Advanced Fuzzy Systems Design and Applications

سیستم‌های قواعد فازی طیف وسیعی از کاربردها را در بسیاری از زمینه‌های علم و فناوری پیدا کرده‌اند. به طور سنتی، قوانین فازی از دانش متخصص انسانی یا اکتشافات انسانی برای سیستم‌های نسبتا ساده تولید می‌شوند. در چند سال اخیر، تولید قوانین فازی مبتنی بر داده بسیار فعال بوده است. در مقایسه با قوانین فازی اکتشافی، قوانین فازی تولید شده از داده ها قادر به استخراج دانش عمیق تر برای سیستم های پیچیده تر هستند. این کتاب تعدادی از رویکردها را برای تولید قوانین فازی از داده‌ها ارائه می‌کند، از استنتاج فازی مستقیم بر اساس کارهای شبکه عصبی و الگوریتم‌های تکاملی مبتنی بر تولید قوانین فازی. علاوه بر دقت تقریبی، توجه ویژه ای به تفسیرپذیری قوانین فازی استخراج شده شده است. به عبارت دیگر، قوانین فازی تولید شده از داده‌ها به همان اندازه برای انسان قابل درک هستند که از اکتشافات انسانی تولید می‌شوند. برای این منظور، بسیاری از جنبه‌های تفسیرپذیری سیستم‌های فازی مورد بحث قرار گرفته‌اند که باید در تولید قوانین فازی مبتنی بر داده در نظر گرفته شوند. به این ترتیب، قوانین فازی تولید شده از داده ها برای کاربران انسانی قابل درک است و بنابراین، می توان دانش درباره سیستم های ناشناخته استخراج کرد.

Fuzzy rule systems have found a wide range of applications in many fields of science and technology. Traditionally, fuzzy rules are generated from human expert knowledge or human heuristics for relatively simple systems. In the last few years, data-driven fuzzy rule generation has been very active. Compared to heuristic fuzzy rules, fuzzy rules generated from data are able to extract more profound knowledge for more complex systems. This book presents a number of approaches to the generation of fuzzy rules from data, ranging from the direct fuzzy inference based to neural net­ works and evolutionary algorithms based fuzzy rule generation. Besides the approximation accuracy, special attention has been paid to the interpretabil­ ity of the extracted fuzzy rules. In other words, the fuzzy rules generated from data are supposed to be as comprehensible to human beings as those generated from human heuristics. To this end, many aspects of interpretabil­ ity of fuzzy systems have been discussed, which must be taken into account in the data-driven fuzzy rule generation. In this way, fuzzy rules generated from data are intelligible to human users and therefore, knowledge about unknown systems can be extracted.