برای تشکيل يک سيستم فازی بهينه براساس مجموعه داده های ورودی و خروجی استفاده از ANFIS در جعبه ابزار Fuzzy می باشد. همانطور که می دانيم روشهای فازی – عصبی با بهره گيری از مزيّتهای هر يک از دو روش فازی و عصبی قابليّت برخورد با عدم قطعيّتها و نويز موجود در سيستم تحت کنترل را دارند. بنابراين اين امکان وجود دارد تا يک ساختار فازی را توسط يک شبکه عصبی به همديگر تبديل کنيم و بالعکس. در حقيقت اين امر باعث می شود تا از مزيّتهای هر دو روش استفاده کنيم. تا کنون الگوريتم های زيادی برای آموزش قوانين فازی و تنظيم بهينه توابع عضويت توسط شبکه عصبی ارائه شده است.

در جعبه ابزار Fuzzy در نرم افزار Matlab ، از روش ANFIS برای اين منظور استفاده می شود. اين ساختار توسط Jang [59] ارائه شده است. ANFIS يک سيستم استنتاج فازی با قابليّت تطبيقی که در واقع يک شبکه عصبی feedforward با قابليّت آموزش است، می باشد. در جعبه ابزار Fuzzy دو روش برای آموزش شبکه عصبی مربوط به اين ساختار وجود دارد.
روش پس انتشار خطا
روش hybrid که در واقع ترکيب روش پس انتشار خطا و کمترين مربعات می باشد.
اين ساختار تنها قابل پياده سازی در سيستم فازی از نوع سوگنو می باشد سيستم فازی سوگنو بايد مرتبه صفر يا مرتبه يک باشد. سيستم فازی که توسط ANFIS حاصل می شود، تنها دارای يک خروجی می باشد و فرآيند غير فازی سازی آن ميانگين وزنی می باشد. همه توابع عضويت خروجی يکسان بوده و از نوع خطی يا ثابت می باشند.
توليد يک ساختار فازی با ANFIS :
در جعبه ابزار Fuzzy دو راه حل برای توليد ساختار فازی با ANFIS وجود دارد. روش اوّل ، افراز شبکه ای و روش دوّم خوشه سازی کاهشی می باشد. برای توليد ساختار فازی با روش افراز شبکه ای از دستور genfis1 و اگر از روش خوشه سازی کاهشی استفاده شود از روش genfis2 استفاده می شود. ساختار فازی را می توان با تعداد توابع عضويت و نوع تابع عضويت دلخواه ايجاد کرد.

برای سادگی کار فرض می کنيم که سيستم فازی ما دو ورودی x و y دارد و خروجی آن z است. حال اگر قوانين به صورت زير باشند :

و اگر برای غير فازی ساز از غير فازی ساز ميانگين مراکز استفاده کنيم خروجی به صورت زير خواهد بود:

ساختار معادل ANFIS به صورت زير خواهد بود:

پیش نمایش 1

لینک دانلود پیش نمایش 1 (کیفیت اصلی)

پیش نمایش 2

لینک دانلود پیش نمایش 2 (کیفیت اصلی)

پیش نمایش 3

لینک دانلود پیش نمایش 3 (کیفیت اصلی)

محصولات مرتبط

نوشته فیلم آموزش فارسی نروفازی ANFIS اولین بار در ایران متلب پدیدار شد.

شما می توانید در اینجا با تخفیف این سه فیلم آموزشی را با هم سفارش دهید.

ارسال لينك هاي دانلود به ايميل شما بلافاصله بعد از خريد

نوشته بسته آموزشی جامع فازی اولین بار در ایران متلب پدیدار شد.

نظريه فازي شامل چهار گام فازي سازي، پايگاه قوانين فازي، موتور استنتاج فازي  و غير فازي سازي مي باشد.

مقایسه منطق فازی و لاجیک توسط پرفسور لطفی زاده:

منطق کلاسیک شبیه شخصی است که بایک لباس رسمی مشکی، بلوز سفید آهاردار، کروات مشکی، کفش های براق و غیره که به یک مهمانی رسمی آمده است و منطق فازی تا اندازه ای شبیه فردی است که با لباس غیررسمی، شلوارجین، تی شرت و کفشهای پارچه ای به همان مهمانی آمده است. این لباس را درگذشته نمی پذیرفتند ، اما امروز جور دیگری است .

