Académique Documents
Professionnel Documents
Culture Documents
Cours IA Fuzzy Logic 2013x4 PDF
Cours IA Fuzzy Logic 2013x4 PDF
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
Plan
Cours dI.A.
Introduction
!!!la logique floue
3 anne
5. Bilan
Antoine Cornujols
www.lri.fr/~antoine
antoine.cornuejols@agroparistech.fr
http://www.lri.fr/~antoine/Courses/AGRO/Cours-IA/
1- Introduction
Introduction
2-2-Ensembles
Ensemblesflous
flous
3-3-Infrence
Infrencefloue
floue
4-4-Raisonnement
Raisonnementflou
flou
Introduction
V- Conclusions
5-5-Conclusions
Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
Concepts imprcis
! incertitude
Dpendances imprcises
Si la temprature est basse et le gaz nest pas cher
Alors je monte beaucoup le chauffage
V- Conclusions
1- Introduction
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
si le feu est
orange...
5- Conclusions
et si le feu est
proche ...
alors je maintiens ma
vitesse.
Ensemble classique
Avoir une forte fivre
et si le feu est
proche
...
0.8
0.8
0.6
0.6
0.4
0.4
36
alors j'acclre.
Ensemble flou
Avoir une forte fivre
0.2
0.2
T(C)
4- Raisonnement flou
si le feu est
rouge...
3- Infrence floue
si le feu est
rouge...
2- Ensembles flous
37
38
39
40
41
42
T(C)
0
36
37
38
39
40
41
42
Le patient a 38.9C
v.s.
Si le feu est rouge, si ma vitesse dpasse 85.6 km/h et si le feu est moins
de 62.3m, alors jappuie sur le frein avec une force de 33.2 Newtons
1- Introduction
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
En logique floue
5
5- Conclusions
1- Introduction
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
densembles flous
de prdicats flous
doprateurs ensemblistes flous
de relations floues
-----------------------------------
1- Introduction
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
5- Conclusions
Ensemble classique
Avoir une forte fivre
A (x) = 0
A (x) = 1
A (x) [0, 1]
0.8
0.6
0.4
noyau = noy(A)
0.2
si x
/U
si x U
A(x)
T(C)
0
36
37
38
39
40
41
42
Ensemble flou
Avoir une forte fivre
0.8
x U
4- Raisonnement flou
x U
3- Infrence floue
2- Ensembles flous
2- Ensembles flous
2- Ensembles flous
0.6
A (x) [0, 1]
0.4
frontire
0.2
T(C)
0
36
37
38
39
40
41
frontire
support : supp(A)
42
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
2- Ensembles flous
2- Ensembles flous
4- Raisonnement flou
triangulaire, trapzodale,
Petit
Moyen
5- Conclusions
0.8
0.8
0.6
0.6
0.6
0.4
0.4
0.4
0.2
0.2
Taille(m)
Gaussienne,
1.5
1.55
1.6
1.65
1.7
1.75
1.8
1.85
0.2
Taille(m)
0
1.5
1.9
Grand
0.8
3- Infrence floue
10
Les fonctions dappartenance peuvent avoir diverses formes selon leur dfinition :
!
1.55
1.6
1.65
1.7
1.75
1.8
1.85
1.9
Taille(m)
0
1.5
1.55
1.6
1.65
1.7
1.75
1.8
1.85
1.9
Petit
Grand
0.8
Sigmodes...
