Die Fuzzy Theorie stammt von dem aserbaidschanischen Elektroingenieur Lotfi A. Zadeh. Dieser führte im Jahr 1965 die Fuzzy-Logik in seinem Artikel Fuzzy-Sets ein. Im Vergleich zur klassischen Booleschen- oder binären Logik mit nur zwei möglichen Wahrheitswerten, bietet diese Logik die Möglichkeit eines stetigen Übergangs zwischen Zugehörigkeit und Nichtzugehörigkeit einer Aussage zu einer Menge durch eine Abbildung der Wahrheits- oder Zugehörigkeitswerten in einem abgeschlossenen Intervall. Die Werte liegen dabei in Form verbaler Ausdrücke vor wie beispielsweise sehr falsch, falsch, wahr, sehr wahr, und werden mit Hilfe von charakteristischen Funktionen auf die numerischen Wahrheitswerte abgebildet. Die Fuzzy-Logik kann somit Aussagen verarbeiten, welche eventuell nur zu einem gewissen Grad wahr oder falsch sind.
In diesem Assignment soll eine Einführung in die Fuzzy Mengenlehre (engl. Fuzzy Set Theory) erfolgen. Hierzu setzen wir uns im ersten Abschnitt des zweiten Kapitels mit der natürlichen Sprache im Vergleich zu formalen mathematischen Modellen auseinander. Im zweiten Abschnitt betrachten wir klassische Mengen, vergleichen diese mit Fuzzy Sets und heben die Unterschiede anhand von Beispielen und grafischen Darstellungen hervor. Im dritten Abschnitt betrachten wir Operatoren, zunächst auch wieder auf Basis der klassischen Mengenlehre und anschließend bezogen auf die Fuzzy Mengenlehre. Im vierten Abschnitt betrachten wir Fuzzy-Relationen. Im fünften Abschnitt gehen wir kurz auf Fuzzy Expertensysteme ein und präsentieren den klassischen Aufbau eines Expertensystems. Abschließend wird im letzten Kapitel ein Fazit gezogen und eine Einschätzung über die zukünftigen Einsatzgebiete der Fuzzy-Mengenlehre abgegeben.
Inhaltsverzeichnis
1. Einleitung
2. Fuzzy Mengenlehre
2.1. Formale Modelle und natürliche Sprache
2.2. Scharfe Mengen und Fuzzy Sets
2.3. Fuzzy-Mengenoperationen
2.4. Fuzzy-Relationen
2.5. Anwendungsgebiete
3. Fazit und Ausblick
Zielsetzung & Themen
Das Hauptziel dieser Arbeit ist es, eine grundlegende Einführung in die Fuzzy-Mengenlehre zu geben, die theoretischen Konzepte hinter unscharfen Mengen zu erläutern und deren Abgrenzung zur klassischen, zweiwertigen Logik aufzuzeigen.
- Vergleich zwischen formaler mathematischer Logik und natürlicher Sprache
- Einführung in scharfe Mengen und die Erweiterung zu Fuzzy Sets
- Erklärung grundlegender Fuzzy-Mengenoperationen wie Durchschnitt, Vereinigung und Komplement
- Darstellung von Fuzzy-Relationen und deren praktischer Anwendung in Expertensystemen
Auszug aus dem Buch
2.2. Scharfe Mengen und Fuzzy Set
In der klassischen Mathematik wird eine Menge allgemein als Teilmenge A, einer Grundmenge, bzw. einer Basismenge (Universe of discourse) X beschrieben, welche sich aus einzelnen Elementen x zusammensetzt. Sie kann verschieden definiert werden:
Durch Auflistung ihrer enthaltenen Elemente: A = {x1, x2, x3, ..., xn}
Durch die Charakterisierung einer Eigenschaft, welches das Element aufweisen muss: A = {x ∈ N|x ≥ 13 und x ≤ 19}
Durch eine charakteristische Funktion oder Zugehörigkeitsfunktion μA der Menge: μA: X → {1, 0}
In der Zugehörigkeitsfunktion (membership function) nehmen alle Elemente x der Grundmenge X, welche in A enthalten sind den Wert eins und für alle, welche nicht enthalten sind den Wert null an. Das bedeutet, dass jede Aussage genau einem der beiden Wahrheitswerte [1, 0] bzw. [wahr, falsch] zuzuordnen ist. Dieser Sachverhalt wird in der Mathematik als Zweiwertigkeitsprinzip der Zugehörigkeit bezeichnet.
