ARTIFICIAL INTELLIGENCE 6 Fuzzy Logic

Slides:



Advertisements
Presentasi serupa
Water heating system Dasar kendali cerdas.
Advertisements

Fuzzy Logic dengan Menggunakan MATLAB
Sistem kontrol penyiram air
Fuzzy logic.
Bahan Kuliah IF4058 Topik Khusus IF
Mengatasi Ketidakpastian (Uncertainty)
Logika Fuzzy.
Sistem Inferensi Fuzzy
Logika Fuzzy.
Logika Fuzzy.
PENGETAHUAN BERDASARKAN RULES PERTEMUAN MINGGU KE-6.
LOGIKA FUZZY .
1 Pertemuan 24 APLIKASI LOGIKA FUZZY Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
FUZZY LOGIC LANJUTAN.
Pertemuan 22 FUZZIFIKASI DAN DEFUZZIFIKASI
Fuzzy for Image Processing
Intelligent Control System (Fuzzy Control)
1 Pertemuan 26 NEURO FUZZY SYSTEM Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
Logika Fuzzy.
1 Pertemuan 7 Ketidakpastian dalam Rules Matakuliah: H0383/Sistem Berbasis Pengetahuan Tahun: 2005 Versi: 1/0.
ANIFUDDIN AZIS Himpunan Fuzzy dan Operasi Dasar. Dari Himpunan Klasik ke Himpunan Fuzzy Misal U adalah semesta pembicaraan yang berisi semua kemungkinan.
LOGIKA FUZZY.
Logika fuzzy.
Dasar Pengendali cerdas
LOGIKA FUZZY (Lanjutan)
TEORI DASAR Logika Fuzzy
Kode MK :TIF , MK : Fuzzy Logic
LOGIKA FUZZY Oleh I Joko Dewanto
Logika Fuzzy dan aplikasinya
LOGIKA FUZZY ABDULAH PERDAMAIAN
FUZZY INFERENCE SYSTEMS
FUZZY INFERENCE SYSTEMS
Model Fuzzy Mamdani.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
CARA KERJA SISTEM PAKAR
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
FIS – Metode SUGENO Pert- 6.
Sistem Inferensi Fuzzy
REASONING FUZZY SYSTEMS.
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
<KECERDASAN BUATAN>
Fuzzy logic Fuzzy Logic Disusun oleh: Tri Nurwati.
SISTEM FUZZY.
DASAR FUZZY.
Penggunaan Toolbox Matlab menyelesaikan kasus sistem uzzy
Perhitungan Membership
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
METODE FIS Pertemuan Ke-5.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Penyusun: Tri Nurwati (dari segala sumber :)
HEMDANI RAHENDRA HERLIANTO
Sistem Inferensi Fuzzy
Pemanfaatan Sistem Fuzzy Sebagai Pendukung Keputusan
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Fuzzy Systems – Bagian 1 Ide dasar fuzzy systems adalah fuzzy sets dan fuzzy logic. Fuzzy logic sudah lama dipikirkan oleh para filsuf Yunani kuno. Plato:
Sistem Berbasis Aturan Fuzzy
Contoh Penerapan Fuzzy System 1
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Sistem samar (fuzzy System)
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
Example 13.8 Tentukan keluaran tegangan untuk sistem kontrol motor DC dari data berikut dan berikan set Rule nya. Rules Jika kecepatan LOW, maka tegangan.
CCM110 Matematika Diskrit Pertemuan-11, Fuzzy Inference System
CSG3G3 Kercerdasan Mesin dan Artifisial Reasoning 2: Fuzzy
Fuzzy Expert Systems.
Operator Himpunan Fuzzy
Logika Fuzzy Dr. Mesterjon,S.Kom, M.Kom.
DASAR FUZZY.
Fuzzy Systems Prof. Dr. Widodo Budiharto 2018
Transcript presentasi:

