Fuzzy logika

Sadržaj

Prvi deo: Osnove fuzzy logike i neizrazitog zaključivanja

Fuzzy logika, odnosno neizrazita logika, predstavlja oblast računarske inteligencije koja omogućava rad sa pojmovima koji nisu strogo tačni ili netačni, već imaju stepene pripadnosti. Prvi deo praktikuma uvodi razliku između klasične i fuzzy logike, objašnjava fuzzy skupove, funkcije pripadnosti, lingvističke promenljive, fuzzy pravila i osnovni tok fuzzy zaključivanja. Cilj je da se fuzzy logika razume kao praktičan način modelovanja nejasnoće, nijansi, ljudskog jezika i odlučivanja u realnim sistemima.

I. Uvod u fuzzy logiku

1. Šta je fuzzy logika – logika nijansi između tačnog i netačnog 2. Klasična i fuzzy logika – razlika između binarnog i stepenovanog zaključivanja 3. Zadeh i poreklo fuzzy logike – od matematičke ideje do inteligentnih sistema 4. Nejasnoća, neizvesnost i preciznost – šta fuzzy logika zaista modeluje 5. Gde se koristi fuzzy logika – kontrola, odluke, ekspertni sistemi i svakodnevni primeri

II. Fuzzy skupovi i funkcije pripadnosti

6. Fuzzy skupovi – pripadnost kao stepen, a ne kao stroga granica 7. Univerzum diskursa – prostor vrednosti o kome sistem zaključuje 8. Funkcije pripadnosti – kako se meri koliko nešto pripada pojmu 9. Trougaone, trapezne i Gausove funkcije – najčešći oblici fuzzy opisa 10. Lingvističke promenljive – hladno, toplo, brzo, sporo i druga ljudska značenja

III. Operacije nad fuzzy skupovima

11. Fuzzy unija – logičko ILI u svetu stepena pripadnosti 12. Fuzzy presek – logičko I u neizrazitim skupovima 13. Fuzzy komplement – negacija bez oštre granice 14. T-norme i S-norme – formalni operatori fuzzy zaključivanja 15. Fuzzy relacije – povezivanje pojmova, vrednosti i pravila

IV. Fuzzy pravila i inferencija

16. Fuzzy pravila – ako je temperatura visoka, onda je hlađenje jako 17. IF-THEN struktura – uslovi, posledice i ljudski način opisivanja znanja 18. Fazifikacija – pretvaranje jasnih ulaza u fuzzy vrednosti 19. Fuzzy inferencija – kako sistem kombinuje pravila i donosi zaključak 20. Defazifikacija – pretvaranje fuzzy zaključka u konkretnu odluku

Drugi deo: Fuzzy sistemi, modeli, primene i praktični projekti

Kada se savladaju osnovni pojmovi fuzzy logike, slede sistemi koji od fuzzy skupova i pravila grade upotrebljive modele odlučivanja. Drugi deo praktikuma vodi kroz Mamdani i Sugeno sisteme, fuzzy kontrolere, projektovanje baze pravila, izbor funkcija pripadnosti, podešavanje modela, interpretaciju rezultata i primene u tehničkim, poslovnim i inteligentnim sistemima. Poseban naglasak je na tome kako fuzzy logika povezuje matematiku, ljudski jezik i praktično odlučivanje.

V. Mamdani i Sugeno fuzzy sistemi

21. Mamdani sistem – klasičan model fuzzy zaključivanja pomoću pravila 22. Sugeno sistem – fuzzy pravila sa funkcionalnim izlazima 23. Mamdani i Sugeno poređenje – interpretabilnost, preciznost i primena 24. Baza pravila – kako se gradi znanje fuzzy sistema 25. Agregacija pravila – spajanje više zaključaka u jednu odluku

VI. Fuzzy kontrola i odlučivanje

26. Fuzzy kontroler – upravljanje sistemom pomoću lingvističkih pravila 27. Ulazi, izlazi i pravila kontrole – anatomija jednog fuzzy kontrolera 28. Fuzzy odlučivanje – rangiranje opcija kada kriterijumi nisu oštri 29. Višekriterijumska fuzzy analiza – odluke sa više faktora i nijansi 30. Fuzzy ekspertni sistemi – znanje stručnjaka u obliku neizrazitih pravila

VII. Projektovanje, podešavanje i interpretacija fuzzy modela

31. Izbor funkcija pripadnosti – kako oblik utiče na ponašanje sistema 32. Podešavanje fuzzy sistema – od početnih pravila do boljih odluka 33. Validacija fuzzy modela – kako proveriti da li sistem radi smisleno 34. Interpretabilnost fuzzy logike – zašto su pravila razumljiva ljudima 35. Fuzzy logika i mašinsko učenje – most između pravila i učenja iz podataka

VIII. Praktičan rad, primene i završni projekat

36. Fuzzy logika u Pythonu – biblioteke, primeri i jednostavni modeli 37. Primer kontrole temperature – od ulaza do konkretne odluke 38. Primer procene rizika – fuzzy pristup poslovnim i tehničkim kriterijumima 39. Fuzzy logika u AI sistemima – objašnjivo odlučivanje i hibridni pristupi 40. Mini projekat – izrada, testiranje i interpretacija jednog fuzzy sistema

Zaključak: Fuzzy logika kao put od nejasnih pojmova do razumljivih inteligentnih odluka