تعریف سیستم‌های فازی و انواع آن

واژه فازی در فرهنگ لغت آکسفورد به صورت مبهم، گنگ و نادقیق تعریف شده است. اگر بخواهیم نظریة مجموعه‌های فازی را تعریف کنیم، باید بگوییم که نظریه‌ای است برای اقدام در شرایط عدم اطمینان؛ این نظریه قادر است بسیاری از مفاهیم و متغیر‌ها و سیستم‌هایی را که نادقیق هستند، صورت‌بندی ریاضی ببخشد و زمینه را برای استدلال، استنتاج، کنترل و تصمیم‌گیری در شرایط عدم اطمینان فراهم آورد.

چرا سیستم‌های فازی:

دنیای واقعی ما بسیار پیچیده‌تر از آن است که بتوان یک توصیف و تعریف دقیق برای آن به دست آورد؛ بنابراین باید برای یک مدل، توصیف تقریبی یا همان فازی که قابل قبول و قابل تجزیه و تحلیل باشد معرفی شود.
با حرکت به سوی عصر اطلاعات، دانش و معرفت بشری بسیار اهمیت پیدا می‌کند. بنابراین ما به فرضیه‌ای نیاز داریم که بتواند دانش بشری را به شکلی سیستماتیک فرموله کرده و آن را به همراه سایر مدل‌های ریاضی در سیستم‌های مهندسی قرار دهد.

سیستم‌های فازی چگونه سیستم‌هایی هستند؟

سیستم‌های فازی، سیستم‌های مبتنی بر دانش یا قواعد می‌باشند؛ قلب یک سیستم فازی یک پایگاه دانش است که از قواعد اگر ـ آنگاه فازی تشکیل شده است.
یک قاعده اگر ـ آنگاه فازی، یک عبارت اگر ـ آنگاه است که بعضی کلمات آن به وسیله توابع تعلق پیوسته مشخص شده‌اند.
مثال:
اگر سرعت خودرو بالاست، آنگاه نیروی کمتری به پدال گاز وارد کنید.
کلمات «بالا» و «کم» به وسیله توابع تعلق مشخص شده‌اند؛
مثال:
فرض کنید می‌خواهیم کنترل‌کنند‌ه‌ای طراحی کنیم که سرعت خودرو را به طور خودکار کنترل کند. راه‌حل این است که رفتار رانندگان را شبیه‌سازی کنیم؛ بدین معنی که قواعدی را که راننده در حین حرکت استفاده می‌کند، به کنترل‌کنندة خودکار تبدیل نماییم.
در صحبت‌های عامیانه راننده‌ها در شرایط طبیعی از 3 قاعده زیر در حین رانندگی استفاده می‌کنند:
اگر سرعت پایین است، آنگاه نیروی بیشتری به پدال گاز وارد کنید.
اگر سرعت متوسط است، آنگاه نیروی متعادلی به پدال گاز وارد کنید.
اگر سرعت بالاست، آنگاه نیروی کمتری به پدال گاز وارد کنید.
به طور خلاصه، نقطة شروع ساخت یک سیستم فازی به دست آوردن مجموعه‌ای از قواعد اگر ـ آنگاه فازی از دانش افراد خبره یا دانش حوزه مورد بررسی می‌باشد؛ مرحلة بعدی، ترکیب این قواعد در یک سیستم واحد است.

