fuzzy associative memory

Fuzzy Logic "Fuzzy Associative Memory"

Ein Fuzzy Associative Memory (kurz FAM) ist ein unscharfes Logik -Tool für die Entscheidungsfindung. Fuzzy Logic FAMs haben eine breite Palette praktischer Anwendungen:

• Steuerungssysteme wie den Lüfter, um einen Raum an der "genau richtigen" Temperatur zu behalten
• Game AI, wie das Erimbing von Bots mit menschlichem Entscheidungsverhalten
• Vorhersagesysteme, Verknüpfung von Ursachen mit Effekten

Wie es funktioniert

Ein Fuzzy Associative Memory verwendet Fuzzy -Mengen, um eine Reihe von Regeln festzulegen, die von Natur aus sprachlich sind. Beispiele können umfassen:

• "Wenn der Raum etwas warm ist, drehen Sie den Ventilator ein bisschen auf"
• "Wenn die Trefferpunkte des Orks etwas niedrig sind, ziehen Sie sich vom Feind zurück."
• "Wenn der Feind entfernt ist und meine Raketenmunition niedrig ist, ist der Raketenwerfer eine schlechte Wahl"
• "Wenn der Feind in der Nähe ist und meine Schrotflinte Munition in Ordnung ist, ist die Schrotflinte eine sehr wünschenswerte Wahl"
• "Wenn das Schiff ein wenig von Kurs ist, korrigieren Sie nur ein wenig nach rechts."
• "Wenn der Vogel viel langsamer ist als die Herde, beschleunigen Sie ihn viel"

Die sprachlichen Regeln und die Fuzzy -Sets, die sie enthalten, werden von einem menschlichen "Experten" (vermutlich Sie) definiert. Das heißt, die Regeln kodifizieren Intelligenz und kartieren dieses Wissen von der menschlichen Domäne in die Digitale.

Nachdem die Regeln definiert sind, wird eine FAM konsultiert, um Ihrer KI zu helfen, eine Descision zu machen:

• Die ORC Retreats, Angriffe, Strafes.
• Das Schiff startet Langstrecken -Raketen oder feuert Kurzstreckenpistolen.
• Die Kontrollstangen werden in den Reaktor gesenkt oder daraus erhoben.

Wie Sie sehen können, sind die verschwommenen Regeln absichtlich vage und verwenden Qualifikatoren wie "ein wenig" und "viel". Darüber hinaus sind die Grenzen zwischen Fuzzy -Sätzen absichtlich verschwommen. Dies ist die Natur von unscharfen Sätzen; Sie erfassen eine solche menschliche Unschärfe so, dass sie ein hohes natürliches Verhalten aus den unscharfen Regeln entzieht. Bei der Definition dieser Regeln hilft es sich vorzustellen, einen echten Experten in der Domäne zu interviewen und die Fähigkeiten aufzuschreiben, die erforderlich sind, um im Bereich erfolgreich zu sein.

FLV -Visualisierung

Fuzzy sprachliche Variablen können schwer zu visualisieren sein, insbesondere wenn sie komplex werden und Dreiecke und Trapezoide in Kombination einbeziehen. Um das zu beantworten, kann diese Software (optional) jetzt (optional) an Ihren installierten GnuPlot verhandeln und PNG- oder SVG -Renderings Ihrer FLVs erstellen. Hier ist ein Beispiel:

Projektstatus

Dies ist funktionsfähig, funktionale Software, die für die Verwendung in Ihrem eigenen Spiel oder Ihrer eigenen Anwendung geeignet ist. Es unterstützt derzeit:

• Triangular & Trapezoidal Fuzzy -Sets für Eingang/Ausgabe
• Larsen -Implikation (Skalierung)
• Mamdani -Implikation (Clipping)
• Atomare Vorschläge ( if A then Z )
• Zusammengesetzte Antezedenzangriffe ( if A or B, then Z / if A and B, then Z )

Zu tun (in absteigender Bedeutung, ungefähr):

• Parametervalidierungen, um schlechte Formen zu verhindern, unsachgemäßes FAM -Layout usw.
• Andere Formen für Fuzzy -Sets
• Hecken ("sehr" und "fair")
• Zusätzliche Beispiele

Sehen Sie sich den ChangeLog für Nachrichten an.

Edelsteininstallation

Ich empfehle Ihnen, das Git -Repository zu klonen und die Beispiele und den Quellcode zu durchsuchen, um zu verstehen, wie FAMS funktioniert.

Wenn Sie dies jedoch in Ihrem eigenen Projekt verwenden möchten, ist der einfachste Weg, dies zu tun, über das Edelstein:

 gem install fuzzy_associative_memory

Dann in Ihrem Code:

 require 'fuzzy_associative_memory'

Das Edelstein wird vollständig genannt, um Kollisionen zu verhindern. In den Beispielen finden Sie die Nutzungsdetails.

Eingeschlossene Beispiele

Das bin -Verzeichnis enthält die folgenden Beispiele:

• hvac_system_example veranschaulicht, wie eine FAM eine HLK -Lüftereinheit regieren könnte, um eine konstante, komfortable Temperatur aufrechtzuerhalten
• weapon_choice_example veranschaulicht, wie eine Familie ein Spiel intelligent entscheiden lassen kann, welche Waffe verwendet werden soll

Diagramme der fuzzy sprachlichen Variablen der Beispiele wurden vorgefertigt und befinden sich im Bin-Verzeichnis. Diese helfen Ihnen dabei, die FLVs zu visualisieren.

Referenzen, die bei der Erstellung dieser Software verwendet werden

• "Fuzzy Thinking: Die neue Wissenschaft der Fuzzy -Logik" von Bart Kosko (Amazon Link)
• "Fuzzy Logic: Die revolutionäre Computertechnologie, die die Welt verändert" von Daniel McNeill & Paul Freiberger (Amazon Link)
• "Fuzzy Logic in der Entscheidungsfindung und Signalverarbeitung" von Sujit Nath Pant & Keith E. Holbert (Link)
• "Programmierspiel AI von Beispiel" von Mat Buckland (Amazon Link)