模糊逻辑基础篇(Foundations of Fuzzy Logic)-无人驾驶汽车自动调节速度案例
本篇文章会从模糊逻辑最基础的理论概念叙述,并通过具体示例引导您了解整个模糊逻辑的运行过程。
一、概念提出
在提出模糊逻辑之前,我们已经知道布尔运算是针对机器做出准确答案的,就像存在它体内的二进制数一样,要么是1,要么是0。例如,在下图Monday,Thursday,Saturday属于一周之内的日子,而其他不属于。
但是这种方法只能适用于进行事实判断,也就是说答案不存在争议,大家普遍都这样认为的。
而在生活中,人类在做大部分决策都是非常模糊的,是在“yes”和“no”中间寻找可能的答案,而非一个确定的类别。 例如身高问题,在回答175cm和185cm是否高时,对于155cm的人来说,175cm和185cm无疑都是高的;而对于174cm的人来讲,因为自己和175cm的差别很小,所以认为175cm属于稍高,而185cm属于高。可以看出,174cm的人在回答这个问题时觉得175cm属于高的程度没那么大,所以加了形容词变成稍微高,反映到数学表达上即高的程度为[0,1]之间的数值。
为了解决此类决策问题,使计算机更符合人类思维,科学家们提出了模糊逻辑方法。包括以下这些新概念:
1. 模糊集合(Fuzzy Set)和隶属度函数(Membership Functions):
模糊集合中的值以某种程度上属于这个集合,例如变量高度中有非常低、低、稍高、高、非常高为五个不同的模糊集合。
隶属度函数是一条曲线,它定义了如何将输入空间中的每个点映射到0到1之间的隶属度。还是以上述例子为例,隶属度就是高的程度,数值位于[0,1]之间。隶属度函数就是身高(自变量)和隶属度(因变量)的对应关系。隶属度函数一般凭经验或机器学习算法进行训练改进得出。论域是自变量的范围,如隶属度函数统计高度[155,195]。
m0_61830286: 你好,请问在创建算法那里,要设置输入输出参数的话,还需要在启动文件中写什么代码吗
YK_Forever:
Dream_飞翔:
YHQ299: 👍👍👍