EN-EZEL 13039 اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ [h=2]منطق فازی چیست؟[/h] در اینجا می خواهم تعریفی متفاوت از دیگران در مورد علم منطق فازی ارائه دهم. منطق فازی معتقد است كه ابهام در ماهیت علم است. بر خلاف دیگران كه معتقدند كه باید تقریب‌ها را دقیقتر كرد تا بهره‌وری افزایش یابد، لطفی‌زاده معتقد است كه باید به‌دنبال ساختن مدل‌هایی بود كه ابهام را به عنوان بخشی از سیستم مدل كند. ریاضیات فازی یك فرا مجموعه از منطق بولی است كه بر مفهوم درستی نسبی، دلالت میكند. منطق كلاسیك هر چیزی را براساس یك سیستم دوتایی نشان می‌دهد (درست یا غلط، صفر یا یك، سیاه یا سفید) ولی منطق فازی درستی هر چیزی را با یك عدد كه مقدار آن بین صفر و یك است نشان می‌دهد. مثلا اگر رنگ سیاه را عدد صفر و رنگ سفید را عدد یك نشان دهیم، آن گاه رنگ خاكستری عددی نزدیك به صفر خواهد بود. در سال 1965 دكتر لطفی‌زاده نظریه سیستم‌های فازی را معرفی كرد. در فضایی كه دانشمندان علوم مهندسی به دنبال روشهای ریاضی برای شكست دادن مسائل دشوارتر بودند، نظریه فازی به گونه‌ای دیگر از مدلسازی، اقدام كرد. در منطق ارسطویی، یك دسته‌بندی درست و نادرست وجود دارد. تمام گزاره‌ها درست یا نادرست هستند. بنابراین جمله «هوا سرد است»، در مدل ارسطویی اساساً یك گزاره نمی‌باشد، چرا كه مقدار سرد بودن برای افراد مختلف متفاوت است و این جمله اساساً همیشه درست یا همیشه نادرست نیست. در منطق فازی، جملاتی هستند كه مقداری درست و مقداری نادرست هستند. برای مثال، جمله «هوا سرد است» یك گزاره منطقی فازی می‌باشد كه درستی آن گاهی كم و گاهی زیاد است. گاهی همیشه درست و گاهی همیشه نادرست و گاهی تا حدودی درست است. منطق فازی میتواند پایه‌ریز بنیانی برای فناوری جدیدی باشد كه تا كنون هم دستاوردهای فراوانی داشته است. منبع: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام 3 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ تئوری فازی در سال ۱۹۶۵ توسط دکتر لطفی زاده در مقاله ای با عنوان ” مجموعه های فازی ” معرفی گردید. البته زاده قبل از کار بر روی تئوری فازی شخصیت برجسته ای در تئوری کنترل بود و مفهوم ” حالت ” که اساس تئوری کنترل مدرن را شکل می دهد توسعه داد. در اوایل دهه ی ۶۰ او به این نتیجه رسید که تئوری کنترل کلاسیک بیش از حد بر روی دقت تاکید داشته و از این رو با سیستم های پیچیده نمی تواند کار کند. در سال ۱۹۶۲ مطلبی را با این مضمون برای سیستم های بیولوژیک نوشت : ” ما اساسا به نوع جدیدی از ریاضیات نیازمندیم، ریاضیات مقادیر مبهم یا فازی که توسط توزیع های احتمال قابل توصیف نیستند. ” پس از آن وی ایده اش را در قالب مقاله ی “مجموعه های فازی ” تجسم بخشید. در این مقاله از منطق چند مقداری لوکاسیه ویچ برای مجموعه ها و گروه های اشیا استفاده شده بود. لطفی زاده برچسب یا نام فازی را روی این مجموعه های گنگ یا چند ارزشی قرار داد. مجموعه هایی که اجزایشان به درجات مختلف به آنها تعلق دارند. نظیر مجموعه هایی از مردم که از کار خود راضی هستند. علت این نامگذاری این بود که مفهوم فازی را از منطق دودویی که در زمان او مطرح بود دورسازد. او می دید که دانشمندان روز به روز ریاضیات را بیشتر در مسایل خود وارد می کنند و سعی دارند تجارب علمی خود یا مشغله ی علمی خود را با استدلال سیاه و سفید و با استفاده از رایانه ها و ماشین های محاسب پیش ببرند. او لغت فازی را انتخاب کرد تا همچون خاری در چشم علم مدرن فرو رود. اصطلاح فازی خشم شدید علوم را علیه خود برانگیخت. بزرگترین چالش از جانب ریاضی دانانی بود که معتقد بودند تئوری احتمالات برای حل مسایلی که تئوری فازی ادعای حل بهتر آن را دارد کفایت می کند. از آنجا که کاربرد های علمی تئوری فازی در ابتدای پیدایش آن مشخص نبود تفهیم آن از جهت فلسفی کار مشکلی بود و تقریبا هیچ یک از مراکز تحقیقاتی تئوری فازی را به عنوان یک زمینه ی تحقیق جدی نگرفتند. سازمان های دولتی هیچگونه اعتباری برای تحقیقات در مورد فازی اختصاص ندادند. مجلات یا کنفرانس های معدودی مقالات فازی را پذیرفتند. دپارتمان های آکادمیک اعضای هیات علمی را که صرفا تحقیقات فازی داشتند ارتقا نمی دادند .این امر باعث شد این رشته ی جدید علمی با تمام مشکلات یک فرزند خوانده که در مظان اتهام قرار داشت رشد کند. حرکت فازی در آن روز ها به صورت یک فرقه ی کوچک بود و شکلی زیر زمینی به خود گرفت. این نظریه بدون اینکه از یاری ها و حمایت های علمی متداول آن زمان برخوردار باشد رشد کرده و بالغ شد. این امر باعث شد که نظریه ی فازی حتی قوی تر شود. منطق فازی در دانشگاه ها به این رشد نرسید بلکه در بازار تجاری رشد کرد و متناوبا اعتراضات فلسفی دانشمندان غربی را رد کرد و خود اعتراضاتی را مطرح ساخت. 2 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ حال با این توصیفات اگر از ما پرسیده شود منطق فازی چیست شاید ساده ترین پاسخ بر اساس شنیده ها این باشد که Fuzzy Logic یا Fuzzy Theory یک نوع منطق است که روش های نتیجه گیری در مغز بشر را جایگزین می کند. منطق فازی نه تنهابه عنوان متدولوژی کنترل بلکه راهی برای پردازش داده ها، بر مبنای مجاز کردن عضویت گروهی کوچک به جای عضویت گروهی دسته ای ارائه کرد.به جهت نارسا ونا بسنده بودن قابلیت کامپیوتر های ابتدایی تا دهه 70 این تئوری در سیستم های کنترلی به کار برده نشد. پروفسور لطفی زاده اینطور استدلال کرد که بشر به ورودیهای اطلاعاتی دقیق نیازی ندارد بلکه قادر است تا کنترل تطبیقی را به صورت بالایی انجام دهد.پس اگر ماکنترل کننده های فیدبک را در سیستم ها طوری طراحی کنیم که بتواند داده های مبهم را دریافت کند، این داده ها میتوانند به طور ساده تر و موثرتری در اجرا به کار برده شوند. با این تعاریف منطق فازی دارای این قدرت است که در تنظیم سیستم ها از میکرو کنترلهای ساده وکوچک و جاسازی شده گرفته تا PC های چند کاناله شبکه شده بزرگ یاسیستم های کنترلی به کار برده شود.این منطق دارای قدرت اجرایی در سخت افزار ،نرم افزار یا ترکیبی از هر دوی اینهاست.در واقع منطق فازی راه ساده ای را برای رسیدن به یک نتیجه قطعی و معین بر پایه اطلاعات ورودی ناقص ، خطا دار، مبهم و دوپهلو فراهم میکند. منطق فازی یک قانون ساده بر مبنای " IF x And y THEN z " را بیان میکند. به عنوان مثال به جای برخورد با اصطلاحاتی نظیر "SP=500F" ،"210 اصطلاحاتی نظیر "IF (process is too cool) AND (process is getting colder) THEN (Add heat to the process) " Or "IF (process is too hot) AND (process is heating rapidly) THEN (Cool the process quickly)" به کار برده شود. درست مثل کاری که در هنگام دوش گرفتن انجام می دهیم: در صورتی که آب خیلی سرد یا خیلی گرم باشد بدون اینکه از درجه دقیق آب اطلاعی داشته باشیم تنها بر اساس پردازش انجام شده در مغز به کمک دریافت دمای هوا از طریق حسگرهای پوست با کمی سختی کشیدن آب را به سرعت به دمای دلخواه در می آوریم یا آنکه میتوانیم در یک اتاق به اشیاءگوناگونی نگاه کنیم و تصمیم بگیریم کدامیک بیشتر شبیه صندلی است و یا به مردم نگاه کنیم و بگوییم کدامیک شبیه John Wayne ویا کدامیک بیشتر شبیه گاندی است. منطق فازی قادر به تقلید اینگونه رفتارها اما با سرعت بسیار بالایی است. از طرفی باید به این نکته هم توجه کنیم که تمامی سیستم های طبقه بندی