Home > Doc > Reti Neurali su .... > Dove si Applica la Fuzzy Logic

Reti neurali su Personal Computer e Fuzzy Logic: Fuzzy Logic e La teoria del Ragionamento sfumato

Dove si Applica la Fuzzy Logic

Innanzitutto dobbiamo precisare che questa tecnica fa parte dei sistemi decisionali basati su regole del tipo "if ...then...else", o più semplicemente di quei sistemi basati sulla conoscenza(Knowledge Based Processing) come i cosiddetti Sistemi Esperti.

La base di conoscenza di un sistema esperto è come una specie di database che anziché essere composto di dati è composto di relazioni tra i dati intese come associazioni di conseguenze determinate da particolari condizioni di ipotesi: tutto ciò viene chiaramente espresso nelle regole tipo "if then else". Non voglio in questo capitolo approfondire problematiche relative ai sistemi esperti ma concludo ancora dicendo che il programma che "aziona le regole" contenute nel "knowledge base" viene spesso chiamato motore inferenziale o reasoning engine e può essere basato su diverse tecniche di supporto alla decisione.

In fig.1 potete vedere un tipico protocollo di ragionamento per un sistema esperto ibrido con la estensione delle ultime tecnologie come reti neurali e algoritmi genetici.

Come potrete immaginare, un sistema esperto puo essere basato anche solamente su regole fuzzy e quìndi è il caso di capire cosa significa ragionamento fuzzy o sfumato. Se prendiamo in esame una regola del tipo if(acqua bolle) then (butto la pasta), non vi sono sicuramente incertezze a decidere quando buttare la pasta dato che (acqua bolle) è sicuramente vero o sicuramente falso. Se prendiamo in esame invece la regola if(acqua è calda) then (abbassa la fiamma) ci troviamo di fronte a dati incerti: che cosa significa calda? E quanto devo abbassare la fiamma? Supponendo di poter misurare la temperatura con un termometro, come faremo a decidere se quel valore rientrerà nella definizione "calda"?

Dovremo iniziare a definire un range di valori in cui la temperatura può variare e dei subranges che rappresentino definizioni come "calda" o "molto calda". Appare quindi evidente che non sono i dati input a essere imprecisi ma bensì le relazioni che esistono tra input e output: nei problemi trattati con fuzzy logic infatti non esiste un facile modello matematico che collega input e output . In pratica con un motore inferenziale fuzzy si puo empiricamente sintonizzare una funzione matematica che vincola input e output, tramite regole tipo " if ...then ...".

Luca Marchese

Successivo: Fuzzyficazione dell' Input

Sommario: Indice