Fuzzy logic • Articolo: http://wwwdse.doc.ic.ac.uk/~nd/surprise_96/ journal/vol2/jp6/article2.html • Lotfi Zadeh: 1973 http://www.cs.berkeley.edu/~zadeh/ • Tutorial http://www.iau.dtu.dk/~jj/pubs/logic.pdf Concetti linguistici • Modello matematico per trattare fenomeni linguistici: alto, basso, caldo, freddo • Ma anche molto caldo, un po’ basso • Scopo: creare programmi con comportamenti più realistici Logiche bivalenti Problemi • Concetti mutualmente esclusivi • Crisp boundaries (confini netti) • Nel mondo invece esperiamo transizioni morbide fra un concetto e l’altro • Freddo / fresco Funzione di appartenenza Valori di verità • Non vero o falso, 1/0, • Ma numero reale nell’intervallo [0 1] • Fuzzines diverso da probabilità: – Mario è alto = 0.8 – Mario ha 80% di probabilità di essere alto Fa caldo? Molto caldo? Terminologia • • • • Insieme X di valori: universo di discorso A(x) è vera o falsa mA(X) in [0 1]: funzione di appartenenza Y incluso in X e y in Y e mA(y)>0 : support set • Funzione di appartenenza induce un fuzzy set Operazioni • A(x) AND B(x) • mA(x) and mB(x) = min(mA(x), mB(x)) • mA(x) or mB(x) = max(mA(x), mB(x)) Complemento • not mA(x)= 1-mA(x) Ancora operazioni REGOLE FUZZY • CONDIZIONE -> AZIONE • IF (TEMP=HOT) and (HUM=HIGH) THEN COOLER=HIGH • Esempio http://www.clarkson.edu/~esazonov/neural_fuzzy/ loadsway/LoadSway.htm • SENSORI FUZZY • REGOLE