ساخته ذهن انسان هستند و برچسب درست تا زمانی به یک سیستم طبقه بندی نسبت داده میشود که سیستم کنترلی دیگر آن را رد نکند مثلا در تئوری نسبیت دیگر درست نیست بگوییم زمین دور خورشید میگردد پس خورشید هم دور زمین می گردد! یا به عنوان مثال دیگر، کشف موجودی عجیب در استرالیا که پلاتی پوس نامیده می شودو بر خلاف پستانداران دیگر همانند خزندگان تخم میگذارد و جوجه های جوان را شیر می دهد! با این تعاریف می توان گفت که منطق فازی یک تکنولوژی کنترلی بسیار قدرتمند است که به جای ساختن یک حصار در اطراف یک طبقه بندی سعی دارد آن را به گونه ای توصیف کند که به ایده نزدیک تر است. 2 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ متغیر های زبان شناختی : مجددا مثال اولیه را برزرسی کنیم: هنگامیکه می گوییم " امروز سرد است " یا "دمای هوا امروز پایین است " از واژه " پایین " برای توصیف " دمای هوای امروز " استفاده کرده ایم به این معنی که متغیر دمای هوای امروز واژه "پایین" را به عنوان مقدار خود پذیرفته است. واضح است که متغیر " دمای هوای امروز " میتواند مقادیری نظیر˚3،˚10-،˚8-،˚24و... را اختیار کند. هنگامیکه یک متغیر ، اعداد را به عنوان مقدار بپذیرد ما یک چهارچوب ریاضی مشخص برای فرموله کردن آن داریم اما هنگامیکه متغیر واژه ها را به عنوان مقدار میگیرد در آن صورت چهارچوب مشخص برای فرموله کردن آن درتئوری ریاضیات کلاسیک نداریم. در واقع در سیستم های عملی اطلاعات مهم از دو منبع سرچشمه می گیرند : یکی از منابع افراد خبره که دانش و آگاهیشان را دردر مورد سیستم با زبان طبیعی تعریف میکنند و منبع دیگر اندازه گیری ها و مدل های ریاضی هستند که از قواعد فیزیکی مشتق شده اند. بنابر این یک مساله مهم ترکیب این دو نوع اطلاعات در طراحی سیستم هاست. برای انجام این ترکیب سوال کلیدی این است که چگونه می توانیم دانش بشری را به یک فرمول ریاضی تبدیل کنیم ؟ برای اینکه چنین چهارچوبی به دست آوریم مفهوم متغیر های زبانی تعریف شده است. در صحبت های عامیانه اگر یک متغیر بتواند واژه هایی از زبان طبیعی را به عنوان مقدار بپذیرد یک متغیر زبان شناختی نامیده میشود. برای فرموله کردن واژه ها در گزاره های ریاضی از مجموعه های فازی برای مشخص کردن واژه ها استفاده میکنیم و تعریف میکنیم: " اگر یک متغیر بتواند واژه هایی از زبان طبیعی را به عنوان مقدار خود بپذیرد آنگاه متغیر زبان شناختی نامیده میشود که واژه ها بوسیله مجموعه های فازی در محدوده ای که متغیر ها تعریف شده اند مشخص می گردد . در واقع یکی از ویژگی های منطق فازی در استفاده از ساختار قانون پایه منطق فازی است که در طی آن مسائل کنترلی به یک سری قوانین IF x And Y THEN z تبدیل میشوند که پاسخ گوی خروجی مطلوب سیستم برای شرایط ورودی داده شده به سیستم می باشد. این قوانین ساده و آشکار برای توصیف پاسخ دهی مطلوب سیستم با اصطلاحاتی از متغییر های زبان شناختی به جای فرمول های ریاضی استفاده می شوند. نکته جالب اینجاست که اگرچه سیستم های فازی پدیده های غیر قطعی و نامشخص را توصیف می کند با این حال تئوری فازی یک تئوری دقیق می باشد. 1 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ اجزای ابتدایی و اصول اولیه تئوری مجموعه فازی : در قسمت Fuzzier یا مبدل فازی ، متغییر های با مقادیر حقیقی به یک مجموعه فازی تبدیل شده از طریق ماشین رابط فازی و قوانین پایه نتایج به قسمت غیر فازی ساز یا Defuzzier منتقل شده که یک مجموعه فازی را به یک متغیر با مقدار حقیقی تبدیل می کند.به بیان دیگر اطلاعات ورودی اغلب مقادیری پیچیده اند و این اعدادبه مجموعه های فازی تبدیل می گردند.مدل ها بر اساس منطق فازی شامل قوانین اگر ،آنگاه تفسیر می گردند. حقیقت آن است که بعد از عبارت اگریک منطق مقدم بیان می گردد و بر اساس آن ما حقیقت دیگر را مورد بررسی قرار می دهیم که بعد از آنگاه می آید و در آن نتیجه کار توضیح داده می شود. در واقع منطق فازی تجربه و دانش انسانی را به صورت ترکیبی از اعداد در مقابل وی قرار می دهد و او را قادر می سازد تا تصمیمی بر اساس ریاضیات و منطق بگیرد. 2 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ نتیجه: در پاسخ به چیستی منطق فازی یا منطق نادقیق شاید ساده ترین پاسخ بر اساس شنیده ها این باشد که Fuzzy Logic یا Fuzzy Theory یک نوع منطق برنامه نویسی است که روش های نتیجه گیری در مغز بشر را جایگزین می کند. منطق فازی در واقع با استفاده از مجموعه ای از معلومات نادقیق که با الفظ و جملات زبانی تعریف شده اندبه دنبال استخراج نتایج دقیق است . منطق فازی تکنولوژی جدیدی است که شیوه های مرسوم برای طراحی ومدل سازی یک سیستم را که نیازمند ریاضیات پیشرفته و نسبتا پیچید ه است با استفاده از مقادیر و شرایط زبانی و یا به عبارتی دانش فرد خبره ، و با هدف ساده سازی وکارامد تر شدن طراحی سیستم جایگزین و یا تا حدود زیادی تکمیل می نماید. علیرغم اینکه منطق فازی بر پایه ریاضیات پیشرفته و پیچیده قرار دارد یادگیری آن بسیار آسان است. از نظر تئو ری هر سیستمی که توسط منطق فازی طراحی شده باشد توسط سایر تکنیک های پیاده سازی مرسوم نیز قابل پیاده سازی است اما ممکن است این شیوه ها نسبت به منطق فازی پیچیده ومشکل تر باشند. 2 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام 2 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ ebooksclub org Fuzzy Logic A Spectrum of Theoretical amp Practical Issues Studies in Fuzziness and Soft Computing Studies in Fuzziness and Soft Computing برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام Fuzzy Sets and Fuzzy Logic Artificial Intelligence برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام Fuzzy Sets & Fuzzy Logic Theory & Applications Klir & Yuan برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام Neural Networks and Fuzzy Logic برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام 2 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ هوش مصنوعی با تاكید بر منطق فازی هوش مصنوعی با تاكید بر منطق فازی چكیده: هدف از این مقاله آشنایی با هوش مصنوعی به عنوان نماد دوران فراصنعتی ، نقش و كاربرد آن در صنایع و مؤسسات تولیدی و شرحی مختصر درباره ی منطق فازی می‌باشد. بدین منظور، سئوالاتی نظیر این كه هوش مصنوعی‌چیست؟ تفاوت هوش‌مصنوعی و هوش طبیعی (انسانی) درچیست؟ شاخه‌های عمده ی هوش مصنوعی كدامند؟ طرح مسئله منطق فازی در هوش مصنوعی ؟ مطرح می شود و نهایتأ اجزای هوش مصنوعی و كاربردهای آن در صنایع و مؤسسات تولیدی، زمینه ی سیستم‌های خبره ، آدمواره‌ها و پردازش زبان طبیعی به طور وافی مورد بررسی قرارمی‌گیرد. مقدمه: دهه‌های آغازین سده بیستم میلادی و دوران پیشرفت شگرف صنعتی، همراه با تولید خودرو بود كه انقلاب همه جانبه‌ای درترابری، افزایش شتاب جابجایی و صدها كار و پیشه جدید دررشته‌ها بازرگانی به وجود آورده است. به نظر می‌رسد كه سمبل دوران فراصنعتی و نماد فرآورده‌های بی‌همتای قرن آینده«هوش مصنوعی»(1) است. امروزه موضوع هوش مصنوعی داغ‌ترین بحث میان كارشناسان دانش رایانه‌واطلاعات و دیگر دانشمندان و تصمیم گیرندگان است. درسراسرتاریخ تا به امروزانسان از جنبه تن و روان، مركز و محور بحث‌هاو پژوهش‌ها بوده است. ولی اكنون موجودی با رتبه‌ای پائین‌تر، بی‌جان و ساختگی می‌خواهد جانشین او شود، امری كه بدون شك می‌توان ادعا نمود بیشتر انسانها با آن مخالفند. هوش مصنوعی چنان چه به هدف‌های والای خود برسد، جهش‌بزرگی در راه دستیابی بشر به رفاه بیشتر و حتا ثروت افزون‌ترخواهد بود. هم اكنون نمونه‌های خوبی از هوش مصنوعی‌در دنیای واقعی ما به كار افتاده است. چنین دستاوردهایی، صرف‌منابع لازم در آینده را همچنان توجیه خواهد كرد. از سوی دیگر، منتقدین هوش مصنوعی چنین استدلال می‌كنند كه صرف زمان و منابع ارزشمند دیگر در راه ساخت فراورده‌ای كه‌پر از نقص و كاستی و دستآوردهای مثبت اندكی است ، مایه ی بدنام كردن و زیر پا گذاشتن توانمندی‌ها و هوشمندی‌های‌انسان می‌باشد . تلخ‌ترین انتقادها بر این باور است كه هوش‌مصنوعی‌توهین آشكار به گوهر طبیعت و نقش انسان است. فیلم جدید بازگشت ماتریكس سوژه ای مشترك با فیلم های دیگری دارد كه در آنها ماشین های رایانه ای كه بسیار پیشرفته اند با تفكرخود قصد سلطه بر جهان را دارند ، این تصورو تخیل چندان هم كه به نظر می رسد خیال پردازانه نیست. محققان دانشگاهایالت میشیگان آمریكا(2) بر روی ربات هایی با فناوری هوش مصنوعی در حال كارند كه قادر می باشند فكر كنند یا حداقل از تجربیاتشان بیاموزند، درست همانند یك بچه.اما آیا این امكان وجود دارد كه ربات های ساخت بشر روزی علیه سازندگانشان به جنگ بپردازند؟آرتور تانگ كه یك محقق است اعتقاد دارد، از لحاظ تكنیكی چنین امری در آینده ای نه چندان نزدیك امكان پذیر است و ربات های دارای هوش مصنوعی این استعداد را دارا می باشند. هوش مصنوعی هوش مصنوعی از داغ ترین موضوعاتی است كه دانشمندان علوم رایانه آن را تحت بررسی دارند. آنها قصد دارند تا به جای ساخت یك ماشین هوش مصنوعی آن را به بار آورده و رشد دهند. تانگ در این مورد می گوید: «به جای دادن برنامه ی حل یك مسأله به رایانه ما قصد داریم تا با بزرگ كردن یك ماشین هوش مصنوعی همانند یك كودك امكان حل مسأله و پیدا كردن راه حل را به خود او واگذار كنیم. مثلاً ما دوست داریم به جای برنامه دادن به آن جهت تشخیص كاراكترها و گرامر، نحوه ی خواندن را به این ماشین ها یاد دهیم.» این درست همان كاری است كه جان ونگ استاد دانشگاه ایالت میشیگان آمریكا در حال انجام آن است. او هم اكنون دومین ربات نمونه ی خود را نیز ساخته است. این ربات كه " داو"(3) نام دارد شبیه رباتی است كه در سریال تلویزیونی «گم شدن در فضا» به نمایش در آمد. یك جفت دوربین چشم های داو می باشند و یك میكروفن به همراه پردازنده ی صوت گوش های این ربات را تشكیل می دهند. قدرت تشخیص حركت و حس گرهای حرارتی این ربات را به توانایی های انسان نزدیك ترمی كنند.این ماشین ها پس از ساخته شدن، خود توانایی های فكری خود را بهبود می بخشند. به منظور دادن آموزش راه رفتن به آنها، محققان این ربات ها را به سمت گوشه ها و در درون راهروها به جلو هل می دهند درست همانند والدینی كه پشت دوچرخه ی كودكانشان را به هنگام آموزش دوچرخه سواری نگاه داشته و به دنبال آنان می دوند تا زمانی كه كودكانشان بدون نیاز به آنها بتوانند به دوچرخه سواری بپردازند. برنامه نویس پشت سر ربات حركت نموده و با تنظیم حس گرها و تغییر دستورالعمل های ورودی حركت آن را بهبود می بخشد. با ده بار انجام این كار ربات یاد می گیرد كه هنگام رسیدن به گوشه ها دور بزند و از برخورد با دیوار اجتناب ورزد. ونگ می گوید در مورد انسان ها فراگیری و اندازه مغز محدود است اما در مورد ربات ها چنین موانعی وجود ندارد. البته ونگ معتقد است احتمالاً ربات ها هیچ گاه از كنترل انسان خارج نخواهند شد،چرا كه برنامه نویسان آنها انسانها هستند. .هوش مصنوعی چیست؟ هوش مصنوعی شاخه ای از علم كامپیوتر است كه توانایی كامپیوتر در شبیه سازی جنبه های مختلف هوش از جمله تشخیص صدا، استدلال، پاسخ خلاقانه، توانایی یادگیری از تجربیات قبلی و توانایی نتیجه گیری از اطلاعات ناقص را مورد بحث و بررسی قرار می دهد.هوش مصنوعی حوزه ی پیچیده ای است كه دو مبحث مرتبط را شامل می شود:ابتدا درك نحوه ی تفكر موجودات زنده و سپس یافتن روش هایی برای بخشیدن توانایی های مشابه به برنامه های كامپیوتری تلاش در راه برخوردار نمودن رایانه از توانایی های شناخت وتقلید جنبه‌های هوشی انسان از دهه 1950 میلادی آغاز شده است.در سال 1956 میلادی، گروهی از دانشمندان از جمله ماروین‌مینسكی (از دانشگاه فنی ماساچوست)، كلود شانن (ازآزمایشگاه نامدار بل) و جان مك‌كارتی ( از دانشگاه دارت‌موت) همایشی در دارت موت كانادا برگزار نمودند تا در این‌زمینه به گفتگو بپردازند. جان مك كارتی دانشیار كرسی ریاضی دانشگاه و میزبان همایش، عنوان هوش مصنوعی را بر این نشست نهاد.از آن زمان تاكنون میان دانشمندان و خبرگان آگاه همچنان‌بحث در مفهوم هوش مصنوعی جریان دارد. هوش مصنوعی را كوشش هایی تعریف می‌كنند كه در پی ساختن نظام های رایانه‌ای (سخت‌افزار و نرم‌افزار) است كه رفتاری انسان وارداشته باشند. چنین نظام هایی توان یادگیری زبان های طبیعی، انجام‌وظیفه‌های انسانی به صورت آدمواره (ربات) و رقابت با خبرگی و توان‌تصمیم‌گیری انسان را دارند. هوش مصنوعی چه میكند ؟ یك سیستم هوش مصنوعی به راستی نه مصنوعی و نه هوشمند است. بلكه دستگاهی است هدف‌گرا كه مشكل را به روش مصنوعی حل میكند این سیستم‌ها برپایه‌ی دانش ، تجربه و الگوهای استدلایی انسان‌به وجود آمده‌اند. سیستم‌های هوش مصنوعی مانند كتاب با دیگر آثار فكری انسان‌می‌باشند، تا زمانی كه نوشته نشوند معلوماتی در خود ندارند. پس از آماده‌شدن نیز نمی‌توانند چیزی تازه بسازند و یا راه حل نوینی ابداع كنند.سیستم‌های هوشمند، تنها و توانایی‌های كارشناسان را بالا می‌برند وهرگز نمی‌توانند جانشین آنها شوند. این سیستم‌هافاقد عقل سلیم هستند.هوش مصنوعی و هوش انسانی : برای شناخت هوش مصنوعی شایسته است تا تفاوت آن را با هوش‌انسانی به خوبی بدانیم . مغز انسان از میلیاردها سلول یا رشته عصبی درست شده است و این سلول‌ها به صورت پیچیده‌ای به یكدیگرمتصل‌اند. شبیه سازی مغز انسان میتواند از طریق سخت‌افزار یا نرم‌افزارانجام گیرد. تحقیقات اولیه نشان داده است شبیه‌سازی مغز، كاری‌مكانیكی و ساده می‌باشد. برای مثال، یك كرم دارای چند شبكه عصبی‌است. یك حشره حدود یك میلیون رشته عصبی دارد و مغز انسان ازهزار میلیارد رشته عصبی درست شده است. سیستم عصبی انسان صرفا ناشی از پیچیدگی سخت افزاری (هزار میلیارد رشته ی عصبی) نیست برتری واز طرفی مربوط به پیچیدگی نرم افزاری نیز می شود منظور از پیچیدگی نرم افزاری شیوه ی اندیشیدن بشر می باشد منطق فازی Fuzzy logic گزیده ای از منطق فازی منطق فازی اولین بار در سال 1965 توسط پرفسور لطفی‌زاده از دانشگاه بركلی كالیفرنیا ارائه شد. در ریاضی نگرشی دو ارزشی(باینری) به قضایا وجود دارد كه همان قانون همه یا هیچ است و حالت مابینی وجود ندارد. مثل رنگ سیاه و سفید كه رنگ خاكستری وجود ندارد. ولی در طبیعت پدیده‌هایی هستند كه حالت بیناسنجی دارند و مرز باینری در آنها وجود ندارد. بنابراین ما با مجموعه‌ای به نام مجموعه فازی مواجه هستیم. كه در ریاضی مجموعه‌های فازی علاوه بر اعضا، درجه عضویت آنها به مجموعه فازی را نیز باید قید نمود. برای واضحتر شدن این موضوع به مثال زیر توجه فرمایید: فكر می‌كنید انعام یك گارسون چقدر میتواند باشد؟ بستگی به شما دارد ولی ماكزیمم انعام یك گارسون میتواند تا 15درصد قیمت غذای میل شده باشد. در صورتیكه غذای خوب و سرویس خوب ارائه شود. اگر غذا مانده باشد چقدر انعام می‌دهید؟ حال فرض كنید ماكزیمم انعام 15 درصد غذا و مینیمم انعام 0 باشد. اگر سرویس ضعیف بود انعام در حد مینیمم خواهد بود. اگر سرویس خوب بود انعام در حد متوسط خواهد بود. اگر سرویس علی بود انعام ماكزیمم خواهد بود. اگر غذا خوشمزه بود انعام ماكزیمم خواهد بود. و تركیباتی از غذا و سرویس منطق فازی محدوده انعام را برای شما به سطح پیوسته تبدیل میكند. یعنی اگر به منطق فازی اندازه خوشمزگی غذا و كیفیت سرویس را بگویید منطق فازی به شما می‌گوید كه چقدر باید انعام بدهید و ما می‌توانید با اطمینان كامل و بدون شرمندگی و یا احساس بزرگواری بی‌مورد انعام بدهیم. حالا اگر این مسئله را تعمیم بدهیم به زندگی خودمان و خواهیم دیدكه خیلی از مسائل برایمان حل خواهدشد. اساس منطق فازی به این صورت است که ۲+۲ مساوی ۴ نمی شود بلکه عددی است بین ۳ و ۵.یعنی به هیچ موضوعی قطعیت نمی بخشد. دستیابی به دانش بدون ابهام، سال‌های متمادی انسان را به چالش کشیده است. در اوایل قرن بیستم، دانشمندان با مشاهدة مشکلاتی که برای قوانین نیوتن در اندازه‌های مولکولی به وجود آمده بود، به این نتیجه رسیدند که ساختارهای سنتی علوم پاسخگوی پدیده‌های کشف شده نیست. در این سال‌ها با آنکه پدیده‌های غیرقطعی نمود یافته بودند، هنوز هم دانشمندان معتقد بودند که تنها راه افزایش کارایی سیستم‌ها افزایش دقت است. در فضایی که دانشمندان علوم مهندسی به دنبال روشهای ریاضی برای شکست دادن مسایل دشوارتر بودند، نظریه فازی به گونه‌ای دیگر از مدلسازی، اقدام کرد. منطق فازی معتقد است که ابهام در ماهیت علم است. بر خلاف دیگران که معتقدند که باید تقریب‌ها را دقیقتر کرد تا بهره‌وری افزایش یابد، لطفی‌زاده معتقد است که باید به دنبال ساختن مدل‌هایی بود که ابهام را به عنوان بخشی از سیستم مدل کند. در منطق ارسطویی، یک دسته‌بندی درست و نادرست وجود دارد. تمام گزاره‌ها درست یا نادرست هستند. بنابراین جمله «هوا سرد است»، در مدل ارسطویی اساساً یک گزاره نمی‌باشد، چرا که مقدار سرد بودن برای افراد مختلف متفاوت است و این جمله اساساً همیشه درست یا همیشه نادرست نیست. در منطق فازی، جملاتی هستند که مقداری درست و مقداری نادرست هستند. برای مثال، جمله "هوا سرد است" یک گزاره منطقی فازی می‌باشد که درستی آن گاهی کم و گاهی زیاد است. گاهی همیشه درست و گاهی همیشه نادرست و گاهی تا حدودی درست است. منطق فازی میتواند پایه‌ریز بنیانی برای فن‌آوری جدیدی باشد که تا کنون هم دستآوردهای فراوانی داشته است. انسان و منطق فازی برای شناخت این كه انسان چه گونه می اندیشد مناسب است چگونگی استفاده ی او را از ابزار اندیشیدن بررسی كنیم .ابزار اندیشه منطق است و بررسی منطق كمك شایانی به ما در درك شیوه ی اندیشیدن می نماید .تا قبل از این كه پروفسور عسكر لطفی زاده سخنی از منطق فازی به میان آورد منطق ارستویی نظام دهنده و راهنمای اندیشیدن بشر بود و البته اینك هم تا اندازه ای به كار خود ادامه می دهد ولی در مواردی منطق لطفی زاده آن را اصلاح كرد و نشان داد منطق سنتی در این موارد كمبودهایی داشته است .منطق فازی (Fuzzy logic) تعمیمی از منطق ریاضی ارستویی است كه برای مدل سازی عدم قطعیت و عملیات استدلال تقریبی، مورد استفاده قرار می گیرد و برخلاف نظریه ی احتمالات كه در آن تصادفی بودن (Random Ness) اساس عدم قطعیت است، در نظریه های فازی اساس نایقینی ((Flasticity مرزهای مصادیق حكم مورد نظر است .برای مثال در حكم " طول قد شخص X بزرگتر یا مساوی 183 سانتی متر است " ، با اندازه گیری طول قد واقعی شخص X می توان نتیجه گرفت كه این فرد به مجموعه ی مصادیق حكم تعلق دارد یا خیر؟ ولی در مورد حكم منطق فازی، شخصX بلند قد است، به جای عضویت یا عدم عضویت كامل، می توان بر حسب طول قد شخص X درجه ی عضویت وی را در مجموعه ی مصادیق حكم با عددی بین صفر و یك قرار داد.مثال معروف دیگر در بیان چگونگی فازی اندیشیدن مثال " تپه ی شنی " است . فرض کنید تپه ی شن مجموعه ای از شن هاست که تعداد آنها بیش از یک میلیون است حال اگر دو مجموعه ازشن یکی شامل 999990 و دیگری شامل 1000000 شن داشته باشیم منطق ارستویی مجموعه ی اول را تپه ی شن نمی داند در حالی که هر فردی مجموعه ی اول را تا حدودی متعلق به مجموعه ی تپه ی شن به حساب می آورد و این بیانگر فازی اندیشیدن انسان هاست . البته دقت کنید گفتیم تا حدودی ، واین دقیقا چیزی است که منطق فازی می خواهد بگوید ، در منطق فازی صرفا بودن یا نبودن مطرح نیست بلکه بودن یا نبودن مفهومی کاملا نسبی است.در مثال پیشین اگر تپه ای بیشتر از یک میلیون دانه ی شن داشت منطق فازی به آن درجه ی عضویت یک می دهد واگر تعداد دانه های آن کمتر از حد مشخص شده بود درجه ی عضویت آن بر خلاف منطق سنتی صفر نیست و عددی بین صفر و یک ، مثلا 999/0 است . در زیر نمودی دیگر از تفاوت منطق فازی و منطق ارستویی به صورت دو مدار الكتریكی نمایش داده شده است . در مدار اول اگر به بسته بودن كلید ارزش یك و به باز بودن آن ارزش صفر بدهیم و از طرفی درست بودن حكمی را با یك و نادرست بودن آن را با صفر متناظر كنیم آن گاه خشك بودن و عدم انعطاف این گونه اندیشه را به روشنی در می یابیم . حال اگر به جای یك كلید چند كلید و قبل از هر كلید مقاومت های متفاوت در مدار قرار دهیم با بستن هركلید حالت های متفاوتی از روشن بودن ( یا خاموش بودن) را مشاهده می نماییم .اكنون بهتر می توان انعطاف پذیری این گونه اندیشه را درك كرد . در سال های اخیر كاربرد منطق فازی در كنترل هوشمند سیستم های پیچیده بسیار موفقیت آمیز بوده است. (رفتار این سیستم ها را در مقیاس بزرگ نمی توان از قوانین كوچك مقیاس آنها پیش بینی كرد، چنین سیستم هایی را كه با معادله ی " شرودینگر" نمی توان در عرصه ی روش تقلیلی قرار داد، سیستم های پیچیده می گویند.)در تركیب منطق فازی و شبكه های عصبی مصنوعی اینك ، سیستم های نور و فازی را داریم كه معماری آن ها، به تقلید از مغز است و طرز كار آنها، با استفاده از روش های استدلال تقریبی است كه شیوه ی بسیار مهم تفكر و تصمیم گیری می باشد .در بخش صنایع خانگی و مصرفی و انواع دوربین ها و به ویژه ماشین های لباسشویی از كنترل توسط منطق فازی استفاده می شود، منطق فازی با منشاء نایقینی و روش های استدلال تقریبی فرآیند استدلال و تفكر را در شرایط عدم قطعیت، در سیستم های هوشمند به پیش می برد.کاربرد منطق فازی به اندازه ای رسیده که در علوم مدیرتی نیز جلوه گر شده است : كتاب " منطق فازی و كاربردهای آن در مدیریت "_ترجمه ی " سید محمد حسینی" و نشر " انتشارات ایشیق " _ دومین كتاب مولفان در زمینه ی منطق فازی است كه در رابطه با رشته های مختلف علمی اعم از بازرگانی، امور مالی، مدیریت ، اقتصاد و علوم اجتماعی نوشته شده است.هـدف ازنوشتن این كتاب معرفی تكنیك هایی برای پیش بینی و تصمیم گیری در محیط هایی است كه مشخصه ی آنها نادقیقی، ابهام و نامعینی است.تكنیك های مدل سازی كلاسیك یا سنتی ، اغلب ماهیت سیستم های پیچیــده را در برنمی گیرد، به ویژه زمانی كه این سیستم ها، شیوه ی مناسبات و روابط انسانی را نیز شامل می شوند ، ولی مجموعه های فازی ومنطق فازی در نبود اطلاعات دقیـق و كامل برای مدل سازی سیستم های پیچیده بازرگانی، امور مالی و مدیریت، ابزارهای موثری هستند.