انواع سیستم‌های فازی

سیستم‌های فازی ممدانی
سیستم‌های فازی تاکاگی ـ سوگنوکانگ (TSK)
سیستم‌های نروفازی

سیستم فازی ممدانی
موتور استنتاج فازی، این قواعد را به یک نگاشت از مجموعه‌های فازی در فضای ورودی به مجموعه‌های فازی و در فضای خروجی بر اساس اصول منطق فازی ترکیب می‌کند.
مشکل اصلی در رابطه با سیستم‌های فازی ممدانی این است که ورودی‌ها و خروجی‌های آن مجموعه‌های فازی می‌باشند. درحالی که در سیستم‌های مهندسی، ورودی‌ها و خروجی‌ها متغیرهایی با مقادیر حقیقی می‌باشند.
برای حل این مشکل، تاکاگی سوگنو و کانگ، نوع دیگری از سیستم‌های فازی معرفی کرده‌اند که ورودی‌ها و خروجی‌های آن متغیرهایی با مقادیر واقعی هستند.

سیستم فازی تاکاگی ـ سوگنو و کانگ
بدین ترتیب قاعده فازی از یک عبارت توصیفی با مقادیر زبانی، به یک رابطة ساده تبدیل شده است؛ به طور مثال در مورد خودرو می‌توان اعلام کرد که اگر سرعت خودرو X باشد، آنگاه نیروی وارد بر پدال گاز برابر Y=CX می‌باشد.
مشکلات عمدة سیستم فازی TSK عبارت است از:
بخش «آنگاه» قاعدة یک فرمول ریاضی بوده و بنابراین چهارچوبی را برای نمایش دانش بشری فراهم نمی‌کند.
این سیستم دست ما را برای اعمال اصول مختلف منطق فازی باز نمی‌گذارد و در نتیجه انعطاف‌پذیری سیستم‌های فازی در این ساختار وجود ندارد.
برای حل این مشکلات نوع سومی از سیستم‌های فازی یعنی سیستم فازی با فازی‌سازها و غیر فازی‌سازها مورد استفاده قرار گرفت.

زمینه‌های تحقیق عمده در نظریه فازی

منظور از نظریه فازی، تمام نظریه‌هایی است که از مفاهیم اساسی مجموعه‌های فازی یا توابع تعلق استفاده می‌کنند. مطابق شکل، نظریه فازی را می‌توان به پنج شاخة عمده تقسیم کرد که عبارتند از:

ریاضیات فازی
مفاهیم ریاضیات کلاسیک، با جایگزینی مجموعه‌های فازی با مجموعه‌های کلاسیک توسعه پیدا کرده است.
منطق فازی و هوش مصنوعی
که در آن منطق کلاسیک تقریب‌هایی یافته و سیستم‌های خبره بر اساس اطلاعات و استنتاج تقریبی توسعه پیدا کرده است.
سیستم‌های فازی
سیستم‌های فازی که شامل کنترل فازی و راه‌حل‌هایی در زمینة پردازش سیگنال و مخابرات می‌باشد.
عدم قطعیت و اطلاعات
انواع عدم قطعیت‌ها را مورد تجزیه و تحلیل قرار می‌دهد.
تصمیم‌گیری فازی
مسائل بهینه‌سازی را با محدودیت‌ها در نظر می‌گیرد.

سرفصل های فیلم آموزشی : ( صفر تا صد فازی )

مقدمه

تاریخچه سیستم های فازی

شروع ایده منطقی فازی از کجا بود ؟

Human reasoning چیست ؟

مفهوم درجه و truth table

کار منطق فازی چیست؟

مفهوم قانون ها rule در فازی

توضیح بلوک دیاگرام سیستم فازی

تفاوت crisp value و fuzzy value

توضیح fuzzy inference system (FIS)

