Fuzzy è una libreria per lavorare con la logica fuzzy
La logica fuzzy è una sintesi della logica Aristotelica tradizionale quando la verità viene contrassegnata come variabile linguistica. La logica fuzzy, equivalente alla logica classica, ha le proprie operazioni logiche Fuzzy su insiemi fuzzy definiti. Ci sono le stesse operazioni per insiemi(sets) fuzzy così come per insiemi ordinari, solo, il loro calcolo è di gran lunga più difficile. Dobbiamo anche notare che la composizione degli insiemi fuzzy si costituisce come un insieme fuzzy.
I principi fondamentali della logica fuzzy, che lo distingue dalla logica classica sono di massima vicinanza alla riflessione della realtà e ad un alto livello di soggettività, che può portare ad errori significativi nei calcoli.
Modello Fuzzy (o sistema) è un modello matematico il cui calcolo è basato su logica fuzzy. La costruzione di tali modelli è applicabile quando l'oggetto di studio ha una formalizzazione debole e la sua esatto descrizione matematica è troppo complessa o sconosciuta. La qualità dei valori di output di questi modelli (errore modello) dipende direttamente dall' Expert Advisor, che ha istituito questo modello. L'opzione migliore per ridurre al minimo gli errori è quella di disegnare il modello più completo ed esaustivo e successivamente regolarlo con apprendimento automatico su un ampio insieme di addestramento.
Il progresso di una costruzione del modello può essere suddiviso in tre fasi principali:
- Definizione delle caratteristiche di input ed output di un modello.
- Costruire una base di conoscenze.
- La selezione di uno dei metodi di inferenza Fuzzy (Mamdani o Sugeno).
La prima fase effettua direttamente le conseguenti due e determina il futuro funzionamento del modello. Una base di conoscenza o, come a volte chiamato, regola base, è un insieme di regole fuzzy tipo: "se, allora"(if, then) che definiscono il rapporto tra input e output dell'oggetto esaminato. Il numero di regole nel sistema non è limitato ed è determinato anche dall' Expert Advisor. Il formato generalizzata di regole fuzzy è il seguente:
Se vo è la condizione della regola, allora vi è conclusione della regola.
ça condizione della regola descrive lo stato corrente dell'oggetto, e la conclusione regola conclusione — come questa condizione colpisce l'oggetto. Vista generale delle condizioni e le conclusioni non possono essere selezionate perché sono determinate da un'inferenza fuzzy.
Ogni regola nel sistema ha il suo peso — questa caratteristica definisce l'importanza di una regola nel modello. Fattori di ponderazione(pesatura) sono assegnati ad una regola nel range [0, 1]. In molti esempi con modelli fuzzy, che possono essere trovati in letteratura, i dati di peso non vengono specificati, ma non significa che non siano presenti. Infatti, in tal caso per ogni regola dal database, il peso è fisso e pari all' unità. Ci possono essere due tipi di termini e conclusioni per ogni regola:
- semplice — include una variabile fuzzy;
- complesso — include diverse variabili fuzzy
A seconda della base di conoscenza creata, il sistema di inferenza fuzzy viene determinato per un modello. L'inferenza logica fuzzy è una ricevuta di conclusione in forma di un insieme fuzzy corrispondente al valore attuale degli ingressi con uso di base di conoscenza ed operazioni fuzzy. I due tipi principali di inferenza Fuzzy sono Mamdani e Sugeno.