FuzzyInference1模糊推理（推论）.docVIP

Fuzzy Inference 1模糊推理(推論) I. Introduction 在古典邏輯中最基本的推理就是所謂的“若P則Q“的命題 所謂的命題(Proposition)就是句子的陳述 如： 雪是白色的 現在正在下雨 命題又稱作句式(Formula) 命題與我們平常用的簡單敘述句沒什麼不同 如果把這些簡單句湊合在一起，就是複雜命題 在英語中，利用連接詞和關係代名詞等 可以造出極為複雜的句子 同樣地，利用一些邏輯運算符號 也可以構成複雜命題 而常用的符號有： Negation ￣ 非 Conjunction ( 且(t-norm) Disjunction ( 或(t-conorm) Implication ( 蘊涵，暗示 ( Equivalence ( 相等，等同 邏輯推論都是從一堆句子推出結論 最常用的方法是把既存的句子都視為恆真 然後利用推理規則(Inference Rule) 來推出結論 未經證實的句子 如： 若明天是晴天，則去郊遊 到了明天，發現晴空萬里 此時我們便可以推論得知：現在要去郊遊了 若以符號記述 前提1：明天→郊遊 前提2：晴天 結論：郊遊 更一般性的表示方式為 前提1：IF A THEN B :R 前提2：A 結論： B IF～THEN～的複合命題可用集合關係R來表示 B=A o R o : 為合成運算符號 在古典二值邏輯中 句子 ← 真或假 帶有變數或函數的句子 ← 真或假？ 因為變數或函數代表事件是未定的 所以代入不同的事件時 它的真值就會產生不同的變化 最極端的兩種情況為 ( 矛盾(Contradiction) 不論變數或函數為何，均是假的（錯誤的） ( 恆真(Tautology)（套套言；圓形辯證） 不論變數或函數為何，均是真的（正確的） 邏輯推論就是從這個基礎出發的 決定這些敘述是否為真 從已知的事實推到未知的結論 Antecedent If ～ ， Then～ 前提1: If x is A，Then y is B 前提2: x is A 命題部 推論部 結論：y is B If-part Then-part Canonical Form x is P Consequent Subject Predicate Degree of Membership Degree of an Element Classical Crisp Sets Fuzzy Sets Classical 2-valued Logic Fuzzy Logic Logic NOT Complement Logic AND Intersection Logic OR Union Truth Value of a Proposition 常用的三種推論方法 (Inference Rule) 1) 肯定前件論式 (Modus Ponens) [A ( (A ( B)] ( B 2) 否定後件論式 (Modus Tollens) [B ( (A ( B)] ( A 3) 三段論法 (Hypothetical Syllogism) [(A ( B) ( (B ( C)] ( (A ( C) Fuzzy Logic 1) 廣義的肯定前件論式(Generalized Modus Ponens) (GMP) 前提1：IF x is A, THEN y is B 前提2: x is A 結論： y is B Forward Data-Driven Inference常用在Fuzzy Logic Control當中 2) 廣義的否定後件論式(Generalized Modus Tollens) (GMT) 前提1: IF x is A, THEN y is B 前提2: y is not B 結論： x is not A Backward Goal-Driven Control常用在Expert System當中 Imprecise Proposition