ARTIFICIAL INTELLIGENCE 6 Fuzzy Logic Kecerdasan Buatan ARTIFICIAL INTELLIGENCE 6 Fuzzy Logic Sumber: Slide Kluliah Prof. Handayani Tjandrasa ITS Handayani Tjandrasa

DEFINISI "If it is sunny and warm today, I will drive fast" Fuzzy logic: Cara untuk menyatakan variasi atau ketidaktepatan (tidak mutlak) dalam logika Misal dalam bahasa alami: "If it is sunny and warm today, I will drive fast" Linguistic variables: Temp: {freezing, cool, warm, hot} Cloud Cover: {overcast, partly cloudy, sunny} Speed: {slow, fast}

True/False Variables King(Richard)  Greedy(Richard)  Evil(Richard) “Richard is greedy” is True or False: Greedy(Richard) {0,1}

Fuzzy Sets Variabelnya dapat mempunyai nilai dalam batasan [0,1] Misal: Greedy(Richard) = 0.7 Fuzzy Linguistic Variables: digunakan untuk menyatakan nilai yang bervariasi dalam suatu spektrum Misal: Temp: {Freezing, Cool, Warm, Hot} Membership Function: Fungsi keanggotaan untuk menyatakan derajat kebenaran Contoh: “How warm is it?”

Membership Functions Temp: {Freezing, Cool, Warm, Hot} Derajat kebenaran atau keanggotaan (membership)

Membership Functions Seberapa dingin 36 F° ? 30% Cool dan 70% Freezing

Fuzzy Disjunction Fuzzy Conjunction AB max(A, B) (AB = C)  (C = 0.75) Fuzzy Conjunction AB min(A, B) (AB = C)  (C = 0.375)

Contoh A B A  B A  B A

Struktur Kontroler Fuzzification Inference Mechanism Defuzzification Petakan variabel input dalam nilai fuzzy Inference Mechanism Pendekatan reasoning dan deduksi aksi kontrol Defuzzification Konversi nilai fuzzy output ke aksi kontrol

Contoh Input: Temp & Cover Output: Speed Temp: {Freezing, Cool, Warm, Hot} Cover: {Sunny, Partly, Overcast} Speed: {Slow, Fast}

Rules If it's Sunny and Warm, drive Fast Kecerdasan Buatan Rules If it's Sunny and Warm, drive Fast Sunny(Cover)Warm(Temp) Fast(Speed) If it's Cloudy and Cool, drive Slow Cloudy(Cover)Cool(Temp) Slow(Speed) Handayani Tjandrasa

Example Speed Calculation How fast will I go if it is 65 F° 25 % Cloud Cover ?

Fuzzification: Berapa besar kecepatan bila temp Fuzzification: Berapa besar kecepatan bila temp. 65 F° dan 25 % tertutup awan? 65 F°  Cool = 0.25, Warm= 0.75 25% Cover Sunny = 0.8, Cloudy = 0.2

If it's Sunny and Warm, drive Fast Sunny(Cover)Warm(Temp)Fast(Speed) 0.8  0.7 = 0.7  Fast = 0.7 If it's Cloudy and Cool, drive Slow Cloudy(Cover)Cool(Temp)Slow(Speed) 0.2  0.4 = 0.2  Slow = 0.2 Speed = weighted mean = (2*25+7*75)/(9) = 63.8 mph

Fuzzy Linguistic Variables Fan Speed Set stop {0, 0, 0} Set slow {50, 30, 10} Set medium {60, 50, 40} Set fast {90, 70, 50} Set blast {, 100, 80} Air Temperature Set cold {50, 0, 0} Set cool {65, 55, 45} Set just right {70, 65, 60} Set warm {85, 75, 65} Set hot {, 90, 80}

Rules Air Conditioning Controller: IF Cold then Stop If Cool then Slow If OK then Medium If Warm then Fast IF Hot then Blast

Fuzzy Air Conditioner

Kecerdasan Buatan TERIMA KASIH Handayani Tjandrasa