键实现&#xff0c;现在我们把存储拆分到了多处&#xff0c;如果还是用数据库的自增主键&#xff0c;势必会导致主键重复。 那么我们应该如何解决…

【算法】【动规】乘积为正数的最长子数组长度

跳转汇总链接 &#x1f449;&#x1f517;算法题汇总链接 1.1 乘积为正数的最长子数组长度 &#x1f517;题目链接 给你一个整数数组 nums &#xff0c;请你求出乘积为正数的最长子数组的长度。 一个数组的子数组是由原数组中零个或者更多个连续数字组成的数组。 请你返回乘积…

docker镜像与容器的迁移

docker容器迁移有两组命令&#xff0c;分别是 save & load &#xff1a;操作的是images&#xff0c; 所以要先把容器commit成镜像export & import&#xff1a;直接操作容器 我们先主要看看他们的区别&#xff1a; 一 把容器打包为镜像再迁移到其他服务器 如把mysq…

RMQ算法总结

知识概览 RMQ又叫ST表、跳表&#xff0c;可以用来解决区间最值问题&#xff0c;这里这有查询没有修改。当然&#xff0c;这样的问题用线段树也是可以解决的。RMQ算法本质上是倍增动态规划&#xff0c;它的思想是先倍增预处理再查询。f(i, j)表示从i开始&#xff0c;长度是的区…

【Jeecg Boot 3 - 第二天】2.1、nginx 部署 JEECGBOOT VUE3

一、场景 二、实战 ▶ 2.1、打包&#xff08;build 前端&#xff09; &#xff1e; Stage 1&#xff1a;修改配置文件 .env.production&#xff08;作用&#xff1a;指向后端接口地址&#xff09; &#xff1e; Stage 2&#xff1a;点击build&#xff08;作用&#xff1…

虚幻学习笔记13—C++静态和动态加载

一、前言 我们在蓝图中可以很方便的添加各种需要的组件&#xff0c;那么在C代码中要如何实现呢。在代码中分静态和动态加载&#xff0c;而无论静态和动态&#xff0c;加载的内容有资源和资源类&#xff0c;资源类通常为带资源的蓝图类。 二、实现 在实现静态或动态加载时&…

生成式AI的力量,释放RPA的无限潜能

回首即将过去的2023年&#xff0c;互联网行业似乎始终处在各种新概念的热潮激荡之中。其中&#xff0c;最引人注目的话题无疑是AI科技。自人工智能技术实现大规模突破以来&#xff0c;我们见证了一系列生成式AI的涌现。从ChatGPT到百度文心一言&#xff0c;它们纷纷登场&#x…

Cellinx NVT 摄像机 GetFileContent.cgi任意文件读取漏洞 (CVE-2023-23063)

0x01 产品简介 Cellinx NVT IP PTZ是韩国Cellinx公司的一个摄像机设备。 0x02 漏洞概述 Cellinx NVT v1.0.6.002b版本存在安全漏洞&#xff0c;该漏洞源于存在本地文件泄露漏洞&#xff0c;攻击者可读取系统密码等敏感信息。 0x03 复现环境 FOFA&#xff1a;body"loc…

云仓酒庄带您品法国葡萄酒

说起葡萄酒肯定绕不开法国&#xff0c;法国葡萄酒闻名中外&#xff0c;口碑卓越。作为世界上的产酒大国&#xff0c;可以说是每一寸土地都可以种植葡萄。云仓酒庄的品牌雷盛红酒分享这么优秀的一个葡萄酒产酒国有哪些特点呢&#xff1f; 1.产区特色&#xff1a;波国有最著名的…

vue3 使用antd 报错Uncaught TypeError--【已解决】

问题现象 使用最基本的 ant-design-vue 按钮demo 都报错 报错文字如下 Uncaught TypeError: Cannot read properties of undefined (reading value)at ReactiveEffect.fn (ant-design-vue.js?v597f5366:6693:87)at ReactiveEffect.run (chunk-K2VKR2AM.js?v25c381c3:461:…

springboot发送邮件,内容使用thymeleaf模板引擎排版

springboot发送邮件,内容使用thymeleaf模板引擎排版 1、导入jar包2、yml设置3、收件人以及收件信息设置4、发邮件service5、模版页面6、controller 1、导入jar包 <!--发送邮件--><dependency><groupId>org.springframework.boot</groupId><artifac…

react经验7:高亮关键字

预期效果&#xff1a; 实现原理 将需要高亮的关键词做成正则表达式 new RegExp((${word}), "gi")使用上述正则表达式切割目标字符串 origin.split(new RegExp((${word}), "gi"))切割结果会包含正则匹配到的词 过滤掉空字符&#xff0c;并对关键词包裹…

人工智能与大数据的紧密联系

随着科技的飞速发展&#xff0c;人工智能&#xff08;Artificial Intelligence&#xff0c;AI&#xff09;和大数据&#xff08;Big Data&#xff09;已成为当今社会的热门话题。人工智能在许多领域的应用越来越广泛&#xff0c;而大数据则提供了支持和驱动AI技术的巨大资源。本…

未来应用从何而来:认知力延伸、边界突破、回归云与产业

文 | 智能相对论 作者 | 沈浪 或许&#xff0c;谁也没想到未来应用来的如此之快&#xff0c;现如今传统应用从开发到体验&#xff0c;已经进入了一个前所未有的颠覆性改革阶段。 不久前&#xff0c;美国人工智能公司OpenAI举办开发者大会。在现场&#xff0c;公司创始人Sam …

BearPi Std 板从入门到放弃 - 先天神魂篇(6)(RT-Thread 按键中断响应)

简介 使用BearPi IOT Std开发板及主板自带两颗按键与用户灯, 实现按键触发中断控制灯亮灯灭 主板: 主芯片: STM32L431RCT6 LED : PC13 \ 推挽输出\ 高电平点亮 串口: Usart1 KEY1 : PB2 \ 上拉 \ 按下下降沿触发(一次)/上下沿触发(两次&#xff0c;实现按下开、松开关) KEY2 :…

FIFO的Verilog设计(三)——最小深度计算

文章目录 前言一、FIFO的最小深度写速度快于读速度写速度等于或慢于读速度 二、 举例说明1. FIFO写时钟为100MHz&#xff0c;读时钟为80Mhz情况一&#xff1a;一共需要传输2000个数据&#xff0c;求FIFO的最小深度情况二&#xff1a;100个时钟写入80个数据&#xff0c;1个时钟读…

PostgreSQL向量数据插件--pgvector安装(附PostgreSQL安装)

PostgreSQL向量数据插件--pgvector安装 一、版本二、数据库安装1. 在官网下载PostgreSQL14.0的安装包2.增加用户postgres3.解压安装 三、pgvector安装1. 从github上克隆下来2. 安装pgvector插件3. 开始使用pgvector启用pgsql命令行创建扩展 本文为本人在安装pgvector中踩过的坑…

25 redis 中 cluster 集群的工作模式

前言 我们这里首先来看 redis 这边实现比较复杂的 cluster集群模式 整个 cluster集群 中会包含多对 MasterSlave 的组合, 然后这多对 MasterSlave 来分解 16384 个 slot 然后 客户端这边 set, get 的时候, 先根据 key 计算对应存储的 slot, 然后 服务器这边响应 MOVED 目标…