سلام علیکم رفقای گلم😍😁 آقا در رابطه با موضوعی که امروز توی کانال گفتم فعلا به نتیجه نرسیدیم اما فردا در رابطه باهاش کلی باهاشون حرف دارم حتما فردا کانال رو چک کنین😌 و اما بریم سراغ آخرین پارت از #هوش_مصنوعی👇

💢مورد هفتم: منطق فازی منطق فازی ( Fuzzy Logic ) روشی برای استدلاله که مشابه استدلال و نحوه تصمیم گیری انسان هست. این روش شامل تمام احتمالات بینابینی بین بله و خیره/ آره و نه. بلوک منطقی متداول که کامپیوتر درک میکنه ورودی دقیقی رو می گیره و خروجی مشخصی رو به صورت TRUE یا FALSE تولید می کنه که برابر با بله یا نه یه انسانه.〽️

#افتخار🇮🇷 خیلی جالبه که بدونین منطق فازی توسط دکتر لطفعلی عسکرزاده که بیشتر به نام دکتر لطفی زاده شناخته میشه، اختراع شده😍 ‌

بلوک منطقی متداولی که کامپیوتر درک می کنه ورودی دقیقی رو می گیره و خروجی مشخصی رو به صورت TRUE یا FALSE تولید می کنه. داکتر لطفی زاده متوجه شد که برخلاف رایانه ها، انسان ها دارای طیف وسیعی از احتمالات بین YES و NO هستن، مثل تصویر همین پیام☝️

‌ پس اومد منطق بولی کامپیوتری رو که فقط به بله و خیر ختم میشد رو تبدیل به #منطق_فازی کرد. حالا منطق فازی برای دستیابی به یه خروجی مشخص روی سطوح احتمالات مختلف ورودی کار می کنه. بیایین در مورد نحوه اجرا این منطق صحبت کنیم: #منطق_فازی می تونه توی سیستم هایی با اندازه ها و قابلیت های مختلف مثل میکروکنترلر ها، شبکه های بزرگ یا سیستم های مبتنی بر ایستگاه کاری پیاده سازی بشه. همچنین ، می تونه در سخت افزار ، نرم افزار یا ترکیبی از هر دو اجرا بشه. اینجوری میتونه به #هوش_مصنوعی توی تصمیم گیری دقیق کمک های خیلی بزرگی بکنه👌😍 ‌

اصلا چرا ما از منطق فازی استفاده می کنیم؟🤔 ببینین بچه ها، به طور کلی ما از سیستم منطق فازی برای اهداف تجاری و کاربردی مثل موارد زیر استفاده می کنیم: ✅این منطق می تونه ماشین ها و محصولات مصرفی رو کنترل کنه ✅اگر استدلال دقیق نباشه، حداقل استدلال قابل قبولی را ارائه می ده ✅این منطق در مقابله با عدم اطمینان در مهندسی کمک می کنه. شاید این موارد در ظاهر ساده به نظر بیاد اما توی پروژه های بزرگ واقعا پر کاربرد و موضوع خیلی کلیدی به حساب میاد.

معماری منطق فازی از چهار قسمت اصلی تشکیل شده : ⚜قوانین ⚜فازی کننده ⚜موتور استنتاج ⚜برگرداندن از حالت فازی که هر کدوم رو خیلی مختصر توضیح میدم براتون👇

⚜مورد اول: قوانین شامل کلیه قوانین و شرایطیه که توسط کارشناس ها برای کنترل سیستم تصمیم گیری ارائه میشه. به روزرسانی های جدید توی تئوری فازی ، روش های مختلف و متفاوتی رو برای طراحی و تنظیم کنترل کننده های فازی فراهم می کنه که معمولاً این تحولات تعداد قوانین فازی رو کاهش می ده و در نتیجه سرعت بیشتری به ما میده😁 ‌

⚜مورد دوم: فازی سازی این مرحله ورودی ها یا اعداد قطعی ( Crisp ) رو به مجموعه های فازی تبدیل می کنه. می توانیم ورودی های قطعی رو توسط سنسور ها اندازه گیری کنیم و برای پردازش بیشتر به سیستم کنترلی منتقل کنیم. سیستم سیگنال ورودی را به پنج سطح تقسیم می کنه:(تصویر)☝️ ‌

⚜مورد سوم: موتور استنتاج این بخش میزان مطابقت ورودی فازی و قوانین رو تعیین می کنه. با توجه به بخش ورودی، در مورد قوانینی که باید فعال بشن تصمیم گیری می شن. با ترکیب قوانین فعال شده ، اقدامات کنترلی را شکل می ده. خیلی حوصله سر بره😩

⚜مورد چهارم: برگرداندن از حالت فازی فرآیند Defuzzification مجموعه های فازی رو به یک مقدار قطعی تبدیل می کنه. برای انجام این کار انواع مختلفی از تکنیک ها وجود داره و شما باید بهترین و مناسب ترین آن ها را برای پیاده سازی یک سیستم خبره انتخاب کنین. ‌

خب حرف برای گفتن در رابطه با توابع منطق فازی و ارتباطش با سیستم های خبره و شبکه عصبی زیاده اما به نظرم تا همینجا کفایت کنه. اگر کسی علاقه مند شد به این حوزه، بهم بگه میتونم راهنمایی کنم😇❤️ ولی من خودم که خوشم نمیاد ازش، شما چطور بچه ها؟؟🤔 بهم بگین ببینم @CodenaSupport