تشریح کامل یک مثال از سیستم فازی

مفهوم fuzzy set

درجه عضویت membership degree

مثالی از fuzzy set

تفاوت classical set و fuzzy set

reasoning در منطق فازی

منطق دودویی Boolean

مفهوم تابع عضویت membership function

تابع عضویت دو سطحی

تابع عضویت پیوسته

تفسیر ورودی دارای چند تابع عضویت

انواع توابع عضویت در متلب MATLAB

تابع عضویت triangular و trapezoidal و گایوسین و سیگمویید

پارامترهای ورودی توابع عضویت

عملیات فازی

AND و OR و NOT فازی

Fuzzy truth table

منطق چند مقداری

قوانین فازی چگونه تعیین می شوند؟
مفهوم antecedent و consequent

عکس فازی defuzzifier

implication

یک مثال بلوک دیاگرامی از سیستم فازی

کاربردهای منطق فازی

تشریح fuzzy inference system

ورودی فازی

عملیات فازی

عملیات implication

عملیات aggregation

عملیات defuzzification

برنامه نویسی متلب سیستم های فازی نوع 1

یک مثال ساده

مراحل طراحی یک سیستم فازی

بازه تغییرات ورودی

طراحی سیستم فازی از طریق GUI

انواع سیستم های فازی

ممدانی و تاکاگی سوگنو

دستور fuzzyLogicDesigner

تنظیم توابع عضویت ورودی در متلب

توضیح پنجره تعریف توابع عضویت

تنظیم دستی توابع عضویت

تنظیم پارامتری توابع عضویت

تخصیص نام به ورودی ها و خروجی ها

تنظیم بازه تغییرات range

نامگذاری توابع عضویت

تعریف قوانین rules

اضافه کردن rule

حذف rule

تغییر rule

مفهوم connection در rule

مفهوم not در rule

مفهوم وزن weight در rule

مشاهده surface در سیستم فازی

تنظیم ورودی X و ورودی Y

مشاهده گرافیکی rule در متلب MATLAB

ذخیره یک سیستم فازی

پسوند fis در متلب

باز کردن یک سیستم فازی ذخیره شده

اضافه کردن ورودی input

اضافه کردن خروجی output

انواع توابع عضویت دیگر در سیستم فازی

Trimf و trapmf و gbelmf و gaussmf و gauss2mf و sigmf و dsigmf و psigmf و pimf و smf و zmf

مشاهده surface سه بعدی

تنظیم surface سه بعدی

تغییر دستی فایل fis

اضافه کردن یک تابع عضویت به ورودی در فایل fis

توضیح یک فایل fis خط به خط

تنظیم rule به صورت اعداد

ساخت سیستم فازی در متلب از طریق کدنویسی

دستور newfis

دستور addvar

دستور addmf

دستور addrule

تعریف دستی rule ها

اعمال ورودی به سیستم فازی

دستور readfis

دستور evalfis

کدنویسی توابع عضویت در متلب

محصولات مرتبط

نوشته فیلم آموزش فارسی سیستم های فازی اولین بار در ایران متلب پدیدار شد.

.

.

فازی نوع دوم بهبود یافته نوع اول است. به طوری که عدم قطعیت بیشتری را پوشش می دهد. این نوع فازی را پرفسور زاده در سال 1975 ارائه کرد. تابع عضویت یک مجموعه فازی نوع دوم تعمیم یافته مانند یک تابع سه بعدی است که بعد سوم، مقدار تابع عضویت در هر نقطه از دامنه ی دو بعدی آن است؛ که جای پای عدم قطعیت (fou) نامیده می شود. در یک مجموعه فازی نوع دوم بازه ای مقدار بعد سوم همه جا یکسان است؛ و ریاضیات مورد نیاز آن ساده تر است. تئوری فازی در زمینه های مختلف به طور موفقیت آمیزی به کار برده شده است. اما کاربرد گونه های دیگر فازی مانند فازی نوع دوم و فازی شهودی هنوز در ابتدای راه است.

به طور خلاصه، دلايل ظهور فازي نوع-2 را ميتوان در پنج قسمت بيان کرد:

1. عدم توانايي توصيف رياضي سيستمهـايي که مکانيزم توليد داده در آن به صورت متغيـر بـا زمـان اسـت ، مانند مخابرات سيار؛
2. عدم توانايي توصيف رياضي انـدازه ي نويز غير ثابت (Nonstationarity)، ماننـد نسـبت سـيگنال بـه نويز؛
3. عدم توانايي توصيف رياضي ويژگيها در کاربردهـاي بازشناخت الگو که داراي خواص آماري غير ثابت مـي باشـند،مانند طبقه بندي قانون پايه تصاوير ترافيک ؛
4. دانش به دست آمده از تعدادي فرد خبـره بـه وسـيله سـؤالاتي، حـاوي کلماتي که داراي عدم قطعيت هسـتند ؛
5. اسـتفاده از عبـارات زباني که داراي دامنه غير قابل اندازه گيري باشند.