0.6
0.4
0.2
Taille(m)
0
1.5
11
1.55
1.6
1.65
1.7
1.75
1.8
1.85
1.9
12
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
(OU)
Intersection
(ET)
Complment
(ngation)
3- Infrence floue
4- Raisonnement flou
5- Conclusions
2- Ensembles flous
Inclusion
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
13
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
14
5- Conclusions
15
16
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
17
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
Grand
Moyen
0.8
0.8
0.8
0.8
0.6
0.6
0.6
0.6
0.4
0.4
0.4
0.4
1.5
Taille(m)
1.6
1.65
1.7
1.75
1.8
1.85
1.9
1.5
1.55
1.6
1.65
1.7
1.75
1.8
1.85
0.2
Taille(m)
1.55
0.2
0.2
Taille(m)
1.9
1.5
Taille (m)
0
1.55
1.6
1.65
1.7
1.75
1.8
1.85
1.9
1.5
1.55
Petit ou moyen
5- Conclusions
0.2
18
Grand
Moyen
Petit
1.65
1.7
1.75
1.8
1.85
1.9
Petit et moyen
x U
1.6
19
x U
20
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
Grand
Moyen
Petit
3- Infrence floue
4- Raisonnement flou
5- Conclusions
2- Ensembles flous
Une t-norme est une application T(x,y) satisfaisant les conditions suivantes: Une t-conorme est une application S(x,y) satisfaisant les conditions suivantes:
0.8
0.6
0.6
0.4
0.4
0.2
T ( x,1) = T (1, x) = x.
S ( x, 0) = x.
Commutative T ( x, y ) = T ( y, x)
Commutative S ( x, y ) = S ( y, x)
Associative T ( x, T ( y, z )) = T (T ( x, y ), z )
Monotone si x # z et y # w alors T ( x, y ) # T ( z, w)
Associative S ( x, S ( y, z )) = S ( S ( x, y ), z )
Monotone si x # z et y # w alors S ( x, y ) # S ( z , w)
0.2
Taille(m)
0
1.5
0.8
1.55
1.6
1.65
1.7
1.75
1.8
1.85
Taille (m)
1.5
1.9
1.55
1.6
1.65
1.7
1.75
1.8
1.85
1.9
Non petit
A (x) = 1 A (x)
1- Introduction
x U
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
21
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
lintersection floue
lintersection floue
22
23
24
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
Pour toutes les dfinitions des oprateurs ET et OU, les proprits des oprateurs
boolens classiques sont prserves
Dnomination
Oprateurs de
Zadeh
MIN/MAX
Probabiliste
PROD/PROBOR
Intersection
ET
(t-norme)
Runion
OU
(t-conorme)
A ( x ) + B ( x ) $ A ( x )# B ( x )
Complment
NON
Commutativit
A (x ) = 1 $ A ( x )
A (x ) = 1 $ A ( x )
Distibutivit
2 exceptions notables
#$ A ! (B " C ) = ( A ! B ) " ( A ! C )
%
$& A " (B ! C ) = ( A " B ) ! ( A " C )
1.
Associaticit
2.
A$ A "U
#$ A ! (B ! C ) = ( A ! B ) ! C
%
$& A " (B ! C ) = ( A " B ) " C
i.e. A$ A (x ) " 1
Lois de Morgan
!"
$# A ! B = A " B
%
$& A " B = A ! B
II- Ensembles flous
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
25
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
26
5- Conclusions
2 exceptions notables
1.
Relations classiques
A$ A "U
i.e. A$ A (x ) " 1
x
x
2.
x
x
x
x
Relations floues
Le prix dachat est trs infrieur au prix de vente
27
28
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
Exemple :
$%"!)".-/&$!"&#!
'%!,&#,0"$,"12."
()'%!*+,('-#!./+#0&-"%1
2%!%,#/3,%!4/#+-.-"55"
!"#$"!"#!%&'(#)"*+#',,-$("
II- Ensembles flous
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
29
5- Conclusions
1- Introduction
2
3
2
0.8
1
0.8
3
0.3
0.8
1
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
30
5- Conclusions
Exemple :
(x, y) ! R (x, y)
x X , y Y
fR (x, y) =
1
1 + (x y)2
AB (x, y) = min{A (x), B (y)}
1
1
0.8
0.3
31
Si x not in A, alors
pas dimage, et
!
"
sinon pas absurde
B ! (y) = sup min{A! (x), AB (x, y)}
de prendre le min
x
des deux
appartenances.
Intelligence Artificielle - Logique Floue
! A. Cornujols 2013
32
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
Inverse :
x, y X Y
3. Linfrence floue
x, y, z X Y Z
-----------------------------------
!