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung gibt einen Überblick über die Ursprünge der Fuzzy-Logik durch Lotfi A. Zadeh und beschreibt die methodische Vorgehensweise des Assignments.
2. Fuzzy Mengenlehre: Dieses Kapitel erläutert die theoretischen Grundlagen, den Unterschied zwischen scharfen und unscharfen Mengen, mathematische Operationen und die Anwendung in Relationen und Expertensystemen.
3. Fazit und Ausblick: Das Fazit fasst die behandelten Themen zusammen und gibt eine Einschätzung zur zukünftigen Relevanz der Fuzzy-Logik, insbesondere im Kontext von autonomen Systemen und Expertensystemen.
Schlüsselwörter
Fuzzy-Logik, Fuzzy-Mengenlehre, Fuzzy Sets, Zugehörigkeitsfunktion, Mengenoperationen, Fuzzy-Relationen, Expertensysteme, Künstliche Intelligenz, Zweiwertigkeitsprinzip, linguistische Variablen, Fuzzy-Control, Fuzzy Union, Fuzzy Intersection, Fuzzy Complement, Automatisierung.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit bietet eine fundierte Einführung in die Fuzzy-Mengenlehre und beleuchtet deren theoretische Basis sowie praktische Anwendungsfelder.
Was sind die zentralen Themenfelder?
Die zentralen Themen sind die Abgrenzung der Fuzzy-Logik zur klassischen Logik, die mathematische Definition von unscharfen Mengen und deren Verknüpfung durch Operatoren.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist es, dem Leser ein grundlegendes Verständnis für die Funktionsweise und die Vorteile der Fuzzy-Logik im Vergleich zur klassischen, binären Logik zu vermitteln.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer theoretischen Literaturanalyse sowie der grafischen und mathematischen Herleitung von Fuzzy-Modellen anhand von praxisnahen Beispielen.
Was wird im Hauptteil behandelt?
Der Hauptteil befasst sich mit der Definition von scharfen und unscharfen Mengen, der Implementierung von Mengenoperationen und der Nutzung von Fuzzy-Relationen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wesentliche Begriffe sind Fuzzy-Logik, Zugehörigkeitsfunktion, Expertensysteme und die mathematische Modellierung von Unschärfe.
Warum ist das Zweiwertigkeitsprinzip für Fuzzy-Mengen problematisch?
Es ist problematisch, da es nur zwischen "wahr" oder "falsch" unterscheidet, während die natürliche Sprache und komplexe Realitäten oft fließende Übergänge erfordern.
Was unterscheidet Fuzzy-Expertensysteme von klassischen Modellen?
Fuzzy-Expertensysteme erlauben die Verarbeitung von unscharfem Wissen und die Verwendung linguistischer Variablen, was die Interaktion zwischen Mensch und System verbessert.
Welche Rolle spielt die Zugehörigkeitsfunktion?
Sie ordnet einem Element einen Wert zwischen null und eins zu und ermöglicht so die mathematische Abbildung von graduellen Zuständen.
Warum ist Fuzzy-Logik für autonome Fahrzeuge relevant?
Sie ermöglicht eine flexiblere Entscheidungsfindung in komplexen Verkehrssituationen, in denen präzise physikalische Werte allein nicht ausreichen.
- Quote paper
- Emanuel Ibing (Author), 2019, Einführung in die Fuzzy-Mengenlehre. Die natürliche Sprache im Vergleich zu formalen mathematischen Modellen, Munich, GRIN Verlag, https://www.grin.com/document/504157