همانطور که در نظريه ي احتمال، تمـام اطلاعـات پيرامـونيک عدم قطعيت تصادفي به وسيله يک تابع چگالي احتمال بيان مي شود و با تعيين ميانگين و پراکندگي حول ميانگين، حـداقل اطلاعات لازم از تابع چگالي احتمال توسط واريانس بـه دسـت مي آيد، يک مجموعه فازي نـوع -2 هـم در مواجهـه بـا عـدم قطعيت هاي زباني براي ارائه ي اطلاعاتي بيشـتر از يـک درجـه عضويت ساده، اين اندازه از پراکندگي (واريانس) را حول يک عدم قطعيت زباني در اختيار قرار ميدهد. درحقيقت، مجموعـه فازي نوع-1 تقريب درجه اول عدم قطعيت و مجموعـه فـازي نوع-2 تقريب درجه دوم عدم قطعيت هستند. به ايـن ترتيـب، با گسترش به مفهوم فازي نوع-3 و نوع-4 تا مجموعـه فـازي نوع- بي نهايت، مي توان عدم قطعيت را به طور کامل تقريب زد. مجموعه فازي نوع – بي نهايت، مجموعه اي اسـت کـه درجـات تعلق آن يک مجموعه فازي اسـت و آن مجموعـه فـازي هـم داراي درجات تعلقي است که خود يک مجموعه فازي هستند.

به همين ترتيب، تا بينهايت، درجات تعلق خود مجموعه فازي هستند ؛ اما در عمل، اين موضوع امکان ندارد؛ زيرا موجب پيچيدگي بسيار زيادي ميشود و ما ناگزير بـه اسـتفاده از يـک مجموعه فازي محدود هستيم. به ايـن ترتيـب، مجموعـه هـاي فازي نوع-2 در کاهش اثر عدم قطعيت در قـوانين فـازي بهتـر عمل ميکنند . علاوه بر کاهش اثـر عـدم قطعيـت درقوانين فازي، به علت فازي بودن توابع عضويت در مجموعه هاي فازي نوع-2 امکان مدل کردن عدم قطعيتهاي زباني و داده هـابه نحو موثري بهبود پيدا کرده است .

تمایز بین فازی معمولی و نوع دوم در این است که تابع عضویت فازی نوع دوم یک سیستم فازی در بازه [0, 1] می باشد؛ در حالی که تابع عضویت فازی معمولی مقداری عددی در بازه [0, 1] است. مثلا مفهوم بلندی در فازی نوع اول می تواند به صورت زیر باشد:

که توابع عضویت  بلند،  کوتاه و  متوسط، خود سیستم های فازی نوع اول هستند. فازی نوع دوم وقتی مفید است که نتوانیم تابع عضویت یک سیستم فازی را به آسانی تعیین کنیم. به همین دلیل برای پوشش عدم قطعیت در تابع عضویت، از یک فازی دیگر استفاده می کنیم.

در حال حاضـر ، مجموعـه هـاي فـازي نـوع-2 بـه عنـوان نظريه اي مهم در محيط هايي با عدم قطعيت بـالا توسـعه يافتـه است. از جمله کاربردهاي پزشکي که ميتوان به پيش پـردازش عکس هاي راديوگرافي ، تخمين زدن ميزان سـلامتي نـوزاد تازه متولدشده ، تشخيص بيماري و مدل سـازي سـازگاري نشانه ي يک بيماري با آن بيماري در قالب عبارات زباني ، اشاره کرد. در زمينه ي کنترل مـي تـوان از کنتـرل روبـات هـاي فوتباليست ، مدل سازي رفتار افراد در يک اتـاق هوشـمند ، کنترل سيستم ، شناسايي سيستم هاي غيرخطي  و کنترل تناسبي ، نام برد. همچنين در مسائل طبقه بندي که داراي ابهام ذاتي هستند ، روش خوشه بندي ميـانگين– c ، تشخيص لبه در عکسهاي ديجيتال ، نماياندن عدم قطعيتهاي موجود در هر خوشـه ، از جملـه  کاربردهـاي مجموعه هاي فازي نوع-2 در زمينه ي بازشناخت الگو مي باشند.