این كتاب به خواننده نشان می دهد كه چگونه می تواند در یك روش مفهومی فنون منطق فازی را برای حل دامنه ی وسیعی از مسایل و دستیابی به نتیجه در بازرگانی، امور مالی و مدیریت مورد استفاده قرار دهد. كاربرد این فنون نیازمند برخورداری از معلوماتی بالاتر از سطح ریاضیات دبیرستان نیست و درآنها شرایط واقعی مورد تاكید است. پروفسورعسكر لطفی زاده، فریبندگی و بی مسما بودن حالت فازی را به طور كامل توصیف نمود و این حالت فازی را تحت كنترل درآورد . وی نظریه ی مجموعه های فازی را كه كاملا ابهام آمیز بود ، قانونمند كرد. در منطق فازی ، هر چیز درجه ای دارد و تابع درجاتی است درست برعكس منطق سنتی كه نظریه ی مجموعه ها و فلسفه حدود مشخصی را متصور كرده است ، منطق درخشان تر فازی خود را به عنوان بازتابی از فكر انسان نشان می دهد.منطق فازی ، زوایای درك و شهود ما را از اطراف روشن می سازد . عملكرد واقعی مغز را منعكس می سازد، منطق فازی به تمامی ماشین های جدید هوشمند، جنبه های انسانی می دهد. منطق فازی، سیستم نخبه ی درجاتی است كه بر خلاف سیستم های كامپیوتری هوشمند قدیمی ، انطباق نسبتا كاملی را با هر حرف و الگوی موجود درحافظه برقرار می نماید.هوش انسانی بسیار پیچیده تر و گسترده تر از سیستم‌های رایانه‌ای‌است و توانمندی های برجسته‌ای مانند: استدلال ، رفتار، مقایسه ، آفرینش و بكار بستن مفهوم ها را دارد . هوش انسانی توان ایجاد ارتباط میان موضوع‌ها و قیاس ونمونه سازی های تازه را دارد. انسان همواره قانون‌های تازه‌ای می‌سازد و یا قانون پیشین را در موارد تازه بكار میگیرد . توانایی بشر در ایجاد مفهوم‌های گوناگون در دنیای پیرامون خود، از ویژگی‌های دیگر اوست.مفهوم‌های گسترده‌ای همچون روابط علت و معلولی، رمان و یامفهوم‌های ساده‌تری مانند گزینش وعده‌های خوراك (صبحانه، ناهار وشام) را انسان ایجاد كرده است. اندیشیدن در این مفهوم‌ها و بكاربستن‌آنها، ویژه رفتار هوشمندانه انسان است.هوش مصنوعی در پی ساخت دستگاه هایی است كه بتوانند توانمندهای یاد شده (استدلال، رفتار، مقایسه و مفهوم آفرینی) را از خودبروز دهند. آنچه تاكنون ساخته شده نتوانسته است خود را به این پایه برساند، هر چند سودمندی‌های فراوانی به بار آورده است.نكته آخر اینكه، یكی از علل رویارویی با مقوله ی هوش مصنوعی،ناشی از نامگذاری نامناسب آن می‌باشد. چنانچه جان مك‌كارتی در سال1956 میلادی آن را چیزی مانند «برنامه‌ریزی پیشرفته» نامیده بود شاید جنگ و جدلی پیرامون آن رخ نمی‌داد.شاخه‌های هوش مصنوعی: هوش مصنوعی به تعدادی میدانهای فرعی تقسیم شده است و سعی‌دارد تا سیستم‌ها و روشهایی را ایجاد كند كه به طور تقلیدی مانند هوش ومنطق تصمیم‌گیرندگان‌عمل نماید. سه شاخه اصلی هوش مصنوعی عبارتند از:سیستم‌های‌خبره(8)، آدمواره‌ها(9) و پردازش زبان طبیعی (10)هوش مصنوعی در یك نگاه‌سیستم‌های خبره سیستم‌های خبره، برنامه‌های كامیپوتری هوشمندی هستند كه دانش و روشهای استنباط و استنتاج را بكار می‌گیرند تا مسائلی را حل كنند كه‌برای حل آنها به مهارت انسانی نیاز است. سیستم‌های خبره كاربر را قادر به مشاوره با سیستم‌های كامپیوتری در مورد یك مسئله و یافتن دلایل بروز مسئله و راه‌حل‌های آن میكند.در این حالات مجموعه ی سخت‌افزار و نرم‌افزار تشكیل دهنده ی سیستم‌خبره، مانند فرد خبره اقدام به طرح سئوالات مختلف و دریافت پاسخ های كاربر، مراجعه به پایگاه دانش (تجربیات قبلی) و استفاده ازیك روش منطقی برای نتیجه‌گیری و نهایتا ارائه ی راه‌حل می‌نماید.همچنین سیستم خبره می تواند مراحل نتیجه‌گیری خود تا رسیدن به‌هدف ، چگونگی نتیجه‌گیری ، دلیل مطرح شدن یك سئوال اجرایی و روش حركت تا رسیدن به هدف را شرح دهد. سیستم‌های خبره برخلاف سیستم‌های اطلاعاتی كه بر روی داده‌ها(11) عمل می‌كنند، بر دانش(12) متمركز شده است. همچنین دریك فرآیند نتیجه‌گیری، قادر به استفاده از انواع مختلف داده‌ها عددی(13)، نمادی (14)و مقایسه‌ای (15) می‌باشند. یكی دیگر ازمشخصات این سیستم‌ها استفاده از روش های ابتكاری (16) به جای روشهای الگوریتمی می‌باشد. این توانایی باعث قرار گرفتن محدوده ی وسیعی از كاربردها در برد عملیاتی سیستم‌های خبره میشود. فرآیندنتیجه‌گیری در سیستم‌های خبره بر روش های استقرایی و قیاسی‌پایه‌گذاری‌شده است. از طرف دیگر این سیستم‌ها میتوانند دلایل خود در رسیدن‌به یك نتیجه‌گیری خاص و یا جهت و مسیر حركت خود به سوی هدف‌را شرح دهند. با توجه به توانایی این سیستم‌ها در كار در شرایط فقدان‌اطلاعات كامل و یا درجات مختلف اطمینان در پاسخ به سئوالات مطرح‌شده، سیستم‌های خبره نماد مناسبی برای كار در شرایط عدم اطمینان(17) و یا محیط های چند وجهی می‌باشند. مزایای سیستم‌های خبره مزایای سیستم‌های خبره را می‌توان به صورت زیر دسته‌بندی كرد: 1-افزایش قابلیت دسترسی: تجربیات بسیاری از طریق كامپیوتر دراختیار قرار میگیرد و به طور ساده‌تر می‌توان گفت یك سیستم خبره،تولید انبوه تجربیات است. 2-كاهش‌هزینه:هزینه‌كسب‌ت� �ربه‌برای‌كاربربه‌طورزیا دی‌كاهش‌می‌یابد. 3-كاهش خطر: سیستم خبره میتواند در محیط هایی كه ممكن است‌برای انسان سخت و خطرناك باشد نیز بكار رود.4-دائمی بودن: سیستم‌های خبره دائمی و پایدار هستند. به عبارتی مانندانسان‌ها نمی‌میرند و فنا ناپذیرند.5-تجربیات چندگانه: یك سیستم خبره میتواند مجموع تجربیات وآگاهی‌های چندین فرد خبره باشد.6-افزایش قابلیت اطمینان: سیستم‌های خبره هیچ وقت خسته وبیمار نمی‌شوند، اعتصاب نمی‌كنند و یا علیه مدیرشان توطئه نمی‌كنند، درصورتی كه اغلب در افراد خبره چنین حالاتی پدید می‌آید.7-قدرت تبیین (18): یك سیستم خبره میتواند مسیر و مراحل‌استدلالی منتهی شده به نتیجه‌گیری را تشریح نماید.اما افراد خبره اغلب‌اوقات به دلایل مختلف (خستگی، عدم تمایل و...) نمی‌توانند این‌عمل‌رادرزمان های تصمیم‌گیری انجام دهند. این قابلیت، اطمینان شما را در موردصحیح بودن تصمیم‌گیری افزایش می‌دهد. 8-پاسخ‌دهی‌سریع:سیستم‌ها� �خبره،سریع‌ودراسرع‌وق� �جواب‌می‌دهند. 9-پاسخ‌دهی در همه حالات: در مواقع اضطراری و مورد نیاز،ممكن است یك فرد خبره به خاطر فشار روحی و یا عوامل دیگر، صحیح‌تصمیم‌گیری نكند ولی سیستم خبره این معایب را ندارد. 10-پایگاه تجربه: سیستم خبره میتواند همانند یك پایگاه تجربه‌عمل كند وانبوهی از تجربیات را در دسترس قرار دهد.11-آموزش كاربر: سیستم خبره میتواند همانند یك خودآموز هوش(19) عمل كند.12-سهولت انتقال دانش: یكی از مهمترین مزایای سیستم خبره،سهولت انتقال آن به مكان‌های جغرافیایی گوناگون است. این امر برای‌توسعه‌كشورهایی‌كه استطاعت خرید دانش متخصصان‌راندارند،مهم‌است .آدمواره‌ها كلمه آدمواره (20)بعد از به صحنه درآمدن یك نمایش در سال1920 میلادی در فرانسه متداول و مشهور گردید. در این نمایش كه اثر«كارل كپك»(21) بود، موجودات مصنوعی شبیه انسان، وابستگی شدیدی نسبت به اربابان خویش از خود نشان می‌دادند. این موجودات مصنوعی‌شبیه انسان در آن نمایش، آدمواره نام داشتند. در حال حاضر آدمواره‌هایی را كه در شاخه‌های مختلف صنایع مورداستفاده می‌باشند، می‌توان به عنوان «ماشین‌های مدرن، خودكار، قابل‌هدایت و برنامه‌ریزی»تعریف كرد. این آدمواره‌ها قادرند درمحل‌های‌متفاوت خطوط تولید، به طور خودكار، وظایف گوناگون تولیدی را تحت‌یك برنامه از پیش نوشته شده انجام دهند. گاهی ممكن است یك‌آدمواره، جای اپراتور در خط تولید بگیرد و زمانی این امكان هم وجوددار كه یك كار مشكل و یا خطرناك به عهده ی آدمواره واگذار شود.