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