Discussion :

[FuzzyLogic]

Bonjour,

Je suis nouveau sur le forum.
Je suis autodidacte en math, curieux, et viens de découvrir un peu de Fuzzy Logic. Avant de me lancer plus en avant j’aimerais si possible quelques réponses :

J’ai les résultats d’un processus basé sur de la fuzzy logic avec calcul d’un signal a partir de 3 inputs. Il y un fichier d’analyse qui me donne :

Input A : [0,100] avec 5 fuzzy sets (voir miniature)
Input B : [0,100] avec 8 fuzzy sets
Input C : [-50,50] avec 3 fuzzy sets

Règle 1 : IF (Input A = FS1 AND Input B = FS1 AND Input C = FS2 ) THEN = -0,1746
Règle 2 : IF (Input A = FS1 AND Input B = FS2 AND Input C = FS2) THEN = -2.5032
Etc…

Exemples de données de la règle 1 dans ce fichier analyse :

Input A // Input B // Input C // SIGNAL
------------------------------------------
14.336 // 8.251 // -5.245 // -0.282
7.168 // 4.125 // -7.168 // -0.370
3.584 // 2.063 // -3.584 // -0.298
... Etc.

Ce qui m’intéresse c’est le Signal calculé.
Je n’ai pas les règles qui ont permis de déterminer ces signaux, juste ces résultats.

Question : comment déterminer le signal à partir des inputs sans la fuzzy-logic précise ??? Est-ce possible ??
Si j’ai Input A = 2 / Input B = 4 / Input C = 3 par exemple quel est le signal ???
Est-ce que Matlab par exemple pourrait reconstruire les règles "à l'envers" puisqu’il connait les inputs et les IF …THEN ???

En observant les données j’ai pu parvenir à une équation approximative (erreur de 0.001 parfois) et je calcule le signal par régression linéaire et matrice dans Excel à partir des plages d’inputs et signaux. Mais cela reste approximatif. Et impossible au delà de 3 inputs.

signal = a*(InputA*InputB) + b*(InputB*InputC) + c*(InputA*InputC) + d*InputA + e*InputB + f*InputC + g

Merci par avance

[Franck Dernoncourt]

as-tu regardé du côté de http://en.wikipedia.org/wiki/Neuro-fuzzy?
MATLAB l'implémente dans ANFIS

[FuzzyLogic]

Merci pour ta réponse.
Oui il s'agit plutot de neuro-fuzzy... donc les choses se compliquent ! J'espérais une procédure plus simple avec Matlab. Je vais allez voir ton lien et plonger un peu les mains dans le cambouis.

[Franck Dernoncourt]

en fait on peut imaginer beaucoup de modalités d'apprentissage pour un système flou. J'ai par exemple croisé des travaux mêlant algorithmes évolutionnistes et logique flous. Néanmoins, à ma connaissance, le plus courant est le neurofuzzy. J'ai utilisé cela dans un de mes projets de recherche : http://francky.me/publications.php#fuzzyDSS2011 (chapitre 4.3.4 Systemes neuro-fuzzy)
MATLAB rend la chose aisée à utiliser (regarde la commande anfisedit), néanmoins les fonctions d'apprentissage d'un système flou dans ANFIS de MATLAB sont à l'heure actuelle assez limitées.

[FuzzyLogic]

Je suis allé voir ton travail : très interessant !

Je suis parvenu à créer un .Fis type Sugeno dans Matlab. Mais je me posais une question dont je ne parviens pas a trouver la solution : comment calcule-t-on l'output selon Sugeno puisque c'est beaucoup plus simple qu'avec Mangani ???

J'ai une rule qui affirme par exemple :

IF input1 and input2 and input3 THEN = 2
Le résultat est donc une constante.

Si Y1 = 0.6 / Y2 = 0.3// Y3 = 0.9

0.6 + 0.3 + 0.9 ..... ?????

J'ai bien compris que l'Output complet sera la moyenne pondérée de toutes les rules mises en jeu, mais à quoi correspond W1 et W2 dans le graphique Sugeno mis en annexe ?

Merci par avance

[Franck Dernoncourt]

cf première page de la pièce jointe, le paragraphe au centre.

[FuzzyLogic]

Merci pour la reponse.
Dans mon exemple il fallait pour cette seule rule : y1*y2*y3 =w1
Et pour toutes les rules concernees : resultat final = (w1*2 + .... ) / (w1 + ....)
Ça marche nickel !