$
"
#
fR (x, z) = sup min fR1 (x, y), fR2 (y, z)
yY
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
33
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
34
5- Conclusions
3- Variables floues
Logique floue !base sur des variables floues dites variables linguistiques
valeurs linguistiques dans lunivers du discours U.
Chaque valeur linguistique constitue alors un ensemble flou de lunivers du
discours.
maussade
Exemple:
Si ...
Si Temps est beau ET Moment est DbutMatine ALORS Moral est haut
Prmisses
Conjonction
Implication
Conclusion
35
Univers du discours
: gamme de temprature de 0C 200C
Variables linguistiques : la temprature
Valeurs linguistiques : trs froid, froid, tempr, chaud, trs chaud
36
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
3- La fuzzification
Les systmes logique floue prennent en entre des variables floues et produisent en
sortie des variables floues
Interface de
fuzzification
1- Introduction
3- Infrence floue
4- Raisonnement flou
37
5- Conclusions
Processus dlicat
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
38
5- Conclusions
5- Conclusions
1- Introduction
4- Raisonnement flou
2- Ensembles flous
3- Infrence floue
3- La fuzzification
2- Ensembles flous
En logique classique
En logique floue
! Si p Alors q
"
# p vrai Alors q vrai
Si ...
Si Temps est beau ET Moment est DbutMatine ALORS Moral est haut
Prmisses
Conjonction
Implication
Conclusion
39
40
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
(Diamant)
Il nexiste pas de gnralisation unique de limplication logique
fA
fB
poids
prix
!
"
f (x, y) = fA (x), fB (y)
III- Linfrence floue
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
41
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
42
5- Conclusions
1 si fA (x) fB (y)
fR G (x, y) =
0 sinon
!
"
fK D (x, y) = Max 1 fA (x), fB (y)
&
1
si fA (x) fB (y)
fB G (x, y) =
fB (y) sinon
Mthode de Mamdani :
Mthode de Larsen :
fG (x, y) =
!
"
conclusion (y) = Min premisse (x0 ), conclusion (y)
&
!
"
Min fB (y)/fA (x), 1
1
Willmott
Rescher-Gaines
Kleene-Dienes
Brouwer-G
odel
Goguen
!
"
fL (x, y) = Min 1 fA (x) + fB (y), 1
!
"
fL (x, y) = Min fA (x), fB (y)
si fA (x) #= 0
sinon
Reichenbach
43
Lukasiewicz
Mamdani
Larsen
44
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
3- Le raisonnement flou
(Diamant)
A v B = A -> B
A
fA
fB
" B = (A v B)
poids
Redrivez A v B :
fA
Redrivez A " B :
prix
poids
fA
poids
III- Linfrence floue
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
45
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
*
*!!67!8
4. Le raisonnement flou
!!!!!!!!!!8
-----------------------------------
9,44":&,.+/#";
9,44":<;!!!!!!!!!!!!!67!!!!!!4,+#"5:<;
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!4,+#"5:&,.+/#";
47
46
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
Rgle floue :
fB
fA
Fonction dappartenance
Fait observ :
V est A
fA!
Fonction dappartenance
Conclusion :
W est B
fB !
Fonction dappartenance
!
"
fB ! (y) = sup # fA! (x), f (x, y)
y Y
xX
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
2- Ensembles flous
premisse (x0 )
3- Infrence floue
4- Raisonnement flou
50
5- Conclusions
4- Combinaison de rgles
$
#
conclusion (y) = supxX minyY premisse (x), f (x, y)
"
#
= minyY premisse (x0 ), f (x0 , y)
(en utilisant
limplication de Mamdani)
"
#
= minyY "premisse (x0 ), min(premisse#(x0 ), conclusion (y)
(y)
minyY
pr
emisse
0 ),
='conclusion
( y ) =MIN
(xconclusion
((x
prmisse
0 ), conclusion ( y ))
Fait : T = 3C
"
alors Y est B1
alors Y est B2
...
