Можно реализовать два типа нечетких систем вывода в тулбоксе:
Mamdani
Sugeno
Эти два типа систем вывода отличаются несколько по способу, которым определяются выходные параметры.
Нечеткий метод вывода Мэмдэни является обычно замеченной нечеткой методологией. Метод Мэмдэни был среди первых систем управления, созданных с помощью теории нечетких множеств. Это было предложено в 1 975 Эбрахимом Мэмдэни [1] как попытка управлять паровым двигателем и комбинацией бойлера путем синтезирования набора лингвистических правил управления, полученных из опытных человеческих операторов. Усилие Мэмдэни было основано на 1 973 статьях Лотфи Зэдеха о нечетких алгоритмах для сложных систем и процессов принятия решений [2]. Несмотря на то, что процесс вывода, описанный в следующих нескольких разделах, отличается несколько от методов, описанных в исходной газете, основная идея является почти такой же.
Mamdani-вывод-типа, как задано для тулбокса, ожидает, что выходные функции принадлежности будут нечеткими множествами. После процесса агрегации существует нечеткое множество для каждой выходной переменной, которой нужен defuzzification. Это возможно, и во многих случаях намного более эффективно, чтобы использовать один скачок в качестве выходной функции принадлежности, а не распределенного нечеткого множества. Этот тип вывода иногда известен как одиночный элемент выходная функция принадлежности, и это может считаться pre-defuzzified нечетким множеством. Это улучшает эффективность defuzzification процесса, потому что это значительно упрощает вычисление, требуемое большим количеством метода генерала Мэмдэни, который находит центроид двумерной функции. Вместо того, чтобы объединяться через двумерную функцию, чтобы найти центроид, вы используете взвешенное среднее нескольких точек данных. Sugeno-системы-типов поддерживают этот тип модели. В целом Sugeno-системы-типов могут использоваться, чтобы смоделировать любую систему вывода, в которой выходные функции принадлежности являются или линейными или постоянными.
Для описаний этих двух типов нечетких систем вывода см. [3], [1], и [4].
Нечеткие системы вывода были успешно применены в полях, таких как автоматическое управление, классификация данных, анализ решений, экспертные системы и компьютерное зрение. Из-за его мультидисциплинарного характера нечеткие системы вывода сопоставлены со многими именами, такими как нечеткие основанные на правиле системы, нечеткие экспертные системы, нечеткое моделирование, нечеткая ассоциативная память, контроллеры нечеткой логики, и просто (и двусмысленно) нечеткие системы.
[1] Mamdani, Э.Х. и С. Ассилиэн, "Эксперимент в лингвистическом синтезе с контроллером нечеткой логики", Международный журнал Человеко-машинных Исследований, Издания 7, № 1, стр 1-13, 1975.
[2] Zadeh, Лос-Анджелес, "Схема нового подхода к анализу сложных систем и процессам принятия решений", Транзакции IEEE в Системах, Человеке, и Кибернетике, Издании 3, № 1, стр 28-44, январь 1973.
[3] Jang, J.-S. R. и C.-T. Sun, нейронечеткое и мягкое вычисление: вычислительный подход к изучению и искусственному интеллекту, Prentice Hall, 1997.
[4] Sugeno, M., Промышленное применение нечеткого управления, паба Elsevier Science. Ко., 1985.