Bulanık mantık ile klasik mantık arasındaki temel fark bilinen anlamda matematiğin sadece aşırı uç değerlerine izin vermesidir. Klasik matematiksel yöntemlerle karmaşık sistemleri modellemek ve kontrol etmek işte bu yüzden zordur, çünkü veriler tam olmalıdır. Bulanık mantık kişiyi bu zorunluluktan kurtarır ve daha niteliksel bir tanımlama olanağı sağlar. Bir kişi için 38,5 yaşında demektense sadece orta yaşlı demek bir çok uygulama için yeterli bir veridir. Böylece azımsanamayacak ölçüde bir bilgi indirgenmesi söz konusu olacak ve matematiksel bir tanımlama yerine daha kolay anlaşılabilen niteliksel bir tanımlama yapılabilecektir.
Bulanık mantıkta fuzzy kümeleri kadar önemli bir diğer kavramda linguistik değişken kavramıdır. Linguistik değişken �sıcak� veya �soğuk� gibi kelimeler ve ifadelerle tanımlanabilen değişkenlerdir. Bir linguistik değişkenin değerleri fuzzy kümeleri ile ifade edilir. Örneğin oda sıcaklığı linguistik değişken için �sıcak�, �soğuk� ve �çok sıcak� ifadelerini alabilir. Bu üç ifadenin her biri ayrı ayrı fuzzy kümeleri ile modellenir.
Bulanık mantığın uygulama alanları çok geniştir. Sağladığı en büyük fayda ise �insana özgü tecrübe ile öğrenme� olayının kolayca modellenebilmesi ve belirsiz kavramların bile matematiksel olarak ifade edilebilmesine olanak tanımasıdır. Bu nedenle lineer olmayan sistemlere yaklaşım yapabilmek için özellikle uygundur.
Bulanık mantık konusunda yapılan araştırmalar Japonya�da oldukça fazladır. Özellikle fuzzy process controller olarak isimlendirilen özel amaçlı bulanık mantık mikroişlemci çipi�nin üretilmesine çalışılmaktadır. Bu teknoloji fotoğraf makineleri, çamaşır makineleri, klimalar ve otomatik iletim hatları gibi uygulamalarda kullanılmaktadır. Bundan başka uzay araştırmaları ve havacılık endüstrisinde de kullanılmaktadır. TAI�de araştırma gelişme kısmında bulanık mantık konusunda çalışmalar yapılmaktadır. Yine bir başka uygulama olarak otomatik civatalamaların değerlendirilmesinde bulanık mantık kullanılmaktadır. Bulanık mantık yardımıyla civatalama kalitesi belirlenmekte, civatalama tekniği alanında bilgili olmayan kişiler açısından konu şeffaf hale getirilmektedir. Burada bir uzmanın değerlendirme sınırlarına erişilmekte ve hatta geçilmektedir.
Fuzzy kuramının merkez kavramı fuzzy kümeleridir. Küme kavramı kulağa biraz matematiksel gelebilir ama anlaşılması kolaydır. Örneğin �orta yaş� kavramını inceleyerek olursak, bu kavramın sınırlarının kişiden kişiye değişiklik gösterdiğini görürüz. Kesin sınırlar söz konusu olmadığı için kavramı matematiksel olarak da kolayca formüle edemeyiz. Ama genel olarak 35 ile 55 yaşları orta yaşlılık sınırları olarak düşünülebilir. Bu kavramı grafik olarak ifade etmek istediğimizde karşımıza şekil deki gibi bir eğri çıkacaktır. Bu eğriye �aitlik eğrisi� adı verilir ve kavram içinde hangi değerin hangi ağırlıkta olduğunu gösterir.
Bir fuzzy kümesi kendi aitlik fonksiyonu ile açık olarak temsil edilebilir. Şekilde görüldüğü gibi aitlik fonksiyonu 0 ile 1 arasındaki her değeri alabilir. Böyle bir aitlik fonksiyonu ile �kesinlikle ait� veya �kesinlikle ait değil� arasında istenilen incelikte ayarlama yapmak mümkündür.