پيش بيني سريهاي زماني ، مدل سـازي فواصـل مـبهم درپياده سازي سيسـتم اطلاعـات جغرافيـايي ، مـدل سـازي فرايند جداسازي سولفور از فـولاد ، مـدل سـازي  رياضـي رفتـار ديناميک اکوسيسـتم هاي پيچيـده ، از زمينه هاي کاربردي ديگري هستند که منطق فازي نوع-2 به طـور مـوفقي وارد شده است.

ایران متلب بعد از ماه ها تلاش و مطالعه مراجع مختلف بالاخره فیلم آموزشی فازی نوع 2 را برای استفاده کاربران خود آماده کرد. شما کاربر عزیز می توانید هم اکنون این فیلم آموزشی منحصر بفرد را سفارش دهید. 

سرفصل های این فیلم آموزشی :

مفهوم تابع عضویت فازی نوع یک

یک مثال از تابع عضویت فازی نوع یک

تابع عضویت فازی نوع دو بازه ای interval

کاربردهای فازی نوع دو

مفهوم Uncertainty  

تابع عضویت Lower و Upper

خروجی بازه ای در سیستم فازی نوع 2 همراه با مثال

تشریح بلوک دیاگرام کلی فازی نوع 2

Fuzzifier

Rulebase

Inference Engine

Defuzzifier

مفهوم type-reducer

چرا به سیستم فازی نوع 2 نیاز داریم ؟

تشریح FOU

یک مثال بازه ای در فازی نوع 2

کاهش نوع (مرکز ثقل)

تعریف نموداری عکس فازی

الگوریتم Karnik-Mendel (KM)

مزیت های فازی نوع 2

تشریح بلوک به یلوک فازی نوع 2

قانون ها (rule) در فازی نوع 2

توضیح نحوه عملکرد فازی نوع 2 از روی یک مثال ساده به صورت گرافیکی

نحوه عملکرد min در فازی نوع 2

نحوه عملکرد max در فازی نوع 2

نحوه عملکرد ضرب یا prod در فازی نوع 2

محاسبه Cr و Cl در خروجی نهایی

مفهوم Fired Rule FOU

آموزش الگوریتم fuzzy type 2 با یک مثال

Rulebase در فازی نوع 2

جدول قانون rule table

Firing intervals قسمت antecedent قانون

Firing intervals قسمت consequent قانون

محاسبه yr و yl

توضیح شبه کد الگوریتم KM

محاسبه R و L

خروجی crisp نهایی

کار با toolbox فازی نوع 2

طراحی یک سیستم فازی نوع 2 از طریق گرافیکی

تعریف نام برای ورودی

تغییر بازه ورودی ها

افزایش یا کاهش تعداد ورودی ها

تغییر نام توابع عضویت

تغییر نوع توابع عضویت

Gauss Mean و Gauss Div و Triangular

و Gauss uncertain peak و triangular uncertain peak

تنظیم پارامترهای تابع عضویت

تغییر lower و upper

تنظیم inference

Resolution

Implication

تعیین rule ها

اضافه کردن و حذف کردن rule

Export کردن سیستم ساخته شده

m فایل خروجی

تولید کد اماده سیستم فازی نوع 2 بدون کدنویسی

توضیح خط به خط کد تولید شده

ساخت FuzzyT2Struct

کدنویسی برنامه سیستم فازی نوع 2

مدلسازی با سیستم فازی نوع 2 دارای دو ورودی و یک خروجی

معرفی تولباکس کدنویسی فازی نوع 2

دستور addpath

اعمال داده به سیستم فازی نوع 2 و گرفتن خروجی

توضیح تابع type2fls

ارسال لینک های دانلود به ایمیل شما

.

محصولات مرتبط

نوشته فیلم آموزش فارسی فازی نوع 2 اولین بار در ایران متلب پدیدار شد.