همان طور كه یك آدمواره میتواند به صورت منفرد یا مستقل به كاربپردازد، این احتمال نیز وجود دارد كه چند آدمواره به صورت جمعی و به‌شكل رایانه‌ای در خط تولید به كار گرفته شوند. آدمواره‌ها عموماً دارای ابزار و آلاتی هستند كه به وسیله ی آنهامی‌توانند شرایط محیط را دریابند.این آلات و ابزار «حس كننده»(22)نام دارند، آدمواره‌ها میتوانند در چارچوب برنامه اصلی خود، برنامه‌های‌جدید عملیاتی تولید نمایند. این آدمواره‌ها دارای سیستم‌های كنترل وهدایت خودكار هستند. آدمواره‌های صنایع علاوه بر این كه دارای راندمان، سرعت، دقت وكیفیت بالای عملیاتی می‌باشند، از ویژگی‌های زیر نیز برخوردارند:1-بسیاری از عملیات طاقت فرسا و غیرقابل انجام توسط متصدیان رامی‌توانند انجام دهند.2-آنها، برخلاف عامل انسانی یعنی متصدی خط تولید، قادر هستند سه‌شیفت به كار بپردازند و در این خصوص نه منع قانونی وجود دارد و نه‌محدودیت‌های فیزیولوژیكی نیروی كار.3-هزینه‌های مربوط به جلوگیری از آلودگی صوتی، تعدیل هوا و فراهم‌آوردن روشنایی لازم برای خط تولید، دیگر بر واحد تولید تحمیل‌نخواهد شد. 4-برای اضافه كاری این آدمواره‌ها، هزینه اضافی پرداخت نمی‌شود.حق بیمه، حق مسكن و هزینه ایاب و ذهاب پرداخت نمی‌شود. احتیاج به‌افزایش حقوق ندارند و هزینه‌این نیز از بابت بهداشت و درمان بر واحدتولیدی تحمیل نمی‌كنند.ویژگی‌های ذكر شده سبب میشوند كه سهم هزینه كار مستقیم نیروی‌انسانی در هزینه محصولات تولیدی، واحدهای تولیدی كاهش پیداكند(23) پردازش زبانهای طبیعی (NLP) پردازش زبانهای طبیعی به عنوان زیرمجموعه‌ای از هوش مصنوعی،میتواند توصیه‌ها و بیانات را با استفاده از زبانی كه شما به طور طبیعی درمكالمات روزمره بكار می‌برید، بفهمد و مورد پردازش قرار دهد. به طوركلی نحوه‌ی كار این شاخه از هوش مصنوعی این است كه زبان های طبیعی‌انسان را تقلید میكند.در این میان، پیچیدگی انسان از بعد روانشناسی برروی ارتباط متعامل تاثیر میگذارد. در پردازش زبانهای طبیعی، انسان و كامپیوتر ارتباطی كاملا نزدیك با یكدیگر دارند. كامپیوتراز لحاظ روانی در مغز انسان جای داده می شود. بدین ترتیب یك سیستم خلاق شكل می گیرد كه انسان نقش سازمان دهنده اصلی آن را برعهده دارد. اگر چه هنوزموانعروانشناختی وزبان شناختی بسیاری بر سرراه سیستم های محاوره ای وجود دارد. اما چشم اندازهای پیشرفت آنها یقیناً نویدبخش است. در حقیقت، توقعات یكسان از محاوره ی " انسان- ماشینی " و محاوره ی " انسان- انسان " ، معقول نیست. منابع و مأخذ: 1.Phlippe coiffet, "Robots technology" volume 1, Prentice - Hall Inc. , 1983. P.ll. 2. Derrek Kelley , " A Loyman, S., "Introduction to Rabaties," New Jersey, 1986. 3. Martin A. FischerOscar Firschern,"Questions, Intelligence and IntelligentBehavior," Computer and people, Vol., 36, Nos, 5.6, May 1987. 4. Lotfizadeh A., "The calculeus of Fuzzy If / Then Pulls All Expert, " March 1992. 5. Povl William, " Silicon Babies, " Scientific American, Dec. 1991. واژگان كلیدی: 1- Artifcial Intelligence 2-MSU 3- DAV 4- Marvin Minsky 5- Glaude Shannon 6- John MeCarthy 7 – Dartmouth 8- Expert Systems 9- Robatic Machines 10- Natural Language Processing 11- Data 12- Knowledge 13- Digital 14- Symbolic 15- Analoge 16- Heuristic 17- Uncertainty 18- Explanation 19- Intelligent Tutor 20- Robot 21- Phillippe coiffet, "Robots Techonology", Volume 1, Prentice - Hall Inco,1983, p,11 22- Sensor 23- Derrek Kelley, "A L ayman, S. "Introduction to Robotics" New Jersey, 1986 سعید صفری email : saeedsafari@ برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام il.com 2 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام 2 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ منطق فازی یا Fuzzy Logic در سال 1965 توسط دکتر لطفی زاده معرفی شد. منطق فازی در واقع میگه که یه گزاره لزومی نداری یا درست باشه یا غلط (صفر باشه یا یک) ممکنه مثلا یه گزاره 0.7 درست باشه! درکش یه مقدار در ابتدا سخته! بگذارید یه مثال بزنم، شما از دوستتون می پرسید بنظرت حسین بلنده یا نه؟ دوستتون جواب میده ایییی، بلند نیست اما کوتاه هم نمیشه بهش گفت! اما در منطق باینری (یا منطقی که اکثر ما باهاش تو کامپیوتر آشنا هستیم) هیچ وقت برای یه گزاره همچین جوابی نمیده. توی منطق باینری ما میگیم اگه قد مساوی یا بلند تر از 175 بود بگو بلند اگه کوتاه تر بود بگو کوتاه! اما آدم اینطوری نیست منطقش مثل مثال قبلی که زدم. حالا این سوال پیش میاد که ما در حال حاضر از همین منطق باینری جواب های خیلی خوبی میگیریم، فازی به چه دردی میخوره؟ برای جواب به این سوال یه مثال دیگه میزنم! مثلا یه شرکت می خواد یه کارخونه بزنه در فاصله ی ماکزیمم 200 کیلومتری تهران، که به تولید کننده ی یه مدل مواد اولیه نزدیک تر از 10 کیلومتر باشه و قیمت زمین هم اونجا هر چی کمتر باشه بهتر.اول یه بار با منطق باینری میریم پیش، اولین نمونه فاصلش با تهران 190 هست و با مواد اولیه هم 9 کیلومتر فاصله داره و قیمت زمین هم اونجا 2000 واحد هست، چندین تا نمونه دیگه هم برسی میشن که دو شرط اول رو ندارن، در آخر هم یه نمونه پیدا میشه که فاصلش تا تهران 201 کیلومتر هست و فاصلش با مواد اولیه 3 کیلومتره و قیمتش هم 1000 واحده! طبق منطق باینری این نمونه رد میشه چون فاصلش 201 هست و بیشتر از 200! اما حالا فرض کنید خود شما دارین تصمییم میگیرین، می یاین می بینید دو شرط آخر این مورد خیلی بهتر از اولین نمونس و تنها مشکل شرط اوله که 1 کیلومتر بیشتر از اون چیزیه که میخواین، با خودتون میگید خوب 1 کیلومتر در مقابل اون شرایط خوب که چیزی نیس و این مورد آخر رو انتخاب می کنید! منطق فازی دقیقا همینو میگه! یعنی مثل منطق باینری که کاملا سخت گیرانه شرایط رو چک میکنه عمل نمی کنه بلکه مثل مغز آدم انعطاف پذیره. این روزا تو خیلی چیزها از منطق فازی استفاده میشه، مثلا چند تاشون که شاید جالب باشن اینان: ترمز های ABS و سیستم کروز. دوربین ها ماشین ظرف شویی آسانسور ها ماشین لباس شویی بازی های رایانه ای شناخت الگو ها سیستم های تهویه فکر کنم تقریبا فایده ی منطق فازی جا افتاده باشه. برای شروع استفاده از منطق فازی باید یه سری مفاهیم اولیه رو یاد بگیریم. ببینید منطق فازی در واقع یه راه ساده برای رسیدن به یه نتیجه ی قطعی هستش بر اساس ورودی های ناقص، خطادار یا مبهم! از یه سری قانون خیلی ساده هم پیروی می کنه: كد: IF x AND y THEN z IF a OR b THEN c همونطور که می دونید if در زبان برنامه نویسی چیز جدیدی نیست! اما با یه مثال ساده شاید بشه فرقش رو نشون داد. در نظر بگیرید دارید یه سیستم تهویه طراحی می کنید، توی سیستم های فازی بجای استفاده از شرط هایی مثل temprature>60C یا 30C كد: IF temperature IS very cold THEN stop fan IF temperature IS cold THEN turn down fan IF temperature IS normal THEN maintain level IF temperature IS hot THEN speed up fan دقیقا مثل وقتی که شما توی ماشین نشستین، می بینید هوا خیلی گرمه بدون اینکه دمای دقیق توی ماشین رو بدونید کولر ماشین رو روشن می کنید و روی دمای کم میگذارید! اگر دقت کنید هیچ ELSEای وجود نداره، چون دما می تونه هم سرد باشه هم متوسط با درجه های مختلف! اپراتور های AND، OR و NOT که باهاشون توی منطق باینری آشنا هستیم توی منطق فازی هم وجود دارن. قبل از تعریف این عملگر ها باید بدونیم مجموعه های فازی یا Fuzzy sets به چه معنی هستند. همونطور که گفتیم توی منطق فازی درجه ی درستی لزوما نباید 0 یا 1 باشه و یه گزاره می تونه مثلا 0.3 درست باشه. بعد گفتیم که تو منطق فازی می تونیم از هوای گرم یا قد بلند صحبت کنیم، اما باید اول اونارو برای سیستم فازیمون تعریف کنیم! هر کدوم از این دسته ها یه مجموعه ی فازی رو تشکیل میدن. در واقع یه مجموعه ی فازی یه جفت (A, m) هست که A یه مجموعه هست و m یه تابع با دامنه ی A و برد [0,1]. به ازای هر x عضو A، m(x) درجه ی عضویت یا درستی x رو نشون میده! می دونم یه کلمه از چند تا جمله ی قبل نفهمیدین الان بصورت نمودار میبینیدشون و می فهمید که چیز خیلی پیچیده ای نیست!