AI - Sistem Logika Fuzzy
Results 1 to 3 of 3

Thread: AI - Sistem Logika Fuzzy

  1. #1
    8 Attachment (s)
    Kecerdasan Buatan - Sistem Logika Fuzzy
    Fuzzy Logic Systems (FLS) menghasilkan output yang dapat diterima tetapi pasti sebagai tanggapan terhadap input yang tidak lengkap, ambigu, terdistorsi, atau salah (fuzzy).
    Apa itu Logika Fuzzy?
    Fuzzy Logic (FL) adalah metode penalaran yang menyerupai penalaran manusia. Pendekatan FL mereproduksi metode pengambilan keputusan pada manusia yang melibatkan semua kemungkinan antara antara nilai elektronik YA dan TIDAK.
    Blok logika konvensional yang dapat dipahami komputer membutuhkan input yang tepat dan menghasilkan hasil yang pasti sebagai TRUE atau FALSE, yang sama dengan individu YA atau TIDAK.
    Penemu logika fuzzy, Lotfi Zadeh, mengamati bahwa tidak seperti komputer, pengambilan keputusan individu mencakup pilihan kemungkinan antara YA dan TIDAK, seperti # 8722;
    TETAPI YA TIDAK MUNGKIN YA TIDAK BISA KATAKAN MUNGKIN TIDAK SESUAI TIDAK TIDAK Fungsi logika fuzzy tentang tingkat kemungkinan input untuk mencapai output.
    Pelaksanaan
    Ini dapat diimplementasikan dalam sistem dengan beberapa ukuran dan kapasitas yang berkisar dari mikro-pengendali kecil hingga sistem kontrol berbasis workstation yang besar dan jaringan.
    Ini dapat diimplementasikan dalam perangkat keras, aplikasi, atau kombinasi keduanya.
    Mengapa Logika Fuzzy?
    Logika fuzzy berguna untuk tujuan komersial dan fungsional. Dapat mengontrol mesin dan produk konsumen. Ini mungkin tidak memberikan penalaran penalaran yang tepat, meskipun akurat. Logika membantu mengelola ketidakpastian dalam rekayasa. Arsitektur Sistem Logika Fuzzy
    Ini empat bagian utama seperti yang ditunjukkan # 8722;
    Modul Fuzzifikasi # 8722; Ini mengubah input mesin, yang bisa menjadi jumlah yang tajam, menjadi set fuzzy. Ini membagi sinyal input menjadi lima ukuran, misalnya # 8722;
    LP x adalah MP Positif Positif Besar Sedang Positif S x Kecil MN x Sedang Negatif LN x Besar Basis Pengetahuan tidak menguntungkan # 8722; Ini menyimpan aturan IF-THEN yang ditawarkan oleh para ahli.
    Mesin Inferensi # 8722; Ini mensimulasikan proses penalaran manusia dengan membuat inferensi fuzzy tentang input dan aturan IF-THEN.
    Modul Defuzzifikasi # 8722; Ini mengubah set fuzzy yang diperoleh oleh mesin inferensi menjadi nilai yang tajam.

    Fungsi keanggotaan berfungsi pada set variabel fuzzy.
    Fungsi Keanggotaan
    Fungsi keanggotaan memungkinkan Anda untuk mengukur istilah linguistik dan mencerminkan himpunan fuzzy secara grafis. Fungsi keanggotaan untuk satu set A di alam semesta wacana X digambarkan sebagai A: X # 8594; [0,1].
    Di sini, setiap komponen X dipetakan ke nilai antara 1 dan 0. Ini disebut nilai keanggotaan atau tingkat keanggotaan. Ini mengkuantifikasi tingkat keanggotaan komponen ini di X ke set fuzzy A. Sumbu X mewakili alam semesta wacana. Sumbu Y mewakili tingkat keanggotaan dalam interval [0, 1]. Ada banyak tujuan keanggotaan yang berlaku untuk memperjelas nilai numerik. Fungsi keanggotaan yang sederhana berfungsi sebagai pemanfaatan fungsi-fungsi yang rumit tidak menambah presisi dalam output.
    Semua keanggotaan berfungsi untuk LP, MP, S, MN, dan LN ditampilkan seperti di bawah # 8722;

    Kontur fungsi keanggotaan segitiga umum di antara berbagai bentuk fungsi keanggotaan lainnya seperti trapesium, tunggal, dan Gaussian.
    Di sini, input ke fuzzifier 5 level bervariasi dari -10 volt hingga 10 volt. Dengan demikian output yang sesuai bervariasi.
    Contoh Sistem Logika Fuzzy
    Mari kita pertimbangkan sistem ac dengan sistem logika fuzzy 5 tingkat. Sistem ini menyesuaikan suhu AC dengan menilai suhu ruang dan nilai suhu target.

    Algoritma Definisikan variabel dan kondisi linguistik. Bangun tujuan keanggotaan untuk mereka. Bangun basis pengetahuan prinsip. Konversi informasi yang tajam ke dalam koleksi data fuzzy menggunakan tujuan keanggotaan. (fuzzifiion) Mengevaluasi prinsip-prinsip dalam basis aturan. (mesin port) Padukan hasil dari setiap aturan. (mesin port) Mengkonversi informasi output menjadi nilai-nilai non-fuzzy. (defuzzifikasi) Pengembangan Logika
    Langkah 1: Tentukan variabel dan istilah linguistik
    Variabel linguistik adalah variabel input dan output dalam bentuk kata atau kalimat sederhana. Untuk suhu ruangan, dingin, panas, hangat, dll., Adalah kondisi linguistik.
    Suhu (t) = sangat-dingin, dingin, hangat, sangat-hangat, panas
    Setiap anggota grup adalah istilah linguistik dan dapat mencakup beberapa bagian dari nilai suhu keseluruhan.