0.8
Chauffer fort
0.8
0.6
0.6
0.4
0.4
0.2
0.2
-10
T(C)
-5
10
15
Une rgle est active ds quelle a une prmisse ayant une valeur de vrit non
nulle
0.7
12KW
Puissance chauffe(KW)
5
10
15
T=3C
51
52
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
4- Combinaison de rgles
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
4- Combinaison de rgles
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
53
5- Conclusions
1- Introduction
Moteur
dinfrences
4 rgles
R3
R4
Tension de sortie
Moyenne
1 Petite
1 Petite
Implication floue
de Mamdani
Volt(v)
10
Tension de sortie
Moyenne
Volt(v)
2
0.4
0
0
10
Volt(v)
2
10
Grande
0.4
Il faut dfuzzifier
0.2
0
0
0.6
0.2
0.6
Agrgation
des conclusions
0.2
0.6
1
0.8
0.4
0.8
5- Conclusions
Tension de sortie
Grande
0.6
Grande
0.2
4- Raisonnement flou
0.8
0.8
0.4
3- Infrence floue
Tension de sortie
Moyenne
1 Petite
petite=0.6
petite=0.7
moyenne=0.3
grande=0.1
R2
2- Ensembles flous
54
R1
Volt(v)
2
10
55
56
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
1.
2.
sortie =
" y ! dy
S
" ( y )! dy
" dy
de sortie
$&
%&
o S = ' y0 # U / ( y0 ) = SUP ( ( y ))(
y#U
)&
*&
Tension de sortie
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
Volt(v)
2
3,5V
10
1- Introduction
5- Conclusions
U = Univers du discours
4- Raisonnement flou
" y ! ( y )! dy
sortie = U
3- Infrence floue
2- Ensembles flous
0
0
Volt(v)
2
1,9V
10
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
57
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
58
5- Conclusions
On choisit :
Rsultats obtenus (sur 20)
Mthodes utilises (sur 20)
Prsentation (sur 20)
Systme
dinfrences
floues
Classes dappartenance :
59
60
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
Base de rgles :
Sortie :
3- Infrence floue
Entre :
2- Ensembles flous
4- Raisonnement flou
61
5- Conclusions
1.
2.
3.
4.
5.
6.
7.
8.
9.
Si (Rsultats est mdiocre) et (Mthodes est excellent) alors (Evaluation est moyen)
Si (Rsultats est excellent) et (Mthodes est mdiocre) alors (Evaluation est moyen)
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
62
5- Conclusions
ET flou
OU flou
Implication floue
Agrgation des rgles
Dfuzzyfication
: COG
: MIN
: MAX
: MIN
: MAX
63
64
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
5. Conclusion et bilan
-----------------------------------
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
65
5- Conclusions
V- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
66
5- Conclusions
5- Contrleurs flous
5- Champs dapplication
c +-
Rgulateur flou
Systme
Bases de donnes
Reconnaissance de formes
Variables
dentre
V- Conclusions
e1
e2 .
..
e
Ensembles
flous
67
V- Conclusions
Pr-traitement
Fuzzification
Base de rgles
floues
Mthode
dinfrence
floue
Raisonnement
flou
Dfuzzificateur
Variables
de sortie
Dfuzzification
Post-traitement ..
.
u1
u2
un
68
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
5- Conclusions
1- Introduction
Fuzzy set theory : dfinition des ensembles flous et des oprateurs associs
Longtemps universitaire
Ex: la famille des processeurs WARP (Weight Associative Rule Processor) de SGS-THOMSON
dont les principales caractristiques sont les suivantes :
1985 : Les Japonais lancent des produits avec Fuzzy Logic Inside
V- Conclusions
1- Introduction
2- Ensembles flous
5- Conclusions
photocopieurs,...)
4- Raisonnement flou
3- Infrence floue
5- Historique : la maturit
5- Historique
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
69
5- Conclusions
V- Conclusions
1- Introduction
2- Ensembles flous
3- Infrence floue
4- Raisonnement flou
70
5- Conclusions
Rfrences
Remerciements
Matthieu Lescieux
Merci !!
V- Conclusions
71
V- Conclusions
72