اتفاقا من می خواستم همین الان بگم که هیچی نفهمیدم " اون که 100 البته. اما عجیبه فقط شما می خواستید اینو بگید. " ... " عزیزان من، بابا اگه با هم کاری دارید برید بیرون حرفاتونو بزنید، انقدم به هم نچسبین... " ببخشید، مربوط به درس بود حرفمون! " میشه بگین چی بوده بقیه هم استفاده کنن؟ " امممم... بله، ازم پرسیدن عینکمو چن خریدم، منم با توجه به منطق فازی گفتم زیاااااد! " باز جوابت کمی امیدوار کننده بود. " خوب حالا که تعریف فازی ست هارو فهمیدیم میریم که اونارو توی نمودار ببینیم و عملگر هارو هم از روی شکل و با توجه به تعریفشون بررسی کنیم: به عنوان مثال این شکل مجموعه ی فازی جوان رو نشون میده، شما وقتی از دوستتون می پرسین بنظرت علی جوونه؟ دوستتون اگه علی 17 سالش باشه میگه آره، اگه 25 سالش باشه میگه اییی، آره هنوز میشه بهش گفت جوونه، اگه 28 سالش باشه میگه خیلی جوون نیس و اگه 50 سالش باشه میگه نه! این مجموعه ی فازی هم در واقع همین رو میگه! همونطور که میبینید قبل از 20 سال m(B) یک هست، یعنی 0 تا 20 کاملا عضو مجموعه ی جوان هست، هر چی که میریم جلوتر عضویت توی مجموعه ی جوانی کمتر شده، توی 25 سالگی درجه ی عضویت یا درستی 0.5 هست و توی 28 سالگی 0.2 و بعد از 30 سالگی 0 که یعنی از این سن به بعد اصلا جوان نیست! بنظرم الان یکم بهتر مطلب جا افتاده باشه! حالا فرض کنید دو تا مجموعه ی فازی زیر رو داشته باشیم: مجموعه ی اول رو در ابتدا در نظر میگیریم. تعریف NOT توی شکل بصورت زیره: یا به عبارتی: كد: NOT A = (1 - m(A)) خوب حالا دو مجموعرو که بالاتر نمودارشون هست رو در نظر بگیرین، تعریف AND روی اون دو مجموعه بصورت زیره: یا به عبارتی: كد: A AND B = minimum(m(A), m(B)) OR هم قاعدتا تا الان حدس زدید به چه صورت خواهد بود: كد: A OR B = maximum(m(A), m(B)) خوووووب! اینم مقدماتی بود از منطق فازی. البته اینا مفاهیم خیلی اولیه ی منطق فازی بودن، اما توی کار از همین مفاهیم خیلی ساده و ترکیبشون میشه نتایج خیلی عاقلانه ای گرفت. ما تا اینجا فقط به پروسه ی Fuzzification پرداختیم! بعد از اینکه عملیات فازی روی سیستم انجام شد در نهایت یه جواب قطعی می خوایم. برای رسیدن به یه جواب قطعی از پروسه ی Defuzzification استفاده میشه. منبع: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام 2 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ منطق فازی و هوش مصنوعی حتماً بارها شنیده‌اید که کامپیوتر از یک منطق صفر و یک تبعیت میکند. در چارچوب این منطق، چیزها یا درستند یا نادرست، وجود دارند یا ندارند. اما انیشتین می‌گوید: آنجا که آنها مطمئن هستند، نمی‌توانند به واقعیت اشاره داشته باشند.> هنگامی که درباره درستی یا نادرستی پدیده‌ها و اشیایی صحبت میکنیم که در دنیای واقعی با آنها سروکار داریم، توصیف انیشتین تجسمی است از ناکارآمدی قوانین کلاسیک در علم ریاضیات. از این رو می‌بینیم اندیشه نسبیت شکل میگیرد و توسعه می‌یابد. در این مقاله می‌خواهیم به اختصار با منطق فازی آشنا شویم. منطقی که دنیا را نه به صورت حقایق صفر و یکی، بلکه به صورت طیفی خاکستری از واقعیت‌ها می‌بیند و در هوش مصنوعی کاربرد فراوانی یافته است. کجا اتومبیل خود را پارک می‌کنید؟ تصور کنید یک روز مطلع می‌شوید، نمایشگاه پوشاکی در گوشه‌ای از شهر برپاشده است و تصمیم می‌گیرید، یک روز عصر به اتفاق خانواده سری به این نمایشگاه بزنید. چون محل نمایشگاه کمی دور است، از اتومبیل استفاد همی‌کنید، اما وقتی به محل نمایشگاه می‌رسید، متوجه می‌شوید که عده زیادی به آنجا آمده‌اند و پارکینگ نمایشگاه تا چشم کار میکند، پر شده است. اما چون حوصله صرف وقت برای پیدا کردن محل دیگری جهت پارک اتومبیل ندارید،با خود می‌گویید: سرانجام در گوشه‌ای از این پارکینگ محلی را پیدا می‌کنید که یک ماشین به طور کامل در آن جا نمی‌شود، اما با کمی اغماض میشود یک ماشین را در آن جای داد، هرچند که این ریسک وجود دارد که فضای عبور و مرور دیگر خودروها را تنگ کنید و آنها هنگام حرکت به خودرو شما آسیب برسانند. اما به هرحال تصمیم می‌گیرید و ماشین خود را پارک می‌کنید. بسیارخوب! اکنون بیایید بررسی کنیم شما دقیقاً چه کار کردید؟ شما دنبال جای توقف یک اتومبیل می‌گشتید. آیا پیدا کردید؟ هم بله، هم نه. شما در ابتدا می‌خواستید ماشین را در جای مناسبی پارک کنید. آیا چنین عملی انجام دادید؟ از یک نظر بله، از یک دیدگاه نه. در مقایسه با وقت و انرژی لازم برای پیدا کردن یک مکان راحت برای توقف خودرو، شما جای مناسبی پیدا کردید. چون ممکن بود تا شب دنبال جا بگردید و چنین جایی را پیدا نکنید. اما از این نظر که اتومبیل را در جایی پارک کردید که فضای کافی برای قرارگرفتن ماشین شما نداشت، نمی‌توان گفت جای مناسبی است. اگر به منطق کلاسیک در علم ریاضیات مراجعه کنیم و این پرسش را مطرح نماییم که قبل از ورود به پارکینگ چند درصد احتمال می‌دادید جایی برای پارک کردن پیدا کنید، پاسخ بستگی به این دارد که واقعاً چه تعداد مکان مناسب (فضای کافی) برای توقف خودروها در آنجا وجود داشت؟ اگر به حافظه خود رجوع کنید، شاید به یاد بیاورید که هنگام ورود به پارکینگ و چرخیدن در قسمت‌های مختلف آن، گاهی خودروهایی را می‌دیدید که طوری پارک کرده‌اند که مکان یک و نیم خودرو را اشغال کرده‌اند. بعضی دیگر نیز کج و معوج پارک کرده بودند و این فکر از ذهن شما چند بار گذشت که اگر صاحب بعضی از این خودروها درست پارک کرده بودند، الان جای خالی برای پارک کردن چندین ماشین دیگر هم وجود داشت. با علم ریاضیات و آمار و احتمال در مواجهه با چنین شرایطی قادر به پاسخگویی نیستیم. اگر قرار بود بر اساس منطق صفر و یک یا باینری کامپیوتر، روباتی ساخته شود تا اتومیبل شما را در یک مکان مناسب پارک کند، احتمالش کم بود. چنین روباتی به احتمال زیاد ناکام از پارکینگ خارج می‌شد. پس شما با چه منطقی می توانستید اتومبیل خود را پارک کنید؟ شما از منطق فازی استفاده کردید. دنیای فازی می‌پرسم پاسخ می‌دهی: نیمه‌ابری. می‌پرسم آنچه که دیروز به من گفتی، راست بود؟