    Langkah 2: Buat tujuan keanggotaan untuk mereka
    Fungsi keanggotaan dari variabel temperatur adalah seperti yang ditunjukkan # 8722;

    Langkah 3: Buat aturan dasar pengetahuan
    Menghasilkan matriks nilai suhu ruang versus nilai suhu target yang diharapkan akan disediakan oleh sistem ac.

    Langkah 4: Dapatkan signifikansi fuzzy
    Set operasi fuzzy mengeksekusi analisis prinsip. Operasi yang digunakan untuk OR dan AND masing-masing adalah Max dan Min. Padukan semua hasil tes untuk membentuk hasil akhir. Hasil ini adalah nilai fuzzy.

    Langkah 5: Lakukan defuzzifikasi
    Defuzzifikasi kemudian dilakukan sesuai dengan peran keanggotaan untuk output.

    Daerah Aplikasi Logika Fuzzy
    Area aplikasi utama logika fuzzy diberikan # 8722;
    Sistem Otomotif Gearbox Otomatis Kendaraan Roda Empat Pengemudian Lingkungan mengontrol Barang Elektronik Konsumen Sistem Hi-Fi Fotokopi Masih dan Kamera Video Televisi Barang Domestik Microwave Oven Kulkas Toaster Mesin Pembersih Vakum Mesin Cuci Lingkungan Kontrol UdaraPengeringPemanas Kelembaban Keuntungan dari FLS Teori matematika dalam fuzzy logika sangat mudah. Anda dapat memodifikasi FLS hanya dengan menghapus atau menambahkan aturan karena fleksibilitas logika fuzzy. Sistem logika fuzzy dapat mengambil informasi input yang tidak akurat, terdistorsi, dan berisik. FLS mudah dibuat dan dipahami. Logika fuzzy adalah alternatif untuk masalah rumit di semua bidang kehidupan, termasuk obat-obatan, karena terlihat penalaran manusia dan pengambilan keputusan. Cons of FLSs tidak ada pendekatan sistematis untuk mendesain sistem fuzzy. Mereka hanya bisa dimengerti ketika sederhana. Mereka dapat diterima untuk masalah yang tidak membutuhkan presisi tinggi.
    Font: Wiki, Google and Myself


    EURUSD BT RESULTS:

    HASIL GBPUSD BT:

    https://www.forexfabrikasi.com/attac...1517934741.ex4

    https://www.forexfabrikasi.com/attac...1517934744.rar

    https://www.forexfabrikasi.com/attac...1517934746.ex4

    https://www.forexfabrikasi.com/attac...1517934748.rar

  2. #2
    Saya menggunakan logika fuzzy dalam teknologi imformasi untuk pencocokan probabilistik. Faktor-faktor dengan pengaruh yang lebih tinggi diberikan bobot yang tinggi dan apakah ambang batas dilampaui pilihan yang dibuat. Persentase dapat digunakan. Menarik tetapi telah digantikan oleh kecerdasan buatan, kapasitas untuk belajar dan mengkonfigurasi sejumlah alorigithms pada waktu yang sama dan memilih yang terbaik dalam contoh itu pada waktunya.

  3. #3
    Saya memiliki dua Set up hingga sekarang, tapi saya berencana untuk memilih lebih banyak koleksi dan sesegera mungkin saya akan posting di sini. Selamat Tahun Baru!

Similar Threads

  1. Pertanyaan Logika tentang Kode Keluar Perdagangan
    By yohyibubu in forum Pembicaran Bitcoin dan Mata Uang Kripto
    Balasan: 4
    Postingan Terakhir: 08-20-2023 14:04, 02:04 PM
  2. Bagaimana cara membuat kode logika ini?
    By hahgksoga in forum Pembicaran Bitcoin dan Mata Uang Kripto
    Balasan: 7
    Postingan Terakhir: 12-13-2021 14:46, 02:46 PM
  3. Sistem Perangkap: Cara Menuju Sistem Perdagangan yang Sepenuhnya-Otomatis
    By bheis in forum Sistem dan Strategi Perdagangan
    Balasan: 40
    Postingan Terakhir: 11-06-2021 10:13, 10:13 AM
  4. AI - Sistem Logika Fuzzy
    By esgehimengks in forum Sistem dan Strategi Perdagangan
    Balasan: 2
    Postingan Terakhir: 05-19-2018 14:34, 02:34 PM
  5. Mencari bantuan untuk mengkode EA - semua logika telah berhasil
    By Desou in forum Pembicaran Bitcoin dan Mata Uang Kripto
    Balasan: 0
    Postingan Terakhir: 07-16-2012 08:54, 08:54 AM

Izin Posting

  • Anda tidak boleh memposting thread baru
  • Anda tidak boleh memposting balasan
  • Anda tidak boleh memposting lampiran
  • Anda tidak boleh menyunting postingan Anda
  •  
  • Kode BB Aktif
  • Smilies Aktif
  • Kode [IMG] Aktif
  • Kode [VIDEO] Aktif
  • Kode HTML tidak aktif
This website uses cookies
We use cookies to store session information to facilitate remembering your login information, to allow you to save website preferences, to personalise content and ads, to provide social media features and to analyse our traffic. We also share information about your use of our site with our social media, advertising and analytics partners.