Bulanık mantık, ingilizcesiyle fuzzy logic, adından anlaşılabileceği gibi mantık kurrallarının esnek ve bulanık bir şekilde uygulanmasıdır. Klasik (boolean) mantıkta bildiğiniz gibi, "doğru" ve "yanlış" yada "1" ve "0"lar vardır, oysa bulanık mantıkta, ikisinin arasında bir yerede olan önermeler ve ifadelere izin verilebilir ki, gerçek hayata baktığımızda hemen hemen hiçbir şey kesinlikle doğru veya kesinlikle yanlış değildir. Gerçek hayatta önermeler genelde kısmen doğru veya belli bir olasılıkla doğru şeklinde değerlendirilir. Bulanık mantığa da zaten klasik mantığın gerçek dünya problemleri için yeterli olmadığı durumlar dolayısıyla ihtiyaç duyulmuştur.
Bulanık mantığın sistemi şu şekildedir. Bir ifade tamamen yanlış ise kalsik mantıkta olduğu gibi 0 değerindedir, yok eğer tamamen doğru ise 1 değerindedir. (Ancak bulanık mantık uygulmalarının çoğu bir ifadenin 0 veya 1 değerini almasına izin vermezler, veya sadece çok özel durumlarda izin verirler.) Bunların dışında tüm ifadeler 0 dan büyük 1 den küçük reel değerler alırlar. Yani değeri 0.32 olan bir ifadenin anlamı %32 doğru %68 yanlış demektir.
Bulanık mantığın da klasik mantıkta olduğu gibi işleçleri (operator) vardır, örneğin and, or, not ... ancak bunlar kendine has işlemlerdir mesela -başka yaklaşımlarda olmasına rağmen and işlemi- genelde çarpma olarak ifade edilir veya not işlemi de birden çıkarma şeklinde ifade edilir. Bunlar;
AND: A=0.2 B=0.8 => A and B = (A) * (B) = 0.2 * 0.8 = 0.16
NOT: A=0.4 => not A = 1-(A) = 1 - 0.4 = 0.6
şeklinde örneklenebilir. Ancak bunlar en basit yaklaşımlardır.
YSA ve Fuzzy Logic tekniklerinin beraber kullanımı ile daha etkili sistemler dizayn etmek mümkündür, ancak bu işlem ortaya çıkan sitemi çok yavaşlatmaktadır ve henüz bu tekniklerin birleştirilmesi yöntemi geliştirme ve test aşamalarındadır, aslında YSA algoritmaları da her gün hızla güncellenmektedir. Yani bu konuların -mesela özyineleme ya da search gibi- tam olarak oturdukları söylenemez, fakat başarılı uygulamaları da mevcuttur.
Not: Bir bulanık mantık uygulaması: Çubuk Üzerinde Top Denegeleme Bulanık mantığın sistemi şu şekildedir. Bir ifade tamamen yanlış ise kalsik mantıkta olduğu gibi 0 değerindedir, yok eğer tamamen doğru ise 1 değerindedir. (Ancak bulanık mantık uygulmalarının çoğu bir ifadenin 0 veya 1 değerini almasına izin vermezler, veya sadece çok özel durumlarda izin verirler.) Bunların dışında tüm ifadeler 0 dan büyük 1 den küçük reel değerler alırlar. Yani değeri 0.32 olan bir ifadenin anlamı %32 doğru %68 yanlış demektir.
Bulanık mantığın da klasik mantıkta olduğu gibi işleçleri (operator) vardır, örneğin and, or, not ... ancak bunlar kendine has işlemlerdir mesela -başka yaklaşımlarda olmasına rağmen and işlemi- genelde çarpma olarak ifade edilir veya not işlemi de birden çıkarma şeklinde ifade edilir. Bunlar;
AND: A=0.2 B=0.8 => A and B = (A) * (B) = 0.2 * 0.8 = 0.16
NOT: A=0.4 => not A = 1-(A) = 1 - 0.4 = 0.6
şeklinde örneklenebilir. Ancak bunlar en basit yaklaşımlardır.
YSA ve Fuzzy Logic tekniklerinin beraber kullanımı ile daha etkili sistemler dizayn etmek mümkündür, ancak bu işlem ortaya çıkan sitemi çok yavaşlatmaktadır ve henüz bu tekniklerin birleştirilmesi yöntemi geliştirme ve test aşamalarındadır, aslında YSA algoritmaları da her gün hızla güncellenmektedir. Yani bu konuların -mesela özyineleme ya da search gibi- tam olarak oturdukları söylenemez, fakat başarılı uygulamaları da mevcuttur.
alıntı:http://www.yapay-zeka.org/modules/icontent/index.php?page=33