> پاسخ می‌دهی: بیشتر آن حقیقت داشت. ما در زندگی روزمره بارها از منطق فازی استفاده میکنیم. واقعیت این است که دنیای صفر و یک، دنیایی انتزاعی و خیالی است. به ندرت پیش می‌آید موضوعی صددرصد درست یا صددرصد نادرست باشد؛ زیرا در دنیای واقعی در بسیاری از مواقع، همه‌چیز منظم و مرتب سرجایش نیست. تئوری مجموعه‌های فازی و منطق فازی را اولین بار پرفسور لطفی‌زاده در رساله‌ای به نام در سال 1965معرفی نمود. از نخستین روز تولد اندیشه فازی، بیش از چهل سال می‌گذرد. در این مدت نظریه فازی، چارچوب فکری و علمی جدیدی را در محافل آکادمیک و مهندسی معرفی نموده و دیدگاه دانشمندان را نسبت به کمّ و کیف دنیای اطرافمان تغییر داده است. منطق فازی جهان‌بینی بدیع و واقع‌گرایانه‌ای است که به اصلاح شالوده منطق علمی و ذهنی بشر کمک شایانی کرده است. کاربردهای منطق فازی منطق فازی کاربردهای متعددی دارد. ساده‌ترین نمونه یک سیستم کنترل دما یا ترموستات است که بر اساس قوانین فازی کار میکند. سال‌هاست که از منطق فازی برای کنترل دمای آب یا میزان کدرشدن آبی که لباس‌ها در آن شسته شده‌اند در ساختمان اغلب ماشین‌های لباسشویی استفاده میشود. امروزه ماشین‌های ظرفشویی و بسیاری از دیگر لوازم خانگی نیز از این تکنیک استفاده میکنند. منطق فازی در صنعت خودروسازی نیز کاربردهای فروانی دارد. مثلاً سیستم ترمز و ABS در برخی از خودروها از منطق فازی استفاده میکند. یکی از معروف‌ترین نمونه‌های به‌کارگیری منطق فازی در سیستم‌های ترابری جهان، شبکه مونوریل (قطار تک ریل) توکیو در ژاپن است. سایر سیستم‌های حرکتی و جابه‌جایی بار، مثل آسانسورها نیز از منطق فازی استفاده میکنند سیستم‌های تهویه هوا نیز به وفور منطق فازی را به‌کار می‌گیرند. از منطق فازی در سیستم‌های پردازش تصویر نیز استفاده میشود. یک نمونه از این نوع کاربردها را می‌توانید در سیستم‌های اجسام و تصاویر(3) مشاهده کنید که در روباتیک نیز کاربردهایی دارد. به طور کلی خیلی از مواقع در ساختمان سیستم‌های تشخیص الگوها (Pattern Recognition)مثل سیستم‌های تشخیص گفتار و پردازش تصویر از منطق فازی استفاده میشود منطق فازی و هوش مصنوعی جالب‌ترین کاربرد منطق فازی، تفسیری است که این علم از ساختار تصمیم‌گیری‌های موجودات هوشمند، و در راس آنها، هوش انسانی، به دست می‌دهد. شاید یکی از جالب‌ترین کاربردهای منطق فازی هوش مصنوعی در بازی‌های رایانه‌ای و جلوه‌های ویژه سینمایی باشد. فیلم ارباب حلقه‌ها را بخاطر بیاورید. شاید اگر بگوییم ارباب حلقه‌ها فیلمی تقریبا مجازی است، سخنی به گزاف نگفته باشیم. بیشتر قسمت‌های این فیلم اساسا درون کامپیوتر خلق شده‌اند و واقعیت خارجی ندارند. کارگردان فیلم نزد یک متخصص جلوه‌های ویژه رفت و از او خواست که نرم‌افزاری بسازد که بتواند 70 هزار سوارکار زره‌پوش در حال حرکت را همچنان که به کشتار و خونریزی مشغولند، شبیه سازی کند. در این برنامه متخصصان کامپیوتر و انیمیشن ابتدا موجوداتی را به صورت الگو ایجاد کرده بودند و سپس به کمک منطق فازی مصداق‌هایی تصادفی از این موجودات خیالی پدیدآورده بودند که حرکات تصادفی- اما از پیش تعریف شده‌ای - در اعضای بدن خود داشتند. این موجودات در حقیقت دارای نوعی هوش مصنوعی بودند و می‌توانستند برای نحوه حرکت دادن اعضای بدن خود تصمیم بگیرند. در عین حال تمام موجوداتی که در یک لشکر به سویی می‌تاختند یا با دشمنی می‌جنگیدند، از جهت حرکت یکسانی برخودار بودند و به سوی یک هدف مشخص حمله می‌کردند. این ساختار کاملاً پیچیده و هوشمند به فیلمسازان اجازه داده بود که این موجودات افسانه‌ای را در دنیای مجازی کامپیوتر به حال خود رها کنند تا به سوی دشمنان حمله کنند و این همه بی‌تردید بدون بهره‌گیری از منطق فازی امکان‌پذیر نبود. شرکت Massive Software که به دلیل به‌کارگیری منطق فازی برای ایجاد هوش‌مصنوعی در طراحی لشکریان فیلم ارباب حلقه‌ها برنده جایزه اسکار شد، بعداً این تکنیک را در فیلم‌های دیگری همچون I.Robot و King Kong نیز به‌کار برد. استفاده از منطق فازی برای هوشمند‌کردن موجودات نرم‌افزاری تنها گونه‌ای از کاربردهای این نظریه در هوش مصنوعی است. منطق فازی در هوشمند ساختن روبات‌های سخت‌افزاری نیز کاربردهای زیادی دارد. 2 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ منطق فازی به زبان فارسی فايل ضميمه برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام (127.7 كيلو بايت, 160 نمايش) سیستم فازی به زبان لاتین فايل ضميمه برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام (453.6 كيلو بايت, 119 نمايش) 2 لینک به دیدگاه
EN-EZEL 13039 مالک اشتراک گذاری ارسال شده در 10 خرداد، ۱۳۹۱ معرفی کتاب این اثر با بهره گیری از بهترین منابع موجود در زمینۀ منطق فازی، مرجعی مناسب برای یادگیری اصول و مبانی منطق فازی و آشنایی با روش های استدلال فازی در نرم افزار MATLAB می باشد. در این راستا مباحث مطروحه در این کتاب به نرمی از مرز بین تئوری و عمل عبور کرده و دانش پژوهان را ضمن آشنایی با مفاهیم اولیه، در مسیر عملیاتی نمودن ایده ها و آموزه ها هدایت می کند. برای نیل به این هدف این کتاب در دو بخش کاملاً مستقل از هم سازماندهی شده است. بخش اول با عنوان مبانی پایه منطق فازی، ترجمۀ دقیقی از 4 فصل اوّل کتاب «عصبی-فازی و محاسبات نرم،رهیافتی محاسباتی برای یادگیری و هوش ماشین » نوشتۀ راجر ژانگ،تیسای سان و اِیجی میزوتانی می باشد. در این بخش سعی شده تا خواننده با تاریخچه و مفاهیم پایۀ مجموعه ها و منطق فازی و روش های استنتاج فازی از دیدگاه ریاضیاتی و تئوریک آشنا شود. در بخش دوم با عنوان آشنایی با جعبۀ ابزار منطق فازی در MATLAB ، خواننده پس از آشنایی مختصر با MATLAB و ابزار های آن، با جعبۀ ابزار منطق فازی در MATLAB آشنا شده و نحوۀ ایجاد انواع سیستم های استنتاج فازی را روی خط فرمان و در محیط Simulink فرا می گیرد. در نهایت و در فصول پایانی، خواننده با روش مدلسازی ANFIS و کلاسترینگ فازی آشناخواهد شد. در این بین نکتۀ حائز اهمیت در استقلال کامل دو بخش این کتاب است. این استقلال به گونه ای است که خواننده قادر است بی آنکه خللی در فهم مطالب ایجاد شود،با صرفنظر از بخش اول مستقیماً به مطالعۀ بخش دوم اهتمام ورزد. نهایت اهتمام و توجه گردآورنده این اثر در فرآهم آوردن یک مرجع مناسب منطق فازی در محیط های آکادمیک، فصل بندی مناسب و حرکت از اصول پایه به سمت محیط عملیاتی، تمرین های متنوع و مثال های روان و کاربردی، استفاده از منابع معتبر دانشگاهی و سادگی نثر کتاب، ویژگی هایی هستند که این کتاب را از سایر منابع موجود متمایز می سازند. امید است این اثر در ارتقای هر چه بیشتر سطح علمی دانش پژوهان موثر باشد. منطق فازي در MATLAB گردآوري و تدوين: مصطفي كيا ويراستار: پيمان عمراني شابك: 0-90-5237-600-978 تعداد صفحات: 304 آنچه در اين كتاب مي خوانيد: فصل اول:مقدمه اي بر منطق فازي و محاسبات نرم فصل دوم: نظريه مجموعه هاي فازي فصل سوم: قواعد و استدلال فازي فصل چهارم:سيستم هاي استنتاج فازي فصل پنجم:اشنايي مقدماتي با MATLAB فصل ششم:منطق فازي فصل هفتم: جعبه ابزار منطق فازي در MATLAB فصل هشتم:ايجاد سيستم هاي استنتاج فازي با استفاده از جعبه ابزار منطق فازي فصل نهم:ايجاد سيستم هاي استنتاج فازي با استفاده از توابع سفارشي فصل دهم:منطق فازي روي خط فرمان MATLAB فصل يازدهم:منطق فازي در محيط SIMULINK فصل دوازدهم:استنتاج فازي به روش سوگنو فصل سيزدهم:ANFIS فصل چهاردهم: كلاسترينگ فازي فصل پانزدهم: شبيه سازي سيستم هاي استنتاج فازي با استفاده از ماشين استنتاج فازي 1 لینک به دیدگاه
ارسال های توصیه شده