fuzzy associative memory

模糊逻辑“模糊关联记忆”

模糊的关联内存（简称FAM）是用于决策的模糊逻辑工具。模糊的逻辑家族具有广泛的实际应用：

• 控制系统，例如管理风扇以保持房间处于“正当”温度
• 游戏AI，例如以人类的决策行为填充机器人
• 预测系统，将原因与效果联系起来

它如何工作

模糊的关联记忆使用模糊集来建立一组语言本质上的规则。示例可能包括：

• “如果房间有点温暖，请将风扇抬起一点”
• “如果兽人的生命值有点低，则从敌人那里撤退”
• “如果敌人很远，我的火箭弹弹药很低，火箭发射器是一个糟糕的选择”
• “如果敌人在附近，我的shot弹枪弹药还可以，那枪是一个非常理想的选择”
• “如果船只偏离路线，请在右边稍微纠正一点”
• “如果鸟比羊群慢得多，请加快速度”

语言规则和它们所包含的模糊集由人类的“专家”（大概是您）定义。也就是说，规则将智能编纂并映射到从人类领域到数字的知识。

定义规则后，咨询了一个FAM，以帮助您的AI进行降序：

• ORC撤退，攻击，横扫。
• 该船发射了远距离导弹或发射短距离枪。
• 对照杆将其降低到反应器中或从中升起。

如您所见，模糊规则是故意模糊的，并使用诸如“少量”和“很多”之类的预选赛。此外，模糊集之间的界线是故意模糊的。这是模糊集的本质；他们以一种从模糊规则中提取高度自然行为的方式捕获了如此人类的模糊性。在定义这些规则时，有助于想象在域中采访真正的专家，并写下在领域中取得成功所必需的技能。

FLV可视化

模糊的语言变量可能很难可视化，尤其是当它们变得复杂并组合包括三角形和梯形时。为了回答这一点，该软件现在可以（可选）将其插入您已安装的GNUPLOT并创建FLV的PNG或SVG渲染图。这是一个例子：

项目状态

这是有效的功能性软件，适用于您自己的游戏或应用程序。它目前支持：

• 三角形和梯形模糊集用于输入/输出
• 拉尔森的含义（缩放）
• Mamdani的含义（剪裁）
• 原子先例命题（ if A then Z ）
• 复合前提命题（ if A or B, then Z / if A and B, then Z ）

做（大致重要的是重要的）：

• 参数验证以防止形状不良，不正确的FAM布局等。
• 模糊集的其他形状
• 树篱（“非常”和“相当”）
• 其他例子

观看变更记录以获取新闻。

宝石安装

我建议您克隆git存储库，并浏览示例和源代码，以充分了解FAMS的工作原理。

但是，如果 /当您想在自己的项目中使用它时，最简单的方法是通过宝石：

 gem install fuzzy_associative_memory

然后在您的代码中：

 require 'fuzzy_associative_memory'

该宝石是完全命名的，以防止碰撞。有关使用详细信息，请参见示例。

包括示例

bin目录包含以下示例：

• hvac_system_example说明了家庭如何管理HVAC风扇单元以保持恒定，舒适的温度
• weapon_choice_example说明了FAM如何让游戏机器人智能决定使用哪种武器

示例模糊语言变量的图已预先渲染，并在bin目录中。这些将帮助您可视化FLV。

创建此软件的参考文献

• Bart Kosko（亚马逊链接）的“模糊思维：模糊逻辑的新科学”
• Daniel McNeill＆Paul Freiberger（Amazon Link）的“模糊逻辑：正在改变世界的革命计算机技术”
• Sujit Nath Pant＆Keith E. Holbert（链接）的“决策和信号处理中的模糊逻辑”（链接）
• Mat Buckland（Amazon Link）的“以身例子为例”